cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Saluky
Contact Email
luke4line@yahoo.com
Phone
-
Journal Mail Official
jurnalsistemcerdas@gmail.com
Editorial Address
-
Location
Kota bekasi,
Jawa barat
INDONESIA
Jurnal Sistem Cerdas
Published by Asosiasi Prakarsa Indonesia Cerdas
ISSN : -     EISSN : 26228254     DOI : -
Core Subject : Science, Education, Engineering,
Automotive Engineering Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering
Jurnal Sistem Cerdas dengan eISSN : 2622-8254 adalah media publikasi hasil penelitian yang mendukung penelitian dan pengembangan kota, desa, sektor dan kesistemam lainnya. Jurnal ini diterbitkan oleh Asosiasi Prakarsa Indonesia Cerdas (APIC) dan terbit setiap empat bulan sekali.
Arjuna Subject : Umum - Umum
Articles 176 Documents
 3   4   5   6   7 
Survei IoT Healthcare Device Yulia Suryandari
Jurnal Sistem Cerdas Vol. 3 No. 2 (2020): Riset dan Inovasi Sistem Cerdas pada Penanggulangan Wabah Covid-19
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i2.55

Abstract

The Internet of Things (IoT) has enormous potential in creating the value of life related to technology. IoT has various application domains, including in the health sector. IoT-based healthcare services are expected to reduce costs, improve quality of life, and enrich user experience. The presence of IoT devices for healthcare services can also avoid unnecessary hospitalization and ensure that patients who need health services get it quickly. This paper surveys advances in IoT-based health care technology and reviews the latest architectures / platforms, platforms, applications and industry trends in IoT-based healthcare solutions. Some IoT devices and prototypes in the healthcare field are also discussed in this paper. Through this paper, it is expected that readers can be known and discuss IoT devices in the healthcare sector.
Predictive Analitycs Menggunakan Machine Learning Untuk Memprediksi Waktu Keterlambatan Berdasarkan Penyebab Keterlambatan Pada PT. Kereta Api Indonesia Christopher Sanjaya; Suhono Harso Supangkat
Jurnal Sistem Cerdas Vol. 3 No. 1 (2020): Artificial Intelligence untuk Indonesia
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i2.59

Abstract

Abstract - PT. Kereta Api Indonesia (KAI) is a company that regulates trains in Indonesia. Railways in Indonesia still often experience delays, especially in the Cibatu Purwakarta lane which will be the object of research in this study. This research is intended as an initial stage of applying machine learning to overcome the problem of tardiness by providing the best model for predicting tardiness and what things are causing the tardiness pattern. Machine learning models considered are decision tree regression, support vector machine regression, random forest regression, ensemble learning, and gradient boosting regression. From the best machine learning techniques, a model will be made to predict the delay based on the cause of the delay. Keywords – KAI, machine learning, predict the delay, cause of delay, Cibatu Purwakarta lane
SIMBAS: Sistem Informasi Bantuan Jasa Pandemi Covid-19 Dahlia Winingsih; Rizky Andrian; Ignatius Dimas Priambodo; Nadia Azka Huda Prastiwi; Hanavi; Dewangga Ardian Pratama; Nurmajid Setyasaputra
Jurnal Sistem Cerdas Vol. 3 No. 2 (2020): Riset dan Inovasi Sistem Cerdas pada Penanggulangan Wabah Covid-19
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i2.61

