Abstract:Abstract:Corona virus is a type of influenza virus or a common virus that causes infection of the nose, sinuses or upper throat. The Covid-19 virus in humans is most commonly transmitted from an infected person to another…
r in a number of ways. This virus can be transmitted easily through the air by coughing and sneezing. However, it can also be through direct contact such as shaking hands, touching objects and so on. Indonesia is one of the countries where the spread of the corona 19 virus is relatively fast. This virus also causes the death of victims, therefore education is needed related to preparedness during the Covid 19 Pandemic. This activity was held in Tempursari village, Magelang Regency for 1 month (June 2020) involving 1 assistant lecturer and 4 students of the Guidance and Counseling study program. Muhammadiyah University of Magelang as a companion for counseling and simulations related to proper hand washing and the use of proper masks. This service activity is expected for the community to have insight into the dangers of Covid 19 and have skills related to proper hand washing procedures and the use of proper masks so that they can reduce the spread of Covid 19, especially in Magelang district.
Keywords: alert response; covid pandemic 19; wash hands
Abstrak:Virus Corona merupakan sejenis virus influenza atau virus umum yang menyebabkan infeksi pada hidung, sinus atau tenggorokan bagian atas.Virus Covid-19 pada manusia paling umum menular dari orang yang terinfeksi ke orang lain melalui berbagai cara. Virus ini dapat menular dengan mudah melalui udara dengan batuk dan bersin. Namun, bisa juga melalui kontak langsung seperti berjabat tangan, menyentuh benda dan lain sebagainya. Indonesia merupakan salah satu negara yang penyebaran Virus Covid-19 terhitung cepat. Virus ini juga menyebabkan kematian terhadap korban, karena itu perlu adanya edukasi terkait tanggap siaga dalam masa Pandemi Covid 19. Kegiatan ini dilaksankan di desa Tempursari Kabupaten Magelang selama 1 bulan ( juni 2020) dengan melibatkan 1 dosen pendamping dan 4 mahasiswa program studi Bimbingan dan Konseling Universitas Muhammadiyah Magelang sebagai pendamping penyuluhan dan simulasi terkait cuci tangan yang benar dan penggunaan masker yang tepat. Kegiatan pengabdian ini diharapkan masyarakat memiliki wawasan terkait bahaya covid 19 dan memiliki ketrampilan terkait tata cara cuci tangan yang benar dan penggunaan masker yang tepat sehingga dapat menekan penyebaran Covid-19 khususnya di kabupaten Magelang.
Kata kunci: cuci tangan; pandemi covid-19; tanggap siaga
Abstract:Abstract: Sea urchin is one of the fisheries resources products where its gonad can be consumed either in fresh or processed. Unfortunately, sea urchin has not been consumed due to society suspicion that may cause death…
if sea urchin gonad consumed. Thereby, we need to educate the society by instructing them in a participatory way on how to consume and cultivate sea urchin cultivation with a floating net cage. This work was conducted at Desa Lambangan Office (February 2020–March 2020) by involving 25 fishermen and 30 students from Gorontalo State University as the fellows of the society. The results of the counseling and practicing that conducted at desa Lambangan had been switched the paradigm of society that was formerly assuming sea urchin as a marine organism that has toxicity to be an organism that could be consumed and traded. Furthermore, the fishermen have overcome and able to handle how to build a floating net cage for the cultivation of sea urchins that they have learned in simulation on how to make floating net cage of sea urchins.
Keywords: sea urchin; counseling; floating net cage
Abstrak: Bulu Babi (sea urchin) merupakan salah satu produk perikanan penting yang telurnya dapat dikonsumsi baik dalam keadaan segar maupun olahan. Sayangnya Bulu Babi belum dimanfaatkan karena dianggap beracun dan bila dikonsumsi dapat menimbulkan kematian. Karena itu, perlu dilakukan edukasi pada masyarakat melalui kegiatan penyuluhan bagaimana cara mengonsumsi dan membudidayakan Bulu Babi dengan sistem keramba jaring apung. Kegiatan ini dilaksanakan di desa Lambangan, kecamatan Pagimana, Sulawesi Tengah selama dua bulan (Februari 2020–Maret 2020 dengan melibatkan 25 masyarakat nelayan dan 30 mahasiswa Universitas Negeri Gorontalo sebagai pendamping masyarakat. Hasil dari kegiatan penyuluhan dan simulasi yang kami laksanakan telah mengubah paradigma masyarakat yang tadinya menganggap Bulu Babi sebagai biota laut beracun menjadi sesuatu yang dapat dikonsumsi dan dapat diperjualbelikan di pasar-pasar lokal. Selain itu, masyarakat juga telah menguasai dan mampu menerapkan konstruksi keramba budi daya Bulu Babi yang dilaksanakan melalui metode praktik simulasi pembuatan keramba jaring apung.
