Garuda - Garba Rujukan Digital

Analisis Komparatif Model Pembelajaran Mesin Untuk Memprediksi Hipertensi Ke Dalam Empat Kelas Berdasarkan JNC 8 Yusup, Ramdhan Maulana; Rijanto, Estiko
Jurnal Tata Kelola dan Kerangka Kerja Teknologi Informasi Vol. 10 No. 2 (2024): Desember 2024
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jtk3ti.v10i2.15422

Teknologi pembelajaran mesin telah muncul sebagai alat untuk memprediksi hipertensi dengan algoritma seperti Random Forest, Support Vector Machine (SVM), Gradient Boosting, dan XGBoost. Namun, sebagian besar penelitian sebelumnya mengkategorikan hipertensi menjadi dua kelompok berdasarkan ketentuan World Health Organization (WHO), yaitu normal dan hipertensi, yang kurang memberikan informasi rinci untuk penatalaksanaan optimal. Laporan kedelapan dari Joint National Committee 8 (JNC 8) memperkenalkan klasifikasi yang lebih rinci ke dalam empat kelas: normal, prehipertensi, hipertensi stadium 1, dan hipertensi stadium 2, yang memungkinkan penilaian risiko yang lebih spesifik dan personal. Digunakan dua dataset yang berbeda untuk mengevaluasi kinerja model, yaitu dataset dengan atribut faktor risiko yang mudah dikumpulkan (easy-to-collect), dan dataset dengan tambahan atribut biokimia berupa gula darah, kolesterol, dan trigliserida. Pendekatan langsung dan tidak langsung juga diterapkan untuk menganalisis pengaruhnya terhadap kinerja model. Validasi internal dan eksternal digunakan untuk mengevaluasi kinerja model, dimana pada validasi internal digunakan 10-fold cross validation. Hasil menunjukkan bahwa penambahan atribut biokimia secara signifikan meningkatkan kinerja model pembelajaran mesin dalam hal akurasi, precision, recall, specificity, F1-score, dan AUC. Pendekatan tidak langsung menunjukkan peningkatan nilai akurasi model, meski disertai dengan penurunan nilai AUC. Kinerja terbaik didapatkan oleh algortima XGBoost, dimana validasi internal dan eksternal menunjukkan nilai akurasi tertinggi dengan menggunakan pendekatan tidak langsung sebesar 86,38% dan 80.22%, sedangkan AUC tertinggi didapatkan dengan pendekatan langsung dengan nilai sebesar 97.25% dan 94.54%. Kata kunci— Faktor risiko, hipertensi, klasifikasi multi kelas, pembelajaran mesin.

REKOMENDASI SISTEM INFORMASI MELALUI PENGGUNAAN OPEN SOURCE DALAM RANGKA PEMENUHAN KETENTUAN PENGGUNAAN LISENSI PERANGKAT LUNAK PADA POLITEKNIK NEGERI BANDUNG Rakhmanuddin, Iid; Rijanto, Estiko; Afrianto, Irawan
Jurnal Tata Kelola dan Kerangka Kerja Teknologi Informasi Vol. 2 No. 1 (2016): Mei 2016
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jtk3ti.v2i1.303

Perangkat lunak sebagai komponen sistem informasi memiliki peranan yang strategis dalam memenuhi kebutuhan stakeholder POLBAN. Pada pelaksanaannya pemenuhan syarat penggunaan lisensi untuk perangkat lunak proprietary masih terdapat kekurangan. Untuk solusi pemenuhan syarat penggunaan lisensi perangkat lunak proprietary, POLBAN mulai merintis kerja sama dengan berlangganan lisensi per tahun kepada vendor. Solusi pilihan lain menggunakan perangkat lunak open source belum secara khusus dikaji oleh POLBAN. Pada penelitian ini metodologi perencanaan strategis sistem informasi dari Ward dan Peppard digunakan untuk membantu analisis pemilihan solusi yang efektif dan efisien serta selaras dengan strategi bisnis institusi. Pada metodologi ini, analisis dilakukan secara komprehensif pada lingkungan internal dan eksternal bisnis institusi, lingkungan internal dan eksternal SI/TI institusi. Hasil penelitian yang diperoleh menunjukkan penggunaan perangkat lunak open source dapat menjadi pilihan solusi yang lebih efektif dan efisien untuk jangka panjang dalam rangka pemenuhan ketentuan lisensi perangkat lunak serta lebih memiliki nilai-nilai manfaat selaras dengan misi POLBAN untuk meningkatkan penelitian terapan, penyebarluasan ilmu pengetahuan dan teknologi. Strategi bisnis SI, strategi manajemen SI/TI dan strategi TI yang diformulasikan digunakan agar tujuan perencanaan implementasi perangkat lunak open source dapat berlangsung sesuai rencana. Penghematan yang dapat diperoleh POLBAN melalui implementasi perangkat lunak open source sebesar Rp 484.440.000 per tahun, dimulai pada tahun kelima.Â

