Articles
<![CDATA[SISTEM INFORMASI PEMINJAMAN DOKUMEN REKAM MEDIS DI RUMAH SAKIT X ]]>
<![CDATA[Fernanda, Jerhi Wahyu]]>
<![CDATA[ Jurnal Wiyata Penelitian Sains dan Kesehatan Vol 2, No 1 (2015) ]]>
Publisher : <![CDATA[LP2M IIK (Lembaga Penelitian dan Pengabdian Masyarakat Institut Ilmu Kesehatan) Bhakti Wiy ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (274.255 KB)
<![CDATA[Latar Belakang: Sistem informasi peminjaman dokumen rekam medis pada Rumah Sakit X dinilai belum efektif karena pencatatan data peminjaman dan data pengembalian masih dilakukan secara tertulis dengan pencatatan menggunakan buku dan kertas sehingga sistem ini tidak efisien dalam menghemat waktu, tenaga dan materi. Tujuan: Membangun sistem informasi peminjaman dokumen rekam medis pada Rumah Sakit Umum X untuk efisiensi pencatatan dan pengembalian dokumen rekam medis. Metode: Penelitian bersifat deskriptif dengan metode pengembangan system SDLC (System Development Life Cycle). Bahasa pemrograman yang digunakan adalah PHP dengan database yang digunakan adalah MySQL. Hasil: Terbentuknya rancangan untuk aplikasi sistem informasi peminjaman rekam medis di Rumah Sakit X yang meliputi informasi peminjaman, data peminjam, dan laporan peminjaman. Simpulan dan saran: Sistem Informasi Peminjaman dapat membantu pegawai dalam mengelola data peminjaman, pengembalian dan dapat mengurangi kesalahan dalam pembuatan laporan. Pengembangan dari sistem ini dapat dilanjutkan ke sistem big data supaya dapat mengelola seluruh data rekam medis di rumah sakit.]]>
<![CDATA[Analisis Kualitas Soal Ujian Statistika Menggunakan Classical Test Theory dan Rasch Model ]]>
<![CDATA[Fernanda, Jerhi Wahyu]]>;
<![CDATA[Hidayah, Noer]]>
<![CDATA[ Square : Journal of Mathematics and Mathematics Education Vol 2, No 1 (2020) ]]>
Publisher : <![CDATA[UIN Walisongo Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21580/square.2020.2.1.5363
<![CDATA[Penilaian merupakan akhir dari proses pembelajaran yang dapat dilakukan melalui ujian. Soal yang digunakan harus mampu mengukur kemampuan peserta didik. Classical Test Theory (CTT) dan Rasch model merupakan analisis statistika untuk menganalis butir soal. Desain dalam penelitian ini adalah penelitian deskriptif. Hasil analisis terhadap 50 soal menggunakan metode CTT, didapatkan hasil bahwa hanya 21 soal yang memenuhi kriteria item difficulty dan item discriminant. Analisis Rasch model, memberikan informasi bahwa secara keseluruhan kualitas soal dikatakan baik berdasarkan pola kurva item information function. Analisis ini juga memberikan informasi terdapat 42 soal yang layak karena memenuhi kriteria item fit, dan 8 soal yang harus dievaluasi lagi. Analisis menggunakan Rasch model lebih baik dibandingan dengan CTT, sehingga 8 soal yang tidak layak berdasarkan analisis tersebut harus dievaluasi dengan mengubah bentuk studi kasus pada soal tersebut dan membuat inovasi metode pembelajaran terkait materi pada 8 soal tersebut.Kata kunci: analisis soal, Classical Test Theory, Rasch model.]]>
<![CDATA[Boosting Neural Network dan Boosting Cart Pada Klasifikasi Diabetes Militus Tipe II ]]>
<![CDATA[Jerhi Wahyu Fernanda]]>;
<![CDATA[Bambang W. Otok]]>
<![CDATA[ Jurnal Matematika Vol 2 No 2 (2012) ]]>
Publisher : <![CDATA[Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24843/JMAT.2012.v02.i02.p27
<![CDATA[Diabetes Militus Tipe II merupakan salah satu penyakit yang paling banyak diderita masyarakat Indonesia. Untuk mengantisipasi terkena penyakit DM tipe II, diperlukan suatu tindakan untuk mengurangi resiko terkena penyakit ini dengan mengetahui faktor-faktor resiko yang menyebabkan DM tipe II. Beberapa faktor-faktor resiko yang dapat menyebabkan penyakit ini adalah Riwayat Keturunan, Umur, Jenis Kelamin, Obesitas, Pola Makan, Aktifitas Olahraga. Penelitian tentang klasifikasi DM tipe II telah banyak dilakukan dengan menggunakan metode-metode klasifikasi. Seperti Artificial Neural Network(ANN), CART, dan lain-lain. Tingkat akurasi dari suatu metode klasifikasi seperti ANN, CART dapat ditingkatkan untuk memberikan hasil klasifikasi yang lebih baik dengan menggunakan metodeboosting. Boostingadalah metodeensemble yang digunakan untuk meningkatkan akurasi dari suatu metode klasifikasi. Salah satu variasi boosting adalah adaboost. Beberapa penelitian juga telah menunjukkan bahwa adaboost mampu meningkatkan akurasi dari suatu metode klasifikasi. Penelitian ini dilakukan untuk mengkaji implementasi boosting pada metode Feedforwarf Neural Network (FFNN) dan CART. Hasil klasifikasi memperlihatkan bahwa tingkat akurasi dari FFNN dan CART setelah dilakukan boosting mengalami kenaikan dibandingkan sebelum dilakukan proses boosting. Berdasarkan nilai AUC didapatkan metode boosting CART pada iterasi 50, 100, 200, dan 500 memiliki tingkat akurasi yang paling tinggi dengan tingkat akurasi sebesar 98.75% dibandingakan dengan FFNN dan boosting FFNN.]]>
