Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal Go Infotech: Jurnal Ilmiah STMIK AUB Go Infotech: Jurnal Ilmiah STMIK AUB APMa Jurnal Pengabdian Masyarakat
Rismawati, Puput
Unknown Affiliation
Computer Science & IT Education Health Professions Medicine & Pharmacology Nursing Public Health Social Sciences Other

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

Found 3 Documents
Search

 1 
Gerakan Edukasi dan Demonstrasi Spray Anti Nyamuk dari Serai dan Jeruk Nipis di Desa Tanjungharjo Purwanjani, Wahyu; Rahayu, Indah; Budhima, Kukuh Danu; Albayani, Ali Akbar; Ulul F., Raisa Melina Anik; Pertiwi, Dian; Hidayah, Sukma Nurul; Novita A., Devy; Mustava, Indriani Dini; Astuti, Hesty Widi; Anggreini, Oktafia Reza; Puspitasari, Linda Intan; Rismawati, Puput
APMa Jurnal Pengabdian Masyarakat Vol. 5 No. 2: Juli 2025
Publisher : STIKES Bhakti Husada Mulia Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47575/apma.v5i2.709

Abstract

Tujuan kegiatan ini adalah mengedukasi pentingnya pencegahan DBD saat adanya gejala dan mengedukasi kelompok sasaran tentang pencegahan sederhana dengan mendemonstrasikan spray serai dan jeruk nipis sebagai anti nyamuk. Metode dalam pengabdian ini mencakup penyuluhan dan demonstrasi tentang cara membuat semprotan anti nyamuk yang terbuat dari bahan alami, yaitu serai dan jeruk nipis. Tema yang diangkat adalah BERSEMI (Bersama Serai Alami), dengan ibu-ibu kader posyandu Desa Tanjungharjo sebagai kelompok sasaran dari penyuluhan ini. Gerakan edukasi dan demonstrasi spray anti nyamuk dari serai dan jeruk nipis yang dilaksanakan di Desa Tanjungharjo memberikan dampak positif kepada masyarakat, bahwa diperlihatkan dari hasil evaluasi banyaknya ibu kader Posyandu yang merasa mendapatkan manfaat dari kegiatan tersebut sebesar 38,76%.
Komparasi Naive Bayes, C4.5 Dan SVM Untuk Klasifikasi Pendonor Darah Di PMI Kabupaten Grobogan Rismawati, Puput; Supriyadi, Eko; Arum, Dhika Malita Puspita
Go Infotech: Jurnal Ilmiah STMIK AUB Vol 31, No 2 (2025): December
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer AUB - Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36309/goi.v31i2.421

Abstract

Kebutuhan darah di Indonesia masih tinggi dan sering tidak sebanding dengan jumlah pendonor yang tersedia. Untuk memastikan kualitas donor, PMI menerapkan kriteria kesehatan tertentu. Namun, proses seleksi masih dilakukan secara manual sehingga memerlukan metode analisis yang lebih efektif. Perkembangan teknik data mining memungkinkan penerapan algoritma klasifikasi untuk menentukan kelayakan pendonor darah secara akurat. Penelitian ini menggunakan dataset pendonor darah dari PMI Kabupaten Grobogan. Menggunakan tiga algoritma klasifikasi, yaitu Naïve Bayes, Decision Tree C4.5, dan Support Vector Machine (SVM), diimplementasikan menggunakan perangkat lunak RapidMiner. Hasil pengujian menunjukkan bahwa algoritma C4.5 memiliki performa terbaik dengan akurasi sebesar 96,77%. Naïve Bayes menghasilkan akurasi 75,47% dengan AUC, sedangkan SVM memperoleh akurasi 72,38%. Algoritma C4.5 paling efektif untuk klasifikasi kelayakan pendonor darah, karena akurat sekaligus mudah diinterpretasi. Ini bisa menjadi dasar pengembangan sistem pendukung keputusan berbasis data mining guna membantu proses seleksi pendonor secara lebih cepat dan objektif.
Komparasi Naive Bayes, C4.5 Dan SVM Untuk Klasifikasi Pendonor Darah Di PMI Kabupaten Grobogan Rismawati, Puput; Supriyadi, Eko; Arum, Dhika Malita Puspita
Go Infotech: Jurnal Ilmiah STMIK AUB Vol 31, No 2 (2025): December
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer AUB - Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36309/goi.v31i2.421

Abstract

Kebutuhan darah di Indonesia masih tinggi dan sering tidak sebanding dengan jumlah pendonor yang tersedia. Untuk memastikan kualitas donor, PMI menerapkan kriteria kesehatan tertentu. Namun, proses seleksi masih dilakukan secara manual sehingga memerlukan metode analisis yang lebih efektif. Perkembangan teknik data mining memungkinkan penerapan algoritma klasifikasi untuk menentukan kelayakan pendonor darah secara akurat. Penelitian ini menggunakan dataset pendonor darah dari PMI Kabupaten Grobogan. Menggunakan tiga algoritma klasifikasi, yaitu Naïve Bayes, Decision Tree C4.5, dan Support Vector Machine (SVM), diimplementasikan menggunakan perangkat lunak RapidMiner. Hasil pengujian menunjukkan bahwa algoritma C4.5 memiliki performa terbaik dengan akurasi sebesar 96,77%. Naïve Bayes menghasilkan akurasi 75,47% dengan AUC, sedangkan SVM memperoleh akurasi 72,38%. Algoritma C4.5 paling efektif untuk klasifikasi kelayakan pendonor darah, karena akurat sekaligus mudah diinterpretasi. Ini bisa menjadi dasar pengembangan sistem pendukung keputusan berbasis data mining guna membantu proses seleksi pendonor secara lebih cepat dan objektif.
Co-Authors Albayani, Ali Akbar Anggreini, Oktafia Reza Arum, Dhika Malita Puspita Astuti, Hesty Widi Budhima, Kukuh Danu Dian Pertiwi Eko Supriyadi Hidayah, Sukma Nurul Mustava, Indriani Dini Novita A., Devy Purwanjani, Wahyu Puspitasari, Linda Intan Rahayu, Indah Ulul F., Raisa Melina Anik