Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Journal of Applied Data Sciences Konstelasi: Konvergensi Teknologi dan Sistem Informasi
Afwan Anggara
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

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

Found 3 Documents
Search

 1 
Pembuatan Aplikasi Edukasi Kesehatan Mental “Up Mind” Berbasis Android Fitriani, Aniq Zahira; Afwan Anggara
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 4 No. 2 (2024): Desember 2024
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v4i2.10199

Abstract

Perkembangan teknologi memberikan peluang besar untuk meningkatkan pemahaman masyarakat tentang pentingnya kesehatan mental. Salah satu pendekatan yang dapat dilakukan adalah dengan memanfaatkan aplikasi berbasis Android , yang dikenal luas karena kemudahan dan kemudahannya diakses oleh berbagai kalangan. Di Indonesia, masalah kesehatan mental masih menjadi perhatian serius. Tingginya angka depresi dan gangguan mental di berbagai kelompok usia menunjukkan adanya kebutuhan akan solusi yang efektif dan terjangkau untuk membantu masyarakat memahami dan mengelola kesehatan mental. Oleh karena itu, diperlukan sebuah aplikasi yang dapat memberikan edukasi kesehatan mental dan mudah diakses. Penelitian ini bertujuan untuk menciptakan aplikasi yang dapat membantu individu dalam meningkatkan pemahaman mengenai kesehatan mental. Aplikasi untuk edukasi kesehatan mental berbasis Android ini diberi nama " Up Mind ". Metode penelitian yang digunakan adalah SDLC Waterfall , yang meliputi tahap analisis kebutuhan, desain, implementasi, pengujian, penerapan, dan pemeliharaan sistem. Pengujian dilakukan menggunakan metode pengujian black-box untuk memastikan fungsi aplikasi berjalan dengan baik. Penelitian ini memberikan perspektif penting mengenai bagaimana aplikasi edukasi kesehatan mental berbasis Android dapat berperan dalam meningkatkan pemahaman kesehatan mental, serta menjadi sarana edukatif yang efektif dan mudah diakses oleh masyarakat secara luas.
Pembuatan Aplikasi Edukasi Kesehatan Mental “Up Mind” Berbasis Android Fitriani, Aniq Zahira; Afwan Anggara
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 4 No. 2 (2024): Desember 2024
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v4i2.10199

Abstract

Perkembangan teknologi memberikan peluang besar untuk meningkatkan pemahaman masyarakat tentang pentingnya kesehatan mental. Salah satu pendekatan yang dapat dilakukan adalah dengan memanfaatkan aplikasi berbasis Android , yang dikenal luas karena kemudahan dan kemudahannya diakses oleh berbagai kalangan. Di Indonesia, masalah kesehatan mental masih menjadi perhatian serius. Tingginya angka depresi dan gangguan mental di berbagai kelompok usia menunjukkan adanya kebutuhan akan solusi yang efektif dan terjangkau untuk membantu masyarakat memahami dan mengelola kesehatan mental. Oleh karena itu, diperlukan sebuah aplikasi yang dapat memberikan edukasi kesehatan mental dan mudah diakses. Penelitian ini bertujuan untuk menciptakan aplikasi yang dapat membantu individu dalam meningkatkan pemahaman mengenai kesehatan mental. Aplikasi untuk edukasi kesehatan mental berbasis Android ini diberi nama " Up Mind ". Metode penelitian yang digunakan adalah SDLC Waterfall , yang meliputi tahap analisis kebutuhan, desain, implementasi, pengujian, penerapan, dan pemeliharaan sistem. Pengujian dilakukan menggunakan metode pengujian black-box untuk memastikan fungsi aplikasi berjalan dengan baik. Penelitian ini memberikan perspektif penting mengenai bagaimana aplikasi edukasi kesehatan mental berbasis Android dapat berperan dalam meningkatkan pemahaman kesehatan mental, serta menjadi sarana edukatif yang efektif dan mudah diakses oleh masyarakat secara luas.
Osteoporosis Detection Using a Combination of Recursive Feature Elimination and Naive Bayes Classifier with Rule-Based Chatbot Testing Enny Itje Sela; Rianto Rianto; Afwan Anggara; Wahyu Sri Utami
Journal of Applied Data Sciences Vol 5, No 4: DECEMBER 2024
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v5i4.409

Abstract

Osteoporosis is a condition characterized by reduced bone mass and density, increasing the risk of fractures. Early detection relies on patient awareness and proactive health management. Despite advances in technology, patient independence and awareness remain critical for early diagnosis. A rule-based chatbot tool can assist by helping patients screen their bone health. The chatbot provides automated recommendations, offering an alternative to traditional hospital visits. This study presents a rule-based chatbot designed to detect osteoporosis, using Recursive Feature Elimination (RFE) combined with the Naïve Bayes Classifier (NBC). Machine learning is integrated to enhance the chatbot's ability to identify early signs of osteoporosis. The model’s performance is compared to other feature selection methods, such as Principal Component Analysis (PCA), and machine learning algorithms like Deep Learning, Support Vector Machine (SVM), and Logistic Regression. The dataset used includes public data sets for training and validation, as well as data from the Yogyakarta Health Office for predictions. Research phases include normalization, data encoding, feature selection, training, validation, and prediction. The chatbot implements text preprocessing techniques, such as tokenization, stop word removal, and feature extraction, alongside normalization and encoding of numeric data. The prediction stage determines if the patient has a positive or negative osteoporosis status. Validation results show the RFE-NBC model is particularly effective for osteoporosis detection, offering a balanced performance in identifying both positive and negative cases. Additionally, this model served as the foundation for creating a rule-based chatbot designed to detect osteoporosis. Based on the set of testing metrics using chatbot, the model demonstrates strong overall performance, with a good balance between identifying positive and negative instances.
Co-Authors Enny Itje Sela Fitriani, Aniq Zahira Rianto Rianto Wahyu Sri Utami