Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal Computer Science and Informatic Systems : J-Cosys Jurnal Sistem Informasi Mahakarya (JSIM)
Sulfani, Ari
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
SISTEM INFORMASI ADMINISTRASI DATA POSYANDU PADA UPTD PUSKESMAS RAWA BENING BERBASIS DESKTOP Aini Agustyana, Amellia; Sulfani, Ari; Aripin, Didik
JSIM : Jurnal Sistem Informasi Mahakarya Vol 7 No 2 (2024): Jurnal Sistem Informasi Mahakarya (JSIM)
Publisher : LPPM universitas Mahakarya Asia

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

Abstract

Sistem Informasi Administrasi Data Posyandu pada UPTD Puskesmas Rawa Bening berbasis desktop ini dirancang untuk mempermudah pengelolaan data kesehatan di Posyandu. Sistem ini menggantikan metode manual dengan menyediakan fitur untuk mencatat kunjungan, memantau kesehatan anak, ibu dan lansia pada khususnya. Dengan menggunakan teknologi desktop, sistem ini menawarkan antarmuka yang mudah digunakan, yaitu menggunakan Embarcadero XE2 dan menggunakan aplikasi database Microsoft Acces 2010, sehingga memudahkan petugas kesehatan dalam mengelola data dan mengurangi kesalahan pencatatan. Maka untuk memperoleh data yang diperlukan, penulis melakukan pengumpulan data dengan cara interview, observasi dan kepustakaan. Pengembangan sistem ini meliputi analisis kebutuhan, desain, pembuatan, dan pengujian perangkat lunak. Hasil dari penerapan sistem ini menunjukkan bahwa sistem mampu mempercepat akses data dan meningkatkan akurasi laporan. Selain itu, sistem ini juga membantu petugas dalam merencanakan program kesehatan dengan lebih baik. Dengan demikian, sistem ini diharapkan dapat meningkatkan efektivitas administrasi data Posyandu dan mendukung pelayanan kesehatan di UPTD Puskesmas Rawa Bening.
Penerapan Algoritma K-Means dalam Klasterisasi Wilayah Prioritas Penanganan BBLR dan Risiko Stunting Salamudin, Salamudin; Saputro, Haris; Rusidi, Rusidi; Sulfani, Ari
Journal Computer Science and Information Systems : J-Cosys Vol 5, No 2 (2025): September
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/jco.v5i2.709

Abstract

This study aims to classify districts and municipalities in South Sumatra Province based on the risk level of Low Birth Weight (LBW) and severe malnutrition using the K‑Means Clustering algorithm as a basis for mapping priority areas for stunting prevention. The research utilizes secondary data from 2024 consisting of total live births, LBW cases, and severe malnutrition cases across 17 regions. Both risk indicators were transformed into rate-based measurements to ensure proportional comparisons between regions and subsequently normalized using the Min–Max method to equalize variable scales for Euclidean distance computation within the clustering process. The optimal number of clusters was determined through the elbow method combined with the Davies–Bouldin Index (DBI), which indicated that k = 3 provides the most suitable cluster structure for the dataset. The clustering results formed three distinct groups representing low-risk, medium-risk, and high-risk areas. Regions classified into the high‑risk cluster exhibited the highest LBW and malnutrition rates, thus becoming the primary targets for intervention. The findings demonstrate that the K‑Means algorithm is effective for health‑risk mapping using numerical epidemiological data and can serve as a reliable analytical tool to support evidence‑based decision‑making in stunting reduction programs
Co-Authors Aini Agustyana, Amellia Aripin, Didik Rusidi, Rusidi Salamudin Salamudin Saputro, Haris