Abstract:Abstract: The Air Joman Health Center is a community health center that provides services in the form of medical services to the Air Joman community and its surroundings. Based on the observations made by the author, the…
use of syringes at the Air Joman Health Center fluctuates every month consisting of 1 ml syringes, 2.5 ml syringes, 3 ml syringes, 5 ml syringes and 10 ml syringes. After use, the syringe should not be reused and must be discarded. However, sometimes there are obstacles in serving patients, this is due to the limitations of syringes. The number of needles data can only be estimated from the number of available medical devices (stock), because the need for each month is different. This resulted in not all the needs of medical devices were met and there was often additional stock. To overcome problems regarding the processing of medical device stock data, assistance with forecasting is needed, which is the process of estimating future demand. The forecasting system is designed using the PHP programming language and MySQL database. Forecasting the supply of syringes at the Air Joman Health Center speeds up the cashier's work process to make reports because the forecasting system automatically produces forecasting results when the calculate button is clicked and prints the report. Keywords: Single Moving Average Method; Syringe Supplies; Joman Water Health Center.
Abstrak: Puskesmas Air Joman merupakan pusat kesehatan masyarakat yang memberikan pelayanan dalam bentuk jasa pengobatan kepada masyarakat Air Joman dan sekitarnya. Berdasarkan observasi yang dilakukan penulis, adapun penggunaan jarum suntik di Puskesmas Air Joman setiap bulan berfluktuasi yang terdiri atas jarum suntik 1 ml, jarum suntik 2,5 ml, jarum suntik 3 ml, jarum suntik 5 ml dan jarum suntik 10 ml. Setelah pemakaian, jarum suntik tidak boleh dipakai kembali dan harus dibuang. Namun, terkadang terjadi kendala dalam melayani pasien, hal ini disebabkan karena keterbatasan jarum suntik. Banyaknya data jarum suntik hanya bisa diperkirakan dari banyak atau sedikitnya alat kesehatan yang ada (stok), dikarenakan kebutuhan setiap bulan berbeda-beda. Hal ini mengakibatkan tidak semua kebutuhan alat kesehatan terpenuhi dan sering terjadi stok tambahan. Untuk mengatasi permasalahan mengenai pengolahan data stok alat kesehatan, maka dibutuhkan bantuan dengan peramalan (forecasting) yang merupakan proses pengestimasian permintaan di masa mendatang. Sistem peramalan tersebut dirancang menggunakan bahasa pemrograman PHP dan database MySQL. Peramalan persediaan jarum suntik pada Puskesmas Air Joman mempercepat proses kerja Kasir untuk melakukan pembuatan laporan karena sistem peramalan secara otomatis menghasilkan hasil peramalan ketika diklik tombol hitung dan cetak laporan.
Kata Kunci: Metode Single Moving Average; Persediaan Jarum Suntik; Puskesmas Air Joman.
Abstract:Abstract : Dental and oral health is an important part of your overall health and well-being. Maintaining healthy teeth and gums is a lifelong commitment. The earlier you learn proper oral hygiene habits such as brushing,…
, flossing, and limiting sugar intake, the easier it is to avoid expensive dental procedures and long-term health problems. One of the Community Health Centers located in Sijabut Village has problems in serving people who experience oral and dental diseases due to the lack of medical personnel, especially dental and oral specialists to provide accurate diagnoses regarding the types of oral and dental diseases suffered. Another reason is that the doctors who work at Zihad Insani Clinic are mostly general practitioners who may not understand about oral and dental diseases so that the services received by the community are not satisfactory. Therefore, in supporting the success of services at the Zihad Insani Clinic, a system is needed that can assist in providing effective services to provide effective diagnoses based on the understanding and knowledge of specialist doctors or dental and oral experts designed in an Expert System.
