Article Per Year (5 Year)
p-Index From 2021 - 2026
5.067
P-Index
This Author published in this journals
All Journal Teknika ELEKTRO SAMUDERA RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Techno Nusa Mandiri : Journal of Computing and Information Technology METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Building of Informatics, Technology and Science Jurnal Vokasi JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Ners Jurnal Tekinkom (Teknik Informasi dan Komputer) JUKI : Jurnal Komputer dan Informatika MEANS (Media Informasi Analisa dan Sistem) International Journal of Engineering, Science and Information Technology International Journal of Research in Vocational Studies (IJRVOCAS) TECHSI - Jurnal Teknik Informatika Sisfo: Jurnal Ilmiah Sistem Informasi Jurnal Teknologi Terapan and Sains 4.0 Journal of Mathematics Instruction, Social Research and Opinion Journal of Advanced Computer Knowledge and Algorithms Jurnal Solusi Masyarakat Dikara INOVTEK Polbeng - Seri Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) ITEJ (Information Technology Engineering Journals)
Eva Darnila
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Social Sciences Transportation Other

Published : 48 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 48 Documents
Search

 1   2   3   4   5 
Development of an Expert System to Detect Mental Disorders in Pregnant Women using Forward and Backward Chaining Methods Dela, Monisa; Darnila, Eva; Rosnita, Lidya
Building of Informatics, Technology and Science (BITS) Vol 7 No 2 (2025): September 2025
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i2.7930

Abstract

Mental health during pregnancy plays a critical role in fetal development and maternal well-being. However, psychological conditions such as depression, stress, and anxiety in pregnant women often go undetected, especially in primary healthcare settings. This research aims to design and develop a web-based expert system capable of diagnosing the mental health conditions of pregnant women using Forward Chaining and Backward Chaining inference techniques. Forward Chaining is applied to infer possible conditions based on reported symptoms, while Backward Chaining is used to validate hypotheses by tracing required supporting symptoms. The system was developed using patient data collected from three health centers in Lhokseumawe City, totaling 500 records with parameters including name, age, gestational age, number of children, and reported complaints. It incorporates 30 symptoms and 9 diagnostic rules to classify the mental condition and its severity.The results indicate that 179 women were diagnosed with depression (mild 107, moderate 33, severe 39), 150 with anxiety (mild 24, moderate 91, severe 35), and 171 with stress (mild 82, moderate 50, severe 39). The system also demonstrates diagnostic probability (e.g., 66.67% in a specific case). Validation using 20 test cases yielded an accuracy of 85%, showing the system performs reliably in aligning symptoms with diagnostic outcomes. This study makes two significant contributions. Practically, it offers a decision-support tool for midwives and general practitioners to perform early mental health screening of pregnant women, especially in regions lacking access to psychiatric specialists. Scientifically, it demonstrates the effectiveness of a hybrid reasoning approach in handling overlapping psychological symptoms and in assessing severity levels, thereby enriching the development of domain-specific expert systems in maternal mental health. In conclusion, this system provides a practical and accessible solution to support early detection and intervention in maternal mental health, ultimately contributing to improved health outcomes for both mothers and their babies.
OPTIMIZING PHARMACEUTICAL DISTRIBUTION IN PUBLIC HEALTH CENTERS USING FUZZY C-MEANS CLUSTERING Nurahma, Syahfitri; Darnila, Eva; Fajriana
Jurnal Techno Nusa Mandiri Vol. 20 No. 2 (2025): Techno Nusa Mandiri : Journal of Computing and Information Technology Period o
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/techno.v20i2.7336