Kata kunci: Bulu Babi; penyuluhana; keramba jaring apung
Abstract:Abstract:Diarrhea is the fifth largest disease that causes death. This disease usually caused by an unhealthy and clean lifestyle. The need to grow and develop a healthy life from childhood. Clean and healthy behavior (PHBS)…
HBS) can be started by washing hands using soap. In Teluk Jambu Village, the high diarrheal disease makes this community service activity carried out at SD Negeri 154 where the target of these activities is children. Washing your hands with soap is a way to kill germs that cause disease. The method used to make students easy to remember and apply must require appropriate media, for example, music which is then accompanied by a seven-step demonstration of hand washing, so that student's behavior changes are achieved after learning about how to wash hands using soal.
Keywords: behavior; CTPS (Handwashing With Soap); learning
Abstrak: Diare merupakan penyakit terbesar kelima yang menyebabkan kematian. Penyakit ini biasanya disebabkan karena pola hidup yang tidak sehat dan bersih. Perlunya menumbuh kembangkan hidup sehat dari kecil. Perilaku Hidup Bersih dan Sehat (PHBS) bisa dimulai dari mencuci tangan dengan menggunakan sabun. Di desa Teluk Jambu tingginya penyakit diare membuat kegiatan pengabdian masyarakat ini dilaksanakan di SD Negeri 154 yang mana sasaran pengabdian ini adalah untuk anak-anak. Mencuci tangan dengan menggunakan sabun merupakan cara membunuh kuman penyebab penyakit. Metode yang digunakan agar siswa/i mudah mengingat dan mengaplikasikannya harus membutuhkan media yang tepat, misalnya musik yang kemudian diiringi dengan demonstrasi gerakan tujuh langkah cuci tangan, agar tercapainya perubahan perilaku siswa/i setelah diberikan pembelajaran mengenai cara mencuci tangan menggunakan sabun.
Kata kunci: CTPS (Cuci Tangan Pakai Sabun); pembelajaran; perilaku
Abstract:Abstract: Stroke is one of the leading causes of death and disability in various parts of the world, including in Indonesia. Along with the development of digital technology, the use of Machine Learning in the health sector…
tor is growing, one of which is in an effort to predict the occurrence of stroke. This study aims to implement the Logistic Regression algorithm in predicting the likelihood of a person having a stroke based on data from the Brain Stroke dataset. The research process includes data preprocessing (missing value handling, normalization, and label encoding), dividing the data into 80% training data and 20% test data, as well as model training. The model was then evaluated using several measures such as accuracy, precision, recall, F1-score, and ROC-AUC, as well as a confusion matrix. The results of the study showed that Logistic Regression was able to provide stroke classification results with an accuracy of 82.4%, precision of 80.1%, recall of 78.6%, F1-score of 79.3%, and a ROC-AUC value of 0.87. Then, the model is integrated into applications that use Streamlit, so it can be used interactively to predict stroke risk in new data. The results of this study show that the combination of Machine Learning and web-based applications has the potential to support efforts to detect early stroke risk.
Keywords: logistic regression; machine learning; prediction; streamlit; stroke.
