Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan) INTEGER: Journal of Information Technology
Rafika Veriani
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Cluster dalam Pengelompokan Provinsi di Indonesia Berdasarkan Variabel Penyakit Menular Menggunakan Metode Complete Linkage, Average Linkage dan Ward Nurissaidah Ulinnuha; Rafika Veriani
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 5, No 1 (2020): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v5i1.2464

Abstract

Penyakit adalah salah satu indikator dalam indeks pembangunan manusia bidang kesehatan. Mengingat bahwa pembangunan bidang kesehatan di Indonesia sedang mengalami beban ganda dimana penyakit menular masih menjadi masalah yang belum dapat diselesaikan, dan masih terdapat penyakit menular yang awalnya masih mampu dikendalikan kini muncul kembali. Hal ini seharusnya mendapatkan perhatian lebih khususnya bagi Dinas Kesehatan maupun Kementerian Kesehatan Republik Indonesia mengenai penyebaran penyakit menular ataupun penyakit tidak menular. Salah satu upaya yang dapat dilakukan adalah dengan membentuk suatu pengelompokan provinsi dalam suatu kelompok yang memiliki karakteristik yang sama dengan maksud memberikan informasi terkait dengan kesehatan pada masing-masing provinsi. Pada penelitian ini bertujuan untuk membentuk suatu cluster provinsi di Indonesia berdasarkan variabel jenis penyakit menggunakan metode Complete Linkage, Average Linkage, dan Ward. Ukuran jarak yang digunakan dalam penelitian ini adalah jarak Euclidean dan Squared Euclidean, dan untuk menentukan cara kerja metode yang terbaik dengan melihat dari nilai simpangan baku dalam kelompok (Sw) yang minimum, simpangan baku antar kelompok (Sb) yang maksimum, dan rasio Sw  terhadap Sb yang minimum. Hasil analisis cluster yang terbaik adalah dengan metode Ward menggunakan 6 cluster dengan nilai Sw sebesar 0,18405, Sb sebesar 2,12284 serta rasio Sw terhadap Sb sebesar 0,08670.
Klasifikasi Kelainan Pada Jantung Melalui Citra Iris Mata Menggunakan Fuzzy C-Means Sebagai Pengambil Fitur Iris Dan Klasifikasi Menggunakan Support Vector Machine Dian candra rini novitasari; Muhammad Fahrur Rozi; Rafika Veriani
INTEGER: Journal of Information Technology Vol 4, No 1: May 2019
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2019.v4i1.489

Abstract

Iridologi merupakan diagnosis sebuah iris mata yang merepresentasikan tanda-tanda seperti warna dan struktur dari iris sehingga didapatkan informasi tentang kesehatan seseorang. Penelitian ini tentang iridologi yang terkomputerisasi oleh sebuah sistem yang digunakan dalam mendeteksi keadaan jantung yang dirancang dengan langkah-langkah seperti pra-proseskonversi citra ari RGB menjadi Grayscale, penghapusan noise menggunakan median filter, pemangkasan, pengelompokan menggunakan Fuzzy C-Means (FCM), deteksi tepi menggunakan metode Canny dan diikuti fitur ekstraksi menggunakan Grey Level Co-occurrence Matrix (GLCM), serta klasifikasi menggunakan Support Vector Machine (SVM). Sampel iris pasien dalam keadaan normal dan tidak normal. Data iris pasien yang memiliki kelainan jantung sebanyak 20 citra. Hasil dari sistem deteksi kelainan Jantung melalui citra iris ini memiliki tingkat akurasi sebesar 75%.
Co-Authors Dian Candra Rini, Dian Candra Muhammad Fahrur Rozi Nurissaidah Ulinnuha