Claim Missing Document
Check
Articles

Found 5 Documents
Search

Expert System Technology in Implementation of K-Means Clustering Algorithm in Patients with Tuberculosis at Cut Meutia Hospitals North Aceh Eva Darnila; Mutammimul Ula; Mauliza; Iwan Pahendra; Ermatita; Hardi, Richki
Mulia International Journal in Science and Technical Vol 2 No 1 (2019): August
Publisher : Universitas Mulia

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

Abstract

Technology in detecting potential drop out tuberculosis (TB) in Cut Meutia hospital and Health Office plays a great role and has been very important. This is seen from the increasing number of patients who could not be cured succesfully and who do not care about TB which will have fatal consequences on their health. In addition, the main cause of the increase in the number of potential drop out TB patients is because of the lack of awareness of the community, especially the middle economic level family of the danger of TB disease as seen from the irregular treatment that they have and the continued smoking habit. In this study, an expert system was used to diagnose patients with potential Drop Out tuberculosis who were then diagnosed into the cluster of each TB patient using the K-Means algorithm. The system implementation in the expert system is that the initial symptoms include the question of whether the patient has cough with phlegm for 2-3 weeks or more (yes), has the patient been treated with TB drugs less than 1 month (no), experienced no appetite and nausea. From the results of these symptoms, there are diagnoses of New Patients, Pulmonary BTA (-) / Ro (+), with sub-acute level having moderate severity and duration, the severity can reduce the health status of the patient, the patient is eventually expected to recover and totally recovered the disease does not develop into a chronic disease. The results of this expert system would be entered into the K-Means clustering. The test results of the k-means clustering algorithm with K = 3 (C1, C2, C3). with initial centroid values of m1: C1, 5, 5, 5, 5, 5, 5 and m_2: C2, 3, 3, 3, 3, 3, with patient p1 with the value of each cluster (C1) = 6.928, ( C2) = 2.828, C3 = (4). For the closest cluster value is C2, then the BCV (Between Cluster Variation) calculation value is 19,596, and the WCV (Within cluster Variation) value is 144. Then the ratio value is 0.136. The result of the iteration -3 can be stopped because it does not experience the movement of the clusters and the clusters have been optimal. The results of this system can classify patients for each village and sub-district area so that the Hospital officials and the Health Office can directly monitor potential drop out TB patients and can facilitate the Head of Office/region in handling clustered TB patients using K-Means. Furthermore, in the coming years, it can be used as a tool in taking preventive measures.
Memprediksi Penyakit Kanker Payudara dan Liver menggunakan Algoritma Backpropagation Miftahul Falah; Dian Palupi Rini; Iwan Pahendra
Annual Research Seminar (ARS) Vol 5, No 1 (2019): ARS 2019
Publisher : Annual Research Seminar (ARS)

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

Abstract

Pada sebuah penelitian sangat penting untuk dilakukannya analisis sebuah prediksi atau peramalan, sehingga penelitian yang dilakukan akan lebih terarah dan tepat. Seperti halnya dalam memprediksi penyakit, mengingat pentingnya mengetahui kondisi kesehatan agar tidak berdampak kedepannya. Sehingga, diperlukan prediksi atau peramalan dengan tujuan memperkecil suatu masalah yang akan terjadi dikemudian hari. Dari beberapa jurnal yang telah di baca sebagai referensi, penulis memilih melakukan penelitian untuk memprediksi dua penyakit dengan memilih salah satu metode didalam ANN yaitu Algoritma Backpropagion (BP) dengan tujuan dilakukannya penelitian untuk mengetahui tingkat akurasi Algoritma Backpropagation (BP). Hasil penelitian menunjukkan bahwa prediksi penyakit kanker payudara dengan dataset sebanyak 569 data dan memiliki 31 atribut menghasilkan nilai akurasi sebesar 97.70 % sedangkan prediksi penyakit liver sebanyak 583 data dan memiliki 11 atribut menghasilkan nilai akurasi sebesar 70.84% dari sumber pengambilan dataset yaitu KAGGLE dengan waktu komputasi yang sama selama 3 sekon.
Kombinasi Algoritma Backpropagation Neural Network dengan Gravitational Search Algorithm Dalam Meningkatkan Akurasi Miftahul Falah; Dian Palupi Rini; Iwan Pahendra
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 5, No 1 (2021): Januari 2021
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v5i1.2597

