Garuda - Garba Rujukan Digital

Implementasi Treemap untuk Visualisasi Data Angka Kesakitan (Morbiditas) (Studi Kasus: Dinas Kesehatan Indragiri Hilir) Muhammad Ridha; Muhammad Affandes; Eka Pandu Cynthia; Pizaini Pizaini
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4147

Dinas Kesehatan Indragiri Hilir merupakan instansi pemerintah yang memegang peranan penting dalam pengawasan dan pemantauan perkembangan kesehatan di Kabupaten Indragiri Hilir. Sebagai pihak yang bertanggung jawab dibidang kesehatan, Dinas Kesehatan memerlukan pendataan mengenai angka kesakitan (morbiditas) masyarakat Indragiri Hilir yang dikelompok berdasarkan penyakit, umur, jenis kelamin, kasus baru-lama yang ada disetiap UPT Puskesmas di Kabupaten Indragiri Hilir. Setiap bulannya, UPT Puskesmas di kecamatan melaporkan angka kesakitan (morbiditas) ke Dinas Kesehatan Indragiri Hilir untuk direkapitulasi. Namun laporan masih dalam bentuk format file excel dan tabel, sehingga data harus dilihat satu persatu dan memahami data membutuhkan waktu yang lama. Maka dibutuhkanlah sistem yang dapat memvisualisasikan data untuk memudahkan melihat data dan mengambil keputusan. Sistem ini dibangun menggunakan metode Treemap. Metode ini dapat memvisualisasikan data secara menyeluruh dan detail berdasarkan kategori data dengan jumlah data ratusan hingga ribuan yang ditampilkan dalam satu waktu. Berdasarkan hasil pengujian yang dilakukan menggunakan metode Black Box dan User Acceptance Test, sistem visualisasi menggunakan Treemap berhasil dibangun dan berjalan dengan baik dalam memvisualisasikan data angka kesakitan (morbiditas) di Indragiri Hilir dengan memperoleh hasil pengujian 95.10% untuk kategori sangat bagus menggunakan perhitungan skala Likert.

Implementasi Treemap untuk Visualisasi Data Angka Kesakitan (Morbiditas) (Studi Kasus: Dinas Kesehatan Indragiri Hilir) Muhammad Ridha; Muhammad Affandes; Eka Pandu Cynthia; Pizaini Pizaini
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4147

Dinas Kesehatan Indragiri Hilir merupakan instansi pemerintah yang memegang peranan penting dalam pengawasan dan pemantauan perkembangan kesehatan di Kabupaten Indragiri Hilir. Sebagai pihak yang bertanggung jawab dibidang kesehatan, Dinas Kesehatan memerlukan pendataan mengenai angka kesakitan (morbiditas) masyarakat Indragiri Hilir yang dikelompok berdasarkan penyakit, umur, jenis kelamin, kasus baru-lama yang ada disetiap UPT Puskesmas di Kabupaten Indragiri Hilir. Setiap bulannya, UPT Puskesmas di kecamatan melaporkan angka kesakitan (morbiditas) ke Dinas Kesehatan Indragiri Hilir untuk direkapitulasi. Namun laporan masih dalam bentuk format file excel dan tabel, sehingga data harus dilihat satu persatu dan memahami data membutuhkan waktu yang lama. Maka dibutuhkanlah sistem yang dapat memvisualisasikan data untuk memudahkan melihat data dan mengambil keputusan. Sistem ini dibangun menggunakan metode Treemap. Metode ini dapat memvisualisasikan data secara menyeluruh dan detail berdasarkan kategori data dengan jumlah data ratusan hingga ribuan yang ditampilkan dalam satu waktu. Berdasarkan hasil pengujian yang dilakukan menggunakan metode Black Box dan User Acceptance Test, sistem visualisasi menggunakan Treemap berhasil dibangun dan berjalan dengan baik dalam memvisualisasikan data angka kesakitan (morbiditas) di Indragiri Hilir dengan memperoleh hasil pengujian 95.10% untuk kategori sangat bagus menggunakan perhitungan skala Likert.

Midwifery Students' Experiences in Learning Pelvic Anatomy and Childbirth Mechanisms: A Phenomenological Study Nelly, Nelly Karlinah; Irianti, Berliana; Maita, Liva; Sari, Ria Harnita; Israyati, Nur; Setiawati, Sandy; Ridha, Muhammad
Indonesian Journal of Obstetrics and Gynecology Volume 13. No. 1 January 2025
Publisher : Indonesian Socety of Obstetrics and Gynecology