Abstract

Efficient drug distribution is fundamental to ensuring the quality of public healthcare services. However, health departments often face challenges with imbalances between drug demand and available supply. This study addresses this issue by applying the Fuzzy C-Means (FCM) clustering algorithm to categorize drug demand levels across 16 public health centers (puskesmas) in Langkat Regency, Indonesia, from 2021 to 2023. Using historical data from 2,400 drug records, the analysis identified five distinct demand clusters: Very Low, Low, Medium, High, and Very High. The results revealed a significant disparity in drug needs, with the "Very High" demand cluster dominating (51.29% of data) in centers like Besitang and Tanjung Selamat, driven by high morbidity rates. In contrast, other clusters were less prevalent, such as the "Low" demand cluster, which was primarily concentrated in the Gebang health center. These findings, visualized using t-SNE plots, highlight significant regional variations in pharmaceutical needs. This data-driven clustering provides a robust framework for the Langkat District Health Office to develop more targeted, efficient, and equitable drug distribution strategies, ultimately improving healthcare service delivery.
VISUAL ANALYSIS OF LOCAL EARTHQUAKE IN NORTH TAPANULI BASED ON DATA SCIENCE Sinambela, Marzuki; Darnila, Eva
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 7 No. 2 (2023): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol7No2.pp363-367

Abstract

Earthquakes are natural phenomena that occur when the Earth's tectonic plates move and release energy. Big Data's emergent epistemological and research paradigms, as well as data science, an increasingly integrated field of data research, are opening up new opportunities. Visualizing earthquake data is all about understanding earthquake characteristics such as size, location and depth. The result show that September was the quietest month in terms of earthquakes, and in this graph we can see the number of earthquakes for each month in 2022. The month of October is the one that has the highest number of earthquakes. We can see the average depth and magnitude of each year on the bubble chart. In addition, the size and color of the bubbles indicate the number of earthquakes that month. In general, most of the earthquakes occurred in the shallow earthquake range and the 1.8-3.85 magnitude range.
Prototype Penyiraman Otomatis Pada Tanaman Bawang Putih dengan Metode Fuzzy Sugeno Berbasis Arduino Uno Nunsina, Nunsina; Darnila, Eva; Fadhilah, Cut; Razi, Ar
TEKNIKA Vol. 18 No. 1 (2024): Teknika Januari - Juni 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10614572

Abstract

Bawang putih merupakan jenis tanaman yang biasa ditanam di dataran tinggi tropis yang sangat sensitif terhadap cekaman kekeringan. Kekurangan air dapat menyebabkan pembentukan umbi terhambat sehingga akan mengurangi hasil poduksi. Penelitian iini bertujuan untuk membuat sebuah perangkat yang mampu mengotomatisasi proses penyiraman tanaman bawang putih . Proses penyiraman bawang putih secara manual memakan waktu yang signifikan karena harus dikerjakan secara individual untuk setiap pohon. Perangkat ini dirancang untuk memberikan manfaat dengan memudahkan pekerjaan manusia dalam menyirami bawang putih. Pendekatan yang digunakan dalam penelitian ini adalah Metode Penelitian dan Pengembangan (R&D). Perangkat ini dilengkapi dengan sensor kelembaban tanah yang berperan sebagai pengecek tingkat kelembaban dan mengirim instruksi kepada Arduino Uno untuk mengaktifkan driver relay, sehingga pompa air untuk melakukan penyiraman otomatis sesuai kebutuhan. Penelitian ini meliputi perancangan, serta implementasi komponen-komponen sistem, termasuk penggunaan Arduino Uno sebagai pengendali dan driver relay untuk mengatur aktivitas pompa air. Data dari penelitian memastikan bahwa perangkat yang dibuat berfungsi secara efektif, di mana relay akan beroperasi dan mengaktifkan pompa ketika tingkat kelembaban tanah di bawah 40%. Sebaliknya, relay akan berhenti beroperasi ketika kelembaban tanah mencapai lebih dari 40%. Agar dapat berproduksi optimal bawang putih memerlukan volume dan interval penyiraman yang tepat.
PREDIKSI HARGA PASAR KOMODITI TANAMAN PANGAN DI ACEH UTARA PADA MASA PANDEMI COVID-19 DENGAN METODE FUZZY TIME SERIES MODEL CHEN Darnila, Eva; Dinata, Rozzy Kesuma; Ramadani, Suci
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 7 No. 1 (2023): Volume 7, Nomor 1, Januari 2023
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v7i1.26

