Claim Missing Document
Check
Articles

Found 6 Documents
Search

Analisis Model HOT-Fit terhadap Evaluasi Sistem Informasi Manajemen Puskesmas Kabupaten Lumajang dengan PLS-SEM Saputra, Zainal; Siwi Pradini, Risqy; Naseh Khudori, Ahsanun
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 1 (2025): JPTI - Januari 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.632

Abstract

Sistem Informasi Manajemen Puskesmas Kabupaten Lumajang yang disebut New-Simpul merupakan sistem yang membantu administrasi dan pelayanan kesehatan di Puskesmas Kabupaten Lumajang. Dalam penerapannya terdapat berbagai kendala yang mempengaruhi kinerja pelayanan kesehatan di UPT Puskesmas. Penelitian ini mengevaluasi New-Simpul menggunakan kerangka model HOT-Fit, yang terdiri dari 3 variabel human, organization, technology dan 8 indikator system quality, information quality, service quality, system development, user satisfaction, system use, structure, dan environment. Penelitian ini menggunakan 51 responden dan menggunakan analisis PLS-SEM untuk menguji validitas model serta hubungan antar indikator.  Hasil penelitian menunjukkan bahwa indikator environment memiliki nilai rata-rata terendah (3,98), diikuti oleh service quality (4,03) dan user satisfaction (4,06), sehingga menjadi prioritas utama dalam perbaikan. Sebaliknya, indikator system development memiliki rata-rata tertinggi (4,33). Dari total 15 hipotesis yang diuji, 5 hipotesis diterima, sedangkan 10 hipotesis lainnya ditolak. Hasil ini menunjukkan bahwa model HOT-Fit mampu menjelaskan hubungan antar indikator dengan baik, meskipun beberapa jalur menunjukkan pengaruh yang lemah atau tidak signifikan. Penelitian ini merekomendasikan pembaruan perangkat keras, penguatan infrastruktur teknologi, serta penyediaan program pelatihan atau panduan teknis untuk mengoptimalkan New-Simpul. Implikasi praktisnya adalah mendukung efisiensi operasional dan kualitas pelayanan di UPT Puskesmas. Studi lanjutan disarankan untuk melibatkan populasi yang lebih luas dan menambahkan variabel proses guna memperluas cakupan evaluasi.
Sistem Pendukung Keputusan untuk Pemilihan Pupuk Padi Berbasis AHP dan Pembobotan ROC Dengan Pengujian User Validation Anglingsari Putri, Mayang; Siwi Pradini, Risqy; Setia Budi, Agung; Trihapningsari , Denisha Trihapningsari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129218