Keywords: Expert System; Oral Disease; Certainty Factor
Abstrak : Kesehatan gigi dan mulut adalah bagian penting dari kesehatan dan kesejahteraan Anda secara keseluruhan. Menjaga kesehatan gigi dan gusi adalah komitmen seumur hidup. Semakin dini Anda mempelajari kebiasaan kebersihan mulut yang tepat seperti menyikat gigi, flossing, dan membatasi asupan gula , semakin mudah untuk menghindari prosedur gigi yang mahal dan masalah kesehatan jangka panjang. Salah satu Pusat Kesehatan Masyarakat yang berada di Desa Sijabut memiliki kendala dalam melayani masyarakat yang mengalami penyakit mulut dan gigi disebabkan kurangnya tenaga medis khususnya dokter Spesialis Gigi dan mulut untuk memberikan diagnosa yang akurat mengenai jenis penyakit mulut dan gigi yang diderita. Penyebab lainnya karena dokter yang bertugas di Klinik Zihad Insani tersebut sebagian besar dokter umum yang mungkin kurang memahami mengenai penyakit mulut dan gigi sehingga pelayanan yang diperoleh oleh masyarakt kurang memuaskan. Oleh sebab itu dalam menunjang keberhasilan pelayanan pada Klinik Zihad Insani diperlukan sebuah sistem yang dapat membantu dalam memberikan pelayanan yang efektif untuk memberikan diagnosa yang efektif berdasarkan pemahaman dan keilmuan dari dokter spesialis ataupun pakar gigi dan mulut yang dirancang dalam suatu Expert System.
Kata Kunci : Expert System; Penyakit Mulut; Certainty Factor
Abstract:Abstract: Nowadays, medical mask is difficult to find in several pharmacies in Palembang. This situation could be a promising business opportunity during the Covid-19 epidemic. The target partners in this activity are residents…
sidents of Gang Sei Saling, Siring Agung Sub-district, Ilir Barat 1 District, Palembang. This PkM activity aims to provide cloth mask sewing skills to take advantage of business opportunities during the Covid-19 pandemic. The method used in this activity is the training method. The sewing training activities consist of two types of activities, namely the presentation of sewing theory and practical training on sewing cloth masks. The presentation is going to explain about sewing theory, sewing concepts, tools and equipment needed in sewing, types and selection of fabrics. Meanwhile, training for sewing cloth masks, undoing the practice of operating a sewing machine, making cloth mask patterns, cutting patterns, sewing cloth masks, and finishing. In this PkM activity, participants not only provided skills in sewing cloth masks, but also at the finishing step such as folding and packaging.
Keywords: cloth masks; sewing; training
Abstrak: Dengan adanya kelangkaan masker medis yang mulai sulit ditemukan di apotek Palembang, hal ini menjadi peluang bisnis di masa pendemi Covid – 19. Target mitra dalam kegiatan ini adalah Warga Gang Sei Saling, kelurahan Siring Agung, kecamatan Ilir Barat 1, Palembang. Kegiatan PkM ini bertujuan memberikan keterampilan menjahit masker kain untuk memanfaatkan peluang bisnis pada saat pandemi Covid – 19. Metode yang digunakan dalam kegiatan ini adalah metode pelatihan. Kegiatan pelaksanaan pelatihan menjahit ini terdiri dari dua jenis kegiatan yaitu pemaparan teori menjahit dan pelatihan praktek menjahit masker kain. Pemaparan teori menjahit terdiri konsep menjahit, peralatan dan perlengkapan yang dibutuhkan dalam menjahit, dan jenis dan pemilihan kain. Sedangkan kegiatan pelatihan praktek menjahit masker kain terdiri dari praktek mengoperasikan mesin jahit,membuat pola masker kain, menggunting pola, menjahit masker kain, dan finishing. Dalam kegiatan PkM ini, peserta tidak hanya diberikan keterampilan menjahit masker kain, tetapi juga hingga tahap finishing seperti melipat dan mengemas masker kain.
Kata kunci: masker kain; menjahit; pelatihan
Abstract:Abstract : Efforts to improve the quality of health services at the Porsea health center make a medical records system to facilitate the administration and storage of data properly, Porsea health centers still use medical…
al records or forms manually. To make it easy for patients to have a continuous medical history quickly discovered. One of the preparations is to find the right application to be used as a manual medical record system that is digitalized. A simple and easy-to-use medical record system that makes it easy for puskesmas to do patient medical records is the Android Medical Records App Application system, with this application what is expected by the puskesmas can increase the knowledge of Porsea puskesmas employees to use the medical record application, and increase the use of the computerized system, and it is also easy for people who seek treatment to be able to save their medical record data and can be seen traces of their existing medical history.