Abstract

Prediksi atau peramalan harga pasar merupakan suatu kegiatan untuk memprediksi harga dari suatu produk yang akan datang menggunakan data histori. Tanaman pangan sendiri adalah semua jenis tanaman yang memiliki kandungan karbohidrat dan juga protein untuk manusia sebagai sumber energi. Variabel yang dipakai pada penelitian ini adalah beras, jagung, dan kedelai. Hasil dari penelitian ini menunjukkan metode fuzzy time series (FTS) model chen memiliki kinerja yang sangat akurat yaitu ≤ 10%, dimana dari hasil kajian yang telah ditemukan oleh peneliti mendapatkan nilai ukuran ketepatan peramalan yaitu MAPE selama periode 4 tahun tersebut sebesar 3,46% untuk beras, kemudian untuk 4,36% jagung dan sebesar 4,32% untuk kedelai. Dari penelitan yang memakai metode Fuzzy Time Series model Chen ini penulis dapat menyimpulkan bahwa semakin sedikit data yang digunakan untuk mencari keakuratan nilai prediksinya maka MAPE yang dihasilkan semakin tinggi tingkat erornya.
Machine Learning Klasifikasi Penyakit Jiwa Menggunakan Metode K-Nearest Neighbor Berbasis Web M. Althaf Kiram; Eva Darnila; Ilham Sahputra
Jurnal Ners Vol. 9 No. 2 (2025): APRIL 2025
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jn.v9i2.43319

Abstract

Gangguan jiwa merupakan masalah kesehatan yang dapat berdampak signifikan terhadap kehidupan individu jika tidak terdiagnosis dan ditangani dengan baik. Untuk mendukung deteksi dini dan mempermudah proses klasifikasi penyakit jiwa, penelitian ini mengembangkan sistem berbasis K-Nearest Neighbor (KNN) yang diimplementasikan dalam aplikasi berbasis web. Dataset yang digunakan diperoleh dari Rumah Sakit Jiwa Aceh dengan total 564 data pasien, yang mencakup gejala seperti kecemasan, penyakit persepsi, serta tingkat keparahan dalam kehidupan sehari-hari. Proses klasifikasi dilakukan melalui serangkaian tahapan, termasuk pembersihan data, normalisasi, pemilihan parameter optimal, dan evaluasi model. Dengan K=10 model diuji menggunakan confusion matrix untuk mengukur performa dengan metrik akurasi, presisi, recall, dan F1-score, yang menghasilkan nilai 100% untuk semua kategori penyakit jiwa yang diklasifikasikan, yaitu Depresi Berat, Depresi Ringan, Skizofrenia Paranoid, dan Skizofrenia Hebefrenik. Hasil ini menunjukkan bahwa metode KNN dapat digunakan secara efektif dalam mendiagnosis penyakit jiwa berdasarkan gejala yang diberikan. Selain itu, implementasi berbasis web memungkinkan akses lebih luas bagi tenaga medis dan masyarakat dalam melakukan klasifikasi awal tanpa harus bergantung sepenuhnya pada diagnosis manual. Dengan hasil yang akurat dan sistem yang responsif, penelitian ini diharapkan dapat berkontribusi dalam meningkatkan pelayanan kesehatan mental serta memberikan solusi berbasis teknologi untuk mendukung upaya deteksi dini penyakit jiwa.
A Natural Language Processing-Based Chatbot as a Medium for Consultation and Education on Direct-Contact Infectious Diseases Serlina Serlina; Eva Darnila; Rini Meiyanti
Journal of Mathematics Instruction, Social Research and Opinion Vol. 5 No. 1 (2026): March
Publisher : MASI Mandiri Edukasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58421/misro.v5i1.984

Abstract

Direct-contact infectious diseases such as influenza, diphtheria, tuberculosis (TB), scabies, varicella, impetigo, herpes simplex, and HIV remain public health threats. Limited access to accurate information encourages the development of chatbots as educational media. This study aims to design and build an NLP-based chatbot named SerMediCare to provide consultation and education on infectious diseases. The Research and Development (R&D) method with an iterative approach was used, including needs analysis, data collection from journals and medical books, and interviews with healthcare workers; system design; model training; and implementation on a web platform. The dataset was prepared in JSON format, including patterns, responses, and tags, and trained with a Transformer-based model to accurately recognize user intent. Evaluation results show that SerMediCare achieves 86% accuracy, indicating its ability to provide relevant responses to user queries. Black box testing confirmed that all features function properly. This chatbot is expected to be an effective digital tool for improving health literacy and facilitating public access to reliable information about infectious diseases.
Learning Media Application for Basic Digital Courses Using Augmented Reality with the Marker Based Tracking (MBT) Method Syamsul Buchori Pane; Eva Darnila; Fajriana Fajriana
ITEJ (Information Technology Engineering Journals) Vol. 10 No. 2 (2025): December
Publisher : Pusat Teknologi Informasi dan Pangkalan Data IAIN Syekh Nurjati Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24235/itej.v10i2.263

