Article Per Year (5 Year)
p-Index From 2020 - 2025
0.983
P-Index
This Author published in this journals
All Journal Jurnal Informatika Kaputama (JIK) Jurnal Pengabdian Masyarakat IPTEK Journal of Artificial Intelligence and Engineering Applications (JAIEA)
Fuzy Yustika Manik
Universitas Sumatera Utara
Automotive Engineering Computer Science & IT Control & Systems Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
DIAGNOSA PENYAKIT SINUSITIS MENGGUNAKAN METODE CASE BASED REASONING Fuzy Yustika Manik
Jurnal Informatika Kaputama (JIK) Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v5i2.559

Abstract

Sinusitis merupakan sebuah penyakit peradangan yang terjadi pada selaput lendir sinus yaitu rongga yang berisi udara dan letaknya dalam rongga kepala sekitar hidung. Banyak masyarakat yang tidak menyadari akan hadirnya penyakit ini pada seseorang dikarenakan dengan gejala - gejala yang biasa saja. Sampai pada akhirnya penyakit ini menjadi semakin parah karena penanganan yang salah dari pasien. Keterbatasan ruang dan waktu untuk berkonsultasi dengan seorang pakar atau ahli dalam bidang THT menjadi sebuah masalah. Sistem pakar merupakan salah satu untuk memecahkan masalah yang dihadapi dalam bidang kesehatan dengan metode case based reasoning yang mampu membantu mendiagnosa penyakit sinusitis. Dengan diterapkannya sistem pakar mendiagnosa penyakit sinusitis berbasis web ini akan sangat membantu masyarakat umum untuk meminimalisir biaya yang dikeluarkan untuk berkonsultasi tentang penyakit sinusitis kepada seorang ahli (pakar) dokter. Dari hasil perhitungan menggunakan metode case based reasoning berdasarkan 3 kasus lama yang ada, dapat disimpulkan bahwa, kasus yang menghasilkan nilai bobot kemiripan paling tinggi adalah kasus K002 yaitu sebesar 0,72. Solusi yang diberikan adalah solusi dengan bobot kemiripan paling tinggi. Hasil perhitungan dengan bobot menunjukan sekitar 72% jadi solusi K002 yang direkomendasikan oleh sistem yaitu terkena penyakit sinusitis Kronis
Penerapan Program Merdeka Belajar - Kampus Merdeka (Mbkm) Untuk Dosen Dan Mahasiswa Di STIE LMII Medan Nurhayati Nurhayati; Rusmin Saragih; Tioria Pasaribu; Juliana Naftali Sitompul; Zira Fatmaira; Fuzy Yustika Manik; Imeldawaty Gultom; Marto Sihombing; Ratih Puspadini
Jurnal Pengabdian Masyarakat IPTEK Vol. 2 No. 1 (2022): Edisi Januari 2022
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/abdi.v2i1.4780

Abstract

Program Merdeka Belajar Kampus Merdeka (MBKM) bertujuan untuk meningkatkan mutu pendidikan di Indonesia sehingga mendorong proses pembelajaran di Perguruan Tinggi yang semakin otonom dan fleksibel serta Menciptakan kultur belajar yang inovatif, tidak mengekang, dan sesuai dengan kebutuhan mahasiswa. Adapun program MKBM terdiri dari 8 (delapan) kegiatan : magang/praktek kerja, asistensi mengajar di satuan pendidikan, penelitian/riset, proyek kemanusiaan, kegiatan wirausaha, studi/proyek independen, membangun desa/kuliah kerja nyata tematik dan pertukaran pelajar. Yang terlibat dalam program MBKM di Perguruan Tinggi adalah mahasiswa/i, dosen, dan koordinator Perguruan Tinggi. Sekolah Tinggi Ilmu Ekonomi (STIE) LMII Medan dimasa pandemic covid-19 kurang aktif dalam mengikuti dikarenakan sebagian besar mahasiswa/i pulang ke daerah asalnya selama proses pembelajaran secara daring. Yayasan STIE LMII Medan mengikuti pelatihan program Merdeka Belajar Kampus Merdeka (MBKM) sehingga di angkatan program berikutnya dalam berperan serta dalam Program Merdeka Belajar Kampus Merdeka (MBKM). 
DIAGNOSA PENYAKIT SINUSITIS MENGGUNAKAN METODE CASE BASED REASONING Fuzy Yustika Manik
Jurnal Informatika Kaputama (JIK) Vol 5 No 2 (2021): Volume 5, Nomor 2, Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v5i2.263

