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.

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search