Keywords: android; medical records
Abstrak: Upaya meningkatakan mutu pelayanan kesehatan puskemas porsea membuat sistem catatan medis untuk mempermudah administrasi dan penyimpanan data dengan baik, puskesmas porsea masih menggunakan catatan medis atau formulir secara manual. Untuk mempermudah agar riwayat kesehatan pasien berkesinambungan dengan cepat ditemukan. Salah satu persiapan yang dilakukan adalah mencari aplikasi yang tepat untuk digunakan menjadi sistem rekam medis yang manual menjadi digitalisasi. Sistem rekam medis yang simpel dan mudah digunakan dalam memudahkan pihak puskesmas untuk melakukan pencatatan medis pasien adalah sistem Aplikasi Android Medical Records App, dengan adanya aplikasi ini maka apa yang diharapkan pihak puskesmas dapat Meningkatkan pengetahuan pegawai puskesmas porsea untuk menggunakan aplikasi rekam medis, dan meningkatkan penggunaan sistem terkomputerisasi, dan juga mempermudah masyarakat yang berobat untuk bisa di simpan data catatan medisnya dan dapat dilihat jejak riwayat kesehatannya yang sudah ada.
Kata Kunci: android; rekam medis
Abstract:Abstract: Mental health issues, particularly depression among young adult university students, are often detected late due to stigma and reluctance to seek medical consultation. The objective of this study is to develop…
an early screening model employing machine learning techniques, specifically the random forest algorithm, on a dataset of 268 students (aged 17-29 years; consisting of 98 males and 170 females) within a multicultural educational setting. The principal challenges associated with this dataset are class imbalance and the potential for data leakage from clinical scores. This study implements a rigorous feature selection approach that involves the elimination of depression score features and the utilization of the Synthetic Minority Over-sampling Technique (SMOTE) to balance the training data distribution. Furthermore, a Threshold Tuning strategy is employed to prioritize detection sensitivity (Recall). The findings indicate that reducing the decision threshold to an optimal value of 0.25 led to a substantial enhancement in the recall value, increasing it from 36% (baseline) to 77%. A feature importance analysis was conducted, the results of which indicated that Total Social Connectedness (ToSC) is the most dominant predictor. In summary, the present study corroborates the notion that optimizing sensitivity through threshold tuning is of paramount importance for medical screening. Furthermore, social isolation factors emerge as more significant indicators of depression risk than demographic attributes.
Keywords: data mining; depression; imbalanced data; random forest; smote; threshold tuning
Abstrak: Masalah kesehatan mental, khususnya depresi di kalangan mahasiswa dewasa muda, sering terdeteksi terlambat akibat stigma dan enggan mencari konsultasi medis. Tujuan studi ini adalah mengembangkan model skrining dini menggunakan teknik machine learning, khususnya algoritma random forest, pada dataset 268 mahasiswa (usia 17-29 tahun; terdiri dari 98 laki-laki dan 170 perempuan) dalam lingkungan pendidikan multikultural. Tantangan utama yang terkait dengan dataset ini adalah ketidakseimbangan kelas dan potensi kebocoran data dari skor klinis. Studi ini menerapkan pendekatan seleksi fitur yang ketat, yang melibatkan eliminasi fitur skor depresi dan penggunaan Teknik Over-sampling Minoritas Sintetis (SMOTE) untuk menyeimbangkan distribusi data pelatihan. Selain itu, strategi Penyesuaian Ambang Batas diterapkan untuk memprioritaskan sensitivitas deteksi (Recall). Hasil penelitian menunjukkan bahwa mengurangi ambang batas keputusan ke nilai optimal 0,25 menyebabkan peningkatan signifikan dalam nilai recall, dari 36% (dasar) menjadi 77%. Analisis pentingnya fitur dilakukan, hasilnya menunjukkan bahwa Total Social Connectedness (ToSC) adalah prediktor yang paling dominan. Secara ringkas, studi ini membenarkan bahwa mengoptimalkan sensitivitas melalui penyesuaian ambang batas sangat penting untuk skrining medis. Selain itu, faktor isolasi sosial muncul sebagai indikator risiko depresi yang lebih signifikan daripada atribut demografis.