Abstract

Sinusitis merupakan sebuah penyakit peradangan yang terjadi pada selaput lendir sinus yaitu rongga yang berisi udara dan letaknya dalam rongga kepala sekitar hidung. Banyak masyarakat yang tidak menyadari akan hadirnya penyakit ini pada seseorang dikarenakan dengan gejala - gejala yang biasa saja. Sampai pada akhirnya penyakit ini menjadi semakin parah karenapenanganan yang salah dari pasien. Keterbatasan ruang dan waktu untuk berkonsultasi dengan seorang pakar atau ahli dalam bidang THT menjadi sebuah masalah. Sistem pakar merupakan salah satu untuk memecahkan masalah yang dihadapi dalam bidang kesehatan dengan metode case based reasoning yang mampu membantu mendiagnosa penyakit sinusitis. Denganditerapkannya sistem pakar mendiagnosa penyakit sinusitis berbasis web ini akan sangat membantu masyarakat umum untuk meminimalisir biaya yang dikeluarkan untuk berkonsultasi tentang penyakit sinusitis kepada seorang ahli (pakar) dokter. Dari hasil perhitungan menggunakan metode case based reasoning berdasarkan 3 kasus lama yang ada, dapat disimpulkan bahwa, kasus yang menghasilkan nilai bobot kemiripan paling tinggi adalah kasus K002 yaitu sebesar 0,72. Solusi yang diberikan adalah solusi dengan bobot kemiripan paling tinggi. Hasil perhitungan dengan bobot menunjukan sekitar 72% jadi solusi K002 yangdirekomendasikan oleh sistem yaitu terkena penyakit sinusitis Kronis.
Artificial Neural Network for Classification of Dengue Fever Using Backpropagation Algorithm Ririn Eka Andrianti Tarigan; Fuzy Yustika Manik
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 3 No. 1 (2023): October 2023
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v3i1.357

Abstract

Fever is an increase in body temperature to higher than usual. Normal human body temperature is at 37oC, if the body temperature is more than this figure, it indicates a fever caused by infectious or non-infectious factors. The main symptom of Dengue hemorrhagic fever is high fever with a temperature between 30oC - 40oC which appears suddenly, the fever lasts for 7 days and occurs continuously, body temperature can be normal or low, then will rise slowly every day and can reach 40oC . These two diseases are still a public health problem in urban areas, including in the cities of Binjai and Medan. The problem that has occurred so far is that people in general cannot differentiate the symptoms of Dengue Fever from Malaria, so the treatment given only provides ordinary fever medicine, so that within three days there is no change and the high body temperature makes the patient know that someone has dengue fever. Therefore, the solution provided in this research is to find out the physical characteristics experienced by the sufferer before further diagnosis is carried out. If someone has a fever above 38oC, the body has red spots, irregular breathing, immediately go to the doctor because these symptoms indicate symptoms of dengue hemorrhagic fever or malaria fever. Artificial neural networks are an information processing system designed to imitate the workings of the human brain by carrying out a learning process through changing the weights of synapses. The human brain consists of millions of interconnected neurons known as biological neurons. Each neuron consists of a cell that has a number of dendrites (input) and an axon (output). Axons connect to other neurons through connecting pathways that produce chemical reactions when responding to incoming input. The input required includes the number of input variables, input variable values, weights, learning rate, threshold, maximum epoh and target (output) with the error value classification used is Mean Absolute Error (MAE), there are 2 types of disease with fever symptoms used. The types of disease are dengue hemorrhagic fever and malaria and the system will be designed using the Visual Basic 2010 programming language. From the results of the research that has been carried out, classification results are obtained with a value of 0.893619481 or rounded to equal 1 and classified as dengue hemorrhagic fever.
Expert System for Diagnosing Lipoma Disease in Hospital Patients Latersia Using the Certainty Factor (CF) Method Muhammad Al Hafiz; Novriyenni; Fuzy Yustika Manik
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 3 No. 1 (2023): October 2023
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v3i1.376

Abstract

Lipoma disease is a disease characterized by a lump filled with a layer of fat that gradually accumulates under the skin, where this lump is between the skin and the muscle layer. This disease often appears on the neck, back, shoulders, arms, and thighs. In general, fat lumps or lipomas can be said to have slow growth between the skin and muscle layers. People tend to just let the lumps happen to them and think they are just normal lumps, without carrying out further examinations. The queue to see a doctor for further examination is also a factor. Therefore, it is necessary to make efforts so that the public can obtain information and be able to diagnose lipoma early without having to visit a doctor. From the description above, it is the basis for building a system that can provide information on lipoma disease and diagnose lipoma disease early. The system to be built can produce an early diagnosis analysis based on symptoms that are felt like a doctor, this system is commonly called an expert system, to support accuracy in building an expert system a method is needed in the analysis of its completion. One of the methods to be used is Certainty Factor (CF). The CF method is a clinical parameter value given by MYCIN to indicate the level of trust. The php programming language and MySQL database can build a system for diagnosing lipoma disease using the Certainty Factor method. type of lipoma Lipo Sarcoma 42.24%, Spindle cell lipoma, 56.59%, Myxoid liposarcoma 51.36%, Hibernoma 32%, Intramuscular hemangioma 51.48%, Chondroid lipoma 51.48%, Atypical lipoma 24%. From these results it can be said that the greatest confidence value is the type of Spindle cell lipoma disease with a confidence value of 56.59%.
Co-Authors ., Novriyenni Fatmaira, Zira Gultom, Imeldawaty Marto Sihombing Muhammad Al Hafiz Nurhayati Pasaribu, Tioria Ratih Puspadini Ririn Eka Andrianti Tarigan Rusmin Saragih, Rusmin