Claim Missing Document
Check
Articles

Found 13 Documents
Search

Transforming the Diabetes Mellitus Diagnosis and Treatment Using Data Technology: Comprehensive Analysis of Deep Learning and Machine Learning Methodologies Anggriani, Dwi; Mustamin, Syaiful Bachri; Sahriani; Atnang, Muhammad; Fatmah, Siti; Mar, Nur Azaliah; Fajar, Nurhikmah
Journal of Scientific Insights Vol. 1 No. 1 (2024): June
Publisher : Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jsi.v1i1.71

Abstract

Recent research in health data analysis has transformed our understanding, prediction, and management of diabetes mellitus. This review explores various approaches used in related studies to enhance understanding and management strategies of diabetes through data analysis. Various data analysis methods, including machine learning such as neural networks, Gaussian Process Classification (GPC), and deep learning, have been used to enhance illness management and forecast accuracy. One of the included studies created customised care plans and used data to forecast the likelihood of complications in diabetes.. Another focused on comparative approaches for diabetes diagnosis using artificial intelligence, while others explored disease classification techniques using GPC algorithms. On the other hand, some studies utilized deep learning to identify diverse trajectories of type 2 diabetes from routine medical records, while others developed wide and deep learning models to predict diabetes onset. This review notes that data analysis approaches have significantly advanced accuracy in diagnosis, predictive modeling, and disease management of diabetes. Integrating these technologies allows for more personalized treatment approaches, where patient data can tailor individualized care strategies. Study findings indicate that machine learning and deep learning applications not only enhance prediction accuracy but also unlock new potentials in identifying risk factors, managing complications, and preventing diseases. Thus, this review provides profound insights into how data analysis has shifted paradigms in diabetes management, extending beyond diagnosis and treatment to encompass prevention and long-term management of chronic diseases. These studies lay a robust foundation for further research in developing more sophisticated and effective approaches in health data analysis, ultimately aiming to enhance the overall quality of life for patients with diabetes.
Research Techniques for IoT Use, Wearable Technology, and Smart Sensors in Mental Well-Being: A Literature Review from Several Studies Sahriani; Surahmawanti, Mita; Samsidar; Fatmah, Siti; Mustamin, Syaiful Bachri; Atnang, Muhammad; Fajar, Nurhikmah; Mar, Nur Azaliah
Journal of Scientific Insights Vol. 1 No. 1 (2024): June
Publisher : Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jsi.v1i1.72

Abstract

This study reviews the literature on the application of technology to wearables, smart sensors, and the Internet of Things (IoT) in the monitoring and treatment of mental health. Several studies analyzed employ systematic review, experimental, and literature survey approaches to explore various aspects of technology implementation in the context of mental health. The studies adopt a systematic review design without involving specific samples or measurement tools but highlight the application of IoT in mental health monitoring. Meanwhile, other studies conduct systematic reviews encompassing 41 studies utilizing smart devices and wearable technology in mental health monitoring, yet without specifying the software used. Another research proposes an experimental design to test a wearable sensor-based machine learning stress monitoring system. On the other hand, there are literature survey reports on the use of wearable sensors in mental health monitoring without providing details of the reviewed study methodologies. Other studies explore the literature using a scoping review method to gather information on mental health technology, identifying 37 relevant scientific articles. This review emphasizes the need for rigorous methodological approaches to effectively understand and apply technology in mental health monitoring and intervention. Overall, this literature review highlights the importance of developing technology that can enhance mental health monitoring and intervention. The application of IoT, wearable devices, and smart sensors can be a potential solution but requires a multidisciplinary approach and meticulous methodology to optimize their use in clinical practice
A Review on Growth Factors in Digital Start-ups: Digital Marketing, Scaling, Adaptation, Advanced Tech Fatmah, Siti; Samsidar; Atnang, Muhammad; Mustamin, Syaiful Bachri; Sahriani; Mar, Nur Azaliah; Fajar, Nurhikmah
Journal of Scientific Insights Vol. 1 No. 1 (2024): June
Publisher : Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jsi.v1i1.73

