Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Siti Fathonah, Rd. Nuraini
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS PERBANDINGAN METODE K-NEAREST NEIGHBOR DAN NEURAL NETWORK DALAM PENENTUAN REKOMENDASI LAYANAN BARU Dwi Prasetyo Nugroho, Ilham; Isti Rahayu, Woro; Siti Fathonah, Rd. Nuraini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6159

Abstract

Pelayanan kesehatan merupakan faktor penting dalam bernegara. Keberhasilan suatu negara dilihat dari kualitas pelayanan kesehatan untuk mewujudkan masyarakat yang sehat. Kualitas mutu yang prima tentunya wajib ditingkatkan karena di era globalisasi, kesehatan akan berdampak di dunia kesehatan khususnya di Indonesia. Layanan kesehatan terkecil yaitu puskesmas yang berfungsi untuk mengembangkan serta berperan dalam membina dan memberikan pelayanan yang terpadu di wilayah kerja dan merupakan kerjaan pokok. Aspek yang harus diperhatikan dalam pengembangan kesehatan adalah kepuasan pasien atas kinerja serta pelayanan puskesmas. Dikarenakan ketika pasien merasa puas dengan pelayanan serta kinerja dari staf puskesmas, nantinya akan mengundang keluarga, tetangga atau sodara dari pasien tersebut datang menuju puskesmas tersebut. Tujuan dari penelitian ini ialah memprediksi layanan baru berdasarkan indikasi yang ditetapkan dengan mengginakan Algoritma K-Nearest Neighbor dan Neural Network dan kemudian membandingan hasil akurasi dari kedua algoritma tersebut. Hasil dari 1764 record data yang diperoleh dari 40% record data keseluruhan, K-Nearest Neighbor mendapat tingkat akurasi yang terbaik yaitu 99,95%, sedangkan untuk tingkat akurasi dari Neural Network yaitu 99,77%. Sehingga bisa dipastikan bahwasannya metode yang mendekati nilai akurasi sempurna ialah K-Nearest Neighbor dalam penentuan rekomendasi layanan baru.
PERBANDINGAN METODE FUZZY C-CMEANS DAN K-MEANS CLUSTERING PADA DATA PENGGUNAAN OBAT DI R.S NATIONAL HOSPITAL SURABAYA Gideon Manik, Teddy; Isti Rahayu, Woro; Siti Fathonah, Rd. Nuraini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6430

Abstract

Rumah sakit merupakan institusi dibidang pelayanan kesehatan masyarakat, berfungsi untuk melayani masyarakat secara luas dalam bentuk jasa. Namun di Rumah sakit National Hospital Surabaya saat ini mencatat total penggunaan obat tanpa menampilkannya dalam bentuk visual sebaran data. Penelitian ini melakukan perbandingan klustering untuk penggunaan obat dengan metode K-Means dan Fuzzy C-Means menggunakan data tahun 2021. Untuk Fuzzy C-Means menggunakan fungsi objectif dari data dan pada K-Means hanya dengan menentukan titik centroid yang akan digunakan dalam Clustering. Dari perbandingan yang dibuat untuk menentukan banyak, sedang dan sedikitnya penggunaan obat. K-Means hanya memerlukan 2 iterasi saja untuk mendapatkan rasio yang tepat untuk pengelompokan. Sedangkan untuk Fuzzy C-means perlu melakukan iterasi sebanyak 6 kali untuk mendapatkan error terkecilnya untuk pengelompokan.
Co-Authors Dwi Prasetyo Nugroho, Ilham Gideon Manik, Teddy Rahayu, Woro Isti