Article Per Year (5 Year)
p-Index From 2021 - 2026
2.255
P-Index
This Author published in this journals
All Journal Jurnal Kedokteran Brawijaya Jurnal Ilmu Kesehatan Masyarakat JAM : Jurnal Aplikasi Manajemen Jurnal Teknologi Informasi dan Ilmu Komputer JMMR (Jurnal Medicoeticolegal dan Manajemen Rumah Sakit) Narra J Journal of Community Health and Preventive Medicine (JOCHAPM) JURNAL KEBIDANAN Kesmas: Jurnal Kesehatan Masyarakat Nasional (National Public Health Journal)
Viera Wardhani
MMRS FKUB Malang
Biochemistry, Genetics & Molecular Biology Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Environmental Science Health Professions Immunology & microbiology Medicine & Pharmacology Nursing Public Health

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Implementasi Sensor Polar H10 dan Raspberry Pi dalam Pemantauan dan Klasifikasi Detak Jantung Beberapa Individu Secara Simultan dengan Pendekatan Machine Learning  pramukantoro, eko sakti; Amron, Kasyful; Wardhani, Viera; Kamila, Putri Annisa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 1: Februari 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241117716

Abstract

Pengawasan detak jantung umumnya dilakukan secara individual, dalam waktu terbatas, dan memerlukan perangkat medis yang spesifik. Dengan memanfaatkan sensor Polar H10 dan Raspberry Pi penelitian ini mengusulkan sebuah sistem yang mampu memonitor detak jantung beberapa orang sekaligus dalam waktu yang sama. Dalam penelitian ini, kami merekam data detak jantung yang berupa RR Interval dari beberapa subjek secara real-time menggunakan sensor Polar H10. Data tersebut kemudian diprediksi menggunakan model machine learning berbasis random forest yang berjalan pada Raspberry Pi untuk prediksi 5 jenis detak jantung. Selanjutnya kami melakukan pengujian dari segi komputasi, durasi pemantauan, dan jangkauan komunikasi antara sensor Polar H10 dan Raspberry Pi. Hal ini kami lakukan untuk mengetahui kemampuan sistem dalam melakukan pemantauan subjek secara bersamaan dan jangkauan komunikasi. Sehingga subjek yang sedang pantau tidak terpaku dalam satu tempat atau tidak perlu selalu dekat dengan sistem. Hasil dari pengujian yang kami lakukan, dengan satu Raspberry Pi dapat melakukan pemantauan ke 7 pasien sekaligus, dengan rata-rata kecepatan prediksi 0,023 detik terus menerus selama 30 menit. Sedangkan jangkauan komunikasi mencapai 25-meter pada lingkungan tanpa penghalang dan 10-meter pada lingkungan yang terhalang. Dapat disimpulkan sistem yang diusulkan mampu memberikan fleksibilitas pemantauan detak jantung, serta memungkinkan pemeriksaan bebeberapa individu sekaligus dengan durasi yang lama.
Prediksi Detak Jantung Berbasis LSTM pada Raspberry Pi untuk Pemantauan Kesehatan Portabel Zen, Ahmad Foresta Azhar; Pramukantoro, Eko Sakti; Amron , Kasyful; Wardhani, Viera; Kamila, Putri Annisa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118015

