Article Per Year (5 Year)
p-Index From 2019 - 2024
3.822
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IJCCS (Indonesian Journal of Computing and Cybernetics Systems) JURNAL MEDIA INFORMATIKA BUDIDARMA ILKOM Jurnal Ilmiah JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) AL-ULUM: JURNAL SAINS DAN TEKNOLOGI Jurnal Teknologi Terpadu Journal of System and Computer Engineering Jurnal Informatika Terpadu Global Abdimas: Jurnal Pengabdian Masyarakat Sentra Dedikasi: Jurnal Pengabdian Masyarakat Journal Pharmacy and Application of Computer Sciences Jurnal Informatika: Jurnal Pengembangan IT
Firman Aziz
Universitas Pancasakti Makassar, Indonesia
Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Library & Information Science Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Journal Pharmacy and Application of Computer Sciences

 1 
KLASIFIKASI KATEGORI OBAT MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Mardewi Mardewi; Nuru Yarkuran; Sofyan Sofyan; Firman Aziz
Journal Pharmacy and Application of Computer Sciences Vol. 1 No. 1: Februari: 2023: JOPACS
Publisher : Arlisaka Madani Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59823/jopacs.v1i1.19

Abstract

Dalam mencegah penyakit dan menjaga Kesehatan, setiap orang biasanya mengomsumsi obat. Namun banyak yang belum mengetahui kategori/jenis obat sebelum mengomsumsi obat tersebut. Masyarakat sebaiknya mengetahui kategori/jenis obat sebelum mengonsumsinya. Hal ini akan menimbulkan dampak negatif bagi kesehatan jika obat tersebut tergolong kedalam kategori/jenis obat keras. maka diperlukan klasifikasi kategori/jenis obat untuk membantu masyarakat agar dapat mendeteksi kategori/jenis obat. Penelitian ini mengusulkan untuk mengklasifikasi kategori/jenis obat menggunakan algoritma Support Vector Machine dengan tiga kernel yaitu linear, polynomial, dan RBF. Data terdiri dari lima variabel prediktor yaitu Usia, Jenis Kelamin, Tingkat Tekanan Darah, Tingkat Kolesterol, dan Na to K. jumlah data sebanyak dua ratus record. Hasil menunjukkan bahwa akurasi terbaik dari ketiga kernel SVM didapatkan ketika menggunakan kernel linear dan polinomial. berbeda dengan kernel RBF yang memiliki akurasi yang lebih rendah dari kedua kernel tersebut. kernel linear dan polinomial menghasilkan akurasi sebesar 95.0% sedangkan RBF menghasilkan akurasi sebesar 94.5%.
ANALISIS APLIKASI PENGAJUAN SURAT KETERANGAN PENDAMPING IJAZAH (APP-SKPI) MENGGUNAKAN ISO/IEC 25010 Muhammad Arfah Asis; Lutfi Budi Ilmawan; jeffry; Firman Aziz; Syahrul Usman; Rahmat Fuadi Syam
Journal Pharmacy and Application of Computer Sciences Vol. 1 No. 2: Agustus: 2023: JOPACS
Publisher : Arlisaka Madani Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59823/jopacs.v1i2.27

Abstract

Penerapan Surat Keterangan Pendamping Ijazah (SKPI) atau diploma supplement merupakan amanat kurikulum berdasarkan Kerangka Kualifikasi Nasional Indonesia (KKNI) bagi setiap calon sarjana baru atau lulusan perguruan tinggi. SKPI memuat informasi prestasi dan kegiatan mahasiswa selama menjadi mahasiswa aktif di perguruan tinggi. Program studi Farmasi mengembangkan aplikasi untuk mengajukan SKPI yang disebut App-SKPI. Untuk membantu pengembangan aplikasi, telah dilakukan evaluasi dengan menggunakan model ISO 25010 untuk lima jenis kategori yaitu Functional Suitability, Performance Efficiency, Usability, Portability, dan Maintainability. Hasil pada kategori Functional Suitability, semua proses pada setiap fitur berjalan dengan baik dengan nilai 1 atau maksimal. Performance Efficiency, hasil kinerja dan struktur pada aplikasi mendapatkan Grade B dengan nilai kinerja 89% dan nilai struktural 91%. Usability, tingkat kepuasan mahasiswa terhadap sistem adalah 0,83. Portability, kemampuan adaptasi sistem pada browser yang berbeda mendapat nilai 1 atau maksimal. Maintainability, aplikasi dikembangkan dengan framework yang mendukung kemudahan perawatan
PENERAPAN METODE MACHINE LEARNING UNTUK MENGKLASIFIKASI PENANGANAN PERAWATAN PASIEN Firman Aziz; Andyka Wahab
Journal Pharmacy and Application of Computer Sciences Vol. 1 No. 2: Agustus: 2023: JOPACS
Publisher : Arlisaka Madani Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59823/jopacs.v1i2.37

Abstract

Pengambilan keputusan dalam pelayanan kesehatan, terutama terkait pemilihan jenis perawatan, merupakan proses kompleks yang memiliki dampak besar pada pasien dan sistem perawatan. Penentuan apakah pasien harus menjalani perawatan rawat inap di rumah sakit atau cukup dengan perawatan rawat jalan memerlukan pertimbangan yang tepat. Salah satu faktor penting yang ikut berperan adalah hasil pemeriksaan laboratorium yang memberikan wawasan mendalam tentang kondisi kesehatan pasien. Metode machine learning telah mengemuka sebagai alat yang potensial dalam berbagai bidang, termasuk dalam dunia medis. Penelitian ini bertujuan untuk menginvestigasi pemanfaatan metode machine learning dalam mengklasifikasikan pasien berdasarkan hasil pemeriksaan laboratorium, sehingga memungkinkan pengambilan keputusan yang lebih tepat dalam menentukan perawatan yang diperlukan. Hasil penelitian ini menemukan bahwa potensi metode machine learning dalam mendukung pengambilan keputusan medis. Model KNN dan SVM menunjukkan kinerja yang kuat dalam mengklasifikasikan pasien.
Co-Authors Akbar Taufik Ali Akbar Velayaty Amri, Nur Fadhila Andi Nurilmi Adriana Andyka Wahab Anirwan Anirwan Armin Lawi Benny L.E.P Benny Leonard Enrico Panggabean Dhilan Sasmita Faisal Rahman Farid Fani Temarwut Firmansyah Firmansyah Firmansyah Hechmi SHILI Imran Iskandar Ishak, Pertiwi Jeffry jeffry jeffry - Jeffry Jeffry Jeffry Jeffry Lutfi Budi Ilmawan M Rezky Armansyah Mardewi Mardewi Mardewi Mardewi Muhammad Arfah Asis Muhammad Lutfi Muhammad Rijal Nur Ayu Asrhi Nur Ayu Asrhi Nur Hamadani Nur Nur Hamdani Nur Nurafni Shahnyb Nuru Yarkuran Nurul Fathanah Mustamin Rahmat Fuadi Syam Rohmah Nur Hidayah Satar Satar Sofyan Sofyan Sofyan Sofyan Sustrin Abasa Syahrul Usman Syahrul Usman Syahrul Usman Syahrul Usman Usman, Syahrul Wungo, Supriyadi La Zulkarnain Zulkarnain