Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Electrical Engineering and Computer (JEECOM) Akiratech
Nilla Putri Rosidania
Politeknik Negeri Jember
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

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

Found 2 Documents
Search

 1 
Sistem Pendukung Keputusan Pemilihan Jenis Makanan Penderita Stunting Menggunakan Metode Simple Additive Weighting Denny Trias Utomo; Istiqomah; Nilla Putri Rosidania
Akiratech Vol. 1 No. 2 (2024)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v1i2.38

Abstract

Stunting adalah masalah kesehatan yang serius di seluruh dunia, terutama di negara negara berkembang. Salah satu faktor yang dapat mempengaruhi stunting adalah pola makan yang tidak sehat dan tidak memadai. Oleh karena itu, diperlukan sistem pendukung keputusan (SPK) yang dapat membantu pemilihan jenis makanan yang tepat bagi penderita stunting guna meningkatkan asupan gizi mereka. Penelitian ini bertujuan untuk mengembangkan sebuah SPK yang menggunakan metode Simple Additive Weighting (SAW) dalam memilih jenis makanan bagi penderita stunting. Metode SAW digunakan untuk memberikan bobot pada setiap kriteria yang relevan dalam pemilihan jenis makanan, seperti kandungan nutrisi, ketersediaan, dan biaya. Pertama, data kriteria yang relevan dikumpulkan melalui studi literatur dan wawancara dengan ahli gizi. Kemudian, bobot relatif untuk setiap kriteria ditentukan melalui analisis pairwise comparison. Setelah itu, data tentang jenis makanan yang tersedia dan data penderita stunting dikumpulkan untuk digunakan dalam SPK. SPK akan memproses data yang ada dan memberikan rekomendasi jenis makanan yang paling sesuai bagi penderita stunting. Rekomendasi tersebut didasarkan pada perhitungan nilai preferensi menggunakan metode SAW. Jenis makanan dengan nilai preferensi tertinggi akan dianggap sebagai rekomendasi terbaik bagi penderita stunting. Diharapkan bahwa SPK ini dapat menjadi alat yang berguna bagi ahli gizi dalam menentukan jenis makanan yang sesuai. Dengan memperbaiki pola makan mereka, diharapkan penderita stunting dapat meningkatkan asupan gizi dan mengatasi masalah stunting secara efektif. Penelitian ini dapat menjadi dasar untuk pengembangan lebih lanjut tentang SPK dalam bidang pemilihan makanan untuk kondisi kesehatan tertentu.
Design and Construction of Maternal and Infant Mortality Rate Mapping Using the K-Means Clustering Method Based on Geographic Information Systems (Case Study in Jember Regency) Nilla Putri Rosidania; Denny Trias Utomo
Journal of Electrical Engineering and Computer (JEECOM) Vol 8, No 1 (2026)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v8i1.13911

Abstract

Indonesia’s population continues to grow each year, including in Jember Regency, which reached 2,584,771 people in 2023. Population density contributes to various health issues, such as the high maternal mortality rate (MMR) and infant mortality rate (IMR), with 17 maternal deaths and 81 infant deaths recorded in 2023. The primary causes of MMR include pregnancy at too young or old an age, short birth spacing, and delays in referral, while IMR is mainly caused by asphyxia and low birth weight (LBW) due to premature birth. The government has implemented a midwife and traditional birth attendant partnership program to address this issue. However, information regarding high-risk areas remains inadequately conveyed. Therefore, this study develops a Geographic Information System (GIS)-based system using the K-Means Clustering method with a predefined number of clusters to classify high-risk maternal and infant mortality areas. The results show that the K-Means Clustering method with a fixed number of clusters (k = 5) successfully groups Jember Regency into five risk-level clusters, namely very high, high, medium, low, and very low. Visualization through GIS facilitates effective access to spatial information and supports the identification of priority areas for targeted health interventions, aiming to reduce maternal and infant mortality rates more effectively.
Co-Authors Denny Trias Utomo, Denny Trias Istiqomah