Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Simetris Gaung Informatika Momentum: Physics Education Journal IJIS - Indonesian Journal On Information System Jurnal Manajemen Informatika Jurnal Teknologi dan Informasi Vocatech : Vocational Education and Technology Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Iyan Gustiana
Program Studi Sistem Informasi Fakultas Teknik Dan Ilmu Komputer Universitas Komputer Indonesia
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Physics Transportation

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Comparative Analysis of Machine Learning and Artificial Intelligence Algorithms for Pharmaceutical Demand Forecasting in Hospital Supply Chains: A Case Study at Hospital X Purnomo, Doni; Sakti, Intan Widuri; Gustiana, Iyan
VOCATECH: Vocational Education and Technology Journal Vol 7, No 1 (2025): August
Publisher : Akademi Komunitas Negeri Aceh Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38038/vocatech.v7i1.218

Abstract

AbstractHealthcare systems in Indonesia face unique challenges due to diverse geographical landscapes and high dependency on pharmaceutical imports, resulting in complex demand forecasting requirements. This study proposes an innovative approach to pharmaceutical demand forecasting by leveraging Machine Learning (ML) and Artificial Intelligence (AI) techniques to optimize hospital supply chains. A comparative evaluation of six forecasting algorithms was conducted using 650 days of pharmaceutical transaction data from Hospital X, encompassing 374,171 dispensing events. The study compared traditional time series methods (Simple Moving Average, Weighted Moving Average, Exponential Smoothing) with advanced ML algorithms (Linear Regression, Support Vector Regression, Deep Learning LSTM). Results demonstrate that the Deep Learning model achieved superior performance with MAPE of 2.35%, representing a 34.4% improvement over traditional methods. The integrated feature engineering architecture successfully captured temporal and seasonal patterns specific to tropical healthcare environments. Implementation of the ML-based forecasting system shows potential for 25-30% reduction in safety stock requirements while maintaining 99.5% service levels, translating to significant cost savings and improved drug availability in Indonesian hospital settings AbstrakSistem pelayanan kesehatan di Indonesia menghadapi tantangan kompleks yang dipengaruhi oleh kondisi geografis yang beragam serta tingginya ketergantungan terhadap impor produk farmasi. Hal ini berdampak langsung pada kompleksitas dalam proses peramalan permintaan obat di rumah sakit. Penelitian ini mengusulkan pendekatan inovatif dalam peramalan permintaan farmasi dengan memanfaatkan teknik Machine Learning (ML) dan Artificial Intelligence (AI) guna mengoptimalkan rantai pasok rumah sakit. Evaluasi komparatif terhadap enam algoritma peramalan dilakukan menggunakan data transaksi farmasi selama 650 hari dari Rumah Sakit X, yang mencakup 374.171 data pemberian obat.Metode yang dibandingkan mencakup pendekatan deret waktu konvensional (Simple Moving Average, Weighted Moving Average, dan Exponential Smoothing) serta algoritma pembelajaran mesin tingkat lanjut (Regresi Linier, Support Vector Regression, dan Long Short-Term Memory atau LSTM). Hasil penelitian menunjukkan bahwa model Deep Learning LSTM menghasilkan performa terbaik dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,35%, atau meningkat 34,4% dibandingkan dengan metode konvensional. Arsitektur rekayasa fitur yang digunakan mampu mengidentifikasi pola musiman dan temporal yang khas di lingkungan kesehatan tropis. Implementasi sistem peramalan berbasis ML ini menunjukkan potensi pengurangan kebutuhan safety stock sebesar 25–30%, dengan tetap mempertahankan tingkat layanan sebesar 99,5%. Temuan ini menunjukkan peluang penghematan biaya yang signifikan dan peningkatan ketersediaan obat di rumah sakit Indonesia.
IMPLEMENTASI RANCANGAN APLIKASI PROGRAM PEMBELAJARAN IPA MATERI SISTEM PERNAPASAN UNTUK SDLB BAGIAN B TUNARUNGU BERBASIS MULTIMEDIA Effendi, Diana; Hardiyana, Bella; Gustiana, Iyan
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 8, No 1 (2017): JURNAL SIMETRIS VOLUME 8 NO 1 TAHUN 2017
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (972.999 KB) | DOI: 10.24176/simet.v8i1.839