Abstrak: Stroke adalah salah satu penyebab utama kematian dan kecacatan di berbagai belahan dunia, termasuk di Indonesia. Seiring perkembangan teknologi digital, penggunaan Machine Learning dalam bidang kesehatan semakin berkembang, salah satunya dalam upaya memprediksi terjadinya penyakit stroke. Penelitian ini bertujuan untuk mengimplementasikan algoritma Logistic Regression dalam memprediksi kemungkinan seseorang mengalami stroke berdasarkan data dari dataset Brain Stroke. Proses penelitian meliputi preprocessing data (penanganan missing value, normalisasi, dan label encoding), membagi data menjadi 80% data latih dan 20% data uji, serta pelatihan model. Model kemudian dievaluasi menggunakan beberapa ukuran seperti akurasi, precision, recall, F1-score, dan ROC-AUC, serta confusion matrix. Hasil penelitian menunjukkan bahwa Logistic Regression mampu memberikan hasil klasifikasi penyakit stroke dengan akurasi sebesar 82,4%, precision 80,1%, recall 78,6%, F1-score 79,3%, dan nilai ROC-AUC sebesar 0,87. Kemudian, model tersebut diintegrasikan ke dalam aplikasi yang menggunakan Streamlit, sehingga dapat digunakan secara interaktif untuk memprediksi risiko stroke pada data baru. Hasil penelitian ini menunjukkan bahwa kombinasi Machine Learning dan aplikasi berbasis web berpotensi mendukung upaya deteksi dini risiko stroke.
Kata kunci: logistic regression; machine learning; prediksi; streamlit; stroke.
Abstract:Abstract: This study applies an integrated approach to optimize heart failure classification. The main objective is to address the challenge of class imbalance in medical datasets and to improve the accuracy, sensitivity,…
, and generalization of the classification model. The urgency of this issue is emphasized by statistics showing that cardiovascular diseases cause approximately 17.9 million deaths worldwide each year. Using a quantitative experimental approach, this study analyzes the "Heart Failure Prediction Dataset" from Kaggle, which consists of 918 records. The data were processed through normalization and encoding, followed by the application of SMOTE on the training set to balance class distribution. This step successfully increased model accuracy from 88.41% to 90.22% and minority class recall from 0.82 to 0.88. Furthermore, Bayesian Optimization was employed to refine the hyperparameters of SVM, resulting in a final model with an accuracy of 89.13% that demonstrated better generalization. This integrated approach significantly enhances the stability, sensitivity, and generalization of the model, making it a reliable tool for clinical decision support systems in predicting heart failure.
Keywords: bayesian optimization; heart failure; machine learning; SMOTE; SVM.
Abstrak: Penelitian ini menerapkan pendekatan terintegrasi untuk mengoptimalkan klasifikasi gagal jantung. Tujuan utama studi ini adalah untuk mengatasi tantangan ketidakseimbangan kelas dalam dataset medis dan meningkatkan akurasi, sensitivitas, serta generalisasi model klasifikasi. Urgensi ini ditegaskan oleh statistik yang menunjukkan bahwa penyakit kardiovaskular menyebabkan sekitar 17,9 juta kematian setiap tahun secara global. Menggunakan pendekatan eksperimental kuantitatif, penelitian ini menganalisis "Heart Failure Prediction Dataset" dari Kaggle, yang terdiri dari 918 catatan. Data diproses dengan normalisasi dan encoding, lalu SMOTE diterapkan pada data pelatihan untuk menyeimbangkan distribusi kelas. Langkah ini berhasil meningkatkan akurasi dari 88,41% menjadi 90,22% dan recall kelas minoritas dari 0,82 menjadi 0,88. Selanjutnya, Bayesian Optimization menyempurnakan hyperparameter SVM, menghasilkan model akhir dengan akurasi 89,13% yang menunjukkan generalisasi lebih baik. Pendekatan terintegrasi ini secara signifikan meningkatkan stabilitas, sensitivitas, dan generalisasi model. Hasil penelitian ini menjadikannya alat yang andal untuk sistem pendukung keputusan klinis dalam prediksi gagal jantung.
Kata kunci: bayesian optimization; gagal jantung; machine learning; SMOTE; SVM
Abstract:Abstract: Breast cancer is the leading cause of death for women globally, exacerbated by late detection. This study proposes a breast cancer risk prediction framework using XGBoost with SelectKBest feature selection. It…
aims to improve the accuracy and efficiency of early detection through exploratory data analysis, coding, SMOTE to address class imbalance, and feature selection (k=29). As a result, the XGBoost model achieved 98.1% accuracy, 98.1% recall, 98.1% f1-score, and 98.2% precision on test data, highlighting the importance of feature selection. These results are promising in patient prioritization (triage) for further examination, helping medical personnel identify high-risk patients, thus improving resource allocation efficiency. These findings validate SelectKBest and pave the way for the development of a machine learning-based clinical decision support system for breast cancer early detection workflows. This research contributes significantly to the application of machine learning to support early breast cancer detection.
Keywords: breast cancer; feature selection; machine learning; risk prediction; XGBOOST.
