Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika)
Sitompul, Enjeliana
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS RISIKO TEKNOLOGI INFORMASI DALAM MANAJEMEN RUMAH SAKIT: SYSTEMATIC LITERATURE REVIEW Carolina, Hennika; Sitompul, Enjeliana; Fahrezi, Michael; Wulansari, Anita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8721

Abstract

Sebagai fasilitas kesehatan utama, rumah sakit sangat bergantung pada teknologi informasi (TI) untuk menjalankan operasional mereka. Namun demikian, ada risiko yang terkait dengan penerapan TI yang dapat membahayakan kemampuan operasi rumah sakit untuk terus berjalan. Melalui pemeriksaan literatur secara menyeluruh, penelitian ini berusaha untuk mengidentifikasi dan memahami risiko yang dapat terjadi pada sistem informasi rumah sakit. Systematic Literatur Review (SLR) adalah metodologi studi yang digunakan, dengan penekanan pada penilaian dan identifikasi risiko serta teknik mitigasi yang efektif. Temuan dari kajian ini menunjukkan bahwa meskipun teknologi informasi sangat penting bagi operasional rumah sakit, namun penggunaannya juga mengandung bahaya. Banyak faktor, termasuk sistem, infrastruktur, dan sumber daya manusia, selain faktor lingkungan dan alam, yang dapat berkontribusi terhadap risiko ini. Terlepas dari kenyataan bahwa beberapa solusi untuk memitigasi risiko telah diidentifikasi, masih ada beberapa kendala terkait pelaksanaannya. Hasil dari penelitian ini diharapkan dapat mendukung rumah sakit dalam mengembangkan dan mempraktikkan strategi mitigasi risiko TI yang efisien. Studi ini menawarkan wawasan yang signifikan tentang manajemen risiko TI dalam konteks rumah sakit.
Comparative Study of Forecasting Models for Smart Campus Air Pane, Dodi Dores; Ardito, Ardito; Sitompul, Enjeliana; Khairani, Nalla; Nababan, Marlince NK
Sinkron : jurnal dan penelitian teknik informatika Vol. 9 No. 2 (2025): Research Articles April 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v9i2.14802

Abstract

Air quality monitoring has become increasingly critical in urban environments, especially in densely populated smart campuses situated in tropical regions. This study presents a comparative evaluation of three predictive models CNN-GRU, LSTM, and Random Forest, for forecasting air pollution levels, specifically particulate matter concentration (PM), using real-time sensor data. The data were collected from an IoT-based monitoring system built with NodeMCU ESP8266 devices deployed on campus. Each model was trained and evaluated using performance metrics including the coefficient of determination (R²), Mean Absolute Error (MAE), and Root Mean Square Error (RMSE). The results indicate that the Random Forest model achieved the highest predictive accuracy with R² = 0.9073, MAE = 123.31, and RMSE = 274.45, outperforming both LSTM (R² = 0.8341) and CNN-GRU (R² = 0.8714). The hybrid CNN-GRU model, although capable of capturing both spatial and temporal dependencies, required larger data volumes and longer training times. The LSTM model, while effective in modeling time-series data, demonstrated a tendency to overfit when data was limited. This study highlights the practical advantages of Random Forest in modeling complex environmental data under limited resource constraints, while also demonstrating the potential of hybrid deep learning architectures. These findings contribute to the development of efficient air quality prediction systems that support health-conscious decision-making and environmental management strategies in tropical innovative campus environments.
Co-Authors Ardito, Ardito Carolina, Hennika Fahrezi, Michael Khairani, Nalla Nababan, Marlince NK Pane, Dodi Dores Wulansari, Anita