Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Indonesian Journal of Artificial Intelligence and Data Mining Jurnal Desain dan Analisis Teknologi
Simanullang, Maradona Jonas
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Classification of Big Data Stunting in North Sumatra Using Support Vector Regression Method Simanullang, Maradona Jonas; Rosnelly, Rika; Riza, Bob Subhan
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 1 (2025): March 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i1.32177

Abstract

Stunting in children is a serious issue in society, especially in areas with high levels of malnutrition like North Sumatra. Therefore, it is important to develop an effective approach to identify the factors contributing to stunting and predict its risks in children, considering the high prevalence of stunting in this region. The high rate of stunting in North Sumatra indicates the urgency of this problem, making research on Big Data classification using Support Vector Regression (SVR) methods highly important. This study aims to offer profound understanding into factors influencing stunting in the region, thus enabling the development of more effective and targeted intervention strategies. The objective of this research is to categorize Big Data related to stunting in North Sumatra using SVR methods, taking into account factors such as wasting and malnutrition. The main focus of this research is to identify patterns related to stunting, predict the risk of stunting in children, and design more effective intervention strategies while addressing the issues of wasting and malnutrition. The research process encompasses several steps including data collection, pre-processing to handle missing values and outliers, normalization, and the application of Support Vector Regression (SVR). The final outcomes were achieved using a Voting Classifier that integrates Support Vector Classifier (SVC), Random Forest (RF), and Gradient Boosting (GB), resulting in an accuracy rate of 91.78%. This method effectively pinpoints the main factors contributing to stunting, which supports clinical decision-making and intervention strategies. The study highlights the potential of big data and machine learning in the healthcare sector, offering a model for enhancing health services and tracking children’s health conditions.
Analisis Keamanan Data Pasien pada Sistem Informasi Manajemen Rumah Sakit (SIMRS) Simanullang, Maradona Jonas; Aritonang, Mhd Adi Setiawan; Sinaga, Frans Mikael
Jurnal Desain Dan Analisis Teknologi Vol. 5 No. 1 (2026): Januari
Publisher : Aptikom Kepri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58520/jddat.v5i1.98

Abstract

Transformasi digital di sektor kesehatan mendorong rumah sakit untuk mengimplementasikan Sistem Informasi Manajemen Rumah Sakit (SIMRS) secara terintegrasi. SIMRS berperan penting dalam pengelolaan data pasien, termasuk rekam medis elektronik, administrasi pelayanan, serta pelaporan manajerial. Namun, meningkatnya ketergantungan terhadap sistem informasi juga meningkatkan risiko ancaman keamanan data pasien. Penelitian ini bertujuan untuk menganalisis keamanan data pasien pada SIMRS serta mengidentifikasi potensi risiko dan strategi mitigasi yang dapat diterapkan oleh rumah sakit. Metode penelitian yang digunakan adalah studi kasus dengan pendekatan deskriptif kualitatif, melalui observasi sistem, wawancara dengan tim teknologi informasi, dan analisis kebijakan keamanan informasi. Hasil penelitian menunjukkan bahwa ancaman keamanan data pasien meliputi akses tidak sah, kelemahan pengelolaan hak akses, serta kurang optimalnya penerapan standar keamanan informasi. Penelitian ini merekomendasikan penerapan kebijakan keamanan data yang komprehensif, peningkatan infrastruktur teknologi, serta penguatan sumber daya manusia untuk menjamin kerahasiaan, integritas, dan ketersediaan data pasien.
Analisis dan Optimalisasi Downtime Server pada Sistem Informasi Manajemen Rumah Sakit (SIMRS): Studi Kasus Rumah Sakit Mitra Medika Simanullang, Maradona Jonas
Jurnal Desain Dan Analisis Teknologi Vol. 5 No. 1 (2026): Januari
Publisher : Aptikom Kepri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58520/jddat.v5i1.101

Abstract

Ketersediaan dan keandalan Sistem Informasi Manajemen Rumah Sakit (SIMRS) merupakan faktor penting dalam mendukung mutu dan keberlanjutan pelayanan kesehatan. Salah satu permasalahan utama yang sering dihadapi rumah sakit adalah downtime server yang dapat mengganggu proses operasional dan pengelolaan data pasien. Penelitian ini bertujuan untuk menganalisis penyebab downtime server SIMRS serta mengevaluasi efektivitas optimalisasi sistem yang diterapkan di Rumah Sakit Mitra Medika. Metode penelitian yang digunakan adalah pendekatan deskriptif kualitatif dan kuantitatif melalui observasi lapangan, wawancara, analisis log server, serta penyebaran kuesioner kepada pengguna SIMRS. Hasil penelitian menunjukkan bahwa frekuensi downtime SIMRS menurun sebesar 62,5% dan durasi downtime berkurang sekitar 60% setelah dilakukan optimalisasi sistem. Selain itu, tingkat kepuasan pengguna terhadap kinerja dan stabilitas SIMRS meningkat dari 55% menjadi 90%. Hasil penelitian ini menunjukkan bahwa optimalisasi teknis dan perbaikan tata kelola sistem informasi berperan penting dalam meningkatkan keandalan SIMRS dan mendukung peningkatan kualitas pelayanan kesehatan.
Co-Authors Bob Subhan Riza, Bob Subhan Mhd Adi Setiawan Aritonang Rika Rosnelly, Rika Sinaga, Frans Mikael