Claim Missing Document
Check
Articles

Analisa Kenaikan Kunjungan Pasien Di Laboratotium Patologi Klinik Pada Tahun 2022 Sampai 2023 RSUD Kota Bandung Dengan Mengunakan Naive Bayes Maulana Fansyuri; Lyra Kidunga; Nadya Wulandari Ega M; Mutiara Laela S; Rizkyanti Ajeng Trias M; Ulfa
Jurnal Riset Informatika dan Inovasi Vol 2 No 10 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini bertujuan untuk menganalisis kenaikan kunjungan pasien laboratorium patologi klinik di RSUD Kota Bandung pada tahun 2022 hingga 2023 berdasarkan jenis pemeriksaan dengan mengunakan algoritma Naïve Bayes. Dataset yang digunakan berasal dari data laporan kunjungan pasien yang mencankup informasi jenis pemeriksaan yang dilakukan. Proses analisis meliputi tahapan preprocessing data, pembagian dataset, dan implementasi algoritma Naïve Bayes menggunakan aplikasi RappidMiner, Hasil penelitian menunjukan bahwa algoritma Naïve Bayes mampu mengklasifikasikan data dengan akurasi sebesar 100%, dengan precision sebesar 100% dan rechall sebesar 100%. Penelitian ini diharapkan dapat mendukung pengelolaan dan analisis data kunjungan pasien secara lebih efektif, sehingga membantu dalam pengambilan Keputusan strategis rumah sakit.
Web-Based Decision Support System for Paskibra Member Selection Using the Fuzzy Sugeno Method Alfino Nicolas Prasetya; Maulana Fansyuri
SAINTEKBU Vol. 18 No. 02 (2026): August 2026 (In Press)
Publisher : KH. A. Wahab Hasbullah University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32764/1xk0vj96

Abstract

This study designed and built a web-based Decision Support System (DSS) that applied the Fuzzy Sugeno method to support Paskibra member selection at the district level, where manual scoring had left qualitative criteria such as the interview without a firm boundary between eligibility categories. Three criteria were used: Height, Knowledge Test Score, and Interview Score. Sugeno was selected because its rule consequents were crisp values, which allowed a lightweight weighted-average defuzzification instead of the heavier defuzzification required by Mamdani. The system was built with PHP, MySQL, and Bootstrap, converting each criterion into fuzzy membership degrees and evaluating a configurable IF-THEN rule base to produce a final score. Testing combined Black Box Testing across ten functional modules and White Box Testing with cyclomatic complexity analysis on the core calculation module. The Black Box results showed all modules functioned as intended, while the White Box analysis yielded a cyclomatic complexity of V(G) = 3, with all three independent paths executing without logical error. The resulting system offered selection committees a traceable, rule-based alternative to manual scoring, in which criteria weighting could be adjusted through the rule base rather than through code changes.
Sistem Pendukung Keputusan Promosi Karyawan Berbasis Web Menggunakan Metode Evaluation Based on Distance from Average Solution (EDAS) Pada PT Mulia Djasmine Sentosa Sandi Nawawi; Maulana Fansyuri
Journal of Engineering and Science Application Vol. 3 No. 2 (2026): Mei-Oktober
Publisher : Institute Of Advanced Knowledge and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/jesa.v3i2.64

Abstract

Promosi karyawan merupakan bagian strategis dalam manajemen sumber daya manusia yang berpengaruh terhadap motivasi kerja, produktivitas, dan kinerja organisasi. Di PT Mulia Djasmine Sentosa, proses penentuan promosi jabatan sebelumnya masih dilakukan secara konvensional dan manual sehingga memerlukan waktu pengolahan yang lama serta berpotensi menimbulkan subjektivitas dalam penilaian. Penelitian ini bertujuan merancang dan membangun Sistem Pendukung Keputusan (SPK) berbasis website dengan menerapkan metode Evaluation Based on Distance from Average Solution (EDAS) guna mendukung pengambilan keputusan promosi yang objektif dan transparan. Model pengembangan sistem menggunakan Software Development Life Cycle (SDLC) Waterfall dengan integrasi teknologi React JS, Tailwind CSS, PHP backend, dan PostgreSQL. Lima kriteria evaluasi diterapkan, yaitu kinerja (30%), absensi (20%), masa kerja (15%), disiplin kerja (20%), dan pelanggaran (15%, cost). Hasil penelitian membuktikan bahwa perhitungan algoritma sistem memiliki tingkat akurasi komputasi 100% terhadap kalkulasi manual, dengan kandidat A6 memperoleh nilai Appraisal Score tertinggi (AS = 1,00000). Pengujian Black Box menunjukkan 100% fungsi berjalan sesuai spesifikasi pada 37 kasus uji, pengujian White Box memvalidasi 22 jalur logika, serta User Acceptance Testing (UAT) menghasilkan persentase kelayakan sebesar 86,6% (Sangat Layak). Sistem ini terbukti mampu meningkatkan transparansi, akurasi, dan efisiensi dalam pengambilan keputusan promosi karyawan.
Pendekatan Deep Learning Menggunakan YoloV8 untuk Identifikasi Jenis Buah Apel pada Citra Digital Devi Yunita; Maulana Fansyuri; Resti Amalia; Bayu Dwi Putra
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1571

