Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization Journals of Ners Community
Al Qarana, Gilang
Unknown Affiliation
Computer Science & IT Nursing

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

Found 2 Documents
Search

 1 
Analyzing Perceptions of Maternal and Pediatric Care in Jakarta: An Integrated VADER and GloVe Analysis of Google Reviews in Mother and Child Hospitals Al Qarana, Gilang; Rianto, Leonov; Charles, Charles; Purnomo, Lorio
JOIV : International Journal on Informatics Visualization Vol 9, No 1 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.1.2551

Abstract

In the rapidly digitizing landscape of healthcare feedback, online reviews have become a vital source of patient-reported experiences. This study leverages sentiment analysis to decode the narrative content of Google reviews for Mother and Child Hospitals in Jakarta. Utilizing the VADER sentiment analysis tool and GloVe for keyword extraction, the research aimed to correlate qualitative sentiment with quantitative star ratings. This study meticulously processed and analyzed a selection of Google reviews using VADER for sentiment scoring and GloVe for refining the focus on relevant healthcare discussions. This methodological approach allowed for a comprehensive sentiment assessment of the reviews. The analysis revealed a prevalent positive sentiment in higher-rated reviews and negative sentiment in lower-rated reviews, with notable anomalies that underscore the complexity of patient experiences and perceptions. Specific aspects of care, including staff behavior, facility quality, and treatment efficacy, were recurrent themes in the feedback. These findings highlight the potential of patient-reported experiences in shaping healthcare practices and policy. The study emphasizes the importance of healthcare providers understanding and responding to patient feedback to improve care quality. Limitations such as the representativeness of online reviews and the challenges of sentiment analysis in capturing nuanced emotions are discussed. This study offers valuable insights into patient perceptions of maternal and pediatric care in Jakarta, affirming the significance of leveraging online reviews for healthcare quality monitoring and improvement
Analisis Faktor Sosial-Ekonomi Pada Data Rekam Medik Pasien TB Menggunakan Teknologi MLP Classifier-ANN Dalam Kasus Kegagalan Pengobatan Al Qarana, Gilang; Sfenrianto, Sfenrianto
Journals of Ners Community Vol 13 No 4 (2022): Journals of Ners Community
Publisher : Fakultas Ilmu Kesehatan Universitas Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55129/jnerscommunity.v13i4.2093

Abstract

Program TB nasional harus mengidentifikasi pemangku kepentingan yang bekerja pada SDGs lainnya, mengembangkan mekanisme untuk berkolaborasi dengan mereka dan memfasilitasi tindakan pada penentu sosial-ekonomi di wilayah geografis dengan beban TB tinggi. Pada penelitian ini akan mengunakan data retro tentang kondisi sosial dan ekonomi pasien pada suatu Rumah Sakit Umum Pusat (RSUP) Persahabatan di wilayah Jakarta yang diharapkan dapat meningkatkan akurasi klasifikasi kegagalan pengobatan yang terjadi. Total sebanyak 2,250 data rekam medik pasien digunakan dalam penelitian ini. Metode klasifikasi yang akan digunakan adalah Artificial Neural Network (ANN) dengan metode klasifikasi menggunakan MLP Classifier. Metode ini digunakan karena data-data sosial ekonomi pada rekam medik pasien yang berjumlah sangat banyak dan bersifat kategorik sehingga tidak dapat dilakukan teknik analisis dan klasifikasi yang sederhana. Pembangunan Model Klasfikasi melalui menggunakan dataset tanpa penambahan metode apapun dan pengkategorian ulang beberapa indikator. Model klasifikasi dapat dibangun menggunakan arsitektur ANN terbaik menggunakan metode MLP-Classifier dengan akurasi 99,5% untuk training dan 81.6% untuk testing. Model klasifikasi yang dihasilkan juga telah diuji untuk mengetahui kemampuan prediktif/inferensi masing-masing model. Hasil penelitian dapat digunakan untuk menerapkan model klasifikasi untuk menjawab kebutuhan bisnis yang ada dalam konteks pengendalian TB di Indonesia.
Co-Authors Charles Charles Purnomo, Lorio Rianto, Leonov Sfenrianto, Sfenrianto