Article Per Year (5 Year)
p-Index From 2021 - 2026
3.802
P-Index
This Author published in this journals
All Journal Jurnal Skolastik Keperawatan (e-Journal) Jurnal Ilmiah Matrik Al-Asalmiya Nursing: Journal of Nursing Sciences Klabat Journal of Nursing Nutrix Journal Journal Automation Computer Information System (JACIS)
Ivanna Junamel Manoppo
Fakultas Keperawatan Universitas Klabat
Computer Science & IT Control & Systems Engineering Education Health Professions Medicine & Pharmacology Nursing Public Health Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Hubungan Dukungan Keluarga Dengan Tingkat Kecemasan Pada Ibu Hamil yang Menghadapi Persalinan di Puskesmas Kauditan Ivanna, Manoppo J
Jurnal Skolastik Keperawatan Vol 10 No 1 (2024): Januari-Juni
Publisher : Fakultas Ilmu Keperawatan Universitas Advent Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35974/jsk.v10i1.3352

Abstract

Latar Belakang: Dukungan keluarga merupakan interaksi antar anggota keluarga yang bertujuan untuk membantu individu dalam menghadapi permasalahan, termasuk dalam konteks kehamilan. Dukungan ini dapat berupa dukungan emosional, informasi, maupun material yang berperan penting dalam meningkatkan motivasi dan ketahanan psikologis individu. Selama masa kehamilan, ibu hamil sangat membutuhkan dukungan keluarga guna mengurangi tingkat kecemasan yang umumnya meningkat menjelang persalinan. Penelitian ini bertujuan untuk mengetahui hubungan antara dukungan keluarga dengan tingkat kecemasan pada ibu hamil di Puskesmas Kauditan. Metode:Penelitian ini menggunakan desain deskriptif korelasional dengan pendekatan cross-sectional. Teknik pengambilan sampel dilakukan dengan metode convenience sampling, dengan jumlah sampel sebanyak 40 responden. Instrumen yang digunakan dalam pengumpulan data adalah kuesioner tingkat kecemasan dan kuesioner dukungan keluarga yang telah disesuaikan. Hasil: Dari total 40 responden, sebanyak 38 ibu hamil (95%) diketahui memperoleh dukungan keluarga yang baik. Sementara itu, tingkat kecemasan tinggi ditemukan pada 26 responden (65%). Hasil uji statistik menggunakan uji korelasi Spearman rank menunjukkan nilai p-value sebesar 0,310 (p > 0,05), yang mengindikasikan bahwa tidak terdapat hubungan yang signifikan antara dukungan keluarga dan tingkat kecemasan pada ibu hamil di Puskesmas Kauditan. Diskusi:Hasil penelitian menunjukkan bahwa meskipun sebagian besar responden memperoleh dukungan keluarga yang baik, hal tersebut tidak secara signifikan berkorelasi dengan penurunan tingkat kecemasan. Oleh karena itu, perlu adanya pendekatan yang lebih komprehensif dalam mendukung kesehatan mental ibu hamil. Ibu hamil dianjurkan untuk secara aktif mencari informasi mengenai kehamilan melalui berbagai sumber yang terpercaya, termasuk media digital, serta menjalin hubungan yang baik dengan tenaga kesehatan. Di sisi lain, keluarga diharapkan dapat meningkatkan dukungan informatif, seperti memberikan saran mengenai jadwal pemeriksaan kehamilan dan pentingnya menjaga kesehatan fisik dan psikologis ibu selama masa kehamilan
Gambaran Kejadian Dandruff pada Wanita Berhijab di Desa Maen Kecamatan Likupang Timur Tumangkeng, Linda Sisilia; Manoppo, Ivanna
NUTRIX Vol 10 No 1 (2026): Volume 10, Issue 1, 2026
Publisher : Fakultas Ilmu Keperawatan Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37771/nj.v10i1.1515

Abstract

Scalp health problems such as dandruff are a common complaint, especially among women who wear the hijab. Prolonged hijab use can increase humidity and temperature in the scalp area, triggering the growth of Malassezia sp., which causes itching and discomfort. This study aims to describe the incidence of dandruff in women who wear the hijab in Maen Village, East Likupang District. The research design used a quantitative descriptive method. The sample consisted of 115 respondents selected using purposive sampling. The research instrument was a questionnaire, and data were analyzed univariately using a frequency distribution. The results showed that the majority of respondents experienced moderate dandruff (46 people (40%), followed by mild (41 people (35.7%), severe (18 people (15.6%), and no dandruff (10 people (8.7%). The study concluded that the majority of hijab-wearing women in Maen village experience moderate dandruff. This condition is closely related to high scalp moisture levels and suboptimal hair care practices. It is recommended that hijab-wearing women pay more attention to hair hygiene, such as washing their hair regularly and ensuring it is dry before wearing the hijab. Further research can examine scalp hygiene in women who wear the hijab. Masalah kesehatan kulit kepala seperti dandruff merupakan keluhan yang sering dialami, terutama pada wanita berhijab. Penggunaan hijab dalam jangka waktu lama dapat meningkatkan kelembapan dan suhu di area kepala sehingga memicu pertumbuhan jamur Malassezia sp. yang menyebabkan rasa gatal dan ketidaknyamanan. Penelitian ini bertujuan untuk menggambarkan kejadian dandruff pada wanita berhijab di Desa Maen, Kecamatan Likupang Timur. Desain penelitian menggunakan metode deskriptif kuantitatif. Sampel terdiri dari 115 responden yang dipilih menggunakan teknik purposive sampling. Instrumen penelitian berupa kuesioner, dan data dianalisis secara univariat menggunakan distribusi frekuensi. Hasil penelitian menunjukkan bahwa sebagian besar responden mengalami dandruff pada kategori sedang sebanyak 46 orang (40%), diikuti kategori ringan sebanyak 41 orang (35,7%), kategori berat sebanyak 18 orang (15,6%), dan tidak mengalami dandruff sebanyak 10 orang (8,7%). Kesimpulan penelitian ini menunjukkan bahwa mayoritas wanita berhijab di Desa Maen mengalami dandruff pada kategori sedang. Kondisi tersebut sangat berkaitan dengan tingginya tingkat kelembapan kulit kepala dan praktik perawatan rambut yang belum optimal. Rekomendasi agar wanita berhijab lebih memperhatikan kebersihan rambut, seperti mencuci rambut secara teratur dan memastikan rambut dalam keadaan kering sebelum menggunakan hijab. Penelitian selanjutnya dapat meneliti tentang kebersihan kulit kepala pada wanita berhijab.
Klasifikasi Penyakit Retina Menggunakan Transfer Learning  Green Ferry Mandias; George William Tangka; Ivanna Junamel Manoppo
Jurnal Ilmiah Matrik Vol. 28 No. 1 (2026): Jurnal Ilmiah Matrik
Publisher : Direktorat Riset dan Pengabdian Pada Masyarakat (DRPM) Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33557/c2mhyz46