Abstract

Proses identifikasi jenis buah apel yang dilakukan secara manual memiliki sejumlah keterbatasan, seperti adanya subjektivitas dalam penilaian, waktu pemrosesan yang relatif lama, serta kemungkinan terjadinya ketidakkonsistenan hasil, khususnya ketika jumlah citra yang dianalisis cukup banyak. Kondisi tersebut mendorong perlunya pengembangan sistem otomatis yang dapat melakukan proses identifikasi secara cepat, akurat, dan konsisten. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi jenis buah apel dengan menerapkan pendekatan deep learning menggunakan algoritma YOLOv8 serta mengukur akurasi dan kinerja model dalam mengatasi keterbatasan proses identifikasi secara manual. Penelitian menggunakan pendekatan kuantitatif dengan metode eksperimen. Dataset yang digunakan terdiri atas 300 citra digital buah apel yang terbagi ke dalam enam kelas, yaitu Apel Braeburn, Royal Gala, Washington, Golden Apple, Granny Smith, dan Pink Lady. Setiap kelas terdiri dari 50 citra. Dataset selanjutnya dibagi menjadi 70% data training, 20% data validation, dan 10% data testing. Tahapan penelitian meliputi pengumpulan dataset, proses anotasi citra, pembagian dataset, pelatihan model, dan pengujian menggunakan YOLOv8. Model dilatih untuk melakukan deteksi sekaligus klasifikasi jenis objek apel pada citra dalam satu proses. Kinerja model dievaluasi berdasarkan nilai precision, recall, dan mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa model YOLOv8 yang dikembangkan mampu menghasilkan performa yang baik dengan nilai precision sebesar 0,91, recall sebesar 0,88, dan mAP@0.5 sebesar 0,90. Nilai tersebut menunjukkan kemampuan model dalam menghasilkan deteksi yang tepat sekaligus mengenali sebagian besar objek apel yang terdapat pada citra. Penerapan YOLOv8 juga memberikan efisiensi dalam proses identifikasi karena tahapan deteksi dan klasifikasi dapat dilakukan secara bersamaan. Meskipun demikian, beberapa kesalahan klasifikasi masih ditemukan, terutama pada objek dengan karakteristik visual yang serupa dan citra dengan kondisi pencahayaan yang kurang optimal. Berdasarkan hasil tersebut, dapat disimpulkan bahwa penerapan deep learning menggunakan YOLOv8 memiliki kinerja yang baik dan berpotensi digunakan sebagai solusi otomatis untuk identifikasi jenis buah apel berbasis citra digital. Hasil penelitian ini dapat menjadi landasan bagi pengembangan sistem identifikasi yang lebih akurat dan optimal pada penelitian selanjutnya.
ANALISIS KINERJA ALGORITMA LOGISTIC REGRESSION DALAM KLASIFIKASI CITRA WAJAH BERDASARKAN FITUR CITRA WARNA DAN BENTUK Devi Yunita; Maulana Fansyuri
Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol. 5 No. 2 (2025): Juli : Jurnal Teknik Mesin, Elektro dan Ilmu Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/teknik.v5i2.7200

Abstract

This study analyzes the performance of the Logistic Regression algorithm in facial image classification using a combination of color and shape features. These features are used to extract key information to distinguish individuals. Logistic Regression was chosen for its simplicity and ability to produce probabilities, despite the availability of more complex algorithms. The dataset includes variations in facial expressions and lighting conditions. The results show that combining color and shape features improves classification accuracy to 80%, with a recall of 88% and a precision of 75.86%. However, the algorithm shows limitations when dealing with high-complexity data. This study contributes to the development of more efficient facial recognition systems and offers insights into the strengths and limitations of Logistic Regression in image classification tasks.
Analisis Perbandingan Certainty Factor dan Teorema Bayes pada Diagnosis Penyakit Burung Puyuh Berbasis Web Muhammad Rafsanzani; Shelvi Eka Tassia; Maulana Muhamad Sulaiman; Maulana Fansyuri
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.13915