Abstract

Merebaknya kasus covid-19 di Indonesia mengakibatkan munculnya berbagai permasalahan, tidak hanya berdampak pada sektor kesehatan tetapi juga sektor sosial ekonomi. Dalam dunia kesehatan, peningkatan jumlah pasien yang semakin banyak membuat sejumlah fasilitas kesehatan yang ditunjuk mengalami kekurangan tenaga dalam melakukan tugasnya. Hal ini mendorong pemerintah dan lembaga yang ditunjuk dalam penanganan covid-19 membuka pendaftaran relawan baik medis maupun non medis untuk mempercepat penanganannya. Selain penanganan kasus positif, langkah-langkah pencegahan juga menjadi fokus utama dalam menekan penyebaran dan peningkatan kasus covid-19. Beberapa langkah pencegahan diantaranya adalah penggunaan masker, mencuci tangan menggunakan sabun atau hand sanitizer, pembatasan interaksi langsung dan sterilisasi ruang publik seperti rumah ibadah, sekolah, dan tempat pelayanan umum lainnya. Namun, saat ini produk-produk yang berkaitan dengan tindakan pencegahan menjadi langka dan bernilai tinggi sehingga banyak masyarakat yang tidak dapat memperolehnya. Dalam mengatasi permasalahan ini, dibutuhkan bantuan berupa jasa maupun produk yang dapat digunakan untuk melakukan tindakan pencegahan. Kondisi ini kemudian mendorong berbagai lapisan masyarakat baik secara individu maupun organisasi untuk turut membantu dalam pencegahan dan penanganan covid-19. Di sisi lain, banyaknya permintaan yang diajukan membuat calon pemberi jasa kesulitan dalam menentukan penerima bantuan yang benar-benar membutuhkan. Untuk itu, dalam penelitian ini diusulkan suatu sistem informasi yang dapat mempertemukan calon pemberi jasa dengan calon penerima bantuan yang berhak. Sistem ini diharapkan dapat mempercepat proses perekrutan relawan untuk penanganan kasus covid-19 dan penyaluran bantuan jasa yang dibutuhkan dalam pencegahannya.
Pengembangan Sistem Informasi PERISAI (Pelaporan Mandiri saat Isolasi) untuk Orang Dalam Pemantauan Covid-19 Silvia; Eriyanto Adhi Setyawan; Ninon Nurul Faiza; Asmawi Tri Prabowo; Hafidz Adnan Adnan; Nia Semartiana Semartiana; Bayu Setyawan Setyawan
Jurnal Sistem Cerdas Vol. 3 No. 2 (2020): Riset dan Inovasi Sistem Cerdas pada Penanggulangan Wabah Covid-19
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i2.62

Abstract

—Salah satu langkah pencegahan penyebaran virus COVID-19 dapat dilakukan dengan cara melakukan karantina terhadap kelompok orang berisiko diantaranya ODP (Orang Dalam Pemantauan) selama 14 hari dan surveilans/pemantauan kondisi kesehatan ODP tersebut selama masa karantina sebagaimana panduan yang diterbitkan Kementrian Kesehatan Indonesia berupa Kartu Kewaspadaan Kesehatan Pedoman dan Pencegahan Pengendalian COVID-19. Upaya karantina/isolasi mandiri dilakukan sebagai metoda untuk membatasi seseorang atau sekelompok orang dalam suatu wilayah yang diduga terinfeksi penyakit dan/atau terkontaminasi. Namun pemantauan terhadap kepatuhan pelaksanaan isolasi mandiri sulit dilakukan karena puskesmas sebagai unit fasilitas kesehatan yang ditugaskan untuk melakukan pemantauan tidak memiliki alat pantau yang dapat menjamin kepatuhan ODP selama masa isolasi. PERISAI merupakan sistem informasi yang bertujuan untuk mendukung pemantauan ODP yang dapat dilaksanakan secara merata diseluruh daerah terutama bagi penduduk yang baru tiba setelah melakukan perjalanan dari daerah yang memiliki riwayat transmisi lokal COVID-19 dengan konsep digitisasi Kartu Kewaspadaan Kesehatan. PERISAI dikembangkan terbatas pada pengelolaan informasi ODP yang dapat digunakan oleh puskesmas dibawah naungan dinas kesehatan di lingkungan Kabupaten/Kota. Dengan demikian, petugas puskesmas dapat memonitoring proses isolasi mandiri yang dilakukan oleh ODP melalui aplikasi web dan ODP juga dapat melaporkan kondisi kesehatannya secara berkala melalui aplikasi mobile. Sistem informasi PERISAI dikembangkan menggunakan model pengembangan protoyping yang menghasilkan beberapa modul sistem yaitu web aplikasi, mobile aplikasi serta REST API sebagai alat komunikasi sistem
Sistem Informasi Desa Siaga Pangan Menghadapi Covid19 berbasis Web Service Amanda Putri Septiani; Wira Junardi; Ainun Amaliah; Arief Bachtiar; JM Ihza Mahendra; Muhammad Irfan Muttaqin
Jurnal Sistem Cerdas Vol. 3 No. 3 (2020): Kecerdasan Artifisial pada Rekayasa Biomedis
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i3.63