Abstract

Penelitian ini berawal dari tantangan yang dihadapi petani dalam memilih pupuk yang tepat di tengah banyaknya pilihan yang tersedia, termasuk pupuk subsidi yang sering kali menjadi pilihan utama. Pupuk subsidi, meskipun lebih terjangkau, sering kali tidak selalu sesuai dengan kebutuhan spesifik tanaman padi dan kondisi tanah. Ketidakakuratan dalam pemilihan pupuk dapat mempengaruhi hasil panen dan keuntungan. Urgensi penelitian ini terletak pada kebutuhan untuk menyediakan alat bantu yang dapat menyederhanakan proses pengambilan keputusan dengan mempertimbangkan berbagai jenis pupuk, termasuk subsidi, dan kriteria lain yang relevan. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis Analytic Hierarchy Process (AHP) dan Rank Order Centroid (ROC) dengan pengujian validasi pengguna, khususnya dalam pemilihan pupuk padi, termasuk pupuk subsidi, di UD. Binti Mitun Tani, Kediri. Tujuan penelitian ini adalah merancang dan mengimplementasikan SPK yang mengintegrasikan metode AHP dan ROC untuk memberikan rekomendasi pemilihan pupuk yang optimal, baik dari jenis pupuk subsidi berdasarkan kondisi spesifik UD. Binti Mitun Tani. Kontribusi penelitian ini mencakup pengembangan metode yang inovatif dalam mengabungkan dua metode AHP-ROC dan teknik evaluasi dimana penerapan sistem yang diuji secara langsung dengan melibatkan pengguna akhir, yang diharapkan dapat meningkatkan akurasi keputusan, efisiensi pemilihan pupuk, dan mendukung pengelolaan usaha tani padi yang lebih efektif dan menguntungkan. Hasil penelitian ini menunjukkan bahwa SPK berbasis AHP dan ROC berhasil meningkatkan akurasi pemilihan pupuk di UD. Binti Mitun Tani, dengan pupuk Urea menjadi salah satu rekomendasi utama. Sistem ini juga membantu petani dalam mempertimbangkan faktor biaya dan kecocokan pupuk dengan kondisi tanah, sehingga meningkatkan efisiensi pengelolaan pertanian padi. Hasil pengujian menunjukkan mayoritas responden setuju dengan bobot kriteria dan relevansi alternatif pupuk. Pupuk Urea dinilai sesuai dengan kebutuhan dan mendukung tujuan bisnis.   Abstract This research began with the challenge faced by farmers in selecting the right fertilizer from many available options, including subsidized fertilizers that are often the primary choice. While subsidized fertilizers are more affordable, they are not always suitable for the specific needs of rice plants and soil conditions. Inaccurate fertilizer selection can affect crop yield and profitability. The urgency of this research lies in the need to provide a decision support tool that simplifies the decision-making process by considering various types of fertilizers, including subsidies, and other relevant criteria. This research develops a Decision Support System (DSS) based on Analytic Hierarchy Process (AHP) and Rank Order Centroid (ROC) with user validation testing, specifically for selecting rice fertilizers, including subsidized ones, at UD. Binti Mitun Tani, Kediri. The goal of the research is to design and implement a DSS integrating AHP and ROC methods to provide optimal fertilizer recommendations based on the specific conditions of UD. Binti Mitun Tani. The research contributes by developing an innovative method combining AHP-ROC and evaluation techniques, involving end users directly in testing the system, with the aim of improving decision accuracy, fertilizer selection efficiency, and supporting more effective and profitable rice farming management. The results show that the AHP and ROC-based DSS successfully improved fertilizer selection accuracy at UD. Binti Mitun Tani, with Urea being one of the main recommendations. The system also helps farmers consider cost factors and the suitability of fertilizers for soil conditions, thereby enhancing the efficiency of rice farming management. Testing results indicate that most respondents agree with the weight of criteria and the relevance of fertilizer alternatives. Urea was assessed as suitable for their needs and supports business goals.
Implementasi Algoritma Support Vector Machine (SVM) Untuk Klasifikasi Penyakit Stroke Danis Rifa Nurqotimah; Naseh Khudori, Ahsanun; Siwi Pradini, Risqy
Journal of Applied Computer Science and Technology Vol 5 No 2 (2024): Desember 2024
Publisher : Indonesian Society of Applied Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jacost.v5i2.817

Abstract

Stroke or known as Cerebrovascular Accident (CVA) is a functional disorder caused by impaired blood flow function from within the human brain. Stroke carries a high risk of brain damage, paralysis, speech disorders, visual impairment, even death. Classification is one of a few methods in predicting stroke symptoms with the aim of obtaining accurate prediction of disease. The researchers implemented a method to classify stroke with the Support Vector Machine (SVM) algorithm. The SVM is a learning method used in medical diagnosis for classification, the researchers processed data sets using the Orange tool. The study used data sets from the data.world.com site with a total of 40,910 data. Using the Orange tool, the study managed to classify stroke disease well using the RBF kernel with cross validation techniques resulting in an accuracy of 94.8%. The results of this study can be concluded that the stroke classification model developed has excellent performance. Overall, these results indicate that the Stroke classification model developed is highly reliable and effective, with excellent ability to detect stroke cases and provide accurate predictions. Making better and quicker medical judgments can be aided by using this approach to diagnose strokes.
ANALISIS PENERIMAAN SISTEM PENDAFTARAN ONLINE PASIEN RAWAT JALAN DI RS RADJIMAN WEDIODININGRAT MENGGUNAKAN TEKNOLOGY ACCEPTANCE MODEL Wisam Syahputra, Kelvin; Haris, M. Syauqi; Siwi Pradini, Risqy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13917