Abstract

Penelitian ini merupakan lanjutan dari penelitian sebelumnya yaitu perancangan program aplikasi pembelajaran IPA materi sistem pernapasan berbasis multimedia untuk siswa SDLB Bagian B Tunarungu menggunakan Object Oriented. Bagaimana implementasi rancangan program yang sudah dibuat kedalam program aplikasi dibahas dalam penelitian ini. Implementasi tiap rancangan halaman aplikasi kedalam bentuk kode program menggunakan software Adobe Flash CS 6 Profesional Edition. Dengan software tersebut, tiap halaman aplikasi dibangun dengan konsep multimedia yang menggabungkan audio, visual, animasi, dan dilengkapi dengan bahasa isyarat. Sehingga materi pembelajaran sistem pernapasan manusia dan hewan dapat dijelaskan secara terperinci tahapan tiap proses yang terjadi di sistem tersebut.
DESIGN of APPLICATION of LEARNING in the HUMAN DIGESTIVE SYSTEM BASED MULTIMEDIA for STUDENTS SDLB part B HEARING IMPAIRED Effendi, Diana; Hardiyana, Bella; Gustiana, Iyan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 1 No. 1 (2017): PROSIDING SEMNAS INOTEK Ke-I Tahun 2017
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v1i1.339

Abstract

Secara umum materi pelajaran IPA/Sains yang terdapat di kurikulum Sekolah Dasar membutuhkan penjelasan secara visual tidak hanya dengan menggunakan gambar yang terdapat di buku atau yang dikenal dengan pengajaran konvensional. Hal ini berlaku juga di kurikulum pengajaran IPA/Sains untuk SDLB Bagian B Tunarungu. Seperti diketahui penyandang tunarungu mempunyai keterbatasan dalam pendengaran, namun dengan memaksimalkan kemampuan visual yang dimiliki, maka materi pengajaran yang sulit dijelaskan dengan menggunakan cara konvensional dapat disajikan dengan aplikasi program dengan menggabungkan visual, animasi dan audio yang disesuaikan dengan kebutuhan siswa. Konsep aplikasi program seperti ini dikenal dengan multimedia. Materi yang sulit dijelaskan secara konvensional yaitu Sistem Pencernaan Pada Manusia, Sistem pada Pernafasan pada Manusia dan Hewan. Untuk menghasilkan aplikasi program yang sesuai dengan kebutuhan, maka diperlukan perancangan program terlebih dahulu. Penelitian ini membahas perancangan sistem dan perancangan antar muka pengguna dari program aplikasi sistem pencernaan pada manusia berbasis multimedia. Perancangan sistem menggunakan Object Oriented Approach, dengan alat bantu perancangan menggunakan Unified Modeling Language (UML) yaitu Use Case, Sequence Diagram, Class Diagram. Penelitian ini merupakan bagian dari hasil penelitian program BP3IPTEK Provinsi Jawa Barat Program Kegiatan Peningkatan Kualitas Penelitian Dosen PTS/N Dan Politeknik Untuk Pembanguan Jawa Barat Tahun 2016.
Implementation of digital performance assessment to measure pharmacy physics laboratory skills Dhina, Meiry Akmara; Hadisoebroto, Ginayanti; Mubaroq, Sugeng Rifqi; Gustiana, Iyan
Momentum: Physics Education Journal Vol 5 No 1 (2021)
Publisher : Universitas PGRI Kanjuruhan Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/mpej.v5i1.5146

Abstract

This study was motivated by the fact that laboratory skills assessment did not have a specific standard for each assessment. Student performance and skills in doing practicum are not well observed and measured. Meanwhile, the assessment of skills in pharmaceutical physics laboratory learning is considered important. An alternative assess-ment that can measure pharmaceutical physics laboratory skills is to use performance assessment. This research has integrated the work assessment in digital form with the existing web-based electronic module (e-mulsi). Application testing needs to be done to determine the digital performance assessment's effectiveness in assessing the pharmacy physics laboratory's skills. A system test and user test do this. System testing is done by white box testing. Meanwhile, user testing is carried out with an instrument in the form of a questionnaire to laboratory assistants and lecturers as users of the application's per-formance assessment application. The digital performance assessment system's perform-ance test results using GTMetrix ranged from 85% - 62%. This performance assessment application greatly helped the results of the questionnaire for laboratory assistants and lecturers. It greatly facilitated the archiving of each students process in the form of an information technology data base. Lecturers also find it very helpful because the value processing process is easier for applications to do, reducing data processing errors.
The New Educational Frontier: Agentic AI's Evolutionary Journey Through The Lens of SPAR-4-SLR Mubaroq, Sugeng Rifqi; Wicaksono, Mokhamad Arfan; Rahmawati, Sherly; Gustiana, Iyan; Dhina, Meiry Akmara
VOCATECH: Vocational Education and Technology Journal Vol 7, No 2 (2025): December
Publisher : Akademi Komunitas Negeri Aceh Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38038/vocatech.v7i2.249

