Claim Missing Document
Check
Articles

Found 2 Documents
Search

RANCANG BANGUN MESIN CHILLER TERINTEGRASI INTERNET OF THINGS UNTUK MENJAGA KUALITAS COLD CHAIN PRODUCTS OBAT Pambudi, Luhur; Rusli, Moch.; Siswojo, Bambang
Jurnal Mahasiswa TEUB Vol. 13 No. 2 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Dalam industri farmasi, penyimpanan obatobatan pada suhu yang tepat  sangat krusial untuk menjaga efektivitas dan keamanannya. Cold Chain  Products (CCP) seperti vaksin, insulin, dan obat-obatan lain harus disimpan dalam rentang suhu tertentu untuk menghindari degradasi zat aktif. Mesin pendingin atau chiller konvensional masih memiliki keterbatasan dalam  monitoring secara real-time. Penelitian ini bertujuan untuk merancang dan membangun mesin chiller terintegrasi Internet of Things (IoT) untuk menjaga kualitas Cold Chain Products obat. Sistem ini mengintegrasikan  sensor suhu yang dikendalikan oleh PLC dan dikoneksikan dengan  platform IoT untuk monitoring secara real-time. Data suhu yang  dikumpulkan akan disimpan dalam basis data terstruktur untuk mendukung analisis tren. Metode yang digunakan dalam penelitian ini  meliputi desain dan implementasi sistem refrigerasi dengan siklus kompresi uap, serta pengembangan sistem pemantauan denganIoT. Hasil pengujian menunjukkan bahwa sistem ini mampu menjaga suhu dalam  rentang yang ditentukan. Implementasi IoT pada sistem refrigerasi ini  memberikan kemudahan dalam monitoring suhu, serta pengelolaan  penyimpanan obat-obatan yang memerlukan kontrol ketat terhadap suhu.  Dengan demikian, sistem ini dapat menjadi solusi inovatif dalam meningkatkan kualitas penyimpanan obat dalam rantai dingin farmasi.Kata kunci: Cold Chain Product, Chiller, Monitoring 
Klasifikasi Dampak dan Kondisi Pasien Hepatitis Menggunakan Metode Decision Tree Pambudi, Luhur; Sefrika, Sefrika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2692

Abstract

Hepatitis masih menjadi salah satu tantangan serius di bidang kesehatan, terutama karena sifatnya yang sering “diam-diam berbahaya”. Hepatitis C, misalnya, kerap tidak menimbulkan gejala nyata pada fase awal, sehingga banyak pasien baru terdeteksi ketika kondisinya sudah cukup parah. Berangkat dari permasalahan tersebut, penelitian ini berupaya menghadirkan pendekatan data mining melalui algoritma Decision Tree tipe C4.5 untuk membantu memprediksi kondisi pasien hepatitis secara lebih sistematis. Dataset yang digunakan berasal dari platform Kaggle dengan total 155 entri data klinis, mencakup variabel seperti usia, jenis kelamin, konsumsi obat, hingga gejala medis tertentu. Tahapan penelitian meliputi preprocessing data, pelatihan model, evaluasi performa dengan metrik akurasi, precision, recall, serta pembuatan visualisasi pohon keputusan menggunakan RapidMiner. Hasil eksperimen menunjukkan bahwa model mampu mencapai akurasi optimal sebesar 80,65% dengan proporsi data latih dan uji 80:20. Selain itu, precision pada kelas “Live” mencapai 91,30% dan recall pada kelas “Die” sebesar 66,67%. Pohon keputusan yang terbentuk juga mudah diinterpretasikan, menjadikannya relevan sebagai sarana pendukung keputusan klinis. Dengan demikian, penelitian ini tidak hanya menawarkan gambaran teknis, tetapi juga membuka peluang pemanfaatan teknologi prediktif dalam deteksi dini hepatitis.