Abstrak: Kanker payudara menjadi penyebab utama kematian wanita global, diperparah deteksi yang terlambat. Penelitian ini mengusulkan kerangka prediksi risiko kanker payudara menggunakan XGBoost dengan seleksi fitur SelectKBest. Tujuannya meningkatkan akurasi dan efisiensi deteksi dini melalui analisis data eksploratif, pengkodean, SMOTE untuk mengatasi ketidakseimbangan kelas, dan seleksi fitur (k=29). Hasilnya, model XGBoost mencapai akurasi 98.1%, recall 98.1%, f1-score 98.1%, dan presisi 98.2% pada data uji, menyoroti pentingnya seleksi fitur. Hasil ini menjanjikan dalam penentuan prioritas pasien (triage) untuk pemeriksaan lebih lanjut, membantu tenaga medis mengidentifikasi pasien berisiko tinggi, sehingga meningkatkan efisiensi alokasi sumber daya. Temuan ini memvalidasi SelectKBest dan membuka jalan bagi pengembangan sistem pendukung keputusan klinis berbasis machine learning untuk alur kerja deteksi dini kanker payudara. Penelitian ini berkontribusi signifikan dalam penerapan machine learning untuk mendukung deteksi dini kanker payudara.
Kata kunci: kanker payudara; pembelajaran mesin; prediksi risiko ; seleksi fitur; XGBOOST.
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: Covid-19 cases started showing up in Indonesia in early March 2020, and they have since spread to several other areas. The number of corona virus infections from different Indonesian provinces plays a significant…
nt role in the decision-making process based on this data visualization. By creating a Business Intelligence system to display the results of the number of confirmed cases, deaths, and recoveries from various provinces in Indonesia, the goal of this project is to visualize data on corona virus cases. The Corona Virus Dataset in Indonesia from www.kaggle.com is processed using Grafana in this article. The findings of this article are presented as dashboard reports that include data on confirmed cases, fatalities, and recoveries in different Indonesian provinces. These reports can be utilized to help make decisions. With Grafana's interactive dashboard features, the data display resulting from routine analysis results can be engaging.
Keywords: Business Intelligence, OLAP, Covid 19
Abstrak: Kasus Covid-19 mulai muncul di Indonesia pada awal Maret 2020, dan sejak itu menyebar ke beberapa daerah lain. Keputusan berdasarkan visualisasi data sering kali mencakup statistik jumlah kasus virus corona dari berbagai provinsi di Indonesia. Dengan membuat sistem Business Intelligence untuk menampilkan temuan jumlah kasus terkonfirmasi, kematian, dan pemulihan dari berbagai provinsi di Indonesia, tujuan penelitian ini adalah untuk memvisualisasikan data kasus virus corona. Postingan ini menggunakan Grafana untuk menangani dataset virus corona Indonesia dari www.kaggle.com. Temuan artikel ini disajikan sebagai laporan dalam bentuk dasbor yang mencakup data jumlah kasus terkonfirmasi, kematian, dan pemulihan di berbagai provinsi di Indonesia. Dengan pengaturan dashboard interaktif Grafana, mungkin akan menarik untuk melihat data yang dihasilkan dari hasil analisis standar yang ditampilkan.
Kata kunci: Business Intelligence, OLAP, Covid 19
Abstract:Abstract: Traffic accidents are one of the biggest contributors to injuries and fatalities worldwide. Victims of traffic accidents range from minor injuries to severe injuries and even death. The severity of many accidents…
ts is often due to a lack of discipline and public awareness of traffic rules and safety measures. Car manufacturers have attempted to mitigate the effects of accidents by providing seat belts. However, many people neglect to use them, thinking that nothing will happen while driving. Even with fines imposed by authorities, people can outsmart them by removing their seat belts when officers are not around. To address this issue, a model has been developed to monitor drivers using artificial intelligence and computer vision. The camera captures images, which are then processed by a neural network trained with the YOLOv5 algorithm. The model has an average precision of 89% and a recall of 81%, and can accurately detect whether drivers are wearing seat belts or not. This model is expected to aid in improving driver and passenger safety on the roads. By paying attention to the use of seat belts, the severity of injuries sustained in accidents can be reduced.