Abstract

Understanding MRBS (Massive and Rapid Business Scaling) is critical in the context of digital start-ups as it helps maximize the use of limited office space, better manage time, and support effective collaboration. This study aims to explore the concept of MRBS in the context of digital start-ups and identify the factors that drive the phenomenon. The focus of this study is on the significant increase in MRBS driven by recent advances in digitization, despite only about 3% of start-ups ever reaching a market valuation of $1 billion (USD) or more. Using an inductive qualitative research approach through 53 semi-structured interviews with start-up founders, executives, and advisors, this study seeks to fill the gap in previous literature that has not comprehensively explored the drivers of MRBS in the context of digital start-ups. The findings of this study reveal seven core drivers that contribute to the MRBS process, namely access to capital, product innovation, technology adoption, competent team, marketing strategy, networks and partnerships, and scale of operations. In addition, this study also identified several areas of tension that arise in the MRBS process, such as pressure for rapid growth, risk of failure, and challenges in maintaining corporate culture. Other related literature studies also explored the potential impact of extended digital marketing and its influence on the growth of startups. This research develops a macrodynamic framework that describes the drivers of startup growth supported by digital marketing and analyzes the differences in the use of B2B and B2C digital marketing, as well as the impact of new technologies on digital marketing. The results of these two studies are expected to provide researchers and practitioners with valuable insights into the MRBS phenomenon and the potential of digital marketing in supporting startup growth. Thus, this research contributes to understanding how start-ups can achieve large and rapid business scale in today's digital era.
Technological Challenges and Opportunities in Telemedicine: Advancements and Barriers in the Pandemic Era Samsidar; Muhammad Atnang; Syaiful Bachri Mustamin; Sahriani
Journal of Scientific Insights Vol. 1 No. 2 (2024): August
Publisher : Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jsi.v1i2.180

Abstract

This study analyzes various aspects and challenges of telemedicine technology implementation based on findings from 10 related journals. The evolution of telemedicine has transformed healthcare services, becoming more efficient, especially during the COVID-19 pandemic. Telemedicine is applied in areas such as remote consultations, telemonitoring, teletherapy, and telepharmacy, with emerging technologies like AI, VR, and blockchain showing great potential for further enhancement. Key factors influencing the acceptance of telemedicine by healthcare professionals include perceived usefulness, attitude, compatibility, and ease of use. While telemedicine offers significant benefits, challenges such as privacy issues, regulatory barriers, and accessibility remain. Ethical and legal concerns, including the quality of care, data security, and continuity of services, are also highlighted as major issues. This study recommends understanding end-user needs and establishing better standards for future telemedicine implementation.
TEKS HIKAYAT BERMUATAN KEARIFAN LOKAL MAKASSAR UNTUK MELATIH KETERAMPILAN MENULIS KREATIF SISWA Sahriani; Hasbi, Nur; Nurrahma; Safitri, Nur Anita Syamsi; Asdah, Atikah Nurul
PEDAMAS (PENGABDIAN KEPADA MASYARAKAT) Vol. 3 No. 01 (2025): JANUARI 2025
Publisher : MEDIA INOVASI PENDIDIKAN DAN PUBLIKASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu cara terpenting untuk berkomunikasi dalam kehidupan sehari-hari adalah melalui tulisan. Siswa yang menjadi penulis yang cakap mampu mengartikulasikan ide, perasaan, dan pikiran mereka dengan cara yang jelas dan teratur. Kegiatan pengabdian ini bertujuan untuk melatih kemampuan menulis kreatif siswa melalui teks hikayat bermuatan kearifan lokal Makassar. Pelatihan dilaksanakan di SMKN 2 Gowa dengan jumlah peserta sebanyak 20 orang yang terdiri dari siswa dan siswi kelas X. Metode pengabdian dilaksanakan dengan dua tahapan, yaitu tahap perencanaan dan tahap pelaksanaan. Hasil kegiatan ini, pengabdi berhasil menginspirasi, memperluas perspektif para peserta, dan meningkatkan pemahaman mereka tentang menulis kreatif, sehingga peserta mengalami peningkatan pengetahuan dan keterampilan menulis kreatif.
Transparansi dan Auditabilitas Data Pribadi dalam Layanan Berbasis Cloud Pada Proyek PACE: Studi Literatur Mustamin, Syaiful Bachri; Atnang, Muhammad; Sahriani; Hikmah , Nur; Samsidar
Jurnal Teknologi dan Sains Modern Vol. 1 No. 1 (2024): Mei-Juni
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v1i1.57

