Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science Jurnal Pengabdian Masyarakat Teknik Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics
Herlistiono, Iwa Ovyawan
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Health Professions Materials Science & Nanotechnology

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Perancangan Dokumen Repository Berbasis Private Cloud untuk Membantu Administrasi Sekolah SMKN 2 Cimahi Laksana, Eka Angga; -, Sunjana; Mardiansyah, Viddi; Madsu, Yosi Malatta; Herlistiono, Iwa Ovyawan
Jurnal Pengabdian Masyarakat Teknik Vol 6, No 1 (2023): Jurnal Pengabdian Masyrakat Teknik (JPMT)
Publisher : Fakultas Teknik Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/jpmt.6.1.43-48

Abstract

Sekolah menengah sebagai tempat dilaksanakannya kegiatan belajar mengajar senantiasa dituntut untuk menjaga kualitas pendidikannya. Kompetensi merupakan salah satu tolak ukur capaian yang diraih oleh peserta didik. Teknologi informasi semakin berkembang dan menggeser cara acara tradisional termasuk di dunia Pendidikan. Penggunaan teknologi terkini dapat menunjang kegiatan akademik dan dapat berperan serta dalam meningkatkan mutu sekolah sebagai institusi pendidikan. Proses kegiatan administrasi untuk mendukung kegiatan di sekolah juga memerlukan pemanfaatan teknologi informasi. Dokumen sebagai salah satu komponen penting dalam bisnis proses yang terjadi seperti surat menyurat, materi bahan ajar dan dokumen penting lainnya perlu untuk dilakukan manajemen agar memudahkan dalam proses pencarian dan untuk memenuhi standar mutu sesuai Standar Nasional Pendidikan (SNP) di Indonesia. Penyimpanan dokumen berbasis kertas perlahan-lahan mulai ditinggalkan sebab kurang efektif sebab faktor usia, daya tahan dan lainnya. Selain itu media penyimpanan digital berbasis public cloud yang bersifat free seperti google drive dan dropbox juga memiliki keterbatasan, di antaranya adalah ketersediaan sumber daya dan adaptasi pengembangan. Oleh karena itu kami memberikan saran dan solusi berupa penyimpanan berbasis private cloud dengan memanfaatkan teknologi open-source yang bernama Nextcloud sebagai solusi penyimpanan dokumen berbasis cloud untuk diimplementasikan di SMKN 2 Cimahi.
Model Prediksi Risiko Stroke Menggunakan Machine Learning Herlistiono, Iwa Ovyawan; Violina, Sriyani
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 4 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i4.10942

Abstract

Menurut data Badan Penyelenggaraan Jaminan Sosial (BPJS), stroke termasuk dalam empat besar penyakit katastropik, yang membutuhkan biaya tinggi dalam pengobatannya dan memiliki komplikasi yang dapat mengancam jiwa. Sementara itu menurut data Kementerian Kesehatan, sekitar 80% masyarakat Indonesia tidak mengetahui gejala stroke sehingga seringkali penanganan stroke menjadi terlambat. Pada penelitian ini dilakukan penerapan metode machine learning untuk memprediksi risiko penyakit stroke. Machine Learning sudah sering digunakan di bidang kesehatan terutama untuk memprediksi risiko penyakit dan klasifikasi penyakit tertentu berdasarkan data pasien. Pada penelitian ini digunakan data pasien yang tersedia secara publik untuk merancang model prediksi risiko penyakit stroke yang terdiri dari 5000 data. Studi ini memberikan kontribusi penting dalam bidang pencegahan stroke dengan memperkenalkan model prediksi risiko yang dapat membantu identifikasi individu dengan risiko tinggi untuk pengelolaan lebih lanjut. Penerapan model prediksi risiko stroke menggunakan machine learning, diharapkan dapat meningkatkan deteksi dini dan intervensi yang tepat waktu, serta mengurangi beban stroke secara keseluruhan. Selain itu, penelitian ini juga memberikan dasar untuk pengembangan model prediksi risiko stroke yang lebih canggih dan efektif di masa depan.
Deteksi Dan Klasifikasi Citra Kanker Darah Menggunakan Metode Convolutional Neural Network (CNN) Violina, Sriyani; Damayanti, Niken Rosiana; Herlistiono, Iwa Ovyawan
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 4 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i4.10985