Keywords: computer vision; neural network; seatbelt detection; yolo
Abstrak: Kecelakaan lalu lintas merupakan salah satu penyumbang terbesar cedera dan kematian di seluruh dunia. Korban kecelakaan lalu lintas tidak hanya mengalami cedera ringan, tetapi juga cedera berat bahkan kematian. Parahnya banyak kecelakaan yang terjadi dapat disebabkan oleh kurangnya disiplin dan kesadaran masyarakat akan aturan lalu lintas serta tindakan keselamatan. Produsen mobil telah berusaha untuk mengurangi efek kecelakaan dengan menyediakan sabuk pengaman. Sayangnya, masih banyak orang yang mengabaikan penggunaannya, dengan menganggap bahwa tidak akan terjadi apa-apa saat mengemudi. Meskipun ada denda yang diberlakukan oleh pihak berwenang, orang masih dapat melepaskan sabuk pengaman ketika tidak ada petugas di sekitar. Untuk mengatasi masalah ini, sebuah model telah dikembangkan untuk memantau pengemudi menggunakan kecerdasan buatan dan visi komputer. Kamera mengambil gambar yang kemudian diproses oleh jaringan saraf yang dilatih dengan algoritma YOLOv5. Model ini memiliki presisi rata-rata sebesar 89% dan recall sebesar 81%, dan dapat dengan akurat mendeteksi apakah pengemudi menggunakan sabuk pengaman atau tidak. Model ini diharapkan dapat membantu dalam menangani masalah keselamatan pengemudi dan penumpang di jalan raya. Dengan memperhatikan penggunaan sabuk pengaman, dapat mengurangi tingkat keparahan cedera yang terjadi dalam kecelakaan.
Kata kunci: computer vision; deteksi sabuk pengaman; neural network; yolo
Abstract:Abstract: One of the institutions that stated the poor handling of Covid-19 in Indonesia was the Lowy Institute. On March 13, 2021, Lowy Institute put Indonesia in 89th rank out of 102 countries that were successfully surveyed…
rveyed regarding the handling of the Covid-19 pandemic. This research is an attempt to critique the Lowy Institute's assessment. The COPRAS-AHP hybrid method was used. The AHP method, especially in the pairwise comparison section, is used as a method to determine the validity of the criterion weights. Five criteria were used in determining the ranking of the handling of the Covid-19 pandemic in countries in the Southeast Asian region. Each criterion is given a weight that is determined subjectively but by considering the level of importance of each criterion. The weighting of the criteria by using pairwise comparison resulted in: test per population, positive per test, vaccine per population, recovered per positive, deaths per positive. This study produces conclusions that are not much different from the Lowy Institute release. Indonesia is one of the countries where the handling of the Covid-19 pandemic is at a low level, Indonesia is ranked 10th out of 11 countries in the Southeast Asia region, with a utility value 16.29%.
Keywords: AHP; COPRAS; covid-19;pairwise comparison; ranking
Abstrak: Salah satu lembaga yang menyatakan buruknya penanganan Covid-19 di Indonesia adalah Lowy Institute. Pada 13 Maret 2021 menempatkan Indonesia di peringkat 89 dari 102 negara yang berhasil disurvei berkenaan dengan penanganan pandemi Covid-19. Penelitian ini merupakan upaya kritisi terhadap penilaian Lowy Institute. Digunakan metode hibrid COPRAS-AHP. Metode AHP, khususnya pada bagian pairwise comparison digunakan sebagai metode untuk menentukan validitas bobot kriteria. Digunakan lima kriteria dalam menentukan pemeringkatan penanganan pandemi Covid-19 pada negara-negara di kawasan Asia Tenggara. Masing-masing kriteria diberikan bobot yang ditentukan secara subjektif namun dengan mempertimbangkan tingkat kepentingan masing-masing kriteria. Pembobotan kriteria dengan menggunakan pairwise comparison menghasilkan: kriteria tes per populasi, positif per tes, vaksin per populasim, sembuh per positif, meninggal per positif. Penelitian ini menghasilkan kesimpulan yang tidak jauh berbeda dengan rilis Lowy Institute. Indonesia adalah salah satu negara dengan penanganan pandemi Covid-19 berada dalam level yang relatif rendah, peringkat 10 dari 11 negara di kawasan Asia Tenggara, dengan nilai utilitas 16,29 %.
Kata kunci: AHP; COPRAS; covid-19; pairwise comparison; pemeringkatan