Garuda - Garba Rujukan Digital

Comparing Different KNN Parameters Based on Woman Risk Factors to Predict the Cervical Cancer Saletia, Maria Claudia; Anshori, Mochammad; Haris, M Syauqi
Journal of Applied Informatics and Computing Vol. 9 No. 5 (2025): October 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i5.10746

Cervical cancer remains a major cause of mortality among women, particularly in low-resource regions where access to conventional screening is limited. Early detection through predictive modeling offers a low-cost and non-invasive alternative to clinical diagnostics. This study aims to evaluate the effectiveness of the k-Nearest Neighbors algorithm for predicting cervical cancer risk using behavioral and psychosocial attributes. The research utilized the publicly available Sobar cervical cancer behavioral dataset comprising 72 instances with 18 input features and a binary target label. Data preprocessing included removal of incomplete records, encoding of categorical variables, and normalization. The algorithm was tested across varying numbers of neighbors and distance metrics, with performance evaluated using 10-fold cross-validation and multiple classification metrics. The optimal configuration was achieved with three neighbors and the Manhattan distance metric, yielding an accuracy of 93.06%, sensitivity of 93.10%, specificity of 85.90%, precision of 93.10%, F1-score of 92.90%, and an area under the curve of 0.8952. This performance surpassed the reported baseline of a probabilistic classifier and demonstrated the algorithm’s capability to capture complex behavioral patterns associated with cervical cancer risk. These findings confirm the feasibility of applying optimized instance-based learning to behavioral data for early cancer risk assessment. The approach offers potential for integration into community health programs to support early detection and prevention strategies.

Challenges in Implementing Digital Medical Records in Indonesian Hospitals: Perspectives on Technology, Regulation, and Data Security Fita Rusdian Ikawati; M. Syauqi Haris
Proceeding International Conference Of Innovation Science, Technology, Education, Children And Health Vol. 4 No. 2 (2024): Proceeding of The International Conference of Inovation, Science, Technology, E
Publisher : Program Studi DIII Rekam Medis dan Informasi Kesehatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/icistech.v4i2.70

The implementation of digital medical records in Indonesian hospitals faces various challenges, especially in terms of technological readiness, inadequate regulations, and data security threats that need to be addressed to ensure efficient and safe healthcare services. This study aims to identify the challenges in Digital Medical Record Implementation from the perspective of technology, regulation, and data security. This study used a systematic literature review research approach guided by the Preferred Reposrting Items for Systematic Review and Meta-Analysis (PRISMA). The results showed that the implementation of digital medical records in Indonesian hospitals faces considerable challenges from three main perspectives, namely technology, regulation, and data security. The technology perspective includes several challenges such as 1) System Interoperability, 2) Privacy, 3) IT Infrastructure Limitations, 4) Implementation Costs and 5) Maintenance and Technology Adoption by Medical Staff. The regulatory perspective includes challenges such as 1) Regulatory Compliance, 2) Patient Data Protection, 3) Validity of Medical Records, 4) Long-term Data Retention and 5) System Interoperability. The data security perspective includes challenges such as 1) Infrastructure Security, 2) Data Encryption, 3) Access Control, 4) Incident Response and 5) Regular Security Audits. Thus, collaborative efforts between the government, hospitals and technology providers are needed to address these challenges and drive safe and effective digital transformation in Indonesia's healthcare sector.

Teknik Identifikasi Fitur Berdasarkan Kalimat Pernyataan Kebutuhan dalam Konteks Pengembangan Software Product Line Haris, M Syauqi; Kurniawan, Tri Astoto
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935732