Abstract

Penyakit pada burung puyuh dapat menurunkan produktivitas ternak dan menimbulkan kerugian ekonomi apabila tidak segera dikenali dan ditangani secara tepat. Keterbatasan akses peternak terhadap tenaga ahli mendorong perlunya sistem pakar yang dapat membantu proses diagnosis awal berdasarkan gejala yang terlihat. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web serta membandingkan hasil diagnosis yang diperoleh menggunakan metode Certainty Factor dan Teorema Bayes. Basis pengetahuan dikembangkan melalui studi pustaka dan wawancara dengan pakar, kemudian direpresentasikan dalam bentuk data penyakit, gejala, aturan diagnosis, dan bobot keyakinan. Sistem memungkinkan pengguna memilih gejala yang ditemukan pada burung puyuh, kemudian menghitung tingkat keyakinan setiap kemungkinan penyakit menggunakan kedua metode. Penyakit yang menjadi fokus diagnosis terdiri atas tetelo, snot, dan berak kapur atau pullorum. Pengujian dilakukan menggunakan 100 data kasus penyakit burung puyuh. Hasil pengujian menunjukkan bahwa metode Certainty Factor dan Teorema Bayes menghasilkan diagnosis yang sama pada 46 kasus dan diagnosis yang berbeda pada 54 kasus. Dengan demikian, tingkat kesesuaian hasil kedua metode mencapai 46%, sedangkan tingkat ketidaksesuaiannya sebesar 54%. Hasil tersebut memperlihatkan bahwa perbedaan mekanisme penalaran dan perhitungan bobot gejala memberikan pengaruh terhadap keputusan diagnosis. Sistem yang dikembangkan dapat membantu peternak memperoleh informasi awal mengenai kemungkinan penyakit dan saran penanganannya. Namun, pengujian lanjutan menggunakan diagnosis yang telah dikonfirmasi oleh pakar diperlukan untuk menentukan tingkat akurasi setiap metode.
Implementasi Sistem Pakar untuk Mendeteksi Jenis Penyakit Tipes Menggunakan Metode Forward Chaining Berbasis Web (Studi Kasus : Puskesmas Gunung Sindur) Stella Mitha Aprilia; Maulana Fansyuri
Jurnal Riset Informatika dan Inovasi Vol 4 No 8 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Penyakit tipes (demam tifoid) yang disebabkan oleh bakteri Salmonella Typhi tetap menjadi ancaman kesehatan serius di Indonesia, khususnya pada daerah dengan keterbatasan sanitasi. Puskesmas Gunung Sindur menghadapi kendala signifikan terkait keterbatasan fasilitas laboratorium, yang sering kali memperlambat diagnosis dan berpotensi fatal bagi pasien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pakar berbasis web menggunakan metode Forward Chaining guna membantu tenaga medis mendeteksi tingkat keparahan penyakit tipes secara dini.Metodologi pengembangan sistem diawali dengan pengumpulan data melalui observasi, studi pustaka, dan wawancara mendalam bersama praktisi medis. Sistem dirancang menggunakan Unified Modelling Language (UML) serta diimplementasikan dengan bahasa pemrograman PHP dan basis data MySQL. Mesin inferensi Forward Chaining melakukan penalaran maju berdasarkan 30 gejala klinis, dengan kriteria minimum 5 gejala untuk menghasilkan diagnosis awal yang terbagi menjadi tiga tingkatan: tahap awal, ringan, dan berat.Hasil Black-Box Testing mengonfirmasi bahwa seluruh fungsionalitas sistem berjalan 100% sesuai rancangan. Pengujian akurasi terhadap 20 data uji pasien mencatatkan tingkat keberhasilan 95% (19 kasus tepat). Selain itu, pengujian kuesioner terhadap 15 responden menghasilkan skor rata-rata 82,88% dari 10 pasien dan 89,37% dari 5 tenaga medis, yang mengategorikan sistem ini dalam predikat "Sangat Layak". Kesimpulannya, sistem pakar ini efektif sebagai alat pendukung keputusan untuk mempercepat proses diagnosis dan meminimalkan risiko kesalahan penanganan medis di tengah keterbatasan sarana laboratorium.