Abstract

SIDAVID19 is a food alert village information system to deal with COVID19, a capability that must be owned by the system for recording the entry and distribution of staple goods, BKPD can know food supplies and aid recipients in an integrated manner as well as village residents to obtain information to distribute village food via the internet. Information integration is a necessity for the government in realizing integrated services to the public. The SIDAVID19 service is one of the services provided to facilitate the management of the distribution of staple goods during the COVID9 emergency and access to information for the public and BKPD. This study describes the design of the SiDavid19 service, which is a web service technology to connect users and providers in retrieving information needed by users.
Pemodelan Dampak COVID-19 Terhadap Kebutuhan Energi di Indonesia Agus Sugiyono; Joko Santosa; Adiarso; Edi Hilmawan
Jurnal Sistem Cerdas Vol. 3 No. 2 (2020): Riset dan Inovasi Sistem Cerdas pada Penanggulangan Wabah Covid-19
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i2.65

Abstract

In order to tackle the COVID-19 pandemic, the government issued a large-scale social restriction policy (PSBB). The policy in the form of restrictions on social activities will limit economic activity which ultimately has an impact on decreasing energy demand. This PSBB policy is challenge in implementing a national energy management plan, and might causes some of the energy planning targets not to be achieved. To analyze the effect of the COVID-19 pandemic on national energy demand, an energy model was created using LEAP software. LEAP is a model for comprehensive energy planning from energy resources to energy use based on an accounting system. For the purposes of analysis, LEAP requires quite detailed data, in the form of socioeconomic data, energy data, and community activity data due to social restrictions. In this paper, the results of energy modeling simulation are discussed in terms of energy demand based on the scenario of no pandemic or bussiness as usual (BAU) and three pandemic scenarios, namely: optimistic (OPT), moderate (MOD), and pessimistic (PES) scenarios. Energy demand in 2020 is predicted to decrease by 10.7% (OPT scenario), 15.3% (MOD scenario), and 20.0% (PES scenario) compared to the BAU scenario. The model can still be further developed to analyze the impact, both on the overall of demand side and energy supply side and also environmental aspects.
Maternal Mortality Risk di Indonesia dengan Analisis Biplot dan Klaster Menggunakan Data Survei Kesehatan dan Demografi Indonesia (SDKI) Tahun 2017 You Ari Faeni; Adina Astasia
Jurnal Sistem Cerdas Vol. 3 No. 2 (2020): Riset dan Inovasi Sistem Cerdas pada Penanggulangan Wabah Covid-19
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i2.66

Abstract

Tingkat kasus kematian Ibu di Indonesia masih tergolong tinggi. Berdasarkan evaluasi Millennium Development Goals (MDGs) pada tahun 2015, kasus kematian ibu di Indonesia masih pada posisi 305 per 100.000 kelahiran. Padahal target yang dicanangkan Perserikatan Bangsa-Bangsa (PBB) adalah 102 per 100.000 kelahiran dan target SDG’s tahun 2030 adalah 70 kematian per 100.000 kelahiran. Sebenarnya Skilled care before, during and after childbirth can save the lives of women. Paper ini bertujuan untuk mengidentifikasi risiko kematian ibu di Indonesia melalui indikator kesehatan ibu yang merupakan penjabaran dari skilled care before, during and after childbirth, kemudian mengelompokkan wilayah berdasarkan indikator tersebut. Variabel-variabel yang ada direduksi menggunakan analisis komponen utama untuk memastikan variabel-variabel bersifat orthogonal dan disajikan dalam bentuk biplot dan cluster untuk mempermudah interpretasi. Hasil analisis gabungan antara biplot dan cluster menunjukkan bahwa cluster pertama memiliki risiko kematian ibu terendah, cluster kedua memiliki risiko kematian ibu sedang, sementara cluster ketiga memiliki risiko kematian ibu tertinggi. Provinsi-provinsi pada klaster ketiga membutuhkan perhatian lebih karena memiliki risiko kematian ibu tertinggi akibat kurang adanya pengawasan oleh tenaga kesehatan saat kehamilan, saat melahirkan, dan setelah melahirkan.
Klasifikasi Gangguan Tidur REM Behaviour Disorder Berdasarkan Sinyal EEG menggunakan Machine Learning Alvi Norma Utami
Jurnal Sistem Cerdas Vol. 3 No. 3 (2020): Kecerdasan Artifisial pada Rekayasa Biomedis
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i3.68