Software product line (SPL) adalah konsep software reuse di bidang industri perangkat lunak yang memiliki fase awal berupa domain engineering untuk mengidentifikasi dan memetakan fitur-fitur dari sekumpulan produk perangkat lunak yang akan dikembangkan. Fitur perangkat lunak sering kali diekspresikan secara eksplisit dalam kalimat pernyataan kebutuhan yang ada pada dokumen spesifikasi kebutuhan perangkat lunak (SRS). Saat ini, penelitian tentang otomatisasi identifikasi fitur perangkat lunak berdasarkan dokumen spesifikasi kebutuhan telah banyak diusulkan dengan berbagai metode, namun hasil yang diperoleh kebanyakan adalah kata benda yang dianggap sebagai kandidat fitur. Representasi fitur dengan kata benda dianggap masih terlalu abstrak dan tidak mewakili konsep fitur sebagai kemampuan atau fungsionalitas suatu perangkat lunak. Dalam penelitian ini, identifikasi fitur yang direpresentasikan dengan frasa gabungan kata kerja dan kata benda diusulkan karena dianggap lebih menjelaskan kemampuan dan fungsionalitas dari suatu perangkat lunak. Pola penulisan kalimat pernyataan kebutuhan dengan requirement boilerplate dimanfaatkan sebagai dasar identifikasi fitur perangkat lunak secara otomatis dengan menggunakan alat bantu pemrosesan bahasa natural atau NLP (natural language processing). Dalam penelitian ini diusulkan 4 (empat) aturan dependency parser, yang merupakan salah satu pipeline dalam NLP. Tingkat keberhasilan metode pada penelitian ini adalah antara 65% sampai dengan 88% untuk 5 kelompok kalimat pernyataan kebutuhan yang diujikan. Hasil tersebut menunjukkan bahwa metode yang diusulkan pada penelitian ini bisa mengautomasi proses identifikasi fitur pada tahapan domain engineering dalam pengembangan software product line khususnya yang menggunakan metode ekstraktif.AbstractSoftware product line (SPL) is a software reuse concept in the software industry that has an initial phase of domain engineering to identify and map the features of a set of software products to be developed. Software features are often expressed explicitly in the requirement sentences contained in the software requirements specification (SRS) document. Currently, research on the automation of software feature identification based on requirements specification documents has been proposed by various methods, but the results obtained are mostly nouns that are considered feature candidates. Representation of features with nouns is considered too abstract and does not represent the concept of features as capabilities or functionality of the software. In this study, the identification of features represented by combined phrases of verbs and nouns is proposed because it is considered to better explain the capabilities and functionality of software. The pattern of writing a requirement sentence with boilerplate requirements is used as the basis for automatically identifying software features using natural language processing (NLP) tools. In this research, 4 (four) dependency parser rules are proposed, which is one of the pipelines in NLP. The success rate of the method in this study is between 65% to 88% for the 5 groups of sentences that were tested. These results indicate that the method proposed in this study can automate the feature identification process at the domain engineering stage in product line software development, especially those using extractive methods.

Perbandingan Metode Supervised Machine Learning untuk Prediksi Prevalensi Stunting di Provinsi Jawa Timur Haris, M Syauqi; Khudori, Ahsanun Naseh; Kusuma, Wahyu Teja
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976744

