Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Sahabat Keperawatan
Mustika Sari
Universitas Indonesia
Computer Science & IT Engineering Health Professions Nursing Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Machine learning model for green building design prediction Mustika Sari; Mohammed Ali Berawi; Teuku Yuri Zagloel; Rizka Wulan Triadji
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 11, No 4: December 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v11.i4.pp%p

Abstract

Green Building (GB) is a design concept that implements sustainable processes and green technologies in the building’s life cycle. However, the design process of GB tends to take longer than conventional buildings due to the integration of various green requirements and performances into the building design. Technological advances are continually improving the quality of human life by providing solutions to problems they encounter, such as the machine learning (ML) technique utilized to develop predictive and classification models. This study aims to develop a GB design prediction by employing an ML approach by considering four GB design criteria: energy efficiency, indoor environmental quality, water efficiency, and site planning. A dataset of GB projects collected from a private construction company based in Jakarta was used to train and test the ML model. Mean Square Error (MSE) was used to evaluate the model accuracy. The comparison of MSE results of the conducted experiments showed that the combination of the ANN method with the IF-ELSE algorithm resulted in the most accurate ML model for GB design prediction with an MSE of 1.3, creating a predictive model that improves the time efficiency of GB design process.
RESILIENSI ANAK PASCA BENCANA: LITERATUR REVIEW Susanti Niman; Mustika Sari
Jurnal Sahabat Keperawatan Vol 3 No 01 (2021): Jurnal Sahabat Keperawatan, Februari 2021
Publisher : Program Studi Keperawatan, Universitas Timor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32938/jsk.v3i01.933

Abstract

Latar Belakang: Bencana mengancam kehidupan jutaan anak. Anak merupakan kelompok usia terbesar yang mengalami bencana di seluruh dunia. Diperkirakan ada lebih dari 100 juta anak terpapar bencana setiap tahun. Anak termasuk dalam kelompok beresiko yang paling rentan. Dampak bencana pada kelompok usia anak lebih mengkhawatirkan dibanding usia dewasa. Anak lebih beresiko mengalami trauma akibat bencana. Resiko tersebut tergantung pada tingkat perkembangan kognitif dan emosi. Resiliensi dibutuhkan untuk proses recovery survivor bencana. Resiliensi yang dimiliki oleh individu akan menurunkan tingkat PTSD. Penelitian ini bertujuan untuk meninjau secara sistematis faktor-faktor yang mempengaruhi resiliensi anak setelah bencana. Subjek dan Metode: Literatur review dibuat berdasarkan metode kuantitatif dengan model PRISMA. Variabel dependen adalah resiliensi anak. Variabel independen adalah ikatan positif pengasuh utama, regulasi emosi, fleksibilitas kognitif, persepsi, kontrol dan dukungan sosial. Dari 31 artikel, 5 artikel yang memenuhi kriteria inklusi dan eksklusi yang dipilih untuk penelitian ini. Artikel-artikel tersebut dikumpulkan dari 3 sumber basis data meliputi EBSCOhost, Science Direct dan Pubmed. Hasil: faktor-faktor psikososial kunci yang terkait dengan resiliensi. Faktor psikososial kunci tersebut termasuk pentingnya ikatan positif dengan pengasuh utama selama perkembangan, regulasi emosi, fleksibilitas kognitif, persepsi dan kontrol serta ketersediaan dukungan sosial untuk resiliensi di sepanjang rentang usia. Kesimpulan: Resiliensi pada anak dipengaruhi oleh faktor psikososial. Resiliensi membantu kesiapan menghadapi bencana dan meminimalkan dampaknya.
Co-Authors Mohammed Ali Berawi Rizka Wulan Triadji Susanti Niman Teuku Yuri Zagloel