Abstract

Perkembangan teknologi informasi dalam layanan kesehatan telah mendorong digitalisasi sistem pendaftaran pasien untuk meningkatkan efisiensi dan kenyamanan. Penelitian ini menganalisis penerimaan sistem pendaftaran online pasien rawat jalan di RS Radjiman Wediodiningrat menggunakan Technology Acceptance Model (TAM) dengan menambahkan aksesibilitas sebagai variabel eksternal. Metode kuantitatif dengan desain cross-sectional diterapkan pada 100 responden. Hasil pengujian hipotesis menunjukkan bahwa enam variabel yang diuji Perceived Usefulness (PU), Perceived Ease of Use (PEOU), Attitude Toward Using (ATU), dan Behavioral Intention (BI), Actual System Use (ASU), dan Accessibility (AC) berpengaruh signifikan terhadap penerimaan sistem (nilai sig. < 0,05). Aksesibilitas juga terbukti berpengaruh positif terhadap PU (koefisien 0,646) dan PEOU (koefisien 0,759). Temuan ini menunjukkan bahwa peningkatan kemudahan akses dan antarmuka pengguna yang baik dapat mendorong adopsi teknologi oleh pasien. Implikasi praktis dari penelitian ini menyarankan RS Radjiman Wediodiningrat untuk memperbaiki infrastruktur sistem guna meningkatkan pengalaman pengguna dan efisiensi layanan.
SMOTE Effectiveness and various Machine Learning Algorithms to Predict Self-Esteem Levels of Indonesian Student Anshori, Mochammad; Siwi Pradini, Risqy; Teja Kusuma, Wahyu
Engineering, MAthematics and Computer Science Journal (EMACS) Vol. 7 No. 2 (2025): EMACS
Publisher : Bina Nusantara University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21512/emacsjournal.v7i2.13521

Abstract

Self-esteem plays a crucial role in students' psychological well-being, influencing their academic performance and personal development. Despite its importance, self-esteem is challenging to measure due to its abstract and subjective nature. This study aims to develop a predictive model to classify students’ self-esteem levels as high or low using machine learning and tabular data obtained through questionnaires. A dataset comprising 47 student responses, with 19 features consisting of social, emotional, demographic aspects, were analyzed. Five machine learning models were evaluated: Naïve Bayes, Decision Tree, Random Forest, Logistic Regression, and Support Vector Machine (SVM). To address the class imbalance in the dataset, the study applied SMOTE for data balancing and min-max normalization for feature standardization. Model performance was assessed using accuracy and F1-score. The results reveal that SVM, particularly with an RBF kernel, outperformed other models across all scenarios. On raw data, SVM achieved 66% accuracy and an F1-score of 57.3%. After applying SMOTE, the performance improved to 80% accuracy and a 79.9% F1-score. Further enhancement with normalization resulted in the best performance, with SVM achieving 83.33% accuracy and an F1-score of 83.3%. These results demonstrate how well preprocessing methods work to enhance machine learning models for datasets that are unbalanced. The proposed SVM-based model offers promising applications in educational and psychological settings, enabling early interventions to support students’ mental health.
Klasifikasi Spesies Jamur Beracun Agaricus Xanthodermus dan Amanita Muscaria Menggunakan Transfer Learning dengan Arsitektur MobileNetV2 Ali Hasan, Hildan Adisqi; Siwi Pradini, Risqy; Anshori, Mochammad
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 9 (2025): JPTI - September 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.785

Abstract

Jamur memiliki peran penting dalam keanekaragaman hayati, namun beberapa spesies seperti Agaricus xanthodermus dan Amanita muscaria bersifat beracun dan dapat menyebabkan risiko kesehatan serius jika dikonsumsi. Identifikasi jamur beracun secara akurat menjadi tantangan karena kemiripan morfologinya dengan spesies non-beracun. Penelitian ini mengusulkan model klasifikasi jamur beracun menggunakan metode transfer learning dengan arsitektur MobileNetV2, yang dikenal efisien dalam memproses data visual. Dataset terdiri dari 632 gambar, masing-masing 304 gambar untuk Agaricus xanthodermus dan 328 gambar untuk Amanita muscaria, yang diperoleh dari platform Kaggle dan dibagi menjadi 80% data latih dan 20% data validasi. Augmentasi data seperti rotation, shift, flipping, dan rescaling diterapkan untuk meningkatkan generalisasi model. Eksperimen dilakukan dengan menguji pengaruh jumlah epoch terhadap performa model, menggunakan rentang 10 hingga 100 epoch dengan interval 10. Hasil menunjukkan bahwa akurasi model meningkat seiring bertambahnya jumlah epoch, dengan performa optimal pada epoch ke-60. Pada epoch ini, akurasi validasi mencapai 99.21% dengan nilai loss validasi terendah sebesar 0,0447, menunjukkan bahwa model mampu mengklasifikasikan kedua spesies jamur secara akurat dan efisien. Selain itu, tren akurasi dan loss pada data pelatihan menunjukkan bahwa model mampu belajar secara stabil dan tidak mengalami overfitting, bahkan ketika menggunakan dataset yang relatif kecil. Penelitian ini berkontribusi pada pengembangan metode klasifikasi jamur beracun yang lebih akurat dan efisien, yang memiliki implikasi penting dalam kesehatan masyarakat dan konservasi keanekaragaman hayati.