Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Proceedings of KNASTIK Jurnal Edukasi dan Penelitian Informatika (JEPIN) Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics
Erick Kurniawan
Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Kristen Duta Wacana Yogyakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Health Professions Materials Science & Nanotechnology

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
IMPLEMENTASI SERVLET FILTERING UNTUK AUDITING DAN AUTENTIKASI PADA MANAJEMEN WEBSITE Kurniawan, Erick
Proceedings of KNASTIK 2009
Publisher : Duta Wacana Christian University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi Internet saat ini sudah sangat maju ini dapat dilihat dengan bertambahnya kompleksitasdari situs web. Pengunjung situs juga semakin banyak dan beragam oleh sebab itu dibutuhkan fasilitas Auditing danAutentikasi untuk mengetahui pengguna yang mengakses situs dan pembatasan hak akses pada halaman-halaman tertentu.Dalam penelitian ini akan digunakan teknik Servlet Filtering untuk proses Auditing dan Autentikasi dengan tujuan dapatmeningkatkan pelayanan dan keamanan dalam pengelolaan websites.
Analisis Cluster Terhadap Karakteristik Mahasiswa Jalur Prestasi FTI UKDW Santosa, Raden Gunawan; Chrismanto, Antonius Rachmat; Kurniawan, Erick
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i1.37216

Abstract

Analisis Clustering merupakan analisis yang sangat bermanfaat untuk proses deskripsi dan eksplorasi sekumpulan data.  Dengan tidak tahunya informasi terhadap karakteristik data mahasiswa jalur prestasi Universitas Kristen Duta Wacana (UKDW), maka akan sangat merugikan dalam pengambilan keputusan. Tujuan dari penelitian ini melihat karakteristik cluster masing-masing angkatan dari angkatan 2008 sampai dengan 2018. Dengan menggunakan analisis cluster, juga ingin diketahui kemiripan 10 angkatan mahasiswa jalur prestasi di FTI UKDW.  Untuk melihat cluster tiap angkatan mahasiswa FTI UKDW digunakan metode K-Means Clustering. Sedangkan untuk menemukan kemiripan dari 10 angkatan mahasiswa FTI UKDW digunakan Hierarchial Clustering. Dari hasil penelitian didapat fakta bahwa sebagai berikut: dengan menggunakan K-Means Clustering untuk pengelompokkan menjadi dua cluster, maka diperoleh bahwa cluster yang mempunyai kecenderungan IP Semester 1 (IPS1) tinggi mempunyai karakteristik: status SMA swasta, lokasi SMA di Jawa, kategori SMA umum, level bahasa Inggris level 3,  sedangkan cluster yang mempunyai kecenderungan IPS1 rendah mempunyai karakteristik: status SMA swasta, lokasi SMA luar Jawa, kategori SMA  umum,  level bahasa Inggris level 2. Apabila dilihat hasil pengelompokan tiap angkatan berdasarkan cluster yang terbentuk pada Dendrogram Hierarchical Clustering, maka Angkatan 2015 mempunyai kemiripan cluster yang paling berbeda dibandingkan dengan angkatan yang lainnya.
Telemedicine and AI in Remote Prediabetes Monitoring Among Adolescents Solechah, Siti Aisyah; Saputro, Setyo Wahyu; Adini, Muhammad Hifdzi; Faisal, Mohammad Reza; Kurniawan, Erick; Umiatin, Umiatin
Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol. 8 No. 1 (2026): February
Publisher : Jurusan Teknik Elektromedik, Politeknik Kesehatan Kemenkes Surabaya, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/ijeeemi.v8i1.283

Abstract

The escalating prevalence of prediabetes in Indonesia, particularly among children and adolescents, necessitates the development of lightweight, adaptable, and cost-effective telemedicine solutions for the noninvasive monitoring of blood glucose levels. Existing systems predominantly employ machine learning and deep learning approaches that require substantial computational resources and stable internet connectivity, limiting their applicability in regions with constrained digital infrastructure. The objective of this study is to develop an artificial intelligence (AI)–driven telemedicine system that employs an expert system to determine prediabetes status by utilizing commercially available smartwatches as noninvasive optical sensors. The methodological approach includes an examination of smartwatch capabilities to identify Bluetooth Low Energy (BLE) sensors, service architectures, and the Generic Attribute Profile (GATT); the development of a Rule-Based Reasoning (RBR) expert system to determine prediabetes status using Fasting Plasma Glucose (FPG) and Postprandial Plasma Glucose (PP2) measurements; and the application of Rapid Application Development (RAD) methods in the development of Flutter-based mobile applications and Laravel Inertia Vue–based web applications. The results of this study demonstrate that the telemedicine system operates in both offline and online modes and incorporates AI functionality on mobile devices and servers without requiring extensive computational resources. All system functionalities successfully passed testing, and the expert system achieved 100% accuracy in determining prediabetes status. In conclusion, the integration of telemedicine and AI-based expert systems provides an effective, economical, and flexible solution that can be widely implemented in Indonesia to reduce the increasing incidence of prediabetes through continuous digital health monitoring.
Co-Authors Adini, Muhammad Hifdzi Antonius Rachmat Chrismanto Halim Budi Santoso Muhammad Reza Faisal, Muhammad Reza Raden Gunawan Santosa Saputro, Setyo Wahyu Siti Aisyah Solechah Umiatin, Umiatin