Abstract

Ulasan komprehensif ini mengeksplorasi pendekatan-pendekatan beragam dalam meningkatkan privasi dan keamanan dalam manajemen data di berbagai bidang. Studi pertama menyajikan kerangka konseptual yang bertujuan untuk memperkuat privasi dan keamanan dalam manajemen data kota cerdas dengan mengintegrasikan kecerdasan buatan dan pemodelan big data. Meskipun analisis data empiris absen, kerangka konseptual tersebut memberikan wawasan penting tentang kemungkinan kemajuan. Studi kedua menelusuri proyek Privacy-Aware Cloud Ecosystems (PACE), berfokus pada teknologi blockchain untuk meningkatkan transparansi dan auditabilitas dalam pemrosesan data pribadi berbasis awan. Meskipun secara utama berorientasi pada masa depan, teknologi yang dikembangkan menjanjikan peningkatan privasi dan keamanan data dalam komputasi awan. Tinjauan literatur dalam studi ketiga mengevaluasi tren dan tantangan dalam menerapkan keamanan dan blockchain dalam Internet of Multimedia Things (IoMT), memberikan wawasan berharga meskipun tanpa temuan empiris langsung. Terakhir, sebuah studi eksperimental memperkenalkan sistem pengolahan data berbasis blockchain dan differential privacy untuk komputasi perkotaan, melaporkan kinerja sistem dan peningkatan keamanannya. Meskipun metodologi beragam, setiap studi memberikan kontribusi pada diskusi yang lebih luas tentang privasi dan keamanan data, menawarkan wawasan, kerangka kerja, dan inovasi teknologi untuk penelitian dan implementasi praktis di masa depan.
Inovasi Pembelajaran Mesin untuk Deteksi Malware: Analisis Komprehensif dan Tinjauan Literatur Samsidar; Mustamin, Syaiful Bachri; Atnang, Muhammad; Sahriani; Fajar, Nurhikmah
Jurnal Teknologi dan Sains Modern Vol. 1 No. 1 (2024): Mei-Juni
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v1i1.58

Abstract

Penelitian tentang deteksi malware menggunakan pembelajaran mesin dan teknik deep learning telah menjadi topik yang menarik dalam beberapa tahun terakhir. Kombinasi fitur statis dan dinamik telah terbukti efektif dalam meningkatkan akurasi deteksi hingga 95%, sementara pendekatan ensemble learning juga menunjukkan peningkatan yang signifikan, mencapai akurasi hingga 97% untuk malware nol-hari. Implikasi temuan ini sangat penting dalam konteks keamanan siber, dengan kemampuan deteksi yang lebih baik dapat membantu melindungi sistem dan infrastruktur kritis dari serangan malware yang semakin canggih. Namun, ada beberapa batasan dalam penelitian ini, termasuk fokus yang terbatas pada tinjauan literatur dan tidak mencakup evaluasi eksperimental langsung. Oleh karena itu, penelitian lanjutan diperlukan untuk menguji metode ini pada dataset yang lebih beragam dan lingkungan operasional yang lebih realistis. Kontribusi dari penelitian ini terletak pada pengembangan solusi deteksi malware yang lebih efektif dan akurat menggunakan pendekatan pembelajaran mesin dan deep learning. Pertanyaan dan arah penelitian baru termasuk investigasi efektivitas metode dalam lingkungan produksi, pengembangan model hibrid yang menggabungkan pembelajaran mesin dengan teknik lain, serta eksplorasi penggunaan pembelajaran mesin untuk deteksi malware pada perangkat Internet of Things (IoT). Penelitian ini juga menyoroti pentingnya mempertimbangkan variabel tambahan seperti kompleksitas malware, metode penyebaran, dan dampak terhadap sistem target dalam penelitian mendatang. Secara keseluruhan, temuan ini mendukung gagasan bahwa pembelajaran mesin dan deep learning memiliki potensi besar dalam mengatasi tantangan deteksi malware yang semakin kompleks dan dinamis, dengan implikasi yang luas dalam meningkatkan keamanan siber.
Studi Literatur Deep Learning dan Machine Learning untuk Analisis dan Prediksi Pasar Saham: Metodologi, Representasi Data, dan Studi Kasus Sari, Eka Purnama; Mustamin, Syaiful Bachri; Atnang, Muhammad; Sahriani; Fajar, Nurhikmah
Jurnal Teknologi dan Sains Modern Vol. 1 No. 1 (2024): Mei-Juni
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v1i1.59

