Abstract:Abstract: The Halodoc application, as a digital healthcare service platform, has been widely used for various medical purposes, such as doctor consultations, medication purchases, and laboratory services. User interactions…
ns and reviews play a crucial role in enhancing service quality. Sentiment analysis was conducted using the Support Vector Machine (SVM) method to assess user perceptions and satisfaction based on reviews obtained from the Google Play Store platform. The analysis process included data collection, text preprocessing, data transformation using TF-IDF, and training an SVM model to predict sentiment. The model achieved its highest accuracy of 88.32% in the first scenario. However, accuracy slightly decreased in the second and third scenarios, reaching 86.25% and 86.94%, respectively. The analysis results indicated that the model performed best in the first scenario, with the lowest number of prediction errors. Additionally, the model was more accurate in classifying negative and positive sentiments than neutral ones.
Keywords: halodoc application; sentiment analysis; support vector machine algorithm
Abstrak: Aplikasi Halodoc, sebagai platform layanan kesehatan digital, telah banyak digunakan untuk berbagai keperluan medis seperti konsultasi dokter, pembelian obat, dan layanan laboratorium. Interaksi pengguna dan ulasan mereka memiliki peran krusial dalam meningkatkan mutu layanan. Analisis sentimen dilakukan dengan menggunakan metode Support Vector Machine (SVM) untuk mengetahui persepsi dan kepuasan pengguna berdasarkan ulasan yang diperoleh dari Platform Google Play Store. Proses analisis mencakup pengumpulan data, pra-pemrosesan teks, transformasi data menggunakan TF-IDF, dan pelatihan model SVM untuk memprediksi sentimen. Hasil pelatihan model dengan akurasi tertinggi sebesar 88,32% pada skenario pertama. Akurasi sedikit menurun pada skenario kedua dan ketiga, masing-masing sebesar 86,25% dan 86,94%, Hasil analisa menunjukkan bahwa model memiliki performa terbaik pada skenario pertama dengan jumlah kesalahan prediksi terkecil. Selain itu, model cenderung lebih akurat dalam mengklasifikasikan sentimen negatif dan positif dibandingkan netral..
Kata kunci: algoritma support vector machine; analisis sentimen; aplikasi halodoc
Abstract:Abstract: Ms Glow Kisaran Original Store is one of the beauty companies that sells skincare products that are useful for maintaining healthy facial and body skin. However, the Original Ms. Glow series currently faces challenges…
hallenges such as tight competition and ineffective inventory management in terms of sales figures. This company sells ± 1500 products a month, but also often faces shortages and stockpiles of product, which can reduce customer confidence and cause Ms. Glow Kisaran Original to experience financial losses, among others. Conversely, if the demand for skincare increases but the skincare supply cannot be prepared, this is a loss for the store and customers. The purpose of this study is to improve the accuracy of the forecast, the use of the Single Exponential Smoothing Method is proposed. This method smoothes past values with exponential weights, placing greater emphasis on the latest data. The use of data from the last 12 months as reference data for past recording for forecasting experiments for the next 1 (one) month. The results of the study at Ms Glow Kisaran show the flexibility of the method in adapting to different sales dynamics. Overall, this research helps in predicting skincare sales predictions at the Ms Glow Kisaran Original Kisaran Store using the Single Exponentian Smoothing method, so that it can overcome the challenges in predicting sales figures.
Keywords: ms glow kisaran; skincare sales; ses.
Abstrak: Toko Ms Glow Kisaran Original merupakan salah satu perusahaan di bidang kecantikan yang menjual produk-produk skincare yang bermanfaat untuk menjaga kesehatan kulit wajah dan tubuh. Namun rangkaian Original Ms. Glow saat ini menghadapi tantangan seperti persaingan yang ketat dan pengelolaan inventaris yang kurang efektif dalam hal angka penjualan. Perusahaan ini menjual ±1500 produk dalam sebulan, namun juga sering menghadapi kekurangan dan penumpukan stok produk, yang dapat menurunkan kepercayaan pelanggan dan menyebabkan Ms. Glow Kisaran Original mengalami kerugian finansial. Sebaliknya jika permintaan akan skincare meningkat namun persediaan skincare tidak dapat disiapkan maka ini menjadi kerugian bagi pihak toko dan pelanggan. Tujuan penelitian ini adalah untuk meningkatkan ketepatan perkiraan, penggunaan Metode Single Exponential Smoothing diusulkan. Metode ini menghaluskan nilai masa lalu dengan bobot eksponensial, memberikan penekanan lebih besar pada data terbaru. Penggunaan data 12 bulan terakhir sebagai data acuan pencatatan masa lalu untuk percobaan peramalan untuk 1 (satu) bulan kedepan. Hasil penelitian pada Ms Glow Kisaran menunjukkan fleksibilitas metode dalam menyesuaikan diri dengan dinamika penjualan yang berbeda. Secara keseluruhan, Penelitian ini membantu dalam meramalkan prediksi penjualan skincare di Toko Ms glow Kisaran Original Kisaran menggunakan metode Single Exponentian Smoothing, sehingga dapat mengatasi tantangan dalam memprediksi angka penjualan.
