Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Rekam Medis dan Manajemen Informasi Kesehatan Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi
Vic Jeremy Prajogo
Unknown Affiliation
Computer Science & IT Health Professions Public Health

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

Found 2 Documents
Search

 1 
Rancang Bangun Aplikasi Marketplace Edukasi “Pasar Ilmu” Oei Joviano Matthew Wijaya; Vic Jeremy Prajogo; Gafgarion Sudrajat Budi Darminto; Gracia Stefani Suharyadi; Siska Narulita; Sekarlangit Sekarlangit
Bridge : Jurnal Publikasi Sistem Informasi dan Telekomunikasi Vol. 3 No. 1 (2025): Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/bridge.v3i1.422

Abstract

The welfare of teachers in Indonesia, especially honorary teachers, is still very poor when compared to other ASEAN countries. There is a gap between the salaries of teachers in Indonesia and the salaries of teachers in several ASEAN countries. There have been several demonstrations carried out by teachers, especially honorary teachers, because the salary received is not in accordance with the performance that has been carried out. On the other hand, there is a problem of high unemployment in Indonesia. The factors causing the high unemployment rate in Indonesia are the mismatch of qualifications and the low quality of education in Indonesia, as well as limited job vacancies and the high need for employment. To overcome these problems, a new innovation is needed that can help the community in creating jobs and improving the quality of education in Indonesia. The Pasar Ilmu educational marketplace application was developed to overcome these problems. The development of this Pasar Ilmu application uses the prototype system development method. This research aims to create a system or application of the Pasar Ilmu educational marketplace that can help improve the quality of education in Indonesia as an application that can help honorary teachers to get additional income, help reduce unemployment in Indonesia, and provide flexible courses or lessons for students.
Deteksi Penderita Diabetes dengan Algoritma Random Forest dan Backward Elimination Vic Jeremy Prajogo; Siska Narulita
Jurnal Rekam Medis & Manajemen Infomasi Kesehatan Vol. 5 No. 1 (2025): Juni 2025
Publisher : Universitas Nasional Karangturi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53416/jurmik.v5i1.334

Abstract

Diabetes merupakan salah satu penyakit kronis yang membutuhkan deteksi dini secara akurat untuk penanganan yang tepat. Penelitian ini bertujuan untuk mengoptimalkan proses deteksi penderita diabetes menggunakan kombinasi algoritma Random Forest dengan teknik Backward Elimination sebagai salah satu metode feature selection. Dataset yang digunakan berasal dari database publik yang diambil dari Kaggle, terdiri dari 768 sampel dengan 9 atribut, termasuk kadar glukosa, tekanan darah, indeks massa tubuh, dan faktor risiko lainnya. Metodologi penelitian meliputi empat tahap utama, data preparation untuk memastikan kualitas dataset, pre-processing menggunakan Backward Elimination untuk seleksi fitur optimal, implementasi algoritma Random Forest untuk klasifikasi, dan evaluasi performa menggunakan confusion matrix. Hasil penelitian menunjukkan peningkatan signifikan dalam performa model setelah implementasi Backward Elimination, dengan peningkatan accuracy dari 83,08% menjadi 99,78%, precision dari 79,37% menjadi 99,67%, sementara recall tetap konsisten pada 100%. Optimasi menggunakan Backward Elimination terbukti efektif dalam mengeliminasi fitur-fitur yang kurang berkontribusi terhadap akurasi prediksi, menghasilkan model yang lebih efisien dan akurat. Temuan ini mengindikasikan bahwa kombinasi Random Forest dengan Backward Elimination tidak hanya meningkatkan akurasi deteksi penderita diabetes secara substansial, tetapi juga berpotensi untuk diimplementasikan dalam sistem pendukung keputusan klinis untuk membantu diagnosis dini diabetes.
Co-Authors Gafgarion Sudrajat Budi Darminto Gracia Stefani Suharyadi Oei Joviano Matthew Wijaya Sekarlangit Sekarlangit Siska Narulita