Stunting atau kasus balita kerdil/pendek adalah salah satu masalah di bidang kesehatan yang saat ini sedang dihadapi oleh masyarakat Indonesia. Provinsi Jawa Timur memiliki nilai prevalensi stunting sebesar 26,8% berdasarkan integrasi data Kementerian Kesehatan dan Badan Pusat Statistik. Nilai tersebut masih tergolong tinggi karena standar minimal yang ditetapkan oleh World Health Organization (WHO) adalah sebesar 20%. Oleh karena itu, penelitian ini bertujuan untuk memberikan kontribusi dalam penyelesaian permasalahan stunting di Provinsi Jawa Timur dengan cara menganalisis faktor-faktor yang diprediksi bisa memengaruhi tingkat prevalensi stunting berdasarkan data sekunder hasil survei dari beberapa lembaga resmi dan terpercaya di bidang kesehatan yang telah dipublikasikan. Supervised machine learning merupakan pendekatan dalam pembuatan kecerdasan buatan (artificial intelligence) yang menggunakan data-data berlabel sebagai data latihnya. Pendekatan ini dirasa sangat sesuai digunakan dalam prediksi nilai prevalensi stunting pada suatu wilayah berdasarkan data-data lain yang relevan. Penelitian-penelitian sebelumnya tentang prediksi prevalensi stunting rata-rata hanya menggunakan salah satu metode supervised machine learning saja dan data sekunder yang digunakan hanya bersumber dari salah satu sumber survei saja. Hasil penelitian menunjukkan bahwa faktor-faktor penyebab yang memiliki korelasi tinggi terhadap nilai prevalensi stunting bukan hanya Berat Badan Lahir Rendah (BBLR) saja, namun juga Indeks Pembangunan Manusia, sanitasi, dan Indeks Penduduk Miskin. Selain itu, beberapa metode dalam supervised machine learning juga dibandingkan yaitu, linier regression, support vector regression, dan random forest regression.Metode support vector regression dalam penelitian ini memiliki nilai galat yang lebih rendah yaitu 0,91 untuk MAE dan 1,30 untuk MSE.AbstractStunting or the case of stunted/short toddlers is one of the problems in the health sector that is currently being faced by the people of Indonesia. East Java Province has a stunting prevalence value of 26.8% based on data integration from the Ministry of Health and the Central Statistics Agency. This value is still relatively high because the minimum standard set by the World Health Organization (WHO) is 20%. Therefore, this study aims to contribute to solving the stunting problem in East Java Province by analyzing the factors that are predicted to affect the stunting prevalence rate based on published secondary data from surveys from several official and trusted institutions in the health sector. Supervised machine learning is an approach in making artificial intelligence that uses labeled data as training data. This approach is considered very suitable to be used in predicting the value of stunting prevalence in an area based on other relevant data. Previous studies on predicting the prevalence of stunting on average only used one supervised machine learning method and the secondary data used was only sourced from one survey source. The results showed that the causative factors that have a high correlation to the prevalence of stunting are not only low birth weight (BBLR), but also the Human Development Index, sanitation, and the Poor Population Index. In addition, several methods in supervised machine learning are also compared, namely, linear regression, support vector regression, and random forest regression. The support vector regression method in this study has a lower error value, namely 0.91 for MAE and 1.30 for MSE.

Challenges in Implementing Digital Medical Records in Indonesian Hospitals: Perspectives on Technology, Regulation, and Data Security Fita Rusdian Ikawati; M. Syauqi Haris
Proceeding International Conference Of Innovation Science, Technology, Education, Children And Health Vol. 4 No. 2 (2024): Proceeding of The International Conference of Inovation, Science, Technology, E
Publisher : Program Studi DIII Rekam Medis dan Informasi Kesehatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/icistech.v4i2.70

The implementation of digital medical records in Indonesian hospitals faces various challenges, especially in terms of technological readiness, inadequate regulations, and data security threats that need to be addressed to ensure efficient and safe healthcare services. This study aims to identify the challenges in Digital Medical Record Implementation from the perspective of technology, regulation, and data security. This study used a systematic literature review research approach guided by the Preferred Reposrting Items for Systematic Review and Meta-Analysis (PRISMA). The results showed that the implementation of digital medical records in Indonesian hospitals faces considerable challenges from three main perspectives, namely technology, regulation, and data security. The technology perspective includes several challenges such as 1) System Interoperability, 2) Privacy, 3) IT Infrastructure Limitations, 4) Implementation Costs and 5) Maintenance and Technology Adoption by Medical Staff. The regulatory perspective includes challenges such as 1) Regulatory Compliance, 2) Patient Data Protection, 3) Validity of Medical Records, 4) Long-term Data Retention and 5) System Interoperability. The data security perspective includes challenges such as 1) Infrastructure Security, 2) Data Encryption, 3) Access Control, 4) Incident Response and 5) Regular Security Audits. Thus, collaborative efforts between the government, hospitals and technology providers are needed to address these challenges and drive safe and effective digital transformation in Indonesia's healthcare sector.

Peningkatan Literasi Teknologi Pemasaran Digital Petani Kopi Gapoktan Mekar Tani Desa Jambuwer Kecamatan Kromengan Kabupaten Malang Haris, M Syauqi; Kusuma, Wahyu Teja; Anshori, Mochammad
Jurnal Pengabdian Masyarakat Bhinneka Vol. 1 No. 2 (2022): Bulan November
Publisher : Bhinneka Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58266/jpmb.v1i2.31