Kata kunci: penambangan data; depresi; data tidak seimbang; hutan acak; smote; penyesuaian ambang batas
Abstract:Abstract: Inventory management of consumable medical devices and drugs plays a crucial role in maintaining the continuity of healthcare operations. However, Jelita Dental Care still faces challenges in recording and controlling…
rolling stock due to manual procedures, which can lead to data inaccuracy, procurement delays, and the risk of stockouts. To address these issues, this study aims to develop a web-based Electronic Supply Chain Management (E-SCM) system that integrates stock monitoring and procurement processes. The Reorder Point (ROP) method is applied to determine the optimal reorder point based on average demand, lead time, and safety stock. This system was built using the PHP programming language and MySQL database. The results show that the JelitaMed system is able to improve the effectiveness and accuracy of inventory management, simplify the structured procurement submission process between the admin, owner, and supplier, and support decision-making in maintaining the availability of consumable medical devices and drugs. Thus, the implementation of E-SCM combined with the ROP method is a practical solution to improve inventory control in small-scale health clinics.
Keywords: e-scm; inventory; information system; medical supplies; reorder point.
Abstrak: Pengelolaan persediaan alat dan obat medis habis pakai memiliki peran penting dalam menjaga keberlangsungan operasional layanan kesehatan. Namun, Jelita Dental Care masih menghadapi kendala dalam pencatatan dan pengendalian stok akibat prosedur manual, yang dapat menyebabkan ketidaktepatan data, keterlambatan pengadaan, serta risiko kekurangan persediaan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan mengembangkan sistem Electronic Supply Chain Management (E-SCM) berbasis web yang mengintegrasikan pemantauan stok dan proses pengadaan. Metode Reorder Point (ROP) diterapkan untuk menentukan waktu pemesanan ulang yang optimal berdasarkan permintaan rata-rata, lead time, dan safety stock. Sistem ini dibangun menggunakan bahasa pemrograman PHP dan database MySQL. Hasil penelitian menunjukkan bahwa sistem JelitaMed mampu meningkatkan efektivitas dan akurasi pengelolaan persediaan, mempermudah proses pengajuan pengadaan secara terstruktur antara admin, owner, dan supplier, serta mendukung pengambilan keputusan dalam menjaga ketersediaan alat dan obat medis habis pakai. Dengan demikian, penerapan E-SCM yang dikombinasikan dengan metode ROP menjadi solusi praktis untuk meningkatkan pengendalian persediaan pada klinik kesehatan skala kecil.
Kata kunci: alat medis; e-scm; persediaan; reorder point; sistem informasi
Abstract:Abstract: Asthma is a chronic respiratory disease that affects millions of people worldwide, making early detection crucial to prevent complications. This study aims to compare the performance of the Decision Tree and Random…
ndom Forest algorithms in classifying asthma based on clinical symptom data. The data were processed through feature selection and model training stages, then evaluated using accuracy, precision, recall, and F1-score.The experimental analysis revealed that the Random Forest algorithm surpassed the Decision Tree in all metrics, achieving 95.19% accuracy, 90.43% precision, 95.00% recall, and 93.00% F1-score. In contrast, the Decision Tree obtained 89.14% accuracy, 90.60% precision, 88.70% recall, and 89.70% F1-score. These results suggest that Random Forest is more robust and dependable, especially in managing complex and imbalanced medical datasets.
Keywords: asthma detection; decision tree; random forest; machine learning.
Abstrak: Asma merupakan penyakit pernapasan kronis yang memengaruhi jutaan orang di seluruh dunia sehingga deteksi dini sangat penting untuk mencegah komplikasi. Penelitian ini bertujuan membandingkan kinerja algoritma Decision Tree dan Random Forest dalam mengklasifikasikan asma berdasarkan data gejala klinis. Data diproses melalui tahapan seleksi fitur dan pelatihan model, kemudian dievaluasi menggunakan akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 90.43%, presisi 95.00%, recall 95.00%, dan F1-score 93.00%. Sebaliknya, Decision Tree memperoleh akurasi 89.14%, presisi 90.60%, recall 88.70%, dan F1-score 89.70%. Hasil ini menunjukkan bahwa Random Forest lebih kuat dan dapat diandalkan, terutama dalam mengelola kumpulan data medis yang kompleks dan tidak seimbang.
Kata kunci: deteksi asma; decision tree; random forest; pembelajaran mesin.