Abstract

Penelitian ini mengkaji penggunaan model Machine Learning (ML) dan Deep Learning (DL) untuk peramalan harga saham, sebuah topik yang semakin relevan di sektor keuangan. Model ensemble "Random Forest + XG-Boost + LSTM" terbukti memiliki kinerja yang lebih baik dibandingkan model ML dan DL lainnya, menunjukkan bahwa integrasi model dapat meningkatkan akurasi prediksi. Penelitian lain juga menyoroti potensi jaringan deep learning untuk analisis pasar saham, menemukan bahwa jaringan saraf dapat mengekstrak informasi tambahan yang meningkatkan kinerja prediksi, meskipun sangat bergantung pada representasi data yang digunakan. Penggabungan variabel sentimen publik dari media sosial dengan variabel teknis dapat meningkatkan akurasi prediksi, terutama dalam kondisi pasar yang tidak stabil. Berdasarkan tinjauan pustaka komprehensif terhadap lebih dari 150 artikel dan menemukan bahwa algoritma ML, terutama RNN, menunjukkan kinerja unggul dalam prediksi pasar keuangan. Model yang menggunakan sentimen dari media sosial untuk memprediksi pergerakan harga saham, menunjukkan bahwa informasi sentimen dapat memberikan informasi tambahan yang signifikan untuk prediksi. Penelitian-penelitian ini menegaskan pentingnya penggunaan model ML dan DL dalam peramalan harga saham serta manfaat integrasi variabel non-teknis seperti sentimen dari media sosial dengan variabel teknis. Meski demikian, diperlukan penelitian lebih lanjut untuk memperluas cakupan data dan menguji generalisasi model pada berbagai pasar saham global serta periode waktu yang lebih panjang.
Teknologi Terkini dalam Pemantauan Infrastruktur: Tinjauan Literatur tentang Penerapan IoT dalam Pemantauan Kualitas Air dan Deteksi Retak Permukaan Jalan Samsidar; Kiki; Mustamin, Syaiful Bachri; Atnang, Muhammad; Sahriani; Fajar, Nurhikmah
Jurnal Teknologi dan Sains Modern Vol. 1 No. 1 (2024): Mei-Juni
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v1i1.60

Abstract

Pemantauan kualitas air dan deteksi retak permukaan jalan merupakan dua bidang penting dalam teknologi infrastruktur dan lingkungan. Artikel-artikel yang dipelajari dalam tinjauan ini memberikan wawasan mendalam tentang perkembangan terkini dalam kedua bidang tersebut, dengan fokus utama pada penerapan Internet of Things (IoT) dan teknik pengolahan citra digital. Pembahasan dalam beberapa artikel meliputi tinjauan terhadap sistem pemantauan kualitas air berbasis IoT untuk aplikasi domestik. Tinjauan ini mengidentifikasi tren, teknik, dan tantangan terkini dalam sistem tersebut, memberikan wawasan tentang potensi pemanfaatan teknologi IoT untuk pengembangan sistem pemantauan kualitas air yang lebih efisien dan aman. Implikasi dari temuan ini mencakup meningkatnya pemantauan kualitas air secara real-time untuk menjamin keamanan air minum dan potensi penerapan teknologi IoT dalam skala yang lebih luas seperti kota pintar. Namun, keterbatasan utama adalah ketiadaan studi empiris yang menguatkan temuan literatur. Pada artikel lainnya membahas pengembangan metode deteksi retak pada permukaan jalan menggunakan teknik non-lokal dalam pengolahan citra digital. Temuan ini mengungkapkan bahwa metode denoising dan peningkatan kualitas citra non-lokal dapat meningkatkan akurasi deteksi retak pada permukaan jalan, yang berpotensi digunakan dalam pemantauan kondisi jalan dan perencanaan pemeliharaan infrastruktur. Kontribusi dari penelitian ini adalah pengembangan metode deteksi retak yang lebih akurat, meskipun batasan utamanya adalah kurangnya informasi tentang validasi hasil secara lebih komprehensif.
Deskripsi Kemampuan Pemecahan Masalah Matematika Siswa Ditinjau dari Tipe Kepribadian Menurut Keirsey Awi; Usman Mulbar; Sahriani
Issues in Mathematics Education (IMED) Vol. 5 No. 1 (2021): Volume 5 Nomor 1 tahun 2021
Publisher : Program of Mathematics Education Department of Mathematics Faculty of Mathematics and Natural Sciences (FMIPA) Universitas Negeri Makassar (UNM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/imed19908

Abstract

This study aims to describe the student’s ability to solve mathematical problems with Polya's steps (understanding the problem, devising a plan, carrying out the plan and looking back,) viewed from personality types according to Keirsey. This research is descriptive-qualitative. The research subjects were 4 students from class XI of Senior High School, with one subject for each personality type. The research instrument uses personality type classification instruments, problem-solving tests, and interview guidelines. The results of the research showed that from each of the students with the type of Keirsey personality, in solve mathematical problems more tend to be on types of Guardian and Rational personalities, can do every step of Polya’s problem-solving. Next, are the Idealist and Artisan types which are still lacking at the steps certain solving the problem of the problems given.