Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal AMALIAH: JURNAL PENGABDIAN KEPADA MASYARAKAT Jurnal Informatika Medis (J-INFORMED)
Riko Muhammad Suri
Unknown Affiliation
Computer Science & IT Health Professions Library & Information Science Nursing Public Health Veterinary

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

Found 3 Documents
Search

 1 
Pelatihan digitalisasi data pada Organisasi karang taruna Budi Utomo dan perangkat desa Sari Mulya Jujuhan Ilir Sidik Praptomo; Riko Muhammad Suri
Amaliah: Jurnal Pengabdian Kepada Masyarakat Vol 9 No 2 (2025): Amaliah Jurnal: Pengabdian kepada Masyarakat
Publisher : LPPI UMN AL WASHLIYAH

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32696/ajpkm.v9i2.5982

Abstract

Digital data processing is a strategic effort to enhance understanding and skills in utilizing information technology for data management. This activity is motivated by the need for efficiency, accuracy, and security in storing and processing data in the digital era. The training method is conducted through a combination of material delivery, hands-on practice, and intensive guidance, enabling participants to gain not only theoretical knowledge but also practical skills in using digital tools. The materials presented include the fundamentals of digitization, the use of data processing software, digital archive management, and an understanding of data security. The training participants come from various institutional or individual backgrounds who share a common need: transitioning from manual systems to digital systems. The results of the training indicate a significant improvement in participants’ understanding and skills in carrying out the data digitization process. In addition, participants are better prepared to implement digital technology within their respective work environments. Thus, this training provides a tangible contribution to improving data management quality and supports the achievement of broader digital transformation.
MODEL DEEP LEARNING UNTUK DETEKSI PNEUMONIA : STUDI EKSPERIMEN MENGGUNAKAN (CONVOLUTIONAL NEURAL NETWORK) ARSITEKTUR VGG16 Kurniawan, Ade Agung; Dwi Baharna, Haryan; Riko Muhammad Suri
Jurnal Informatika Medis Vol. 3 No. 2 (2025): Jurnal Informatika Medis (J-INFORMED)
Publisher : Program Studi Informatika Medis Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/im.v3i2.3847

Abstract

Pneumonia merupakan salah satu penyebab utama kematian pada anak usia di bawah lima tahun, terutama di negara dengan pendapatan rendah dan menengah. Keterbatasan tenaga kesehatan menyebabkan proses diagnosis sering terlambat, sehingga penanganan penyakit ini menjadi semakin sulit. Penelitian ini mengusulkan penerapan Convolutional Neural Network (CNN) dengan arsitektur VGG16 untuk melakukan deteksi pneumonia secara otomatis melalui citra rontgen dada. Metode ini dipilih karena kemampuannya dalam mengekstraksi fitur penting dari citra dengan efisien. Dataset yang digunakan berisi citra rontgen dada dengan dua kategori, yakni pneumonia dan normal. Model VGG16 diterapkan menggunakan teknik transfer learning guna mengatasi jumlah data pelatihan yang terbatas. Hasil pengujian menunjukkan bahwa model mencapai akurasi 96,42%, precision 96,36%, dan F1-Score 97,58%. Dibandingkan dengan penelitian terdahulu, performa model ini mengalami peningkatan yang signifikan, baik dari sisi akurasi maupun keseimbangan antara presisi dan recall. Selain itu, pendekatan ini mampu meminimalkan overfitting yang sering terjadi pada model lain, sehingga lebih stabil dan layak diterapkan dalam praktik. Dengan demikian, model VGG16 yang dikembangkan berpotensi menjadi solusi yang efektif untuk membantu tenaga medis dalam mendeteksi pneumonia secara cepat dan akurat, serta dapat diperluas untuk identifikasi penyakit paru-paru lainnya.
SMART HEALTHCARE SYSTEM TERINTEGRASI IOT DAN MACHINE LEARNING UNTUK PENGAMBILAN KEPUTUSAN REAL TIME DALAM PENANGANAN DAMPAK BANJIR DI KABUPATEN BUNGO Sidik Praptomo; Ahmad Risman; Dafit Afianto; Risti Afriyani; Riko Muhammad Suri
Jurnal Informatika Medis (J-INFORMED) Vol. 4 No. 1 (2026): Jurnal Informatika Medis (J-INFORMED)
Publisher : LPPM Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/im.v4i1.4405

Abstract

Banjir merupakan bencana alam tahunan di Kabupaten Bungo yang memberikan dampak luas terhadap aspek sosial, ekonomi, serta kesehatan masyarakat. Masalah utama dalam penanganan dampak banjir adalah tingginya risiko penyakit berbasis lingkungan—seperti diare, penyakit kulit, dan infeksi saluran pernapasan—yang diperparah oleh keterlambatan respons medis akibat sistem pemantauan lapangan yang masih manual dan belum terintegrasi. Penelitian ini bertujuan untuk merancang smart healthcare system berbasis Internet of Things (IoT) dan Machine Learning yang mampu memantau kondisi lingkungan serta kesehatan masyarakat secara real-time saat terjadi banjir. Metode yang diusulkan berfokus pada integrasi sensor IoT untuk pengumpulan data lapangan dan pemanfaatan algoritma Machine Learning untuk mengolah data tersebut menjadi informasi akurat sebagai dasar pengambilan keputusan. Urgensi penelitian ini terletak pada peningkatan efektivitas deteksi dini risiko kesehatan, percepatan respons darurat, serta penyediaan model layanan kesehatan otomatis, adaptif, dan berkelanjutan. Hasil dari penelitian ini diharapkan dapat menjadi solusi inovatif dalam mendukung penanganan dampak kesehatan akibat banjir di Kabupaten Bungo, sekaligus menjadi model yang dapat direplikasi di wilayah rawan banjir lainnya.
Co-Authors Ahmad Risman DAFIT AFIANTO Dwi Baharna, Haryan Kurniawan, Ade Agung Risti Afriyani Afriyani Sidik Praptomo Sidik Praptomo