Kata kunci: ms glow kisaran; penjualan skincare; ses.
Abstract:Abstract: Heart disease is one of the leading causes of death worldwide, making early detection and accurate diagnosis crucial for reducing mortality rates and improving patient outcomes. This study aims to evaluate the…
effectiveness of four machine learning algorithms—Logistic Regression, Random Forest, Support Vector Machine (SVM), and K-Nearest Neighbors (KNN)—in predicting heart disease, with a focus on enhancing model performance using Linear Discriminant Analysis (LDA) for feature reduction. Among the models, SVM achieved the highest accuracy at 84.24%, followed by Logistic Regression at 83.70%. Although Random Forest and KNN showed lower accuracies, all models benefited from LDA's dimensionality reduction. This study suggests that SVM, combined with LDA, offers an optimal solution for early and accurate heart disease prediction in the healthcare industry.
Keywords: feature reduction; heart disease; linear discriminant analysis (LDA); machine learning; SVM
Abstrak: Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini dan diagnosis yang akurat sangat penting untuk menurunkan angka kematian dan meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengevaluasi efektivitas empat algoritma pembelajaran mesin—Regresi Logistik, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN)—dalam memprediksi penyakit jantung, dengan fokus pada peningkatan kinerja model menggunakan Analisis Diskriminan Linear (LDA) untuk reduksi fitur. Di antara model yang diuji, SVM mencapai akurasi tertinggi sebesar 84,24%, diikuti oleh Regresi Logistik dengan 83,70%. Meskipun Random Forest dan KNN menunjukkan akurasi yang lebih rendah, semua model memperoleh manfaat dari reduksi dimensi yang diberikan oleh LDA. Studi ini menunjukkan bahwa SVM yang dikombinasikan dengan LDA merupakan solusi optimal untuk prediksi penyakit jantung secara dini dan akurat dalam industri kesehatan.
Kata kunci: linear discriminant analysis (LDA); machine learning; penyakit jantung; reduksi fitur; SVM.
Abstract:Abstract: Brain cancer is a serious medical condition that requires intensive and meticulous care. One of the critical steps in identifying brain cancer is the accurate measurement of tumor volume. Magnetic Resonance Imaging…
ging (MRI) is one of the most important diagnostic tools used in the medical field for brain visualization. In this discussion, we will explain how the Active Contour method can be used to calculate brain tumor volume in MRI images and how 3D visualization can assist doctors in making better diagnoses and treatment decisions. The Active Contour method, also known as the “Snake,†is an image processing technique used to identify the contours or edges of objects in images. This method works by defining an initial curve around the desired object and then iteratively shifting the curve to match the actual contour of the object in the image. In this study, the Active Contour method will be applied to brain MRI images to identify tumor edges. This research represents an important step in improving the care of brain cancer patients, enabling more accurate diagnoses and more effective treatments
Keywords: active contour; brain cancer diagnosis; 3D visualization; tumor volume
Abstrak: Kanker otak merupakan kondisi medis yang bersifat serius dimana memerlukan perawatan yang intensif dan teliti. Salah satu langkah penting dalam mengidentifikasi kanker otak adalah dengan mengukur volume tumor secara akurat. Citra Magnetic Resonance Imaging (MRI) adalah salah satu alat diagnostik yang paling penting dalam bidang medis yang digunakan untuk visualisasi otak. Dalam pembahasan ini, akan dijelaskan bagaimana metode Active Contour dapat digunakan untuk menghitung volume tumor otak pada citra MRI dan bagaimana visualisasi 3D dapat membantu dokter dalam diagnosis dan perawatan yang lebih baik. Metode Active Contour, juga dikenal sebagai “Snake,†yaitu teknik pengolahan citra yang digunakan untuk mengidentifikasi kontur atau tepi objek dalam citra. Metode ini bekerja dengan mendefinisikan suatu kurva awal di sekitar objek yang diinginkan dan kemudian menggeser kurva tersebut secara iteratif untuk menyesuaikan dengan kontur objek yang sesungguhnya dalam citra. Dalam penelitian ini, metode Active Contour akan diterapkan pada citra MRI otak untuk mengidentifikasi tepi tumor. Penelitian ini merupakan langkah penting dalam meningkatkan perawatan pasien yang terkena kanker otak dan memungkinkan diagnosis yang lebih tepat dan perawatan yang lebih efektif.