Abstract

REM Behavior Disorder (RBD) is a sleep disorder characterized by the loss of normal muscle atony (loss of paralysis) during Rapid Eye Movement (REM) sleep, where sufferers act on dreams that can result in physical injury to individuals or their sleep partners. REM is a sleep stage characterized by cessation of eye movement, a decrease in body temperature, slow heart rate and no muscle activity in several parts of the body. One of the methods used to detect RBD is Electroencephalography (EEG). EEG is a method of recording or capturing electrical activity in the brain. The dataset used was sourced from PhysioNet.org which consisted of 2 classes, namely normal class and RBD class which were taken from 26 subjects with 6 normal subjects and 20 RBD subjects. This research was conducted to classify RBD sleep disorders based on EEG signals using the ELM algorithm and it is expected to determine the best algorithm for classifying RBD sleep disorders using the ELM algorithm which will be compared with the SVM and backpropagation algorithms based on the EEG signal in terms of the resulting accuracy value and also the time required. to create a model in the algorithm classification process. Classification of RBD sleep disorders based on EEG signals begins with data pre-processing, feature extraction and classification. Data pre-processing includes signal splitting per 30 seconds and data smoothing. The feature extraction process uses Discrete Wavelet Transformation. The RBD classification process based on EEG signals uses the Extreme Learning Machine (ELM) algorithm with the binary sigmoid activation function. Prior to the training process on the ELM algorithm, undersampling was first carried out to overcome the imbalance in the number of classes. Evaluation of the classification results is done by using k-fold cross-validation. The classification results of RBD sleep disorders based on EEG signals using the ELM algorithm show that the ELM algorithm can classify RBD and non-RBD sleep disorders based on EEG signals with an average accuracy value of 70.71% ± 5.44. The comparison result states that the backpropagation algorithm has the best average accuracy in RBD classification based on EEG signals, reaching 83.81% ± 1.40. However, based on the computation of time, the ELM algorithm is superior in the speed of the RBD classification process based on EEG signals, reaching 0.04 ± 0.06 seconds compared to the Support Vector Machine (SVM) algorithm and backpropagation.
Studi Komparasi Algoritma Klasifikasi Mental Workload Berdasarkan Sinyal EEG Dessy Kusumaningrum; Elly Matul Imah
Jurnal Sistem Cerdas Vol. 3 No. 2 (2020): Riset dan Inovasi Sistem Cerdas pada Penanggulangan Wabah Covid-19
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i2.69