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32771/inajog.v13i1.2557

Objectives: To determine students' competence in pelvic anatomy and labor mechanisms through multimedia-based learning media at University Hangtuah Pekanbaru and Helvetia Health Institute Pekanbaru Methods: The design of this study is a qualitative study with a descriptive phenomenological approach using the framework standards for reporting qualitative research a synthesis of recommendations approach. The number of informants in this study was 10 people, consisting of 8 midwifery students, 2 lecturers. Recruitment of informants in this study used purposive sampling. Analysis of research data using the Collaizi's framework, namely first familiarization, identifying related statements, formulating meaning, grouping themes, developing in-depth descriptions, creating basic structures of statements and final validation. Results: The results of the analysis obtained two themes, namely the parts of the pelvic bone and the process of childbirth. Informants revealed that during the learning process they got a method of the process of childbirth so that it made it easier for students to practice in the field Conclusion: Learning methods can be accessed not only during learning but also when outside the classroom or in the field Keywords: Pelvic Anatomy, Labor Mechanism, Midwifery Curriculum, Learning Media, Multimedia

A Combined MobileNetV2 and CBAM Model to Improve Classifying the Breast Cancer Ultrasound Images Muhammad Rakha; Mahmud Dwi Sulistiyo; Dewi Nasien; Muhammad Ridha
Journal of Applied Engineering and Technological Science (JAETS) Vol. 6 No. 1 (2024): Journal of Applied Engineering and Technological Science (JAETS)
Publisher : Yayasan Riset dan Pengembangan Intelektual (YRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37385/jaets.v6i1.4836

Breast cancer is the main cause of death in women throughout the world. Early detection using ultrasound is very necessary to reduce cases of breast cancer. However, the ultrasound analysis process requires a lot of time and medical personnel because classification is difficult due to noise, complex texture, and subjective assessment. Previous studies were successful in ultrasound classification of breast cancer but required large computations and complex models. This research aims to overcome these shortcomings by using a lighter but more accurate model. We integrated the CBAM attention module into the MobileNetV2 model to improve breast cancer detection accuracy, speed up diagnosis, and reduce computational requirements. Gradient Weighted Class Activation Mapping (Grad-CAM) is used to improve classification explanations. Ultrasound images from two databases were combined to train, validate, and test this model. The test results show that MobileNetV2-CBAM achieves a test accuracy of 93%, higher than the complex models VGG-16 (80%), VGG-19 (82%), InceptionV3 (80%), and ResNet-50 (84%). CBAM is proven to improve MobileNetV2 performance with an 11% increase in accuracy. Grad-CAM visualization shows that MobileNetV2-CBAM can better focus on localizing important regions in breast cancer images, providing clearer explanations and assisting medical personnel in diagnosis.

Pengujian System Usability Scale dan Mean Opinion Score pada MedPelvis: Aplikasi Pembelajaran Anatomi Panggul dan Mekanisme Persalinan Ridha, Muhammad; Harnita Sari, Ria; Irianti, Berliana; Israyati, Nur
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 6 (2025): JPTI - Juni 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.841

Pembelajaran anatomi panggul dan mekanisme persalinan bagi mahasiswa kebidanan sering kali tidak efektif karena kurangnya media pembelajaran yang interaktif dan mendukung pemahaman visual. Untuk mengatasi permasalahan ini, dikembangkan MedPelvis, sebuah aplikasi mobile berbasis multimedia menggunakan metode pengembangan Waterfall. Aplikasi ini menyajikan materi anatomi panggul dan mekanisme persalinan dalam bentuk visualisasi interaktif dan video. Evaluasi usability menggunakan System Usability Scale (SUS) menghasilkan skor 82 yang tergolong excellent, menunjukkan tingkat kemudahan penggunaan yang sangat baik. Sementara itu, pengujian kualitas media menggunakan Mean Opinion Score (MOS) memperoleh skor rata-rata 4,402, dengan rincian kualitas visual 4,6, kelancaran frame rate 4,13, kualitas suara 4,48, dan frekuensi buffering 4,2. Hasil ini menunjukkan bahwa MedPelvis memenuhi standar media pembelajaran berkualitas dan dapat mendukung model pembelajaran hybrid. Penelitian ini berkontribusi dalam pengembangan media pembelajaran digital yang efektif dan berbasis kebutuhan mahasiswa kebidanan di era digital.