<![CDATA[Implementasi statistika sebagai alat analisis dalam pengambilan keputusan di bidang pendidikan ]]>
<![CDATA[Jerhi Wahyu Fernanda]]>;
<![CDATA[Noer Hidayah]]>
<![CDATA[ Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Vol 4, No 3 (2021): Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) ]]>
Publisher : <![CDATA[University of Islam Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33474/jipemas.v4i3.10206
<![CDATA[Statistics is a part of mathematics lessons in senior high school XII classes as well as mathematics specialization class XII. A comprehensive understanding of the basic concepts of statistics is needed to convey the material in class. The results of the discussion with the Mathematics MGMP of Kediri City, a workshop is needed to deepen the understanding of mathematics teachers, especially in the material of normal distribution and binomial distribution. In addition, Material about item analysis and standard setting is need to be introduced. Both materials can be used in evaluating learning. The workshop was held in two days. The first workshop held on 4 November 2020. Material for this day was normal distribution. At the end of the activity on this date, participants were given practice questions that should to be uploaded on google classroom. Second workshop held on 17 November 2020. Participatn are given material about binomial distribution, item analysis, and standard setting. This workshop has increased the level of understanding of participants on the material of binomial distribution and normal distribution. The increase in understanding is measured by the evaluation of the answers to the practice questions collected by the participants and the evaluation of the resource persons during the workshop activity. The next workshop can be conducted with the theme of statistical inferential analysis in educational research. The statistical analysis is very helpful for educators to analyze research data in education.]]>
<![CDATA[PREDIKSI INCIDENCE DENGUE HEMORRHAGIC FEVER (DHF) MENGGUNAKAN JARINGAN SARAF TIRUAN (ARTIFIAL NEURAL NETWORK) ]]>
<![CDATA[Jerhi Wahyu Fernanda, S.Si, M.Si -]]>;
<![CDATA[Forman Novrindo Sidjabat]]>
<![CDATA[ Jurnal Manajemen Informasi Kesehatan Indonesia (JMIKI) Vol 6, No 2 (2018) ]]>
Publisher : <![CDATA[Asosiasi Perguruan Tinggi Rekam Medis dan Informasi Kesehatan Indonesia- APTIRMIKI ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33560/.v6i2.199
<![CDATA[Time series analysis is one of the statistical methods used as tools to predict the incidence of a disease. Autoregressive Integrated Moving Average (ARIMA) model is a frequently used method. However, this method has some disadvantages as there are assumptions that must be met and can not explain nonlinear cases. This condition requires a more flexible method, namely Artificial Neural Network (ANN). This study aims to apply the ANN method to predict the incidence of Dengue Hemorrhagic Fever DHF 2018 in one district in East Java province. Selection of this district is based on the conditions in this area that experienced DHF Outbreak (KLB) in 2015. Data used in this reseach is incidence DHF from January 2013 to December 2017. Data is divided into two parts, namely training data consisting of incidence DHF januari 2013 until December 2016. Data testing consists of DHF incidence from 2017 to December 2017. The best ANN model is an ANN model with 9 nodes on a hidden layer with a Root Mean Square Error (RMSE) value of 7.914. DHF incidence prediction in 2018 January to December has tended to be constant at 9 and has a tendency to stagnate.]]>
<![CDATA[PREDIKSI KETAHANAN HIDUP PASIEN KANKER KOLOREKTAL MENGGUNAKAN JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ]]>
<![CDATA[Jerhi Wahyu Fernanda]]>;
<![CDATA[Pebrianty .]]>;
<![CDATA[Endah Retnani Wisnaningsih]]>
