Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan JPNM : Jurnal Pustaka Nusantara Multidisiplin
Adha Mashur Sajiah
Unknown Affiliation
Religion Humanities Computer Science & IT Economics, Econometrics & Finance Education Social Sciences

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

Found 2 Documents
Search

 1 
Implementasi Algoritma Dijkstra Untuk Rekomendasi Apotek Terdekat Berdasarkan Pencarian Kata Kunci Obat Berbasis Term Frequency-Inverse Document Frequency (TF-IDF) Pada Aplikasi Mobile Rina; Jumadil Nangi; Adha Mashur Sajiah
JPNM Jurnal Pustaka Nusantara Multidisiplin Vol. 3 No. 3 (2025): October : Jurnal Pustaka Nusantara Multidisiplin
Publisher : SM Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59945/jpnm.v3i3.733

Abstract

Apotek memiliki peran penting dalam menyediakan obat-obatan dan pelayanan kefarmasian bagi masyarakat. Namun, tidak semua apotek memiliki ketersediaan obat yang sama, sehingga masyarakat sering kesulitan menemukan apotek terdekat yang menyediakan obat tertentu. Keterbatasan informasi mengenai ketersediaan obat memperburuk kondisi ini; oleh karena itu, dibutuhkan solusi berbasis teknologi yang dapat mengintegrasikan pencarian obat dan penentuan jalur tercepat menuju apotek yang relevan. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Dijkstra dalam menentukan jalur terdekat serta algoritma Term Frequency–Inverse Document Frequency (TF-IDF) dalam mencocokkan kata kunci obat dengan data yang tersedia. Aplikasi mobile dikembangkan menggunakan Flutter dan Dart untuk antarmuka pengguna, FastAPI (Python) untuk backend, Laravel (PHP) untuk antarmuka admin, dan MySQL sebagai basis data. OpenStreetMap dan Sistem Informasi Geografis (SIG) digunakan untuk mendukung fitur navigasi, sedangkan komunikasi antar komponen dilakukan melalui RESTful API. Pengujian sistem dilakukan melalui User Acceptance Test (UAT) dan pengujian algoritma. Hasil UAT menunjukkan respons positif dengan 35,60% Sangat Setuju dan 52,13% Setuju (87,73% positif), 11,07% Netral, 0,67% Tidak Setuju, dan 0,53% Sangat Tidak Setuju. Algoritma Dijkstra memperoleh galat relatif rata-rata sebesar 8,66% dengan akurasi 91,74%, sedangkan algoritma TF-IDF mencapai nilai Precision 0,8427, Recall 0,9426, dan F1-Score 0,8695. Hasil ini menunjukkan bahwa aplikasi layak digunakan karena mampu menampilkan informasi obat yang relevan serta memberikan rekomendasi rute terpendek secara efisien dan akurat.
MULTITASK LEARNING UNTUK ANALISIS LUKA BAKAR MENGGUNAKAN U-NET, EFFICIENTNETB4, DAN VISION TRANSFORMER Ayu Lutfiah; Nirmala; Jeni Fajarwati; Adha Mashur Sajiah
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10369

Abstract

Luka bakar merupakan cedera serius yang dapat mengancam jiwa dan memerlukan penanganan cepat sesuai tingkat keparahannya. Keterbatasan tenaga medis terlatih di daerah terpencil mendorong pengembangan sistem diagnosis otomatis berbasis kecerdasan buatan. Penelitian ini mengembangkan sistem analisis luka bakar berbasis deep learning dengan pendekatan MultiTask Learning (MTL) yang mampu melakukan segmentasi area luka, klasifikasi derajat keparahan (I, II, dan III), serta estimasi rasio area luka secara bersamaan dalam satu model. Tiga arsitektur dibandingkan, yaitu U-Net, EfficientNetB4, dan Vision Transformer (ViT), menggunakan 1.846 citra luka bakar dari Roboflow dan Kaggle. Dataset dibagi menjadi data latih, validasi, dan uji dengan rasio 80:10:10 menggunakan stratified sampling. Hasil menunjukkan bahwa U-Net memberikan performa segmentasi terbaik dengan nilai Dice 0,6773 dan IoU 0,5121. EfficientNetB4 mencapai akurasi klasifikasi tertinggi sebesar 77,30%, sedangkan Vision Transformer (ViT) unggul pada estimasi rasio area luka dengan MAE 0,0819 dan R² 0,5107. Temuan ini menunjukkan bahwa tidak ada satu arsitektur yang unggul pada semua tugas, sehingga pemilihan model perlu disesuaikan dengan prioritas klinis. Sistem ini berpotensi mendukung diagnosis luka bakar di fasilitas kesehatan dengan sumber daya terbatas.
Co-Authors Ayu Lutfiah Jeni Fajarwati Jumadil Nangi Nirmala Rina