Perancangan Blueprint Knowledge Management System pada Unit Laboratorium Fakultas Ilmu Terapan Universitas Telkom Rijanto, Estiko; Dewintari, Putri
Jurnal Tata Kelola dan Kerangka Kerja Teknologi Informasi Vol. 6 No. 2 (2020): November 2020
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jtk3ti.v6i2.5544

Pengetahuan merupakan salah satu aset berharga yang dimiliki oleh organisasi atau perusahaan. Namun sayangnya, belum semua organisasi memiliki kesadaran ini. Unit Laboratorium Fakultas Ilmu Terapan (FIT) merupakan unit yang didirikan dengan tujuan untuk mengelolah laboratorium dan seluruh kegiatan praktikum di lingkungan Fakultas Ilmu Terapan Universitas Telkom. Sejak didirikan hingga saat ini, Unit Laboratorium FIT telah beberapa kali mengalami pergantian staf. Hal ini dikarenakan adanya rotasi atau perpindahan dari Unit Laboratorium FIT ke unit lainnya ataupun karena masa kontrak yang habis. Selain itu, karena yang dipilih menjadi asisten laboratorium merupakan mahasiswa tingkat akhir Fakultas Ilmu Terapan, maka asisten laboratorium juga mengalami pergantian setiap tahunnya. Karena pengetahuan yang didapatkan oleh staf selama bekerja di Unit Laboratorium akan ikut hilang ketika staf tersebut berpindah.Untuk mengatasi masalah ini diusulkan perancangan sistem manajemen pengetahuan yang dapat membantu organisasi dalam mengelola dan menyimpan pengetahuan yang dimiliki baik dalam bentuk pengetahuan tacit ataupun explicit. Serta dapat mempermudah staf dalam melakukan sharing dan transfer knowledge. Dalam proses perancangan ini digunakan metode 10 Step Knowledge Management Roadmap oleh Amrit Tiwana. Namun dari sepuluh tahap, pada penelitian ini dibatasi sampai langkah ke enam, yaitu perancangan cetak biru knowledge management system. Dari hasil analisa pendekatan strategis KM didapatkan nilai pendekatan kodifikasi memilki hasil yang lebih besar dari pendekatan personalisasi. Sehingga, pada penerapannya pendekatan kodifikasi memiliki kuota yang lebih besar. Selanjutnya proses perancangan didasarkan dari tujuh layer KMS. Hingga menghasilkan cetak biru knowledge management yang dapat diterapkan dalam pembangunan KMS di Unit Laboratorium FIT.

Analisis Komparatif Model Pembelajaran Mesin Untuk Memprediksi Hipertensi Ke Dalam Empat Kelas Yusup, Ramdhan Maulana; Rijanto, Estiko
Jurnal Tata Kelola dan Kerangka Kerja Teknologi Informasi Vol. 11 No. 1 (2025): Mei 2025
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jtk3ti.v1i1.16206