Abstract

Leukemia adalah sekelompok kanker darah yang mempengaruhi sel darah tubuh, terutama sel darah putih. Leukemia dapat terbentuk ketika sel darah putih tidak tumbuh sebagaimana mestinya. Untuk menetapkan diagnosis kanker darah, diperlukan pemeriksaan penunjang, berupa tes darah dan biopsi sumsum tulang. Pada tes darah, dokter mencari kelainan dari jumlah sel darah putih. Pengidap leukemia umumnya memiliki kadar sel darah putih lebih banyak dibanding normal. Dalam hal jumlah data yang besar, kesalahan dalam proses diagnosis dapat terjadi karena human error dan hal ini tentunya dapat membahayakan nyawa pasien. Metode deteksi otomatis telah dilakukan dengan menggunakan pengolahan citra maupun segmentasi, serta beberapa metode klasifikasi menggunakan machine learning dan deep learning. Pada penelitian ini menggunakan metode Convolutional Neural Network dengan arsitektur VGG-16. Arsitektur VGG-16 digunakan sebagai arsitektur objek deteksi untuk mendeteksi keberadaan dan menghitung sel Kanker Darah pada data citra. Deteksi objek dilakukan untuk membedakan sel darah putih sehat (normal) dengan sel darah putih yang terkena kanker (sel limfoblas dan non-limfoblas). Performa deteksi yang didapatkan dari penggunaan metode ini berupa nilai akurasi dari training model 20.000 data. Menggunakan nilai learning rate 0,001 dan jumlah epoch 10 menghasilkan model terbaik sebesar 100%. Kata Kunci : Leukemia, Convolutional Neural Network, VGG-16
Privacy-Preserving Healthcare Analytics in Indonesia Using Lightweight Blockchain and Federated Learning: Current Landscape and Open Challenges Mardiansyah, Viddi; Bayuaji, Luhur; Herlistiono, Iwa Ovyawan; Violina, Sriyani; Purnama, Adi; Prasetyo, Bagus Alit; Huynh, Phuoc-Hai
Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol. 7 No. 2 (2025): May
Publisher : Jurusan Teknik Elektromedik, Politeknik Kesehatan Kemenkes Surabaya, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/ijeeemi.v7i2.63

Abstract

Healthcare data are invaluable assets in today’s digital age; however, they are also highly vulnerable to misuse, breaches, and unauthorized access. The global healthcare sector faces a significant dilemma: To leverage exceptionally enormous and heterogeneous datasets, the protection of patient privacy must be ensured while simultaneously improving medical services and public health understanding. In recent years, blockchain technology has emerged as a promising solution to manage healthcare data in a decentralized, transparent, tamperproof, as well as secure way. However, several natural limitations often obstruct many conventional blockchain systems. These limitations include scalability issues, high energy consumption, in addition to increased latency, and they can greatly impede practical adoption in resource-limited settings, particularly in developing countries such as Indonesia. These many limitations considerably spurred developers to create lightweight blockchain frameworks. These frameworks aim to retain all of the core benefits of blockchain, such as its immutability in addition to traceability, and optimize both performance and efficiency. In the event that an individual integrates the proposed system by means of federated learning, which allows training of machine learning models across distributed data sources without data privacy being compromised, the system subsequently offers a compelling solution for healthcare analytics that preserves privacy in its entirety. This paper explores integrated technologies in Indonesian healthcare and highlights their potential and limitations. This study discusses how data can improve services while protecting patient confidentiality despite increasing cyber threats. It also considers regional policies like the Personal Data Protection Law and the BPJS health insurance. Identified are certain open challenges, in addition to particular future research directions, for the purpose of addressing the practical, technical, and regulatory hurdles that must be overcome to realize secure and privacy-aware healthcare analytics in Indonesia.
Co-Authors -, Sunjana Adi Purnama Bagus Alit Prasetyo Damayanti, Niken Rosiana Eka Angga Laksana Huynh, Phuoc-Hai Luhur Bayuaji, Luhur Madsu, Yosi Malatta Sriyani Violina Viddi Mardiansyah