Kata kunci: active contour; diagnosis tumor otak; visualisasi 3D; volume tumor
Abstract:Abstract: Ms Glow Putri Shop is a business that operates in the beauty sector, selling beauty products, namely skincare and bodycare, which are useful for maintaining healthy body and facial skin. However, Ms Glow Putri…
currently often experiences problems, namely tight competition and inventory management that is less effective in terms of sales numbers. Every month reaching ±1300 products, Ms Glow Putri also often experiences shortages and build-ups in skincare and bodycare stocks. This can reduce customer confidence so that Ms Giow Putri often experiences losses in the form of finance and other things, so this method is needed to predict some skincare and other stock supplies. bodycare provided in the following month. This method uses the Weighted Moving Average and Single Exponentiation Smoothing methods to predict supplies of skincare and bodycare stocks. The results of research on Ms GIow daughter using the Weight Moving Average Method with a weight of 5 with a MAPE of 1.08% and the SingIe Exponentiation Smooting Method with an Alpha of 0.1, namely 0.84%, then the comparison between the two methods can be stated that the SES method is the best method good, because it has the lowest error.
Keywords: forecasting; ms glow putri; ses and wma
Abstrak: Toko Ms Glow Putri adalah usaha yang bergerak di bidang kecantikan, menjual produk kecantikan yaitu skincare dan bodycare berguna untuk menjaga agar kesehatan kulit tubuh dan wajah tetap terjaga. Namun Ms Glow Putri saat ini sering kali mengalami permasalahan yaitu persaingan yang ketat dan manajemen persediaan yang kurang efektif dengan jumlah penjualanan. Setiap bulan mencapai ±1300 produk maka Ms Glow Putri juga sering mengalami kekurangan dan penumpukan pada stok skincare dan bodycare ini dapat mengurangi kepercayaan pelanggan sehingga Ms Glow Putri sering mengalami kerugian berupa finance dan lainnya maka perlu metode ini untuk memprediksi beberapa persediaan stok skincare dan bodycare yang disediakan pada priode di buIan berikutnya. Metode ini menggunakan metode Weighted Moving Averege dan Single Exponential Smoothing untuk memprediksi persediaan pada stok skincare maupun bodycare. HasiI penelitian pada Ms GIow Putri dengan mengggunakan Metode Weight Moving Averege dengan bobot 5 dengan MAPE 1,08% dan Metode Single Exponential Smooting dengan Alpha 0,1 yaitu 0,84% maka perbandingan antara dua metode tersebut dapat dinyatakan bahwa metode SES adaIah metode paling baik karena memiliki error terendah.
Kata kunci: ms glow putri; peramalan; ses dan wma
Abstract:Abstract: In the health sector, information technology was initially used for exchanging information between patients and doctors, health services, and exchanging health documents. The aim of applying information technology…
ogy to the health sector is to increase the effectiveness and efficiency of the performance of doctors and clinic staff. This research uses COBIT 2019 as a framework for evaluating information technology governance. Primary data is collected directly from the research subjects through observation and interviews, while secondary data is sourced from other materials, such as documents or websites related to the research subject. This research focuses on Risk Profile and I&T Related Issues, with domains: APO11 – Managed Quality, and APO13 – Managed Security. Through interviews and evaluation, each priority objective was found to be at capability level 2 with ratings of 100% and 86% respectively. There are no significant gaps between the current capability levels; both are at level 2.