Abstract

Penyakit kardiovaskular atau cardiovascular disease (CVD) menduduki peringkat teratas penyebab kematian di dunia. Diperkirakan sekitar 17,9 juta jiwa meninggal akibat CVD pada tahun 2019, yang menyumbang sebanyak 32% dari seluruh kematian global. Penting untuk mendeteksi kelainan pada jantung sedini mungkin untuk mencegah kematian karena CVD. Peningkatan kesadaran tentang pentingnya pemantauan kesehatan diri sendiri telah mendorong perkembangan teknologi pemantauan kesehatan portabel. Dalam penelitian ini, kami mengusulkan model prediksi detak jantung berbasis Long Short-Term Memory (LSTM) dengan menggunakan fitur RR-Interval dan mengimplementasikan pada perangkat Raspberry Pi. Model berbasis LSTM merupakan salah satu jenis arsitektur jaringan saraf tiruan yang mampu menangani data berurutan dengan baik, sehingga sangat cocok untuk pemantauan dan prediksi detak jantung yang bersifat sekuensial. Raspberry Pi dikenal karena ukurannya yang kecil, harga yang terjangkau, kinerja yang andal, dan efisiensi komputasi yang baik. Raspberry Pi juga memungkinkan integrasi yang mudah dengan berbagai sensor, menjadikannya solusi yang cocok untuk pemantauan kesehatan yang portabel. Hasil penelitian ini menunjukkan bahwa model klasifikasi yang diusulkan memiliki kinerja yang baik dengan tingkat akurasi mencapai 96,66%. Implementasi inferensi pada Raspberry Pi juga menunjukkan performa yang baik, dengan waktu 4,82 detik untuk melakukan inferensi data sepanjang 100 detik, serta penggunaan memori sebesar 134,8MB.   Abstract Cardiovascular diseases (CVDs) rank as the top cause of global death. An estimated 17.9 million people succumbed to CVDs in 2019, constituting 32% of all global deaths. Detecting heart abnormalities as early as possible is crucial to prevent CVD-related fatalities. The growing awareness of the importance of self-health monitoring has driven the development of portable health monitoring technologies. In this study, we propose a Long Short-Term Memory (LSTM)-based heart beat prediction model using RR-Interval as features  and implement it on the Raspberry Pi device. LSTM models are a type of artificial neural network architecture known for their ability to handle sequential data effectively, making them highly suitable for sequential heart rate monitoring and prediction. The Raspberry Pi is renowned for its compact size, affordability, reliable performance, and efficient computational capabilities. It also enables seamless integration with various sensors, making it an ideal solution for portable health monitoring. This research show that the proposed classification model performs well, achieving an accuracy rate of 96.66%. The implementation of inference on the Raspberry Pi also demonstrates good performance, with an average inference time of 4.82 seconds for processing 100 data points and a memory usage of 134.8MB.
Hubungan Supportive Environment dengan Peran Kader Posyandu dalam Pelayanan Kesehatan Masyarakat Sholikhah, Laila Aminatus; Wardhani, Viera; Fransiska, Ratna Diana; Wardani, Diadjeng Setya
Jurnal Kebidanan Vol 14 No 2 (2024): Jurnal Kebidanan Edisi September 2024
Publisher : ITSKES Insan Cendekia Medika Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35874/jib.v14i2.1375

Abstract

P Posyandu diukur melalui cakupan SKDN, dengan salah satu indikator jumlah balita yang ditimbang dibagi jumlah sasaran balita (D/S). Pencapaian target SKDN di Kelurahan Pagentan tahun 2022 untuk balita yang memiliki KMS (K/S) adalah 41,9% dan balita yang datang dan ditimbang (D/S) adalah 41,9%, serta pencapaian target balita yang naik berat badannya dari seluruh balita (N/S) adalah 32% dari target 75%. Kader berperan penting dalam meningkatkan keberhasilan posyandu. Oleh karena itu, keberhasilan tersebut dipengaruhi oleh peran kader itu sendiri. Tujuan penelitian ini, yaitu mengetahui hubungan supportive environment dengan peran kader posyandu dalam pelayanan kesehatan masyarakat. Penelitian menggunakan pendekatan cross-sectional dengan menggunakan sampel yang memenuhi kriteria inklusi dan eksklusi sebanyak 69 kader. Pengumpulan data menggunakan kuesioner yang kemudian dianalisis menggunakan rank spearman. Hasil penelitian menunjukan terdapat hubungan positif yang signifikan antara komponen supportive environment, yaitu reward and punishment (p-value 0,044), dukungan keluarga (p-value 0,000), dukungan tokoh masyarakat (p-value 0,027), dan dukungan masyarakat (p-value 0,005) dengan peran kader posyandu dalam pelayanan kesehatan masyarakat. Dengan demikian, strategi yang tepat dibutuhkan untuk meningkatkan dukungan, seperti penyuluhan yang berkaitan dengan pentingnya peran kader posyandu
Co-Authors Achmad Rudijanto Agustina, Else Amron , Kasyful Anggraini Dwi Kurnia Asih Tri Rachmi Budianto, Mochamad Bachtiar Dennison Dennison Djanggan Sargowo Dradjat, Respati S. Eko Sakti Pramukantoro, Eko Sakti Endang Sriwahyuni Gunung Mahameru Herjunianto Herjunianto Heru Iskandar Hidayati, Khusnul Ika Barokah Suryaningsih Indah Winarni Ivan Setiawan Jany Prihastuty Kamila, Putri Annisa Kartikasari, Dhian Kasyful Amron Kurniawan, Rony Kuswantoro Tri Rusca Mohamad Istiadjid Ni Putu Ekayani, Ni Putu Orin Annahriyah Syukria, Orin Annahriyah Purwiningsih, Driana Desy Putra, Kuswantoro R. Rahmawati, Menis Ratna Diana Fransiska Ratri, Devita Rahmani Rozany, Farida Sastrawan, I Gede Setyawan, Yudi Setyawan, Yudi Sholikhah, Laila Aminatus Sri Andarini Wahyuni Dian Purwati Wardani, Diadjeng Setya Windarwati, Heni D. Zen, Ahmad Foresta Azhar