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.
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: 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: 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: 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: In the human body there are parts that act as tools for tearing and tearing food which are commonly called teeth, teeth are sharp and hard parts of the body. Dental caries is the medical term for cavities, dental…
al caries is an infectious disease that damages the hard lining of the teeth. The presence of bacteria or germs found in the oral cavity causes cavities in the teeth. Medical images are useful for seeing the extent of the damage to cavities. Not all images have good quality detection results or have noise. Therefore, Image Processing is used by applying the Canny and Sobel method of edge detection to an image in order to process the results of segmentation and object identification in dental caries images. There are many operators in edge detection, including the Roberts Operator, Prewitt Operator, Laplacian Operator and Laplacian of Gaussian (LOG). The purpose and benefits of establishing an image processing application using Matlab software with the Canny and Sobel method to produce the appearance of an object's boundary line in an image. The results of this study can be concluded from the two operators regarding the advantages and disadvantages of the two operators.
Keywords: dental caries; edge detection; image; matlab; canny method; sobel method
Abstrak: Pada tubuh manusia ada bagian yang berperan sebagai alat untuk merobek dan mengoyak makanan yang biasa disebut dengan gigi, gigi merupakan bagian tubuh yang tajam dan keras. Karies gigi adalah istilah medis dari gigi berlubang, karies gigi merupakan penyakit infeksi yang merusak jaringan lapisan keras gigi. Adanya bakteri atau kuman yang terdapat pada rongga mulut menjadi penyebab gigi menjadi berlubang. Citra medis berguna untuk melihat sejauh apa kerusakan pada gigi yang berlubang. Tidak semua citra memiliki hasil pendeteksian yang bagus kualitasnya atau memiliki derau (noise). Oleh sebab itu digunakanlah Pengolahan Citra dengan menerapkan deteksi tepi metode Canny dan Sobel pada suatu citra guna untuk memproses hasil segmentasi dan identifikasi objek pada citra karies gigi. Ada banyak operator dalam deteki tepi, diantaranya yaitu, Operator Roberts, Operator Prewitt, Operator Laplacian dan Laplacian of Gaussian (LOG). Tujuan dan manfaat dari dibentuknya sebuah aplikasi pengolahan citra menggunakan software Matlab dengan metode Canny dan Sobel untuk menghasilkan penampakan garis batas suatu objek pada citra. Hasil dari penelitian ini dapat disimpulkan dari kedua operator mengenai kelebihan dan kekurangan dari kedua operator tersebut.
Kata kunci: citra; deteksi tepi; karies gigi, matlab, metode canny, metode sobel