Article Per Year (5 Year)
p-Index From 2019 - 2024
0.778
P-Index
This Author published in this journals
All Journal Jurnal Kesehatan Vokasional Edsence: Jurnal Pendidikan Multimedia JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Industrial Research Workshop and National Seminar
Jonner Hutahaean
Politeknik Negeri Bandung
Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Mechanical Engineering Nursing Public Health Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Proses Bisnis Layanan Medical Checkup (MCU) Menggunakan Business Process Model and Notation (BPMN) Akhmad Bakhrun; Jonner Hutahaean
Jurnal Kesehatan Vokasional Vol 6, No 2 (2021): Mei
Publisher : Sekolah Vokasi Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jkesvo.61269

Abstract

Latar Belakang: Layanan medical check up (MCU) dibutuhkan untuk berbagai keperluan, di antaranya untuk persyaratan pengangkatan Pegawai Negeri Sipil (PNS). Pasien yang menjalani MCU perlu mengetahui proses yang harus diikuti, lama proses, dan jadwal penerimaan hasil agar pasien dapat mempersiapkan diri dengan baik. Di sisi lain, manajemen rumah sakit juga perlu mengevaluasi layanan MCU agar selalu unggul, kompetitif, dan berkelanjutan.Tujuan: Membangun model proses bisnis layanan MCU dalam persyaratan pengangkatan PNS.Metode: Observasi dan eksplorasi untuk menganalisis proses bisnis layanan MCU serta mempelajari dokumen hasil MCU seperti hasil pemeriksaan laboratorium dan thorax serta surat hasil MCU yang telah disahkan oleh ketua tim penguji kesehatan rumah sakit. Pemodelan proses bisnis dibuat menggunakan BPMN dengan tool Bizagi.Hasil: Model proses bisnis untuk panduan pasien dan peningkatan layanan MCU dapat diimplementasikan menjadi Standard Operating Procedure (SOP) layanan MCU di rumah sakit. Selain itu, model ini merupakan requirement awal yang sangat penting untuk membangun perangkat lunak pencatatan data MCU yang terintegrasi.Kesimpulan: Adanya model proses BPMN dapat memudahkan pasien untuk mengetahui tahapan proses MCU yang sedang mereka jalani dan perkiraan waktu selesainya. Manajemen rumah sakit juga dapat menjadikan model ini untuk mengevaluasi dan meningkatkan layanan MCU.
Aplikasi Antrean Online Berbasis Website dan Mobile (Studi Kasus Puskesmas Babatan) Andi Fauzy Dewantara; Elza Esterina; Luthfi Alri; Jonner Hutahaean; Irawan Thamrin
Prosiding Industrial Research Workshop and National Seminar Vol 12 (2021): Prosiding 12th Industrial Research Workshop and National Seminar (IRWNS)
Publisher : Politeknik Negeri Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (781.187 KB)

Abstract

Aplikasi Antrean Online Berbasis Website dan Mobile (Studi Kasus Puskesmas Babatan)
Deteksi Intensi Chatbot Berbahasa Indonesia dengan Menggunakan Metode Capsule Network Fatharani Fatharani; Khoirunnisa Putri Kania; Jonner Hutahaean; Sri Ratna Wulan
Journal of Information System Research (JOSH) Vol 3 No 4 (2022): Juli 2022
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (349.19 KB) | DOI: 10.47065/josh.v3i4.1821

Abstract

Intent detection is a process of classifying customer intention from given sentence or chatting. One of the uses of intent detection is in a chatbot. With intent detection, the chatbot can detect the customer intent. However, currently the use of intent detection has not been implemented by most companies in Indonesia. A good intent detection method for chatbots is one that is able to classify user intentions accurately and quickly. This study aims to perform intent detection of messages from the Indonesian language chatbot dataset obtained from customer conversations of PT. Kazee using the Capsule Network(CapsNet) method. With this research, it is hoped that the chatbot of PT. Kazee can respond to customers more appropriately. On this study we conducted experiments and analyze the use of Capsule Network (CapsNet) method in detecting the intent of PT. Kazee customers conversation. The dataset of the experiments contains questions about PT. Kazee. There are two types of datasets—a dataset with six intentions and a dataset with 18 intentions. We compare the result of this experiment with the BERT intent detection model we used previously. The experiment show that the execution time of CapsNet method is faster than that of BERT. However, BERT is still superior to the CapsNet for the ability to respond appropriately. The CapsNet method can be considered for use on chatbots that are more concerned with execution speed.
Pendeteksian Penggunaan Masker Berbasis Android dan YOLOv5 untuk Media Video Realtime pada Ruang Perkantoran Trisna Gelar; Mugi Pangestu; Muhammad Fikri; Naufal Taufik; Urip Teguh; Jonner Hutahaean
Jurnal Pendidikan Multimedia (Edsence) Volume 4 No 2 (Desember 2022)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/edsence.v4i2.52230

Abstract

Relaksasi penggunaan masker untuk pencegahan penyebaran COVID-19 telah diberlakukan, namun untuk kegiatan dalam ruangan dan wilayah perkantoran kebijakan tersebut masih wajib dilaksanakan. Sistem pengawasan otomatis komersial memerlukan perangkat tambahan seperti kamera khusus, CCTV atau sistem berbasis IoT. Alternatif lain dengan menggunakan perangkat Android yang mudah digunakan dan biaya inisiasi serta pemeliharaannya lebih rendah. Maka dari itu pengembangan sistem deteksi masker berbasis Android perlu dikembangkan. Pada penelitian ini fitur deteksi masker dikembangkan menggunakan algoritma YOLOv5 pada 1200 gambar campuran dari data Face Mask Detection dengan Face Mask KoTA205. Dengan menambahkan distribusi kelas without mask dan with mask, Model YOLOv5 yang dihasilkan mencapai akurasi mAP 91,24% dan F1-Score 87,78%. Selain itu model sudah dikonversi berformat PyTorch Lite dan dapat digunakan pada sistem berbasis Android Pendeteksi Masker. Sistem telah terimplementasi memiliki tiga fitur utama, inisiasi perangkat, pendeteksian masker dan peringatan suara bila terjadi pelanggaran dan dashboard untuk bahan monitoring (data pendeteksian diolah menggunakan Firebase). Khusus fitur pendeteksian masker, telah diuji delapan test case unit test dan tiga test case integration testing, dengan keseluruhan test case berjalan sukses.
Co-Authors Akhmad Bakhrun Andi Fauzy Dewantara Elza Esterina Fatharani Fatharani Gelar, Trisna Irawan Thamrin Khoirunnisa Putri Kania Luthfi Alri Mugi Pangestu Muhammad Fikri Naufal Taufik Urip Teguh Setijohatmo Wulan, Sri Ratna