Abstract:Abstract: In the era of sensitive health data and frequent cyberattacks, securing electronic medical records (EMR) has become a critical challenge. This study proposes a hybrid encryption framework combining Affine and AES…
ES algorithms with an AI-based key management module to enhance EMR security while maintaining efficiency. A dataset of 1,000 simulated records was evaluated using five cryptographic configurations: Affine-only, AES-only, RSA-only, Affine–AES, and Affine–AES with AI. Performance was measured through encryption/decryption latency and ciphertext size, while security was assessed under brute-force, SQL injection, and phishing simulations. The AI decision tree for key generation was evaluated using accuracy, precision, recall, F1-score, and entropy metrics. Results show that the AI-enhanced hybrid method eliminates brute-force success, introduces only minor latency overhead, and generates high-entropy keys with reliability above 98%. These findings indicate that integrating AI-based dynamic key regeneration into hybrid encryption can improve EMR security while remaining practical for clinical and cloud-based healthcare systems. Future work should involve real clinical datasets and explore post-quantum cryptographic extensions.
Keywords: AI key management; attack resistance; encryption performance; electronic medical records; hybrid encryption
Abstrak: Di era meningkatnya sensitivitas data kesehatan dan maraknya serangan siber, perlindungan Rekam Medis Elektronik (RME) menjadi tantangan penting. Penelitian ini mengusulkan kerangka enkripsi hibrida yang menggabungkan algoritma Affine dan AES dengan modul manajemen kunci berbasis AI untuk meningkatkan keamanan RME tanpa mengorbankan efisiensi. Dataset simulasi berisi 1.000 entri diuji menggunakan lima konfigurasi kriptografi: Affine-only, AES-only, RSA-only, Affine–AES, serta Affine–AES dengan AI. Performa diukur melalui latensi enkripsi/dekripsi dan ukuran ciphertext, sedangkan keamanan dievaluasi melalui simulasi serangan brute force, SQL injection, dan phishing. Model decision tree untuk manajemen kunci dinilai menggunakan metrik akurasi, presisi, recall, F1-score, dan entropi. Hasil menunjukkan bahwa metode hibrida dengan AI menghilangkan keberhasilan brute force, menambah overhead latensi yang minimal, serta menghasilkan kunci berentropi tinggi dengan reliabilitas di atas 98%. Temuan ini menunjukkan bahwa regenerasi kunci dinamis berbasis AI dalam skema enkripsi hibrida dapat meningkatkan keamanan RME sekaligus tetap praktis untuk sistem klinis dan layanan kesehatan berbasis cloud. Penelitian selanjutnya disarankan menggunakan dataset klinis nyata dan mengeksplorasi kriptografi pascakuantum.
Kata kunci: enkripsi hibrida; ketahanan serangan; kinerja enkripsi; manajemen kunci berbasis AI; rekam medis elektronik
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: Uterine disease is a serious threat to women's health, which can affect fertility and quality of life. Delayed diagnosis often results in patients not getting optimal early treatment at the H. Abdul Manan Simatupang…
upang Kisaran Regional General Hospital. This study aims to develop a fuzzy logic-based expert system to diagnose uterine disease based on the symptoms experienced by patients. This system receives symptom data as input, then performs analysis using the fuzzy logic method to determine the level of possibility of a disease. The final results produced are an initial diagnosis and treatment recommendations. System testing shows that this method is able to identify uterine disease with fairly good accuracy, where one case showed the possibility of Endometriosis with a confidence level of 63%. With this system, patients can obtain initial information about their health condition, so they can take more appropriate and faster medical steps.
Keywords: expert system; fuzzy logic; uterine disease.
Abstrak: Penyakit rahim merupakan ancaman serius bagi kesehatan wanita, yang dapat berdampak pada kesuburan dan kualitas hidup. Keterlambatan diagnosis sering kali menyebabkan pasien tidak mendapatkan penanganan dini yang optimal di Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis logika fuzzy guna mendiagnosis penyakit rahim berdasarkan gejala yang dialami pasien. Sistem ini menerima data gejala sebagai input, kemudian melakukan analisis menggunakan metode logika fuzzy untuk menentukan tingkat kemungkinan suatu penyakit. Hasil akhir yang dihasilkan berupa diagnosis awal dan rekomendasi penanganan. Pengujian sistem menunjukkan bahwa metode ini mampu mengidentifikasi penyakit rahim dengan akurasi yang cukup baik, di mana salah satu kasus menunjukkan kemungkinan penyakit Endometriosis dengan tingkat kepercayaan sebesar 63%. Dengan adanya sistem ini, pasien dapat memperoleh informasi awal mengenai kondisi kesehatannya, sehingga dapat mengambil langkah medis yang lebih tepat dan cepat.
Kata kunci: fuzzy logic; penyakit rahim; sistem pakar.