<![CDATA[ Jurnal Manajemen Informasi Kesehatan Indonesia (JMIKI) Vol 6, No 1 (2018) ]]>
Publisher : <![CDATA[Asosiasi Perguruan Tinggi Rekam Medis dan Informasi Kesehatan Indonesia- APTIRMIKI ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33560/.v6i1.185
<![CDATA[Every cancer patient has hope for good survival, but this often can not be fulfilled due to patient delays in seeking health services. Several studies have shown that the probability of survival of colorectal cancer patients in Indonesia is still below 60%. This study aims to determine the probability of survival of colorectal cancer patients based on comorbidity, clinical stage, age, treatment status, location of cancer, and metastatic history. The study was conducted in five hospitals in Makassar City, with total sampling sampling of 70 colorectal cancer patients diagnosed in 2013. The study design used a retrospective cohort. Data were analyzed using neural network by R software analyzing. The results showed that there was no difference in survival of colorectal cancer patients based on cancer stage variables (pvalue 0.41), comorbidity (pvalue = 0.61), age (pvalue = 0.41), treatment status (pvalue = 0.59) , the location of cancer (pvalue 0.12) whereas in the history of metastatic variables showed no difference in survival among colorectal cancer patients who had a metastatic history with patients without a metastatic history (pvalue 0.028). The results of artificial neural network analysis showed the determinants of survival of colorectal cancer patients are cancer location variables and metastatic history]]>
<![CDATA[Analisis Kualitas Soal Ujian Statistika Menggunakan Classical Test Theory dan Rasch Model ]]>
<![CDATA[Jerhi Wahyu Fernanda]]>;
<![CDATA[Noer Hidayah]]>
<![CDATA[ Square : Journal of Mathematics and Mathematics Education Vol 2, No 1 (2020) ]]>
Publisher : <![CDATA[UIN Walisongo Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21580/square.2020.2.1.5363
<![CDATA[Penilaian merupakan akhir dari proses pembelajaran yang dapat dilakukan melalui ujian. Soal yang digunakan harus mampu mengukur kemampuan peserta didik. Classical Test Theory (CTT) dan Rasch model merupakan analisis statistika untuk menganalis butir soal. Desain dalam penelitian ini adalah penelitian deskriptif. Hasil analisis terhadap 50 soal menggunakan metode CTT, didapatkan hasil bahwa hanya 21 soal yang memenuhi kriteria item difficulty dan item discriminant. Analisis Rasch model, memberikan informasi bahwa secara keseluruhan kualitas soal dikatakan baik berdasarkan pola kurva item information function. Analisis ini juga memberikan informasi terdapat 42 soal yang layak karena memenuhi kriteria item fit, dan 8 soal yang harus dievaluasi lagi. Analisis menggunakan Rasch model lebih baik dibandingan dengan CTT, sehingga 8 soal yang tidak layak berdasarkan analisis tersebut harus dievaluasi dengan mengubah bentuk studi kasus pada soal tersebut dan membuat inovasi metode pembelajaran terkait materi pada 8 soal tersebut.Kata kunci: analisis soal, Classical Test Theory, Rasch model.]]>
<![CDATA[Analisis Partial Least Square Structural Equation Model (PLS-SEM) untuk Pemodelan Penerimaan Sistem Jaringan Informasi Bersama Antar Sekolah (JIBAS) ]]>
<![CDATA[Jerhi Wahyu Fernanda]]>;
<![CDATA[Vira Luthifiana]]>;
<![CDATA[M. Khoiril Akhyar]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 15 No 2 (2022): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Fakultas Sains dan Teknologi Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36456/jstat.vol15.no2.a6436
<![CDATA[Sistem Jaringan Informasi Bersama Antar Sekolah (JIBAS) merupakan sistem yang digunakan dalam pengelolaan institusi pendidikan. Dalam prakteknya, evaluasi sistem ini harus dilakukan untuk mengetahui tingkat penerimaan pengguna terhadap teknologi tersebut. Evaluasi menggunakan konsep Technology Acceptance Model (TAM). Penelitian ini dilakukan untuk mengetahui variabel-variabel yang memiliki hubungan signifikan terhadap penerimaan aplikasi JIBAS menggunakan metode Partial Least Square Structural Equation Model (PLS-SEM). Total sampel penelitian ini sebanyak 51 responden yang meliputi guru maupun staff administrasi yang pernah berinteraksi dengan JIBAS. Variabel penelitian terdiri dari Perceived ease of use (PEOU), Perceived usefulnes (PU), Behavioral intention to use (BI), dan Actual System Use (AC). Analisis PLS-SEM menghasilkan kesimpulan PEOU memiliki hubungan yang signifikan terhadap variabel BI dan BI memiliki hubungan yang signifikan terhadap AC. Kesimpulan yang didapatkan dari hasil analisis adalah peningkatan kemudahan aplikasi JIBAS (PEOU) akan berdampak kepada peningkatan perilaku penggunaan (BI) aplikasi JIBAS. Peningkatan perilaku penggunaan aplikasi akan berdampak juga terhadap peningkatan penggunaaan (AC) aplikasi JIBAS dalam pengelolaan institusi pendidikan.]]>