Abstract

The rapid development of digital technology opens up opportunities to increase the effectiveness of learning media, one of which is by utilizing Augmented Reality (AR) technology. This study aims to develop an AR-based digital basic course learning media application with the marker-based tracking method. The materials presented include number systems, logic gates, boolean algebra, Karnaugh maps, and flip-flops. The development process is carried out through a waterfall approach which includes literature studies, needs analysis, system design, implementation, and testing. The results of the study show that the developed application is able to display 3D objects interactively and in real-time through features such as rotation, zoom, and audio, so as to improve students' understanding and interest in learning. The application of AR technology has proven to be an innovative and effective medium in conveying abstract concepts in digital learning.
IMPLEMENTASI CHATBOT BERBASIS AI UNTUK MEMBERIKAN INFORMASI TUBERKULOSIS SENSITIF MENGGUNAKAN NATURAL LANGUAGE Sari Erliani; Eva Darnila; Nunsina
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 10 No 2 (2025): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v10i2.6541

Abstract

Penelitian ini mengembangkan chatbot berbasis Artificial Intelligence (AI) dengan algoritma Natural Language Processing (NLP) dan Long Short-Term Memory (LSTM) untuk memberikan informasi seputar Tuberkulosis Sensitif secara akurat dan interaktif. Latar belakang penelitian ini adalah tingginya kebutuhan masyarakat terhadap akses informasi kesehatan yang cepat dan terpercaya, mengingat Tuberkulosis Sensitif masih menjadi masalah kesehatan serius di Indonesia. Sistem dikembangkan berbasis web dengan antarmuka sederhana, dan basis pengetahuan diperoleh dari wawancara dengan dokter spesialis paru untuk menjamin validitas informasi. Tahapan pengembangan sistem meliputi preprocessing (tokenisasi, padding, embedding) dan pelatihan model dengan arsitektur BiLSTM untuk klasifikasi intent. Hasil evaluasi menunjukkan performa tinggi dengan akurasi 99,51%, precision 99,39%, recall 100%, dan F1-score 99,69%. Uji terhadap 10 pertanyaan acak menghasilkan nilai Mean Average Precision (MAP) 100%, menunjukkan konsistensi dan relevansi jawaban chatbot. Meski demikian, sistem memiliki keterbatasan seperti ukuran dataset terbatas dan cakupan hanya dalam Bahasa Indonesia. Beberapa input di luar skenario dataset tidak terjawab dengan akurat. Uji statistik menunjukkan nilai p < 0,05, menandakan hasil signifikan. Chatbot ini diharapkan dapat menjadi media edukatif yang mendukung penyebaran informasi kesehatan dan meningkatkan kesadaran masyarakat dalam memahami serta mencegah Tuberkulosis Sensitif. Pengembangan selanjutnya disarankan mencakup fitur multibahasa dan integrasi dengan layanan kesehatan digital.
Analisis Pemahaman dan Persepsi Mahasiswa Sistem Informasi Universitas Malikussaleh Terhadap Teknologi Touch Screen dan Pre-Touch Sensing Berdasarkan Perspektif Human-Computer Interaction Eva Darnila; Razif Razif
Jurnal Solusi Masyarakat Dikara Vol 6, No 1 (2026): April 2026
Publisher : Yayasan Lembaga Riset dan Inovasi Dikara