Keywords: auditing; COBIT 2019; telemedicine
Abstrak: Di sektor kesehatan, teknologi informasi awalnya digunakan untuk pertukaran informasi antara pasien dan dokter, layanan kesehatan, dan pertukaran dokumen kesehatan. Tujuan penerapan teknologi informasi di sektor kesehatan adalah untuk meningkatkan efektivitas dan efisiensi kinerja dokter dan staf klinik. Penelitian ini menggunakan COBIT 2019 sebagai kerangka kerja untuk mengevaluasi tata kelola teknologi informasi. Data primer dikumpulkan langsung dari subjek penelitian dengan melakukan pengamatan dan interaksi langsung, sementara data sekunder diperoleh dari sumber lain. didapatkan dari jurnal atau situs website yang berkaitan dengan subjek penelitian. Penelitian ini berfokus pada Risk Profile dan I&T Related Issues, dengan domain : APO11 – Managed Quality, dan APO13 – Managed Security. Melalui wawancara dan evaluasi, setiap tujuan prioritas ditemukan berada pada level kapabilitas 2 dengan nilai masing-masing 100% dan 86%. Tidak ada kesenjangan signifikan antara tingkat kapabilitas saat ini; keduanya berada pada level 2.
Kata kunci: audit; COBIT 2019; telemedis
Abstract:Abstract: Gambir Baru Kisaran Community Health Center is the only one in the Gambir Baru range. Data on visits by BPJS Health participants to the Gambir Baru Kisaran Community Health Center in 2023 from January – December…
December there are 3,048 BPJS participants. If the puskesmas services provided to the community are very good for BPJS patients, more and more BPJS participants will utilize health services and share information with the community about the benefits of BPJS Health serving General Polyclinics, Dental Polyclinics, Pharmacy Installations, Nutritionists, Outpatient and Maternity Care. Based on future problems such as the length of service time at the patient reception counter that patients receive is longer than the estimated time in the clinic SOP, namely 10 minutes, clinic staff must behave 5S (Smile, Greet, Regards, Polite and Polite) when serving patients, the process of taking medicines takes a long time after the patient has completed a health examination, the health center must provide services according to the wishes and understand the needs of patients, medical personnel and other staff, and can help if there are problems with patients, medical personnel take appropriate action and quickly, so it is necessary to carry out an evaluation as an effort to improve the quality of clinical services. he results of calculating the reality answers and expectations of patients/respondents at the Gambir Baru Health Center to 16 questions, the results of the decision recommendations are that 4 attributes must be improved and 12 more attributes must be maintained from 201 respondents-patients/patients at the Gambir Health Center.
Keywords: bpjs patient satisfaction; servqual method; web-based.
Abstrak:. Puskesmas Gambir Baru Kisaran adalah satu satunya yang berada di gambir baru kisaran. Data kunjungan peserta BPJS Kesehatan di Puskesmas Gambir Baru Kisaran Tahun 2023 dari bulan Januari – Desember ada 3.048 peserta BPJS. Jika pelayanan puskesmas yang diberikan pada masyarakat sangat baik tehadap pasien BPJS, maka akan semakin banyak peserta BPJS yang memanfaatkan pelayanan kesehatan dan berbagi informasi kepada masyarakat tentang manfaat dari BPJS Kesehatan melayani Poli Umum, Poli Gigi, Instalasi Farmasi, Ahli Gizi, Rawat Jalan dan Bersalin. Berdasarkan permasalahan di masa yang akan datang seperti lama waktu layanan di loket penerimaan pasien yang diterima pasien lebih lama dari waktu estimasi yang ada pada SOP klinik yaitu 10 menit, petugas klinik harus berprilaku 5S (Senyum, Sapa, Salam, Sopan dan Santun) pada saat melayani pasien, proses pengambilan obat yang memakan waktu lama setelah pasien selesai melakukan pemeriksaan kesehatan, pihak puskesmas harus memberikan pelayanan sesuai dengan keinginan dan memahami kebutuhan pasien, tenaga medis dan petugas lainnya, serta dapat membantu jika ada permasalahan pasien, tenaga medis melakukan tindakan secara tepat dan cepat, sehingga perlu dilakukan evaluasi sebagai upaya peningkatan kualitas layanan klinik. Hasil dari perhitungan jawaban realita dan harapan pasien/responden Puskesmas Gambir Baru terhadap 16 pertanyaan, hasil rekomendasi keputusan adalah 4 atribut harus ditingkatkan dan 12 atribut lagi harus dipertahankan dari 201 responden- pasien/pasien di Puskesmas Gambir.
