Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Informatika Jurnal Pseudocode JUITA : Jurnal Informatika Jurnal Kesehatan Vokasional
Annisa Maulida Ningtyas
Universitas Gadjah Mada
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Health Professions Nursing Public Health

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Recommendation system for web article based on association rules and topic modelling Guntur Budi Herwanto; Annisa Maulida Ningtyas
Jurnal Informatika Vol 12, No 2: July 2018
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jifo.v12i2.a12629

Abstract

The World Wide Web is now the primary source for information discovery. A user visits websites that provide information and browse on the particular information in ac-cordance with their topic interest. Through the navigational process, visitors often had to jump over the menu to find the right content. Recommendation system can help the visitors to find the right content immediately. In this study, we propose a two-level recommendation system, based on association rule and topic similarity. We generate association rule by applying Apriori algorithm. The dataset for association rule mining is a session of topics that made by combining the result of sessionization and topic modeling. On the other hand, the topic similarity made by comparing the topic proportion of web article. This topic proportion inferred from the Latent Dirichlet Allocation (LDA). The results show that in our dataset there are not many interesting topic relations in one session. This result can be resolved, by utilizing the second level of recommendation by looking into the article that has the similar topic.
Literatur Review Permasalahan Privasi Pada Rekam Medis Elektronik Annisa Maulida Ningtyas; Ismil Khairi Lubis
Jurnal Pseudocode Vol 5, No 2 (2018): Volume 5 Nomor 2 September 2018
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (610.235 KB) | DOI: 10.33369/pseudocode.5.2.12-17

Abstract

Rekam Medis Elektronik (RME) merupakan salah satu terobosan dari pemanfaatan teknologi informasi dalam bidang kesehatan bertujuan untuk mempermudah pelayanan kesehatan. Dengan semakin banyaknya penyedia layanan kesehatan yang memanfaatkan RME ini, yang harus diperhatikan bukan hanya masalah migrasi data dari konvensional menjadi digital, namun juga mengenai cara pengamanan data pada RME yang memiliki sifat sensitif dan rahasia yang selama ini permasalahan privasi belum diatur dan ditangani secara memadai pada proses pembuatan RME ini. Untuk menyelesaikan masalah tersebut, peneliti membuat sebuah literatur review mengenai teknik pengamanan data pada 20 artikel prosiding dan jurnal. Teknik pengamanan data yang seringkali digunakan sebagai usaha pengamanan data adalah kriptografi, firewall, dan kontrol akses.
Monitoring Persebaran Penyakit Demam Berdarah Dengue dengan Memanfaatkan Data Berita Online Annisa Maulida Ningtyas; Ismil Khairi Lubis; Guntur Budi Herwanto
Jurnal Kesehatan Vokasional Vol 4, No 2 (2019): Mei
Publisher : Sekolah Vokasi Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (384.639 KB) | DOI: 10.22146/jkesvo.44691

Abstract

Latar Belakang: Implementasi surveilans penyakit di Indonesia masih menggunakan metode tradisional, yaitu dengan mengumpulkan data langsung di lapangan. Surveilans penyakit dengan menggunakan metode tradisional ini memiliki beberapa kekurangan, yaitu data real dilapangan sulit didapatkan secara real-time pada skala global dan laporan mengenai persebaran penyakit memerlukan waktu yang panjang.Tujuan: Tujuan dari penelitian in adalah untuk melakukan studi pendahuluan penggunaan berita online untuk surveilans penyakit,yang diharapkan dapat menyajikan informasi mengenai persebaran penyakit Demam Berdarah Dengue (DBD) di Indonesia secara real-time.Metode: Data yang digunakan adalah data berita yang berasal dari beberapa portal berita online, seperti kompas.com, tempo.com, krjogja.com dan sebagainya, yang diambil dalam rentang waktu tertentu. Ekstraksi fitur lokasi pada berita menggunakan metode dictionary pattern matching.Hasil: Hasil dari penelitian ini ditemukan persebaran penyakit berdasarkan fitur lokasi dalam berita di 9 Provinsi di Indonesia, yaitu Banten, DI Yogyakarta, Jambi, Jawa Barat, Jawa Tengah, Kalimantan Timur, Kalimantan Utara, Nusa Tenggara Timur dan Sumatera Utara. Hasil uji korelasi menunjukan bahwa terdapat korelasi antara kemunculan fitur lokasi dengan banyaknya kasus dilapangan. Kemudian dari hasil perbandingan dengan peringkat 5 besar provinsi dengan angka kejadian tertinggi, ditemukan bahwa 3 dari 9 provinsi memiliki kesesuaian dengan data dari Kementerian Kesehatan, yaitu Jawa Tengah, Sumatera Utara dan Jawa BaratKesimpulan: Surveilans dengan memanfaatkan berita online berkorelasi dengan data dari Kementerian Kesehatan dan dapat menyajikan informasi persebaran DBD secara real-time, namun penelitian ini masih memiliki kekurangan, yaitu jumlah berita yang tidak relevan masih cukup tinggi dan masih condong pada suatu daerah.
Decision Tree Model for Maternal Risk Classification Based on Kartu Skor Poedji Rochjati Dyah Megawati Surip Solekhah; Annisa Maulida Ningtyas
JUITA: Jurnal Informatika JUITA Vol. 14 Issue 2, July 2026
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/juita.v14i2.28509

Abstract

Maternal mortality remains a serious public health issue. This can be prevented by taking preventive measures through early identification of pregnancy risks. This study aims to develop a classification model for screening maternal pregnancy risks using the “Kartu Skor Poedji Rochjati” (KSPR) as a clinical basis for data labelling. This research applies the Cross-Industry Standard Process for Medical Data Mining (CRISP-MED-DM) methodology to ensure a systematic and clinically relevant modelling process. A dataset containing 998 medical records from the Maternal Health and High-Risk Pregnancy Dataset was used, with rule-based labelling adapted from KSPR to classify maternal risk into three categories: Low-Risk Pregnancy, High-Risk Pregnancy, and Very High-Risk Pregnancy. Experiments were conducted with three Decision Tree models, namely the Baseline Model, Model with SMOTE, and Model with Class Weighting. Based on these experiments, it was found that the Decision Tree algorithm enhanced with the Synthetic Minority Oversampling Technique (SMOTE) to overcome class imbalance was the most optimal model. This model achieved balanced performance across all classes with an accuracy of 0.86 and a weighted average F1-Score of 0.87.
Co-Authors Dyah Megawati Surip Solekhah Herwanto, Guntur Budi Ismil Khairi Lubis