Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JRIIN :Jurnal Riset Informatika dan Inovasi
Juni Aditya, Bayu
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Penerapan Sistem Pakar Fuzzy Untuk Penentuan Dosis Obat Pada Pasien Lansia Rosyani, Perani; Muiz Suyaana, Abdul; Juni Aditya, Bayu; Fayza Pramestia, Putri; Cahya Maharani, Vadista
Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Sistem pakar fuzzy merupakan pendekatan yang efektif dalam pengambilan keputusan medis, khususnya untuk penentuan dosis obat pada pasien lansia. Pasien lansia membutuhkan penyesuaian dosis khusus karena perubahan fisiologis yang memengaruhi farmakokinetik dan farmakodinamik obat. Penelitian ini bertujuan untuk mengkaji penerapan sistem pakar fuzzy yang dikombinasikan dengan machine learning untuk meningkatkan akurasi dan efisiensi penentuan dosis. Dengan menggunakan metode studi literatur dari beberapa jurnal, penelitian ini menunjukkan potensi penggunaan fuzzy logic dan sistem berbasis aturan dalam menangani ketidakpastian data pasien, serta integrasi machine learning untuk prediksi yang lebih akurat. Hasilnya diharapkan dapat membantu meningkatkan kualitas layanan medis bagi pasien lansia.
Klasifikasi Penyakit Menular Dengan Algoritma Machine Learning Berbasis SVM Muiz Suyaana, Abdul; Juni Aditya, Bayu; Fayza Pramestia, Putri; Cahya Maharani, Vadista; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Penyakit menular merupakan salah satu masalah kesehatan global yang memerlukan penanganan cepat dan akurat. Untuk itu, deteksi dan klasifikasi penyakit menular secara efisien sangat penting dalam upaya pencegahan dan pengendalian penyebarannya. Dalam penelitian ini, kami mengusulkan penggunaan algoritma Support Vector Machine (SVM) untuk klasifikasi penyakit menular berdasarkan data yang tersedia. Metode SVM dipilih karena kemampuannya dalam mengklasifikasikan data dengan dimensi tinggi dan menghasilkan model yang akurat, bahkan dengan dataset yang relatif kecil. Penelitian ini menggunakan data yang mencakup berbagai fitur medis yang relevan, seperti gejala, riwayat perjalanan, dan faktor risiko, yang kemudian diproses dan diklasifikasikan ke dalam kategori penyakit menular yang berbeda. Hasil eksperimen menunjukkan bahwa SVM dapat mencapai tingkat akurasi yang tinggi dalam mengidentifikasi jenis penyakit menular, dengan performa yang lebih baik dibandingkan beberapa algoritma pembelajaran mesin lainnya. Selain itu, penelitian ini juga mengeksplorasi penggunaan teknik pengoptimalan parameter untuk meningkatkan kinerja model SVM. Secara keseluruhan, pendekatan ini menunjukkan potensi besar dalam aplikasi kesehatan masyarakat, khususnya dalam diagnosis cepat dan pencegahan penyebaran penyakit menular.
Co-Authors Cahya Maharani, Vadista Fayza Pramestia, Putri Muiz Suyaana, Abdul Perani Rosyani