<![CDATA[PEMODELAN PERSEPSI PEMBELAJARAN ONLINE MENGGUNAKAN LATENT DIRICHLET ALLOCATION ]]>
<![CDATA[Jerhi Wahyu Fernanda]]>
<![CDATA[ Jurnal Statistika Universitas Muhammadiyah Semarang Vol 9, No 2 (2021): Jurnal Statistika Universitas Muhammadiyah Semarang ]]>
Publisher : <![CDATA[Department Statistics, Faculty Mathematics and Natural Science, UNIMUS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26714/jsunimus.9.2.2021.79-85
<![CDATA[Latent Dirichlet Allocation (LDA) merupakan metode untuk pemodelan topik adalah yang didasarkan kepada konsep probabilitas untuk mencari kemiripan suatu dokumen dan mengelompokkan dokumen-dokumen menjadi beberapa topik atau kelompok. Metode ini masuk dalam unsupervised learning karena tidak ada label atau target pada data yang dianalisis. Penelitian ini bertujuan untuk mengelompokkan persepsi tentang pembelajaran online ke dalam beberapa topik menggunakan metode LDA. Data penelitian ini adalah data primer yang dikumpulkan melalui formulir online. Hasil analisis menunjukkan bahwa pemodelan LDA menggunakan 6 topik memiliki coherence score paling besar. Hasil visualisasi data text menggunakan wordcloud didapatkan kata tidak memiliki frekuensi kemunculan terbesar. Penentuan jumlah topik yang optimal berdasarkan coherence score, didapatkan pemodelan LDA dengan 6 topik adalah yang paling optimal. secara garis besar terdapat beberapa kata yang saling beririsan dengan topik yang lain. Hasil pemodelan memberikan gambaran bahwa persepsi/pandangan mahasiswa terdapat pembelajaran online terkait pemahaman materi yang diberikan dosen, sinyal atau jaringan internet, kuota, dan tugas. Pada kata-kata terkait pemahaman materi, mahasiswa memberikan pandangan bahwa mereka tidak dapat memahami dengan baik materi yang diberikan oleh dosen.]]>
<![CDATA[ANALISIS POLYCHOTOMOUS RASCH MODEL UNTUK KALIBRASI SOAL ANALISIS REAL PADA PROGRAM STUDI TADRIS MATEMATIKA ]]>
<![CDATA[Jerhi wahyu fernanda]]>;
<![CDATA[Eka Resti Wulan]]>
<![CDATA[ EMTEKA: Jurnal Pendidikan Matematika Vol. 5 No. 1 (2024) ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Metro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Student scores in real analysis courses are still not optimal with some students still having grades in the lower category. Efforts that can be made is to ensure that the exam questions are appropriate to be used to measure student abilities. Calibration of exam questions is carried out to ensure that the questions used are accurate in predicting participants' abilities. The Polychotomous Rasch Model is the development of the Rasch model which is used for polychotomous cases. Partial Credit Model (PCM) is part of the Polychotomous Rasch Model which is used to analyze polychotomous questions where each question has a different category. This study aims to examine the feasibility of midterm and final semester exam questions for real analysis courses in the form of essay questions using the PCM method in the Mathematics Tadris study program at IAIN Kediri. Research uses the type of research and development. The instrument used is a matter of real analysis ability which is essay in nature and consists of 10 questions. Data collection is done by using total sampling technique. The results of the descriptive statistical analysis showed that the average UTS and UAS scores were 64.53 and 56.42, respectively. The results of the analysis using PCM concluded that the UTS and UAS questions fulfilled validity because they had infit and outfit values in the specified range. The results of the analysis through the wright map provide wrightmap information. Information is obtained for the easiest midterm exam question which is question number 6 and the most difficult is question number 5. In the wrightmap image for UAS questions, the easiest question is question number 1 and the most difficult is question number 5.]]>