Teknologi pembelajaran mesin telah muncul sebagai alat untuk memprediksi hipertensi dengan algoritma seperti Random Forest, Support Vector Machine (SVM), Gradient Boosting, dan XGBoost. Namun, sebagian besar penelitian sebelumnya mengkategorikan hipertensi menjadi dua kelompok berdasarkan ketentuan World Health Organization (WHO), yaitu normal dan hipertensi, yang kurang memberikan informasi rinci untuk penatalaksanaan optimal. Laporan kedelapan dari Joint National Committee 8 (JNC 8) memperkenalkan klasifikasi yang lebih rinci ke dalam empat kelas: normal, prehipertensi, hipertensi stadium 1, dan hipertensi stadium 2, yang memungkinkan penilaian risiko yang lebih spesifik dan personal. Digunakan dua dataset yang berbeda untuk mengevaluasi kinerja model, yaitu dataset dengan atribut faktor risiko yang mudah dikumpulkan (easy-to-collect), dan dataset dengan tambahan atribut biokimia berupa gula darah, kolesterol, dan trigliserida. Pendekatan langsung dan tidak langsung juga diterapkan untuk menganalisis pengaruhnya terhadap kinerja model. Validasi internal dan eksternal digunakan untuk mengevaluasi kinerja model, dimana pada validasi internal digunakan 10-fold cross validation. Hasil menunjukkan bahwa penambahan atribut biokimia secara signifikan meningkatkan kinerja model pembelajaran mesin dalam hal akurasi, precision, recall, specificity, F1-score, dan AUC. Pendekatan tidak langsung menunjukkan peningkatan nilai akurasi model, meski disertai dengan penurunan nilai AUC. Kinerja terbaik didapatkan oleh algortima XGBoost, dimana validasi internal dan eksternal menunjukkan nilai akurasi tertinggi dengan menggunakan pendekatan tidak langsung sebesar 86,38% dan 80.22%, sedangkan AUC tertinggi didapatkan dengan pendekatan langsung dengan nilai sebesar 97.25% dan 94.54%.

Integration of Blockchain and Digital Forensics for Data Transparency and Verification : A Systematic Literature Review Nurhayati, Sri; Effendi, Diana; Fergina, Anggun; Afrianto, Irawan; Rijanto, Estiko; Sumitra, Irfan Dwiguna
International Journal of Informatics, Information System and Computer Engineering (INJIISCOM) Vol. 6 No. 2 (2025): INJIISCOM: VOLUME 6, ISSUE 2, DECEMBER 2025
Publisher : Universitas Komputer Indonesia

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

Data integrity and transparency are currently critical. Various challenges in digital forensics arise due to the prevalence of evidence manipulation and digital engineering that can compromise the validity of legal investigations. This study seeks to undertake a systematic review of the possible application of blockchain technology as a solution rate in ensuring the authenticity and verification of digital data. Using the Systematic Literature Review (SLR) method with the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines. Therefore, this study selected and analyzed 156 relevant articles. In Scopus databases and published between 2018 and 2025. The results of the analysis show a significant increase in publications since 2020, with the identification of five main research clusters including integration of Artificial Intelligence (AI) and cybersecurity. Key findings confirm that blockchain it effectively acts as a layer of trust in creating an immutable and transparent chain of custody. The study by it concludes that blockchain integration provides a strong foundation for the development of more accountable, secure, and reliable digital forensic systems in the future

Systematic Review of Blockchain Technology in Electronic Medical Record Management: Trends, Challenges, and Future Research Directions Irmayanti, Hani; Atin, Sufa; Heryandi, Andri; Afrianto, Irawan; Rijanto, Estiko; Dwiguna Sumitra, Irfan
International Journal of Informatics, Information System and Computer Engineering (INJIISCOM) Vol. 7 No. 2 (2026): INJIISCOM: VOLUME 7, ISSUE 2, DECEMBER 2026 (Online First)
Publisher : Universitas Komputer Indonesia

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

This study explores the role of blockchain technology in addressing security and integration challenges within Electronic Medical Record (EMR) systems. Using a Systematic Literature Review (SLR) of 143 selected articles, the research highlights blockchain’s potential to provide decentralized, transparent, and secure data exchange. Key findings indicate that permissioned blockchains, specifically Hyperledger Fabric, are preferred for maintaining data integrity and managing access via smart contracts. To handle big data scalability, the study recommends a hybrid architecture, while identifying the integration of AI and IoT as the future of "smart healthcare”. Despite its promise, the primary hurdle remains the lack of global semantic standardization, which is essential for achieving full interoperability across diverse healthcare facilities. These insights offer a strategic roadmap for developing integrated, patient-centric, and secure medical record systems.

Title

Found 36 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 36 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 36 Documents
Search