Produk Kopi Merah hasil perkebunan kopi di Desa Jambuwer, Kecamatan Kromengan, Kabupaten Malang, adalah produk unggulan para petani kopi yang tergabung dalam Gabungan Kelompok Tani (Gapoktan) Mekartani. Meskipun produk kopi tersebut tergolong unggul, terbukti dengan pernah diraihnya juara III dalam Festival Kopi Nusantara tahun 2016 di Kota Batu, namun masih belum banyak dikenal oleh masyarakat sehingga penjualannya pun terhambat. Sampai dengan saat ini, kopi Malang yang dikenal masyarakat pada umumnya hanya dari daerah Dampit dan Ampelgading saja. Pemanfaatan teknologi informasi dan jaringan internet dengan strategi pemasaran yang disebut dengan digital marketing diharapkan mampu membawa produk kopi merah Jambuwer agar lebih dikenal masyarakat luas di Indonesia pada umumnya dan warga Malang dan sekitarnya pada khususnya. Meskipun saat ini pemanfaatan media online dan media sosial sudah dilakukan, namun hasil yang diperoleh belum maksimal. Hal ini disebabkan karena penggunaan media sosial dan alat promosi online yang digunakan masih belum terkonsep dengan baik dan belum menggunakan strategi pemasaran digital yang terstruktur. Oleh karena itu, melalui kegiatan Pengabdian Kepada Masyarakat ini, diharapkan para petani yang tergabung dalam Gapoktan Mekar Tani memiliki mindset pemasaran digital sehingga peningkatan popularitas dan penjualan Kopi Merah Jambuwer bisa terwujud. Media sosial dan blog akan menjadi representasi online dari etalase toko Kopi Merah serta dapat terindeks dengan baik di berbagai situs pencarian. Adapun target luaran dalam kegiatan pengabmas ini adalah peningkatan literasi pemasaran online mitra dalam hal analisis kata kunci dalam Search Engine Optimization (SEO), pembuatan konten berupa gambar maupun video yang sesuai dengan strategi brand, optimalisasi media sosial dan marketplace, serta Google Business Profile.

Pemetaan Disparitas Stunting di Jawa Timur dengan Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM) Haris, M Syauqi; Risqy Siwi Pradini; Ahsanun Naseh Khudori
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8877

Stunting masih menjadi masalah kesehatan masyarakat yang signifikan di Indonesia, khususnya di Provinsi Jawa Timur, di mana terdapat disparitas yang mencolok dalam prevalensi stunting. Penelitian ini bertujuan untuk mengevaluasi distribusi spasial stunting dan mengidentifikasi faktor-faktor yang mempengaruhinya, dengan mempertimbangkan perbedaan geografis antarwilayah. Untuk mencapai tujuan tersebut, penelitian menggunakan pendekatan analisis spasial dengan menggunakan data sekunder dari 38 kabupaten dan kota di Jawa Timur. Analisis ini melibatkan beberapa tahap, termasuk eksplorasi pola geografis melalui indeks autokorelasi global Moran's I dan analisis LISA, diikuti dengan pemodelan regresi spasial menggunakan Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM) berdasarkan matriks bobot tetangga terdekat. Klaster hotspot diidentifikasi di wilayah Tapal Kuda, sementara klaster outlier ditemukan di Sampang dan Tulungagung. Selain itu, model regresi spasial menunjukkan kinerja yang lebih baik dibandingkan dengan model Ordinary Least Squares (OLS), dengan nilai pseudo R² SAR sebesar 0,7203 dan penurunan Akaike Information Criterion (AIC) menjadi 259,05. Hasil analisis menunjukkan bahwa inisiasi menyusui dini, cakupan ibu hamil, dan pemberian tablet tambah darah merupakan faktor signifikan yang mempengaruhi prevalensi stunting (p <0,05). Secara keseluruhan, model spasial memberikan representasi yang lebih akurat tentang pengaruh spasial di seluruh wilayah dibandingkan dengan regresi linier biasa, sehingga dapat menjelaskan variasi geografis stunting dengan lebih baik. Temuan ini menyoroti kebutuhan mendesak untuk mengembangkan kebijakan berbasis wilayah yang disesuaikan dengan karakteristik spasial yang unik di setiap wilayah. Penelitian ini berkontribusi pada bidang studi spasial dalam epidemiologi gizi dan menawarkan dasar ilmiah untuk mengimplementasikan intervensi kesehatan masyarakat yang lebih tepat sasaran.

Title

Found 27 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 27 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 27 Documents
Search