Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kesehatan BPI Prosiding SeNTIK STI&K
Admira, Tb. M. Adrie
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Health Professions Languange, Linguistic, Communication & Media Medicine & Pharmacology Nursing Public Health

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

Found 3 Documents
Search

 1 
SISTEM REKOMENDASI BERBASIS PEMBELAJARAN MESIN UNTUK POSISI PERSALINAN OPTIMAL MENGGUNAKAN DATA FISIOLOGIS REAL-TIME Admira, Tb. M. Adrie; Sancoko, Agus; Sugiharti
Jurnal Ilmiah Kesehatan BPI Vol. 9 No. 2 (2025): JURNAL ILMIAH KESEHATAN BHAKTI PERTIWI INDONESIA
Publisher : Jurnal Ilmiah Kesehatan BPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58813/jikbpi.v9i2.251

Abstract

Proses persalinan ibu merupakan fase fisiologis yang kompleks dan membutuhkan pengambilan keputusan klinis yang tepat, terutama terkait posisi ibu. Posisi persalinan yang tepat telah terbukti meningkatkan kenyamanan ibu dan memfasilitasi luaran persalinan yang baik. Studi ini mengusulkan sistem rekomendasi posisi persalinan secara real-time berbasis algoritma pembelajaran mesin yang memanfaatkan parameter fisiologis ibu. Tiga algoritma—Random Forest, Support Vector Machine, dan Multilayer Perceptron—dievaluasi berdasarkan data yang dikumpulkan dari 150 ibu yang akan melahirkan. Sistem ini dilatih menggunakan fitur deret waktu dari denyut jantung ibu, tekanan darah, kontraksi uterus, dan denyut jantung janin. Hasil eksperimen menunjukkan bahwa model Random Forest mencapai akurasi tertinggi, yaitu 89%, dalam merekomendasikan posisi persalinan yang optimal. Studi ini menunjukkan kelayakan integrasi pembelajaran mesin ke dalam sistem pendukung keputusan klinis untuk membantu perawatan intrapartum.
SISTEM KENDALI TERTUTUP BERBASISKAN MIKROKONTROLLER UNTUK PEMANTAUAN DAN PENGENDALIAN KONDISI TANAH STUDI KASUS: MINI GREENHOUSE Fauzy, Rizky Muhammad; Sudiro, Sunny Arief; Admira, Tb. M. Adrie
Prosiding Seminar SeNTIK Vol. 8 No. 1 (2024): Prosiding SeNTIK 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Rumah kaca (greenhouse) adalah struktur kecil yang dibuat dari kaca, plastik atau bahan tembus kaca yang digunakan untuk memanipulasi kondisi lingkungan untuk mengoptimalkan pertumbuhan tanaman di dalamnya. Manipulasi kondisi lingkungan berguna untuk menghindari kondisi lingkungan yang tidak dikehendaki. Pengendalian variabel-variabel lingkungan, seperti temperatur, kelembapan, dan cahaya pada rumah kaca umumnya dilakukan secara manual oleh pekerja. Oleh karena itu dibangunlah suatu sistem yang bekerja secara otomatis agar dapat mengatur penyiraman dan suhu di dalam sebuah miniatur rumah kaca. Perancangan sistem menggunakan kontrol otomatis mikrokontroler NodeMCU ESP8266 dengan Blynk sebagai platform IoT (Internet of Things) Sistem monitoring dan kendali pada mini greenhouse mampu memantau kondisi kelembapan tanah, dan suhu udara di dalam greenhouse dan menampilkannya pada sebuah LCD 16x2 dan aplikasi Blynk pada smartphone. Selain memantau juga dapat mengendalikan pompa air ketika kondisi kelembapan pada tanah di bawah 40% dan kipas DC ketika suhu dalam mini greenhouse di atas 28OC secara otomatis. LED grow light dan PTC heater tidak menyala sesuai kondisi suhu yang tidak mencapai kurang dari 17 OC. Sistem ini memiliki tingkat persentase error rata-rata sebesar 2.7% pada sensor suhu DHT11, dan 8.2% pada sensor kelembapan tanah kapasitif.
Evaluasi Performa Large Language Model Sebagai Agen Kecerdasan Artifisial Untuk Rekomendasi Berita Generatif Akhriza, MohamTubagus Mohammad ad; Armanda, Tubagus Arief; Admira, Tb. M. Adrie
Prosiding Seminar SeNTIK Vol. 9 No. 1 (2025): Prosiding SeNTIK 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Penelitian ini mengevaluasi performa beberapa model bahasa besar (LLM) sebagai agen rekomendasi berita. Hasilnya menunjukkan GPT-OSS dan Gemma unggul dalam relevansi dan koherensi dibanding model lainnya.
Co-Authors Armanda, Tubagus Arief Fauzy, Rizky Muhammad Sancoko, Agus SUGIHARTI Sunny Arief Sudiro Tubagus Mohammad Akhriza