Co-Authors Abdul habib Hasibuan Abdul Syukur Achmad Khautsar Rizaldi Ade Kurniaty Adi Muslim Adinda Fatmah Adis Tiani Adrian Chandra Kusumah Afra Anggita Salsabila Ageng Samudro Ndiko Laksono Agus Pangondian Silalahi Ahmad Farhan, Ahmad Ahmad Kahfi Djaelani Ahmad Taher Akbar Prayudi, Lalu Alfatah, Alif Alfino Nicolas Prasetya Amalia Monitha Januari, Rossa Andika Arya Pratama Ardiansyah Arifin, Teguh Ariyadi Anatasia, Alfi Arjuno Wibowo, Rayhan Aryazeyla Rachayudiza Aryo Chandra Ray Hash Athila Defian Rizkimu Aulia Rahman, Verrel Aulia Ramadhan, Salsabila Azzahra, Amalia Bagus Firmansyah Bayu Dwi Putra Bayu Pangestu Bima Aditiya Bintang Ardian Nugroho Budiman Nadapdap, Panri Dastin Ramadhani Daviqia Fadel Deanova, Ryanda Deko Triyadi DENI SETIAWAN Deryl Iman Condro Baskoro Devi Yunita Devi Yunita Devi Yunita Dian Nurul Iman Diana Manullang Diky Hernadi Dimas Aribi Dimas Setiawan Divia Cahyani Dwi Santoso, Rendi Dwiky Rachmatullah Dwitama Saputra, Farhan Dzikri Fauzi Ramdhani Dzikrully Akbar Eduard Elmansius Zebua Ekrinifda, Ardilla Eprilianto, Winky Erika Alfira Lia Fachri Ramdhani, Tyas Fajri Maulana Azzam Harahap Fatimah Az-zarro Fauzan Hazami, Ahmad Fazril Ramadhan Ferhat Aziz Feriandri Lesmana Firmansyah Fready Anggara Genta Aldora Leopriandis Gideon Triman Harefa Gusti Alfian Hanif, Abdul Helen Chandra Dewi Helmayana Hernadi, Diky Hibatullah Ferniko, Tegar hidayatullah Al Islami Hilmi Malik I Putu Ganesa Weda Pratama Ikhlas Syahidan Zai, Muhammad Ikhwanul Maghsauma Indra Bagoes Mu’afa Intan Pramesta Nurhayati Irsad Fauzan Jordi Ricaldo Kaila Nazuwa Kanisisus Heatubun, Petrus Kartika Putri, Dila Kevin April Akhmallahudin Kezia Maruenci Khoirun nisya Khoirunnisya Khoirunnisya Khoirunnisya Khoirunnisya, Khoirunnisya Lusiyanti Lu’ay Shafa Apta Hermawan Lyra Kidunga Ma'mum, Sukron Mahis Duhan Marsiano, Joseph Marvella, Shera Maulana Farras Fathurrahman Maulana Muhamad Sulaiman Meriansyah, Yuda Mikael Immanuel Christianto Moh Fiqhi Nur Hidayatulloh Mohamad Ryan Herdiyana Mohamad Ryan Syekhan Ramadan Muhamad Faisal Muhamad Firly Muhamad Ridwan Nurrulloh Muhammad Akhdan Irfan Muhammad Azriel Muhammad Azzam Pridana Muhammad Fadlan Jabbar Muhammad Fadli Juliana Putra Muhammad Fakih Muhammad Fauzan Muhammad Fiqih Muhammad Ikhwan Muhammad Rafsanzani Muhammad Rifaldi, Aldi Muhammad Rizki Rahmatullah Murni Mutiara Laela S Nabila, Dhaifina Nadya Wulandari Ega M Naia Natasya, Ris Nandi Adi Nugroho Nani Suningrat Nasywa Sakha Ningrum Nata Pratama, Fadhil Nice, Kristina NUR HASANAH Nur Naimah, Fatika Nurhasanah Nurhasanah Nurkholis Ajie Kurniawan, Muhammad Nursarah Sahirah Pramudya Wirananda, Muhammad Pratama, Arijal Pratama, Reza Putra Mulya, Ageng Raffa Nurprasetyo Araya Rafly Thabroni, Mochammad Refo Altalario Bintang Anugrah Resti Amalia Rianto, Risky Ricky Tri Setiawan Putra Ridho Riki Baehaki Risma Ananta Maulida Rivan Saputra, Rivan Rizki Murtadho Rizki Prayogi Widartama Rizkyanti Ajeng Trias M Robby Azzukruf Routya Faizan, Alfreza Sagita Octaviani, Kezia Sandi Nawawi Saputra, Saldy Satrio Dzulfahmi Yulianto sesilawati Shahrudin Shania Clara Efendi Shelvi Eka T Shelvi Eka Tassia Sheny Aprilia Ningsih Sherlvi Eka Tassia Silviana, Fijriani Siswirawan, Andhika Prasetyo Sopyan Hidayat Stella Mitha Aprilia Suci Anisa Aulia Sudarno Sudarno Susanna Dwi Yulianti Kusuma Syaepul Rahmat Dani Tassia, Shelvi Eka Tegar Winata Teguh Riyanto Tipalahi, Ramdan Tri Mustakim, Raka Ulfa Valentino Rattu, Samuel Vira Yuniarti Wafiqah Nur Azizah Wahyu Nur Pambuko Yaqumi, Zesi Yehezkiel Yogi Wardana Saputra Yulianti K, Susanna Dwi Yuriana Sari Harahap Zaky Ramadhan