Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal LEBAH
Putri, Melani Septina
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Komparatif Algoritma Machine Learning untuk Prediksi Dini Tuberkulosis di Puskesmas X Koto I Tanah Datar Junaidi, Satrio; Febriyani, Nia; Putri, Melani Septina; Ananda, Muthia
Lebah Vol. 19 No. 4 (2026): Maret: Pengabdian
Publisher : IHSA Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/lebah.v19i4.493

Abstract

Tuberkulosis (TB) masih menjadi masalah kesehatan serius di Indonesia, terutama di daerah dengan akses terbatas seperti Kabupaten Tanah Datar. Deteksi dini yang lambat sering kali terjadi karena gejala awal yang tidak spesifik dan sistem pencatatan yang masih manual. Penelitian ini bertujuan mengembangkan sistem prediksi pasien TB berbasis machine learning dengan algoritma Support Vector Machine (SVM) untuk membantu tenaga kesehatan di Puskesmas X Koto I dalam melakukan skrining awal. Metode yang digunakan meliputi pengumpulan data rekam medis sebanyak 1.000 pasien, pengembangan model prediktif, pelatihan bagi tenaga kesehatan, serta implementasi dan evaluasi sistem. Hasil uji coba menunjukkan bahwa sistem mampu memprediksi risiko TB dengan akurasi mencapai 98% dengan precision, recall dan fi-score 93%.  Sistem ini telah diimplementasikan dalam bentuk aplikasi web interaktif yang mudah digunakan oleh petugas kesehatan. Selain meningkatkan akurasi diagnosis, sistem ini juga mempercepat proses skrining dan mendukung upaya pencegahan penularan TB di masyarakat. Program ini diharapkan dapat menjadi model inovatif yang berkelanjutan dan dapat diadopsi oleh puskesmas lainnya
Co-Authors Ananda, Muthia Nia Febriyani Satrio Junaidi