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

Abstract

Perkembangan teknologi menjadikan touch screen sebagai media interaksi utama pada smartphone, tablet, ATM, dan layanan digital lainnya. Mahasiswa Sistem Informasi sangat dekat dengan layar sentuh, tetapi tingginya intensitas penggunaan belum tentu diimbangi pemahaman teknis cara kerjanya. Selain touch screen, terdapat pre-touch sensing, yakni teknologi yang mendeteksi jari atau stylus sebelum menyentuh permukaan layar. Penelitian ini bertujuan menganalisis pemahaman dan persepsi mahasiswa Sistem Informasi Universitas Malikussaleh terhadap teknologi touch screen dan pre-touch sensing melalui perspektif Human Computer Interaction. Metode deskriptif kuantitatif digunakan dengan pengumpulan data via kuesioner Google Form dan wawancara terhadap 35 responden. Instrumen penelitian mencakup pengalaman, kendala, pemahaman jenis layar sentuh, pengetahuan awal, serta persepsi manfaat pre-touch sensing. Hasilnya, intensitas penggunaan perangkat layar sentuh responden adalah: selalu 60%, sangat sering 28,6%, dan sering 11,4%. Kendala terbanyak adalah layar sulit digunakan saat tangan basah 65,7%. Dari segi pemahaman, 48,6% responden pernah mendengar jenis touch screen, tetapi belum memahaminya secara mendalam, meskipun mayoritas mampu mengenali prinsip dasar capacitive touchscreen 91,4% dan resistive touchscreen 85,7%. Pada aspek pre-touch sensing, 54,3% responden belum pernah mendengar istilah ini. Namun pasca-penjelasan singkat, 97,1% responden mampu memahami konsep tersebut dengan benar. Penelitian ini menyimpulkan bahwa penggunaan teknologi layar sentuh yang tinggi belum sepenuhnya diikuti pemahaman teknis mendalam. Walau demikian, pemberian edukasi sederhana terbukti sangat membantu dalam meningkatkan pemahaman pengguna terhadap teknologi interaktif.
Co-Authors Ade Muana Husniati Ainol Mardhiah Angaw, Mariance Wulan Asrianda Asrianda Bakti Viyata Sundawa Cindenia Puspasari Cut Agusniar Cut Dewi Aida Soraya Cut Fadhilah Dela, Monisa Dhyra Gibran Alinda Dinata, Rozzy Kesuma Ermatita - Fadisar, Nanda Fadlisyah Fadlisyah Fajriana , Fajriana Fajriana, Fajriana Febrin Aulia Batubara Fuadi, Wahyu Hafiz Al-Kautsar Hafni Hafni Hafni Hafni Harahap, Lina Mardiana Hazmanan Khair Hizamrul jaen Ichsan ilham - sahputra Irhami, Putri Iwan Pahendra jaen, Hizamrul Jannah, Rauzatul Japirman Purba Khainesya Khainesya Khairunnisa Khairunnisa Khalid Mawardi Lidya Rosnita Lina Mardiana Harahap M. Althaf Kiram Mandala, Rizki Maryana Maryana Maryana Maryana Maryana, Maryana Marzuki, Sinambela Mauliza, Mauliza Melly Yani Melly Melly, Melly Yani Melodi, Balqis Muhammad Azmi, Muhammad Muhammad Fikry Muhammad Iqbal Muhammad Iqbal Muhammad Rivai Muhammad Rizki Muhammad Rizki Mukti Qamal Mutammimul Ula Nasution, Tuti Adi Tama Nazimah Nazimah Nazira Nazira Nazira Nazira Nilahayati Nunsina Nunsina, Nunsina Nurahma, Syahfitri Nurdin Nurdin Nurfaiza Nursanti Nursanti Nursanti Nursanti Pane, Syamsul Buchori Ramadani, Suci Rauzatul Jannah Razi, Ar Razif Razif Rina Julita Rini Meiyanti Risawandi, Risawandi Ritonga, Maya Syarah Rozzi Kesuma Dinata Safrizal Safrizal Safwandi Safwandi Salsabila, Cut Syahira Sari Erliani Serlina Serlina Sinambela Marzuki Suci Ramadani Syaiful Bahri Syamsul Buchori Pane Teguh Rahayu TONNI LIMBONG Ulvityatni Wahyu Fuadi Widyana Verawaty Siregar Yaumil Iksan Zahratul Fitri, Zahratul Zara Yunizar