Penerapan Machine Learning untuk Klasifikasi Teks Depresi pada Kesehatan Mental dengan SVM, TF-IDF, dan Chi-Square Ridha, Muhammad; Abdur Rohman, Muhammad Kholil; Agustin, Dian; Shaputra, Deni Handika; Manayla, Yasmine; Malikah, Amiroh Hanan
Journal Software, Hardware and Information Technology Vol 5 No 2 (2025)
Publisher : Jurusan Sistem Informasi Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/shift.v5i2.210

Mental health has become a crucial global issue, with increasing numbers of individuals expressing their psychological conditions openly on social media platforms. This study aims to classify tweets related to mental health, specifically depression, using a combination of Support Vector Machine (SVM), Term Frequency-Inverse Document Frequency (TF-IDF) feature extraction, and Chi-Square feature selection techniques. Although this approach has been widely applied in domains such as product and movie reviews, its application in the mental health context remains limited. The main challenge lies in capturing implicit psychological nuances and indirect expressions frequently present in platforms like Twitter, unlike the explicit text in other domains. Moreover, most prior studies have not integrated comprehensive preprocessing stages including lemmatization, stopword removal, and duplicate elimination for mental health data on social media. This research employs a dataset of 26,448 tweets derived from Kaggle and self-crawled data. The best result was achieved using an SVM with an RBF kernel without Chi-Square feature selection, yielding an accuracy of 74.93%. The study demonstrates that a comprehensive preprocessing pipeline can enhance classification performance. However, the model still struggles with sarcastic or ironic contexts. Future research is recommended to adopt deep learning approaches such as BERT or LSTM to capture more complex textual contexts.

PERBANDINGAN METODE SVM DAN NAÏVE BAYES DALAM ANALISIS SENTIMEN KONFLIK PERANG DAGANG CINA-AMERIKA PADA APLIKASI X Muhammad Ridha
Technologic Vol 16 No 1 (2025): TECHNOLOGIC
Publisher : LPPM Politeknik Astra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52453/t.v16i1.465

Isu perang dagang antara Cina dan Amerika Serikat telah menjadi topik yang menarik perhatian publik di berbagai platform media sosial, termasuk Aplikasi X. Meskipun banyak penelitian sebelumnya telah membandingkan algoritma Support Vector Machine (SVM) dan Naïve Bayes dalam konteks analisis sentimen, studi yang secara khusus mengkaji performa kedua metode ini dalam menganalisis sentimen publik terhadap perang dagang Cina-Amerika di Aplikasi X masih sangat terbatas. Penelitian ini bertujuan untuk mengisi kekosongan tersebut dengan membandingkan kinerja SVM dan Multinomial Naïve Bayes dalam mengklasifikasikan sentimen cuitan terkait topik tersebut. Hasil evaluasi menunjukkan bahwa Multinomial Naïve Bayes menghasilkan akurasi sebesar 82%, dengan precision 0.80 untuk sentimen negatif dan 0.82 untuk sentimen positif. Namun, model ini kurang optimal dalam mengenali sentimen negatif, dengan recall negatif hanya mencapai 0.64 dan F1-score 0.71. Sebaliknya, model SVM menunjukkan kinerja yang lebih unggul, dengan akurasi 95% serta F1-score 0.93 untuk sentimen negatif dan 0.96 untuk sentimen positif. SVM juga menunjukkan prediksi yang lebih stabil dan seimbang, dengan kesalahan prediksi yang rendah pada kedua kelas sentimen. Keunggulan SVM terletak pada kemampuannya untuk menangani ketidakseimbangan kelas dan mengenali pola yang lebih kompleks dalam data. Hasil penelitian diharapkan dapat memberikan wawasan yang lebih dalam mengenai analisis sentimen isu-isu strategis global seperti perang dagang, serta memberikan rekomendasi untuk pengembangan model klasifikasi yang lebih efektif di media sosial.

COMPARISON OF MACHINE LEARNING CLUSTERING ALGORITHMS FOR ANALYSING ELECTRICITY USAGE PATTERNS IN CAMPUS AREAS Purba, Diya Namira; Muhammad Ridha; Rida Indah Fariani; Harkiapri Yanto
Jurnal Teknoif Teknik Informatika Institut Teknologi Padang Vol 13 No 2 (2025): TEKNOIF OKTOBER 2025
Publisher : ITP Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21063/jtif.2025.V13.2.87-96

Electricity consumption in campus environments varies based on building functions, occupancy patterns, and time-of-day usage. Understanding these variations is essential for efficient energy management. Uncontrolled electricity use often results in high operational costs, highlighting the need for accurate methods to uncover consumption patterns. This study analyzes electricity consumption data from multiple campus buildings at a polytechnic in Jakarta during 2023 and 2024. Each dataset consists of six columns and 365 rows in a year. Since the data is unlabeled, three clustering algorithms: K-Means, Hierarchical Clustering, and DBSCAN are applied to identify usage patterns across campus areas. Pre-processing included imputation and normalization, followed by clustering. Cluster quality was evaluated using the Silhouette Score. A key novelty of this study is the year-to-year comparative analysis, showing that clustering performance can vary significantly depending on data structure and noise. The 2023 dataset (dataset 1) achieved the highest Silhouette Score of 0.48 using DBSCAN, while the 2024 dataset (dataset 2) produced the best result with Hierarchical Clustering at 0.53. These results emphasize the importance of selecting clustering methods based on data characteristics and temporal context. The findings contribute to developing adaptive, data-driven strategies for managing energy use in non-residential settings, particularly in educational institutions like campuses.