Abstract

Kondisi psikologis dan fisik manusia dapat memengaruhi proses berpikir. Apabila kondisi individu mengalami kelelahan, maka dapat memengaruhi penurunan tingkat produktivitas maupun penurunan proses berpikir yang menyebabkan timbulnya mental workload. Workload yang dimiliki harus seimbang terhadap kemampuan dan keterbatasan yang dimiliki. Mental workload yang berlebih berdampak buruk bagi individu karena menimbulkan penurunan produktivitas kerja. Perangkat khusus yang dapat digunakan untuk mengetahui tingkat mental workload seorang individu adalah Electroencephalogram (EEG). EEG adalah perangkat khusus yang digunakan untuk mengukur sinyal potensi listrik dari otak. Dataset yang digunakan dalam penelitian ini adalah STEW: Simultaneous Task EEG Dataset dengan 45 subjek. Dalam penelitian ini, telah dilakukan studi komparasi algoritma Random Forest, K-Nearest Neighbor (KNN), Multi-Layer Perceptron (MLP), dan Support Vector Machine (SVM) untuk klasifikasi mental workload berdasarkan sinyal EEG. Studi dilakukan untuk menentukan algoritma terbaik dalam klasifikasi dilihat dari segi nilai akurasi dan penggunaan memori saat proses klasifikasi. Dataset telah melalui beberapa tahapan, diantaranya pra-pemrosesan data, ekstraksi fitur, dan proses klasifikasi. Pra-pemrosesan data menerapkan pembagian data menjadi beberapa chunk. Untuk mendapatkan ciri dalam ekstraksi fitur, diterapkan metode Principal Component Analysis (PCA). Pada proses klasifikasi menggunakan pendekatan k-fold cross validation. Hasil studi penelitian ini adalah algoritma terbaik dari sisi akurasi adalah algoritma KNN, algoritma terbaik dari sisi waktu pembuatan model adalah algoritma Random Forest, serta algoritma terbaik dari sisi penggunaan memori adalah algoritma MLP.
Peran Iptekin dalam mengatasi COVID-19: pembelajaran dari beberapa negara Iwan Sudrajat; Hammam Riza; Fathoni Moehtadi; Lambas Panggabean
Jurnal Sistem Cerdas Vol. 3 No. 2 (2020): Riset dan Inovasi Sistem Cerdas pada Penanggulangan Wabah Covid-19
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v3i2.73

Abstract

Corona Virus Desease (COVID-19) pertama kali dilaporkan di Wuhan pada Desember 2019. Kemudian menyebar ke berbagai bagian Tiongkok, dan secara bertahap menjadi pandemi global pada Maret 2020. Sementara jumlah kematian terus meningkat, besaran korban telah bergeser dari Asia ke Eropa, dan ke Amerika Serikat (AS). Makalah ini menganalisis respon di negara-negara Tiongkok, Korea Selatan (Korsel), Italia, dan AS, dan memberikan gambaran bagaimana pemanfaatan Artificial Intelligence (AI) dan Big Data. Sementara negara-negara ini memiliki mekanisme tata kelola yang berbeda, ditemukan bahwa beberapa kebijakan penerapan iptekin AI dan Big Data di masing-masing negara memiliki kekhasan. Pandemi memang bersifat global, namun respon masing-masing negara sangat tergantung pada kondisi lokal. Mengingat respon terhadap penyebaran infeksi COVID-19 tersebut tergantung pada kepentingan dan urgensinya, penerapan AI dan Big Data di Tiongkok, Korsel, dan Italia mempunyai kesamaan. Negara-negara ini cenderung menerapkan AI dan Big Data lebih pada strategi pelandaian kurva sementara AS lebih cenderung menerapkan strategi peningkatan kemampuan pelayanan kesehatan.

Page 5 of 18 | Total Record : 176

 3   4   5   6   7 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol. 8 No. 2 (2025): August Vol. 8 No. 1 (2025) Vol. 7 No. 3 (2024) Vol. 7 No. 2 (2024) Vol. 7 No. 1 (2024) Vol. 6 No. 3 (2023) Vol. 6 No. 2 (2023) Vol. 6 No. 1 (2023) Vol. 5 No. 3 (2022) Vol. 5 No. 2 (2022) Vol. 5 No. 1 (2022) Vol. 4 No. 3 (2021) Vol. 4 No. 2 (2021) Vol. 4 No. 1 (2021) Vol. 3 No. 2 (2020): Riset dan Inovasi Sistem Cerdas pada Penanggulangan Wabah Covid-19 Vol. 3 No. 3 (2020): Kecerdasan Artifisial pada Rekayasa Biomedis Vol. 3 No. 1 (2020): Artificial Intelligence untuk Indonesia Vol. 2 No. 3 (2019): Transformasi dan Inovasi Kota Cerdas Vol. 2 No. 2 (2019): Smart Transportation Vol. 2 No. 1 (2019): Artificial Intelligence for Smart Society Vol. 1 No. 2 (2018): Internet of Things for Smart Society Vol. 1 No. 1 (2018): Smart System More Issue