Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Telematika : Jurnal Informatika dan Teknologi Informasi Jurnal Pengabdian dan Pemberdayaan Masyarakat Inovatif
Yuliasari, Silpani
Unknown Affiliation
Humanities Economics, Econometrics & Finance Electrical & Electronics Engineering Social Sciences Other

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

Found 2 Documents
Search

 1 
Pencegahan Stunting Pada Balita Melalui Edukasi Pemberian Makanan Tambahan Sebagai Upaya Peningkatan Kesadaran Masyarakat di Desa Sukamulya Yuliasari, Silpani; Machbub, Siti Salma Laila; Mutolib, Abdul
Jurnal Pengabdian dan Pemberdayaan Masyarakat Inovatif Vol. 3 No. 2 (2024): Jurnal Pengabdian dan Pemberdayaan Masyarakat Inovatif
Publisher : Research and Social Study Institute (RESSI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70110/jppmi.v3i2.65

Abstract

Stunting merupakan masalah kesehatan global yang memengaruhi pertumbuhan dan perkembangan anak, terutama selama 1.000 hari pertama kehidupan. Tujuan dari program ini adalah untuk meningkatkan pemahaman dan kesadaran masyarakat tentang pentingnya asupan gizi yang cukup selama periode kritis pertumbuhan anak, dengan fokus pada Pemberian Makanan Tambahan (PMT). Metode pelaksanaan program melibatkan observasi terhadap kondisi stunting di Desa Sukamulya, serta penyuluhan dan pemberian edukasi mengenai PMT pada balita di Posyandu Cempaka II. Hasilnya menunjukkan partisipasi aktif dari ibu balita, kader desa, dan bidan. Persiapan yang matang, termasuk komunikasi dengan pihak terkait dan pengukuran status gizi balita, mendukung kelancaran program. Melalui penyuluhan yang disampaikan oleh peserta KKN dan bidan, program ini berhasil menciptakan kesadaran baru tentang pola makan dan gizi dalam penanganan stunting. Program ini berhasil memberikan dampak positif dalam meningkatkan kesadaran gizi balita, menguatkan kapasitas lokal dalam menangani masalah kesehatan masyarakat, dan merupakan investasi pada kesehatan generasi saat ini dan masa depan yang lebih sehat serta sejahtera.
Performance Analysis and Accuracy of Machine Learning Algorithms for Heart Disease Prediction Yuliasari, Silpani; Rahmatulloh, Alam
Telematika Vol 22 No 3 (2025): Edisi Oktober 2025
Publisher : Jurusan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v22i3.14022

Abstract

Purpose: This research aims to analyze the performance and accuracy of machine learning algorithms in predicting heart disease, which is a cause of death throughout the world.Design/methodology/approach: The algorithms analyzed include Logistic Regression, Naive Bayes, Support Vector Machine, K-Nearest Neighbors, Decision Tree, Random Forest, XGBoost, and Neural Network. A publicly available dataset containing patients' medical records was utilized, with the methodology encompassing data collection, Exploratory Data Analysis (EDA), model training, and performance evaluation.Findings/result: The results indicate that the Random Forest algorithm achieved the highest accuracy with an accuracy of 90.16%, followed by Logistic Regression and Naive Bayes with accuracies of 85.25%. The K-Nearest Neighbors algorithm exhibits the lowest accuracy at 67.21%.Originality/value/state of the art: This research highlights the advantages of certain machine learning algorithms in predicting heart disease and contributes knowledge to early detection technology in the health sector.
Co-Authors Abdul Mutolib Alam Rahmatulloh Machbub, Siti Salma Laila