Edukasi Dampak dan Pencegahan Deepfake melalui Literasi Digital dan Keamanan Jaringan Sosial bagi Siswa SMKN 53 Jakarta Ridha, Muhammad
Jurnal SOLMA Vol. 14 No. 3 (2025)
Publisher : Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/solma.v14i3.19761

Background: Perkembangan teknologi digital telah memunculkan tantangan baru seperti penyalahgunaan teknologi deepfake, yaitu manipulasi gambar, audio, dan video yang menyerupai konten asli. Di kalangan pelajar, pemahaman terhadap bahaya teknologi ini masih rendah. Observasi di SMKN 53 Jakarta menunjukkan bahwa meskipun siswa aktif menggunakan media sosial, mereka belum memahami risiko keamanan digital dan potensi penyebaran konten manipulatif. Tujuan: dari kegiatan Pengabdian kepada Masyarakat (PkM) ini adalah untuk meningkatkan literasi digital dan kesadaran keamanan siber siswa melalui edukasi tentang bahaya dan pencegahan deepfake. Metode: Workshop interaktif dengan pendekatan edukatif dan partisipatif, mencakup penyampaian materi, simulasi teknologi menggunakan WeFaceSwap, diskusi kasus nyata, serta evaluasi menggunakan pre-test dan post-test. Kegiatan dilaksanakan pada 10 Juni 2025 dan diikuti oleh 34 siswa kelas X jurusan Teknik Komputer dan Jaringan. Hasil: Pre-test menunjukkan sebagian besar siswa memperoleh skor 9–11 dari 15 soal, dan hanya 2 siswa mendapat nilai sempurna. Setelah kegiatan dan post-test, 17 siswa (50%) memperoleh nilai sempurna, dan tidak ada siswa yang mendapat nilai di bawah 10. Kesimpulan: Kegiatan ini efektif dalam meningkatkan pemahaman siswa terhadap bahaya deepfake dan pentingnya keamanan informasi digital. Model edukasi ini layak direplikasi sebagai bagian dari upaya peningkatan literasi digital nasional.

Pengembangan Website Skrining Kesehatan Mental Mahasiswa Berbasis IndoBERT Lite Menggunakan RAD dan Evaluasi SUS Ridha, Muhammad; Setiawan, Yosep; Abdur Rohman, Muhammad Kholil; Saputra, Muhammad Dwi; Yunior, Sheva Yudha
Jurnal Pendidikan dan Teknologi Indonesia Vol 6 No 1 (2026): JPTI - Januari 2026
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1455

Permasalahan kesehatan mental pada mahasiswa terus meningkat seiring bertambahnya beban akademik dan tekanan sosial. Namun, keterbatasan layanan psikologis dan tingginya stigma membuat mahasiswa sering menunda atau menghindari pencarian bantuan profesional. Penelitian ini bertujuan mengembangkan sebuah platform skrining kesehatan mental berbasis Artificial Intelligence (AI) yang mampu menganalisis teks secara otomatis untuk mengidentifikasi tingkat stres, kecemasan, dan depresi pada mahasiswa. Metode Rapid Application Development (RAD) digunakan untuk mempercepat proses perancangan sistem serta memungkinkan penyesuaian prototipe secara iteratif. Novelty penelitian ini terletak pada integrasi model IndoBERT Lite sebagai mesin klasifikasi psikologis berbasis teks yang dilatih dan dievaluasi menggunakan data berlabel berdasarkan instrumen Depression Anxiety Stress Scales (DASS-21) serta melibatkan validasi dan masukan dari pakar di bidang kesehatan mental. Evaluasi performa menunjukkan bahwa model mencapai nilai Macro ROC-AUC sebesar 0,69, dengan performa terbaik pada klasifikasi depresi (ROC-AUC 0,86), yang menandakan kemampuan model yang memadai dalam mendukung skrining awal kesehatan mental. Pendekatan ini memberikan alternatif skrining yang lebih cepat, ringan, dan mudah dioperasikan dibandingkan metode asesmen tradisional yang memerlukan kehadiran profesional secara langsung. Evaluasi usability dilakukan menggunakan System Usability Scale (SUS) dengan melibatkan tujuh evaluator dari kalangan mahasiswa dan pakar IT. Sistem memperoleh skor rata-rata 89 yang termasuk dalam kategori excellent, menunjukkan tingkat kemudahan penggunaan dan pengalaman pengguna yang sangat baik. Hasil penelitian menunjukkan bahwa platform ini berpotensi menjadi alat pendukung skrining kesehatan mental yang efektif, serta berperan sebagai jembatan awal yang membantu mahasiswa mengakses layanan psikologis secara lebih terstruktur dan tidak mengintimidasi.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search