Article Per Year (5 Year)
p-Index From 2021 - 2026
3.662
P-Index
This Author published in this journals
All Journal Transmisi: Jurnal Ilmiah Teknik Elektro JurTI (JURNAL TEKNOLOGI INFORMASI) Journal of Information Systems and Informatics Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Ekonomi dan Teknik Informatika Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Journal of Informatics and Electronics Engineering Abdi Wina : Jurnal Pengabdian Kepada Masyarakat Universitas Kristen Wira Wacana Sumba Jurnal Komputer, Informasi dan Teknologi Jurnal Publikasi Ilmu Komputer dan Multimedia
Hery Oktafiandi
Satu University
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Veterinary

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Machine Learning Classification of SCD, CHF, and NSR Using 15-Minute ECG-Derived HRV Features Febriyanti Panjaitan; Win Ce; M. Fajar Ramadhan; Winarnie; Hery Oktafiandi
Journal of Information System and Informatics Vol 8 No 2 (2026): April
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v8i2.1557

Abstract

Heart disease remains one of the leading causes of mortality worldwide, making early detection essential for effective intervention. Heart Rate Variability (HRV) is widely used as a non-invasive marker for assessing cardiac conditions, and machine learning has shown potential in classifying heart diseases such as Sudden Cardiac Death (SCD) and Congestive Heart Failure (CHF). This study evaluates the performance of Support Vector Machine (SVM), Decision Tree (DT), and K-Nearest Neighbors (KNN) using 15-minute ECG signals comprising three 5-minute segments. The dataset consists of 53 subjects, generating 159 segments, including SCD, CHF, and Normal Sinus Rhythm (NSR). To prevent data leakage, a subject-wise split (80:20) is applied for training and testing. Two evaluation scenarios are considered: per-segment classification and combined 15-minute classification. Results indicate that SVM and DT achieve consistently high, stable performance with near-perfect accuracy, precision, recall, and F1-score, whereas KNN shows lower, more variable performance, particularly in segment-based analysis. The combined 15-minute approach provides more stable results, suggesting improved HRV representation and class separability. Although the results are promising, further validation with larger, more diverse datasets is required to ensure robustness and generalizability. This study highlights the potential of HRV-based machine learning while emphasizing the importance of appropriate temporal representation and rigorous evaluation design.
Analisis Klaster Pasien Menggunakan K-Means untuk Mendukung Perawatan Medis Terpersonalisasi Oktafiandi, Hery; Winarnie, Winarnie; Nur, Wahid
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 1 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i1.1001

Abstract

Penelitian ini bertujuan untuk melakukan analisis klasterisasi pada dataset pasien menggunakan algoritma K-Means. Dataset yang digunakan berisi 6.000 baris data pasien dengan 16 fitur, meliputi usia, jenis kelamin, tekanan darah, kolesterol, dan status merokok. Untuk mencari jumlah klaster yang optimal, digunakan metode Elbow yang menunjukkan jumlah klaster yang paling tepat adalah 3. Setelah itu, algoritma K-Means diaplikasikan untuk mengklasifikasi data pasien berdasarkan kesamaan karakteristik kesehatan mereka. Hasil klasterisasi menunjukkan bahwa pasien dapat dibagi menjadi tiga kelompok utama: kelompok dengan tekanan darah dan kolesterol rendah, kelompok dengan kadar gula darah tinggi, dan kelompok dengan hipertensi dan obesitas. Hasil ini dapat digunakan untuk memberikan wawasan lebih lanjut dalam mengelompokkan pasien untuk perawatan yang lebih personal. Penelitian ini menunjukkan bagaimana teknik klasterisasi dapat digunakan untuk menganalisis data kesehatan dan membantu dalam pengambilan keputusan medis.
Evaluasi Kinerja IndoBERT dan N-Gram untuk Klasifikasi Umpan Balik Pengajaran Yohanes Yohanes; Hery Oktafiandi; Febriyanti Panjaitan; M.Fajar Ramadhan; Winarnie Winarnie
Journal of Informatics and Electronics Engineering Vol. 6 No. 01 (2026): Juni 2026
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v6i01.1595

Abstract

Pendidikan adalah proses fundamental yang bertujuan untuk mencerdaskan kehidupan bangsa, dan harus dilaksanakan secara profesional oleh setiap guru. Salah satu pendekatan untuk meningkatkan kualitas pendidikan adalah dengan memperoleh umpan balik dari siswa, yang memungkinkan guru melakukan refleksi diri dan memperbaiki metode pengajarannya. Analisis sentimen membantu mengidentifikasi perasaan yang diungkapkan siswa dalam umpan balik mereka, apakah positif, netral, atau negatif. Selain itu, klasifikasi umpan balik digunakan untuk memperoleh wawasan mengenai berbagai aspek pengajaran. Penelitian ini mencapai tingkat akurasi terbaik sebesar 83,50% untuk klasifikasi umpan balik dan 88,35% untuk analisis sentimen menggunakan algoritma IndoBERT, yang sebelumnya melalui tahap preprocessing dengan metode N-Gram (N1 + N2), melampaui hasil penelitian sebelumnya. Berdasarkan model yang dikembangkan untuk menganalisis umpan balik siswa, dibuatlah sebuah aplikasi berbasis web yang dapat digunakan oleh kepala sekolah dan guru untuk menganalisis umpan balik secara lebih efisien dan efektif. Alat ini dapat menjadi sarana refleksi bersama untuk meningkatkan efektivitas pengajaran di dalam kelas.
Co-Authors Aghus Sofwan Agung Budi Prasetijo Ardiansyah, Difta Ari Indra Indra Widyawan Ayuningtyas, Pratika Ce, Win Febriyanti Panjaitan Febriyanti Panjaitan Hafizh Cahaya Putra, Vito Kanugrahan, Ghanim Lutfi Ashar Mauludin, Lutfi Ashar M. Fajar Ramadhan M. Fajar Ramadhan M.Fajar Ramadhan Mukti Setiono Nur, Wahid Olajuwon, Sayyid M. Raziq Pebriyanti Panjaitan Permai, Antika Pratika Ayuningtyas Ramadhan, M. Fajar Sayid M. Raziq Olajuwon Win Ce Winarnie Winarnie Winarnie Yohanes Yohanes Yohanes Yohanes Yudi Ramdhani