Abstract

Predicting disease is usually done based on the experience and knowledge of the doctor. Diagnosis of such a disease is traditionally less effective. The development of medical diagnosis based on machine learning in terms of disease prediction provides a more accurate diagnosis than the traditional way. In terms of predicting disease can use artificial neural networks. The artificial neural network consists of various algorithms, one of which is the Backpropagation Algorithm. In this paper it is proposed that disease prediction systems use the Backpropagation algorithm. Backpropagation algorithms are often used in disease prediction, but the Backpropagation algorithm has a slight drawback that tends to take a long time in obtaining optimum accuracy values. Therefore, a combination of algorithms can overcome the shortcomings of the Backpropagation algorithm by using the success of the Gravitational Search Algorithm (GSA) algorithm, which can overcome the slow convergence and local minimum problems contained in the Backpropagation algorithm. So the authors propose to combine the Backpropagation algorithm using the Gravitational Search Algorithm (GSA) in hopes of improving accuracy results better than using only the Backpropagation algorithm. The results resulted in a higher level of accuracy with the same number of iterations than using Backpropagation only. Can be seen in the first trial of breast cancer data with parameters namely hidden layer 5, learning rate of 2 and iteration as much as 5000 resulting in accuracy of 99.3 % with error 0.7% on Backpropagation Algorithm, while in combination BP & GSA got accuracy of 99.68 % with error of 0.32%.
Rancang Bangun Geographic Information System (GIS) Sebagai Pengembangan Sistem Monitoring Area Perkebunan Berbasis IoT Nadia Thereza; Iwan Pahendra Anto Saputra; Zaenal Husin
Jurnal Tekno Kompak Vol 15, No 1 (2021): Februari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v15i1.908