Kata kunci: berbasis web; kepuasan pasien bpjs; metode servqual.
Abstract:Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction…
action to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths
Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm
Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka.
Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat
Abstract:Abstract: Artificial Intelligence (AI) is currently gaining popularity across various industries, including healthcare, finance, and others. In this study, AI technology is employed to devise an optimal marketing strategy…
y for Code Verse Computer Accessories Store using the K-Means algorithm. As part of machine learning, the K-Means algorithm, categorized under unsupervised learning, is implemented to cluster sales data for computer accessory products over the last three months of 2023. The results of the K-Means analysis identify two main clusters. Cluster one (Cluster 1) comprises products such as Mouse, Keyboard, Monitor, Headset, and Speaker, indicating consistent purchasing patterns and high consumer interest. Recommendations are made to increase stock for Cluster 1. Meanwhile, Cluster two (Cluster 2) consists of Mic products with lower interest, and it is not advisable to increase stock. The implementation of K-Means provides insights into purchasing patterns, enabling Code Verse to develop more effective marketing and inventory management strategies.
Keywords: K-Means algorithm; artificial intelligence; clustering
Abstract: Kecerdasan Buatan (AI) kini meraih popularitas dalam berbagai industri, termasuk sektor kesehatan, keuangan, dan lainnya. Pada penelitian ini, teknologi AI digunakan untuk merancang strategi pemasaran optimal bagi Toko Aksesoris Komputer CodeVerse dengan menggunakan Algoritma K-Means. Sebagai bagian dari machine learning, Algoritma K-Means, yang termasuk dalam kategori unsupervised learning, diimplementasikan untuk mengelompokkan data penjualan produk selama tiga bulan terakhir tahun 2023. Hasil dari analisis K-Means mengidentifikasi dua cluster utama. Cluster pertama (Cluster 1) terdiri dari produk Mouse, Keyboard, Monitor, Headset, dan Speaker, menunjukkan pola pembelian yang konsisten dan tingginya minat konsumen. Rekomendasi untuk menambah stok diberikan. Sementara itu, Cluster kedua (Cluster 2) terdiri dari produk Mic dengan minat lebih rendah, dan tidak disarankan untuk menambah stok. Implementasi K-Means memberikan wawasan tentang pola pembelian, memungkinkan CodeVerse mengembangkan strategi pemasaran dan manajemen persediaan yang lebih efektif.
Keywords: Algoritma k-means; kecerdasan buatan; clustering
Abstract:Abstract: The JKN Mobile application is a mobile application created to facilitate healthcare administration in Indonesia since 2017. The application has been downloaded by over 10 million users and has received 484,000…
diverse reviews, including positive, negative, and neutral feedback. The average rating given by users is 4.5 out of 5 stars. This research aims to perform sentiment analysis on user reviews found in the Google Play Store review column. The methods used for sentiment analysis are Naive Bayes, K-Nearest Neighbor (K-NN), and Support Vector Machine (SVM). The test results show that with a 10% test data and 90% training data proportion, the SVM method achieves the highest accuracy of 95%. Naive Bayes follows with an accuracy of 87%, and K-NN with an accuracy of 75%.
Keywords: JKN mobile application, sentiment analysis, naive bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstrak: Aplikasi Mobile JKN adalah sebuah aplikasi yang dibuat untuk mempermudah administrasi kesehatan di Indonesia sejak tahun 2017. Aplikasi ini telah diunduh lebih dari 10 juta pengguna dengan 484 ribu ulasan beragam positif, negatif, dan netral. Rata-rata rating yang diberikan pengguna adalah 4,5 bintang dari 5 bintang. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna yang terdapat di kolom review Google Play Store. Metode yang digunakan untuk analisis sentimen adalah Naive Bayes, K-Nearest Neighbor (K-NN), dan Support Vector Machine (SVM). Hasil pengujian menunjukkan bahwa dengan menggunakan proporsi data uji sebesar 10% dan data training sebesar 90%, metode SVM mencapai akurasi tertinggi sebesar 95%. Diikuti oleh Naive Bayes dengan akurasi 87%, dan K-NN dengan akurasi 75%.
Kata kunci: JKN mobile, analisis sentimen, naïve bayes, k-nearest neighbor (K-NN), support vector machine (SVM).