Claim Missing Document
Check
Articles

Found 33 Documents
Search

Rancang Bangun Sistem Informasi Pembayaran Tagihan Pamsimas Menggunakan Metode Rapid Application Development Sardiarinto Sardiarinto; Eko Saputro; Akhmad Syukron; Vadlya Ma’arif; Hidayat Muhammad Nur
Jurnal Teknologi Informasi dan Terapan Vol 10 No 2 (2023)
Publisher : Jurusan Teknologi Informasi Politeknik Negeri Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25047/jtit.v10i2.336

Abstract

Desa Candirejo merupakan desa wisata yang terletak di kecamatan Borobudur. Saat ini Pemerintah Desa melakukan pembangunan pipa air minum untuk peningkatan akses terhadap penggunaan air bersih bagi warga sekitar dan menjamin ketersediaan air bersih dalam program PAMSIMAS(Penyediaan Air Minum dan Sanitasi Berbasis Masyarakat). Namun manajemen menghadapi kesulitan dalam pelayanan, proses pencatatan meteran, perekapan kwitansi tagihan, pembayaran dan pengaduan gangguan. Pengumpulan data pada penelitian ini memakai pendekatan kualitatif untuk mengumpulkan informasi yang relevan dengan penelitian dan mendeskripsikan kebutuhan sistem yang diinginkan. Untuk pengembangan sistem informasi ini menggunakan kerangka kerja metode Rapid Application Development (RAD). Hasil dari pengembangan sistem informasi pada PAMSIMAS Desa Candirejo berupa aplikasi berbasis mobile dan berbasis web dengan fasilitas QRCode untuk mempermudah pencarian data.
Pemanfaatan Aplikasi SITUBA Sebagai Inovasi Digital Pelaporan Kasus TBC oleh Kader dan Puskesmas di Kelurahan Nusukan Sardiarinto; Supriyanta; Candra Agustina; Wawan Nugroho; Sola Gracia Deo Andrew; Hani Yulia Rachma; Dehant Mahendra H
Jurnal Abdimas Indonesia Vol. 6 No. 1 (2026)
Publisher : Perkumpulan Dosen Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34697/jai.v6i1.2413

Abstract

Tuberkulosis (TBC) masih menjadi salah satu masalah kesehatan utama di Indonesia, termasuk di Kota Surakarta. Proses pelaporan kasus TBC di tingkat kelurahan selama ini masih dilakukan secara manual, sehingga sering menimbulkan keterlambatan dalam penyampaian data dan tindak lanjut pasien. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk memperkenalkan dan menerapkan aplikasi digital SITUBA (Sistem Informasi Penanggulangan TBC) sebagai inovasi pelaporan kasus TBC di Kelurahan Nusukan, Kota Surakarta. Kegiatan dilaksanakan oleh tim dosen dan mahasiswa Universitas Bina Sarana Informatika Kampus Surakarta bekerja sama dengan Dinas Kesehatan Kota Surakarta dan Puskesmas Nusukan. Tahapan pelaksanaan meliputi sosialisasi kepada perangkat kelurahan, pelatihan penggunaan aplikasi bagi kader kesehatan, serta pendampingan dalam proses pelaporan kasus secara digital. Hasil kegiatan menunjukkan peningkatan pemahaman dan kemampuan kader dalam menggunakan aplikasi SITUBA untuk mencatat dan melaporkan data pasien secara lebih sistematis. Selain itu, sistem digital ini dinilai membantu mempermudah koordinasi antara kader, kelurahan, dan puskesmas dalam kegiatan pelacakan pasien TBC.Kesimpulannya, penerapan awal aplikasi SITUBA di Kelurahan Nusukan menunjukkan potensi positif dalam mempercepat alur pelaporan dan meningkatkan efisiensi koordinasi lintas pihak dalam upaya penanggulangan TBC berbasis masyarakat.
Aplikasi Prediksi Diabetes Berbasis Android Menggunakan Algoritma Random Forest dengan SMOTE dan Feature Selection Vadlya Maarif Vadlya; Sardiarinto; Eko Saputro
Evolusi : Jurnal Sains dan Manajemen Vol. 13 No. 2 (2025): Periode September 2025
Publisher : LPPM Universitas Bina Sarana Informatika Kampus Kabupaten Banyumas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/evolusi.v13i2.10100

Abstract

Diabetes mellitus merupakan penyakit kronis dengan prevalensi yang terus meningkat secara global, sehingga deteksi dini menjadi aspek penting untuk mencegah komplikasi lebih lanjut. Perkembangan machine learning memberikan peluang signifikan dalam mendukung pengambilan keputusan medis melalui prediksi yang lebih akurat. Penelitian ini bertujuan mengembangkan model prediksi diabetes berbasis algoritma Random Forest yang dipadukan dengan Synthetic Minority Oversampling Technique (SMOTE) serta metode seleksi fitur. Dataset yang digunakan adalah Pima Indians Diabetes Database yang terdiri atas 768 sampel dengan delapan atribut prediktor. Tahapan penelitian meliputi pra-pengolahan data, penerapan SMOTE untuk mengatasi ketidakseimbangan kelas, seleksi fitur berbasis Information Gain, serta evaluasi model menggunakan skema 10-fold cross-validation. Hasil eksperimen menunjukkan bahwa integrasi SMOTE dan seleksi fitur mampu meningkatkan kinerja model dibandingkan baseline, dengan akurasi sebesar 87,93%, nilai recall 91,3% untuk kelas positif, dan area ROC 0,949. Model terbaik kemudian diimplementasikan dalam aplikasi Android berbasis standalone yang memungkinkan pengguna melakukan prediksi risiko diabetes secara mandiri melalui input tujuh atribut utama, yaitu Glucose, Pregnancies, Age, BMI, Insulin, Diabetes Pedigree Function, dan Blood Pressure. Aplikasi ini menghasilkan prediksi yang cepat, mudah diakses, serta berpotensi menjadi solusi praktis untuk mendukung upaya deteksi dini diabetes.