Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Jurnal Fisioterapi dan Ilmu Kesehatan Sisthana (JUFDIKES)
Aviasenna Andriand
Universitas Jenderal Soedirman
Computer Science & IT Electrical & Electronics Engineering Health Professions Public Health

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

Found 2 Documents
Search

 1 
STRATEGI JURNAL PREDATOR MENGUNDANG PUBLIKASI MELALUI EMAIL: MENGAJAK KONTRIBUSI DALAM KONFERENSI DAN PUBLIKASI JURNAL, APAKAH TERJEBAK? Agung Pangestu; Rosyid Al-Hakim; Yanuar Arief; Hexa Hidayah; Aviasenna Andriand
JURNAL FISIOTERAPI DAN ILMU KESEHATAN SISTHANA Vol. 5 No. 1 (2023): Januari : Jurnal Fisioterapi dan Ilmu Kesehatan Sisthana
Publisher : Stikes Kesdam IV/Diponegoro Semarang, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jufdikes.v5i1.178

Abstract

Publikasi ilmiah menjadi tantangan tersendiri untuk menyebarluaskan informasi hasil riset kepada khalayak ilmiah. Sering kali penulis diharuskan memilih beberapa opsi publikasi, termasuk prosiding konferensi hingga artikel jurnal. Dewasa ini telah marak publikasi ilmiah dengan slogan jalur cepat, baik dengan biaya murah hingga biaya fantastis. Penulis kerap kali mendapatkan email dari editor-editor tertentu untuk mengajak berkontribusi dalam publikasi ilmiah melalui konferensi dan jurnal. Kedua strategi ini digunakan melalui alamat email penulis yang pernah mempublikasikan karya ilmiah sebelumnya, sehingga alamat email dengan mudah didapatkan untuk undangan ilmiah tersebut. Kami mendapatkan undangan dari editor jurnal kedokteran untuk berkontribusi dalam konferensi internasional mereka, serta termasuk ajakan untuk publikasi artikel jurnal pada jurnal mereka. Biaya yang ditawarkan cukup fantastis, apabila dalam memilih opsi publikasi ke jurnal tidak dengan hati-hati dan cermat, dikhawatirkan akan terjebak dengan strategi ini. Strategi sederhana ialah melalui mesin pencarian dengan mencantumkan nama jurnal tersebut, salah satu portal yang memberikan diskusi berupa Research Gate. Temuan kami ini dapat menjadi nasehat untuk para penulis yang hendak mempublikasikan karya ilmiahnya di jurnal dengan integritas ilmiah tinggi dan melalui proses ulasan sejawat yang ketat.
Predict the thyroid abnormality particular disease likelihood of the symptoms’ certainty factor value and its confidence level: A regression model analysis Rosyid Ridlo Al-Hakim; Yanuar Zulardiansyah Arief; Agung Pangestu; Hexa Apriliana Hidayah; Aditia Putra Hamid; Aviasenna Andriand; Nur Fauzi Soelaiman; Machnun Arif; Mahmmoud Hussein Abdel Alrahman
Sistemasi: Jurnal Sistem Informasi Vol 12, No 2 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i2.2542

Abstract

The traditional expert system (TES) in the medical field commonly uses a certainty factor (CF) rule-based algorithm that can be calculated several symptoms to determine the inference solutions. The main issue for this TES included a prediction for some particular disease likelihood in the cases of new patients. CF is calculated based on symptoms related to clinical signs in patients’ diagnoses. For some reason, this TES probably won’t predict uncertain things, such as particular disease likelihood of some diseases. So, supervised learning, such as linear regression, can solve this problem. We tried to analyse the existing TES for thyroid disorders due to modelling the regression equation to predict the thyroid abnormality particular disease likelihood, based on the symptoms’ CF value and its confidence level. We used multiple linear regression (MLR) and multiple polynomial regression (MPR) to analyse the best regression model to solve the problem. The results show that the MPR model indicates the best regression model for predicting particular disease likelihood of thyroid abnormality, supported by R-squared 94.7%, R-squared adjusted 94.4%, F-value 265.925, and p-value < 0.05, which are higher than MLR model. Our study proposed a foundation for expert system development by focusing more on machine learning expert system (MLES) analysis approaches than TES.
Co-Authors Agung Pangestu Hamid, Aditia Putra Hexa Apriliana Hidayah Hexa Hidayah Machnun Arif Mahmmoud Hussein Abdel Alrahman Nur Fauzi Soelaiman Rosyid Al-Hakim Rosyid Ridlo Al-Hakim Yanuar Arief Yanuar Zulardiansyah Arief