Abstract

AbstractThe emergence of Agentic Artificial Intelligence (AI) represents a fundamental transformation in educational technology, characterized by systems capable of autonomous, adaptive, and proactive operation. This systematic literature review employs the SPAR-4-SLR methodology to analyze 281 publications from Scopus, with 251 articles retained after temporal filtering (2010-2024), revealing the evolutionary trajectory of Agentic AI in education. The analysis identifies three distinct evolutionary eras: the Early Era (2010-2015) characterized by rule-based intelligent tutoring systems exhibiting proto-agentic behaviors, the Transitional Era (2016-2019) marked by enhanced adaptive systems leveraging learning analytics and machine learning, and the Agentic Era (2020-2024) distinguished by sophisticated autonomous systems powered by Large Language Models. Through integrated bibliometric, co-occurrence network, and thematic analyses, the study establishes a conceptual framework encompassing five defining characteristics of Agentic AI: learning initiative, dynamic adaptability, multi-modal interaction, persistence and memory, and collaboration with human actors. Co-citation network analysis reveals the intellectual structure connecting foundational intelligent tutoring research to contemporary generative AI applications. Despite exponential growth in publications, significant gaps persist in theoretical conceptualization of agency, longitudinal impact evidence, and implementation across diverse educational contexts, particularly at primary education levels. This study provides a comprehensive research agenda addressing theoretical, methodological, and implementation gaps to advance the effective and equitable development of Agentic AI in education. AbstrakKemunculan Agen Artificial Intelligence (AI) merepresentasikan transformasi fundamental dalam teknologi pendidikan, yang dicirikan oleh sistem yang mampu beroperasi secara otonom, adaptif, dan proaktif. Tinjauan literatur sistematis ini menggunakan metodologi SPAR-4-SLR untuk menganalisis 281 publikasi dari Scopus, dengan 251 artikel dipertahankan setelah penyaringan temporal (2010-2024), mengungkap trajektori evolusi Agen AI dalam pendidikan. Analisis mengidentifikasi tiga era evolusi yang berbeda: Era Awal (2010-2015) yang dicirikan oleh sistem tutoring cerdas berbasis aturan yang menunjukkan perilaku proto-agentik, Era Transisional (2016-2019) yang ditandai oleh sistem adaptif yang memanfaatkan analitik pembelajaran dan pembelajaran mesin, dan Era Agentik (2020-2024) yang dibedakan oleh sistem otonom yang canggih dan didukung oleh Model Bahasa Besar. Melalui analisis bibliometrik, jaringan ko-okurensi, dan tematik yang terintegrasi, studi ini menetapkan kerangka konseptual yang mencakup lima karakteristik pendefinisi Agen AI: inisiatif pembelajaran, adaptabilitas dinamis, interaksi multi-modal, persistensi dan memori, serta kolaborasi dengan aktor manusia. Analisis jaringan ko-sitasi mengungkap struktur intelektual yang menghubungkan penelitian tutoring cerdas fundamental dengan aplikasi AI generatif kontemporer. Meskipun terjadi pertumbuhan eksponensial dalam publikasi, kesenjangan signifikan masih tetap ada dalam konseptualisasi teoretis mengenai agensi, bukti dampak longitudinal, dan implementasi di berbagai konteks pendidikan, khususnya pada tingkat pendidikan dasar. Studi ini menyediakan agenda penelitian komprehensif yang mengatasi kesenjangan teoretis, metodologis, dan implementasi untuk memajukan pengembangan Agen AI yang efektif dan berkeadilan dalam pendidikan.
Co-Authors Dhina, Meiry Akmara Diana Effendi Hadisoebroto, Ginayanti Hardiyana, Bella Hardiyana, Bella Hilman Kurniadi Intan Widuri Sakti Mubaroq, S R Muhammad Harish Arsyad Novrini Hasti Purnomo, Doni Sanjoyo, D D Sherly Rahmawati Sugeng Rifqi Mubaroq W Wahyuni, W Wicaksono, Mokhamad Arfan