Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Informatika Mulawarman

PROBABILISTIC FUZZY NEURAL NETWORK UNTUK DETEKSI DINI PENYAKIT JANTUNG KORONER Fetty Tri Anggraeny; Heliza Rahmania Hatta
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 6, No 2 (2011): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (336.611 KB) | DOI: 10.30872/jim.v6i2.75

Abstract

Setiap rule atau aturan dalam menyelesaikan suatu permasalahan memiliki tingkat peran yang berbeda-beda dalam menentukan hasil analisa. Rule yang berperan besar dipertahankan sedangkan rule yang perannya kecil diminimalisasi. Nilai probabilitas memberikan informasi tentang persebaran data. Nilai tersebut dapat digunakan untuk menentukan tingkat peran dari suatu data. Maka penelitian ini menggunakan nilai probabilitas dalam fuzzy rule yang menyatakan tingkat kepentingan suatu rule terhadap permasalahan. Penambahan nilai probabilitas akan memodifikasi lapisan inferensi rule pada model fuzzy neural network. Ujicoba yang dilakukan pada data permasalahan penyakit jantung koroner menunjukkan hasil yang signikan. Pencapaian waktu konvergen semakin cepat dan menghasilkan keakuratan sistem yang cukup baik, yaitu mendekati 90%.
Rancang Bangun Sistem Informasi Rekam Medis Pasien Poliklinik UPN “Veteran” Jawa Timur Retno Mumpuni; Fetty Tri Anggraeny; Mochamad Nor Fadillah; Syahrul Munir
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 16, No 1 (2021): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v16i1.5419

Abstract

Perkembangan teknologi informasi di bidang kesehatan sangat pesat. Hal ini berpengaruh pada layanan kesehatan khususnya di poliklinik UPN Veteran Jawa Timur. Selama ini ketika pasien berobat ke poliklinik, pencatatan riwayat penyakit pasien masih dilakukan secara manual. Pencatatan secara manual membuat data rekam medis pasien tidak terorganisir dengan baik dan kurang sistematis. Hal ini membuat tenaga medis kesulitan dalam melakukan pecatatan dan pencarian data rekam medis pasien apabila pasien berobat kembali.Berangkat dari permasalahan tersebut diperlukan sistem informasi rekam medis pasien untuk mempermudah pihak poliklinik  dalam mencatat dan mecari data rekam medis. Data rekam medis pasien digunakan untuk mengetahui riwayat penyakit pasien serta obat apa saja yang pernah diberikan kepada pasien. Dalam pembuatan sistem informasi rekam medis ini, menggunakan software development life cycle (SDLC) waterfall dan berbasis web. Sebelum membuat aplikasi ini, peneliti melakukan wawancara dan observasi terhadap terhadap dokter di poliklinik UPN Veteran Jatim. Implementasi program menggunakan DBMS MySQL dan framework CodeIgniter. Hasil dari penelitian ini adalah sistem informasi poliklinik rekam medis pasien berbasis web. Dengan sistem rekam medis ini, diharapkan dapat mempermudah  tenaga medis dalam mencatat dan mencari data rekam medis guna mengambil keputusan lebih lanjut dalam menangani pasien. 
Deteksi Ikan Dengan Menggunakan Algoritma Histogram of Oriented Gradients Fetty Tri Anggraeny; Basuki Rahmat; Singgih Putra Pratama
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 15, No 2 (2020): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v15i2.4648

Abstract

Indonesia merupakan negara yang kaya akan sumber daya alam baik hayati maupun non-hayati. Salah satu sumber daya alam hayati yang sangat banyak jumlahnya di Indonesia adalah laut, Untuk mempermudah mengidentifikasikan ikan, dapat memanfaatkan sebuah teknologi yang dapat membantu manusia untuk dapat mengenali ikan dengan menggunakan visi komputer dan pendekatan pemrosesan gambar untuk deteksi ikan dan bukan ikan menggunakan algoritma Histogram of Oriented Gradients (HOG) dan AdaBoost-SVM. Hasil penelitian menunjukkan bahwa metode HOG dan AdaBoost-SVM dapat menghasilkan tingkat akurasi rata-rata sebesar 84.8%.