Claim Missing Document
Check
Articles

Enhancing Prediction of Treatment Duration in New Tuberculosis Cases: A Comprehensive Approach with Ensemble Methods and Medication Adherence Rusdah, Rusdah; Painem, Painem; Kusumaningsih, Dewi
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 2 (2025): JUTIF Volume 6, Number 2, April 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.2.4263

Abstract

Tuberculosis (TB) remains a significant global health problem, with treatment duration varying among patients. TB patients have difficulty following a long-term treatment regimen. After the final diagnosis is determined, it is necessary to know the predicted duration of treatment for a patient. By increasing patient compliance with taking medication, the percentage of TB patients will increase, and this can reduce cases of multi-drug resistant patients and dropouts. This study aims to build a prediction model for the duration of treatment for new cases of Pulmonary TB patients by adding medication compliance parameters using the ensemble method. The research methodology uses CRISP-DM. This study begins with identifying problems and objectives, collecting data, preprocessing and analyzing data, modeling, evaluating, and validating models. The results showed that adding medication compliance parameters can improve model performance. However, the results of model exploration with feature selection techniques and various ensemble methods have not shown good performance. The medication adherence parameters used in this study are the number of medications swallowed in Phase I and Anti-Tuberculosis drug compliance in Phase I. These parameters had never been used in previous studies. The prediction model can be used as an early warning for a patient. If a patient is predicted to have a treatment duration of more than six months, then the patient will receive stricter drug intake supervision. Thus, this proposed model is expected to help achieve the target of eliminating Tuberculosis in 2030 to reduce the death rate by 90% compared to 2019.
Implementasi Algoritma K-Means Clustering dalam Pengelompokkan Produk Pigeon Pada PT. Digital Niaga Indonesia Berdasarkan Analisis Recency, Frequency, Monetary (RFM) Pudoli, Ahmad; Nugroho, Radityo; Yulianawati, Yulianawati; Kusumaningsih, Dewi
Academic Journal of Computer Science Research Vol 6, No 1 (2024): Academic Journal of Computer Science Research (AJCSR)
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/ajcsr.v6i1.10794

Abstract

Persaingan bisnis dalam era global saat ini semua perusahaan yang bergerak dalam bidang perdagangan produk harus cermat dan tepat dalam menemukan konsep serta pola di penjualan yang dilakukan agar dapat meningkatkan angka penjualan dan penggunaan metode pemasaran di perusahaan, salah satunya adalah dengan pemanfaatan dan pengelolaan data penjualan yang dimiliki. PT. Digital Niaga Indonesia merupakan perusahaan yang menjalankan bisnisnya di online shop seperti Shopee, Tokopedia, serta Lazada dari Toko Pigeon Indonesia yang menjual perlengkapan bayi mulai dari botol susu, dot maupun perlengkapan bayi lainnya. Namun demikian dari semua produk yang ditawarkan tentunya tidak semua diminati dan terjual dengan lancar, ada yang terjual sangat laris, yang laris, serta kurang laris. Data dan informasi penjualan yang dimiliki perusahaan jika hanya tersimpan secara digital di dalam database tentunya tidak dapat dimanfaatkan dan diolah untuk kebutuhan dari pengembangan strategi pemasaran perusahaan. Tujuan dari penelitian yang dilakukan merupakan untuk mengetahui Algoritma K-Means fungsionalitasnya dalam menghasilkan menentukan Cluster atau disebut juga kelompok untuk produk paling laris, laris dan kurang laris untuk menjadi dasar pembuatan promosi di setiap marketplace pada PT. Digital Niaga Indonesia. Dalam menentukan peminatan barang menggunakan laporan penjualan 4 bulan yaitu Agustus sampai November 2022, kemudian data akan diproses dengan Algoritma K-Means Clustering. Hasil akhir adalah didapatkan 557 produk dan menghasilkan nilai di akhir 3 Cluster atau kelompok berikut : Cluster 1 atau ditulisn dengan C1 sebanyak 100 data, kemudian untuk Cluster 2 ditulis dengan lambang C2 dengan hasil 20 data serta dalam Cluster 3 atau kelompok tiga dilambangkan dengan C3 menghasilkan 437 data yang didapat dari 124473 data transaksi. Metode RFM dapat menentukan bahwa Cluster 1 adalah produk yang kurang laris, Cluster 2 paling laris, dan Cluster 3 laris. Evaluasi Cluster yang dibuat dihitung dengan DBI dan mengelluarkan hasil 0.520.
Implementasi Network Attached Storage (NAS) dengan Synology DiskStation Manager (DSM) yang Terintegrasi VPN L2TP dan Domain untuk Efisiensi Biaya Layanan Perpustakaan Buku Audio Online Hanifudin, Rizky; Abdullah, Indra Nugraha; Kusumaningsih, Dewi
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8929

Abstract

Lembaga nirlaba seperti Yayasan Tunanetra menghadapi tantangan serius dalam pengelolaan perpustakaan buku audio online. Peningkatan jumlah koleksi dan ukuran file audio membuat infrastruktur penyimpanan berbasis cloud computing komersial, seperti Amazon Web Services (AWS), menjadi semakin tidak efisien dari segi biaya. Teknologi penyimpanan berbasis jaringan seperti Network Attached Storage (NAS) telah menjadi solusi alternatif yang efisien dan mandiri dalam pengelolaan data digital, khususnya bagi lembaga yang bergerak di bidang layanan informasi bagi tunanetra. Penelitian ini bertujuan untuk mengimplementasikan NAS menggunakan Synology DiskStation Manager (DSM) 7.2.2 yang terintegrasi dengan VPN L2TP dan domain, sebagai solusi penyimpanan data untuk layanan perpustakaan buku audio online Yayasan Tunanetra. Dengan memanfaatkan Synology NAS yang mudah dikonfigurasi serta mendukung manajemen data terpusat, dan integrasi VPN L2TP yang memungkinkan akses jarak jauh secara aman, sistem ini menawarkan efisiensi teknis dan ekonomis. Implementasi sistem menghasilkan total pengeluaran selama lima tahun sebesar Rp20.900.000, jauh lebih rendah dibandingkan Rp98.320.400 pada layanan AWS. Perhitungan Return on Investment (ROI) mencapai 370,24%, menunjukkan pengembalian investasi hampir empat kali lipat. Pengujian menunjukkan kecepatan unggah rata-rata 11,3 MB/s dan unduh 10,2 MB/s untuk file berukuran besar (5 GB), menandakan performa sistem yang andal. Selain itu, penggunaan domain serta pengaturan hak akses berbasis peran (role-based access control) memastikan keamanan dan integritas data tetap terjaga. Hasil penelitian ini membuktikan bahwa implementasi NAS berbasis Synology DSM yang terintegrasi VPN L2TP dan domain merupakan solusi penyimpanan digital yang efisien dari segi biaya, aman dalam akses jarak jauh, serta berkelanjutan untuk mendukung layanan perpustakaan buku audio bagi lembaga non-profit seperti Yayasan Tunanetra.