Abstract

Retinal diseases such as Diabetic Retinopathy, glaucoma, and cataracts are major causes of global blindness that require early detection. However, manual screening faces challenges related to scalability and consistency, especially in resource-limited settings. This research aims to evaluate the comparative performance of six state-of-the-art Convolutional Neural Network (CNN) architectures to identify the most optimal model for the four-class retinal disease classification (cataract, diabetic retinopathy, glaucoma, and normal). The five models evaluated are EfficientNetB0, InceptionV3, MobileNetV2, VGG16, and VGG19. All models were trained using a transfer learning approach on the "eye_diseases_classification" dataset, compiled from various sources to ensure model generalization. The results of the comparative evaluation show that all models successfully achieved an accuracy above 90%, confirming the effectiveness of transfer learning in this task. However, the EfficientNetB0 architecture demonstrated the best performance, recording the highest accuracy of 93.67% and the best balance in precision and F1-Score metrics. The EfficientNetB0 model is established as the most reliable solution and is recommended for the development of an efficient automated early detection system to support clinical workflows.
Penerapan Convolutional Neural Network untuk Klasifikasi Penyakit Paru-Paru Berbasis Citra X-Ray Dada Green Ferry Mandias; Reynoldus Andrias Sahulata; Ivanna Junamel Manoppo
Journal Automation Computer Information System Vol. 6 No. 2 (2026): November (In Progress Issue)
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i2.204

Abstract

Penelitian ini bertujuan mengembangkan model Convolutional Neural Network (CNN) untuk mengklasifikasikan citra X-ray dada ke dalam tiga kategori, yaitu Lung Opacity, Normal, dan Viral Pneumonia. Model dikembangkan menggunakan dataset citra X-ray yang melalui tahap pra-pemrosesan meliputi normalisasi, augmentasi data, dan penyesuaian ukuran citra sebelum proses pelatihan. Evaluasi performa dilakukan menggunakan confusion matrix, precision, recall, F1-score, dan akurasi. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 89%, dengan performa terbaik pada kelas Viral Pneumonia yang memperoleh F1-score sebesar 95%. Meskipun masih ditemukan kesalahan klasifikasi antara kelas Lung Opacity dan Normal, model mampu menunjukkan kemampuan generalisasi yang baik dalam membedakan karakteristik visual ketiga kelas. Hasil penelitian menunjukkan bahwa arsitektur CNN yang diusulkan berpotensi digunakan sebagai baseline model untuk sistem computer-aided diagnosis (CAD) berbasis citra X-ray paru
Penerapan Model Machine Learning untuk Memprediksi Serangan Jantung Dini Green Ferry Mandias; Ivanna Junamel Manoppo
Jurnal Ilmiah Matrik Vol. 27 No. 2 (2025): Jurnal Ilmiah Matrik
Publisher : Direktorat Riset dan Pengabdian Pada Masyarakat (DRPM) Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33557/2cg02a51

Abstract

Heart disease is one of the leading causes of death worldwide, and early detection is crucial in reducing mortality rates. In Indonesia, heart disease is a primary cause of death, exacerbated by limited access to healthcare, especially in rural areas. Traditional diagnostic methods, such as physical examinations and EKG, often lack accuracy in predicting heart attacks. This research aims to develop an early prediction model for heart attacks using machine learning, specifically Random Forest and Support Vector Machine (SVM). These models were trained using a dataset containing various medical variables, including age, gender, blood pressure, cholesterol levels, and ECG results. The study finds that the Random Forest model outperforms SVM, with an accuracy of 90% and a recall of 93% for heart disease detection, making it more reliable for early detection of at-risk patients. The results suggest that machine learning can significantly enhance early heart attack detection, offering a potential solution to reduce heart disease-related mortality.
Co-Authors Aditia Junita Suwardi Dwiyanti, Sagita Ferdy Lainsamputty George Morris William Tangka Gimon, Pricilia Angelia Green Ferry Mandias, Green Ferry kanal, Della Vintia Kartika Ester Siwy Lololuan, Ademi Merfin Feren Lang Reynoldus Andrias Sahulata Rumambi, Arlinda A Tumangkeng, Linda Sisilia Turangan, Fiolanda Deasintha Bella Yecindria Hana Manaru