Abstract

Operasional sektor perkebunan di Indonesia sebagian besar masih mengandalkan sistem konvensional yang menggunakan tenaga manusia untuk melakukan kontrol ke lapangan. Dengan kondisi tersebut, masih sulit jika ingin melakukan peningkatan kinerja operasional menjadi lebih efisien, efektif, dan produktif. Ditambah lagi, kondisi pandemi yang tengah dihadapi saat ini secara tidak langsung sangat berdampak dan berpotensi menurunkan angka produktivitas. Sistem operasional ataupun pengelolaan lahan perkebunan harus mengalami perubahan. Pemanfaatan teknologi dan inovasi sangat dibutuhkan untuk membantu mempertahankan ataupun meningkatkan kualitas dan kuantitas hasil produksi. Oleh sebab itu, dibutuhkan suatu rancangan sistem informasi berbasis website, yang bekerja menyampaikan informasi kondisi geografis suatu area secara real-time sebagai solusi dari permasalahan pemantauan kondisi geografis. Sistem informasi tersebut bekerja menggunakan informasi berupa data spasial (bereferensi geografis) yang dikenal dengan Sistem Informasi Geografis atau Geographic Information System (GIS).Tujuan penelitian ini adalah untuk  membangun GIS berbasis web guna memberikan informasi dan menggambarkan kondisi (normal, rawan, kritis) pada suatu area/lahan secara real-time. Metode penelitian ini terdiri dari lima tahapan, yaitu persiapan penelitian (studi literatur), pengkajian objek (observasi, analisis kebutuhan sistem), perancangan dan pembangunan GIS dan integrasi dengan IoT, analisis dan pengujian penerapan GIS, serta penarikan kesimpulan. Sistem informasi geografis yang dibuat adalah dengan menampilkan peta (maps) area yang dipantau. Perangkat lunak yang digunakan untuk menampilkan maps adalah Google Maps Platform yang mana pada platform tersebut terdapat interface yang disebut API (Application Programming Interface). Google Maps API digunakan untuk menghubungkan sistem informasi geografis yang berbasis website dengan google maps. GIS memberikan informasi dan menggambarkan kondisi geografis suatu area secara real-time, kondisi area yang normal ditandai dengan warna hijau, kondisi antara (rawan kritis) ditandai dengan warna kuning serta kondisi area yang kritis ditandai dengan warna merah. Dengan adanya sistem informasi geografis, maka membantu para pekerja lapangan dalam memantau kondisi geografis suatu area secara real-time tanpa harus berada langsung di lokasi. Berdasarkan hasil penilaian pengguna, sebagian besar menyatakan “sangat setuju” bahwa GIS ini bermanfaat, bersifat user-friendly, mudah diakses kapanpun dan di manapun, serta memiliki kecepatan akses yang baik. Selain itu, sebagian besar juga menyatakan “setuju” bahwa GIS mampu menampilkan informasi yang akurat dan dapat membantu pekerjaan.
Perancangan Dua Link MPLS Menggunakan Protokol Routing Open Shortest Path First dan Enhanced Interior Gateway Routing Protocol pada Jaringan Wide Area Network Jaka Naufal Semendawai; Desi Windi Sari; Nadia Thereza; Iwan Pahendra Anto Saputra; Puspa Kurniasari; Abdul Haris Dalimunthe; Melia Sari
Jurnal Rekayasa Elektro Sriwijaya Vol. 3 No. 2 (2022): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v3i2.52

Abstract

Di era ini, penggunaan internet merupakan sebuah komponen penting dalam menunjang kehidupan manusia. Hal ini disebabkan karena kegiatan yang dilakukan oleh setiap manusia, rata-rata sudah berbasis online. Hal ini juga terjadi pada aktivitas pengiriman data, khususnya pada pengiriman data yang dilakukan secara berkala. Namun, seringkali pada saat pengiriman data terdapat sebuah error yang dapat menghambat proses pengiriman data. Error tersebut dapat berupa request timed out atau destination host unreachable. Untuk mengatasi hal tersebut, diperlukan sebuah topologi jaringan komputer yang mampu melakukan aktivitas pengiriman data secara maksimal, baik dari segi keamanan, maupun kecepatan transmisi data yang stabil. Pada penelitian ini, penulis menggunakan router Cisco yang dikonfigurasikan dengan menggunakan kombinasi protokol EIGRP dan OSPF. Selain itu, penulis juga menggunakan dua buah link MPLS yang dapat memberikan kecepatan transfer data yang cepat. Protokol EIGRP sendiri dapat memperluas jangkauan dari router dan protokol OSPF dapat memberikan kemampuan untuk menentukan rute terbaik dari router pengirim ke penerima. Perancangan ini dilakukan pada jaringan dengan jenis Wide Area Network. Pengujian yang dilakukan pada penelitian ini adalah dengan cara menggunakan perintah ping pada aplikasi command prompt untuk menguji apakah router pengirim sudah terhubung ke router penerima. Selain itu, penulis juga menggunakan perintah traceroute untuk melihat rute yang diambil oleh router pengirim pada saat mengirimkan data ke penerima. Penulis juga menggunakan aplikasi Wireshark untuk mengambil data seperti delay, jitter, dan throughput. Untuk data packet loss dan round-trip time diambil dari aplikasi Command Prompt. Hasil yang didapatkan dari perancangan ini diharapkan dapat memberikan sebuah jalan atau terobosan baru bagi user dalam kegiatan pengiriman data yang dilakukan secara berkala dan berbasis online dengan menggunakan jaringan yang prima.