Article Per Year (5 Year)
p-Index From 2019 - 2024
2.765
P-Index
This Author published in this journals
All Journal JUITA : Jurnal Informatika CESS (Journal of Computer Engineering, System and Science) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial IJCIT (Indonesian Journal on Computer and Information Technology) Jurnal Pilar Nusa Mandiri ILKOM Jurnal Ilmiah MULTINETICS Simpatik: Jurnal sistem Informasi dan Informatika J-Intech (Journal of Information and Technology) J-ABDIPAMAS (Jurnal Pengabdian Kepada Masyarakat) Ladang Artikel Ilmu Komputer
Satia Suhada, Satia
Program Studi Sistem Informasi, Universitas Bina Sarana Informatika, Sukabumi, Indonesia
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Social Sciences

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal)

 1 
KLASIFIKASI NAÏVE BAYES UNTUK MENDIAGNOSIS PENYAKIT PNEUMONIA PADA ANAK BALITA (STUDI KASUS : UPTD PUSKESMAS SUKARAJA SUKABUMI) Ami Rahmawati; Dede Wintana; Satia Suhada; Gunawan Gunawan; Hamdun Sulaiman
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 6, No 3 (2019)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v6i3.202

Abstract

Pneumonia is a contagious infectious disease that is the leading cause of death in toddlers in the world. In developed countries, there are 4 million cases each year, totaling 156 million cases of pneumonia every year worldwide. Pneumonia is caused by, among others, bacteria, viruses, fungi, exposure to chemicals or physical damage from the lungs, as well as indirect effects from other diseases. Pneumonia is characterized by symptoms of coughing and / or difficulty breathing such as rapid breathing, and pulling the lower chest wall inward. Therefore, early detection of pneumonia in children under five is very necessary in order to be able to prevent and cope with the disease into a serious stage as the purpose of this study is to diagnose pneumonia in toddlers using data mining classification, the naïve Bayes algorithm. Of the 118 cases consisting of 113 cases of patients diagnosed with pneumonia and 5 cases of patients who were not diagnosed with pneumonia, an accuracy value of 98% was obtained, so it can be interpreted that the naïve bayes algorithm has a good correlation with the attributes contained in the dataset.Keywords: Naïve Bayes Algorithm, Pneumonia.Pneumonia adalah penyakit infeksi menular yang merupakan penyebab utama kematian pada balita di dunia. Di negara maju terdapat 4 juta kasus setiap tahun hingga  total di seluruh dunia ada 156 juta kasus pneumonia anak balita  setiap tahun. Pneumonia antara lain disebabkan oleh bakteri, virus, jamur, pajanan bahan kimia atau kerusakan fisik dari paru-paru, maupun pengaruh tidak langsung dari penyakit lain. Pneumonia ditandai dengan gejala batuk dan atau kesulitan bernapas seperti napas cepat, dan tarikan dinding dada bagian bawah ke dalam. Oleh Karena itu, deteksi dini penyakit pneumonia pada anak balita sangat diperlukan agar dapat mencegah dan menanggulangi penyakit tersebut kedalam tahap yang serius seperti tujuan penelitian ini yaitu untuk mendiagnosis penyakit pneumonia pada anak balita menggunakan klasifikasi data mining yaitu algoritma naïve bayes. Dari 118 kasus yang terdiri dari 113 kasus pasien yang terdiagnosis pneumonia dan 5 kasus pasien yang tidak terdiagnosis pneumonia maka diperoleh nilai akurasi sebesar 98%, sehingga dapat diartikan bahwa algoritma naïve bayes memiliki korelasi yang baik dengan atribut yang terdapat pada dataset.Keywords: Naïve Bayes Algorithm, Pneumonia. 
PENERAPAN METODE TOPIK MODELING UNTUK PENENTUAN TOPIK KONSULTASI PADA PORTAL TELEMEDICINE MENGGUNAKAN LDA (LATENT DIRCHLECT ALLOCATION) Saeful Bahri; Gunawan Gunawan; Dede Wintana; Rusda Wajhillah; Satia Suhada
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 3 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i3.465

Abstract

Abstract The Novel Corona Virus or Covid-19 pandemic that occurred at the beginning of 2020 has had a very big change for the medical world around the world, changes occurred in the pattern of hospital medical services and the work patterns of the medical personnel themselves, this was due to the fear of being infected with the virus. , one of the alternatives provided by the medical world is the application of the telemedicine method, but in practice telemedicine has many shortcomings, one of which is the difficulty of determining the topics in health discussed because most telemedicine documents are usually in text format, this makes it a challenge for researchers in processing text to find something. which can be used to improve consultation outcomes in a telemedicine system. One approach that is quite popular and powerful in finding themes in the medical and health corpus is topic modeling, one of which uses LDA (Latent Dirchlect Allocation), by applying LDA to the determination of TOPIK in the case of corpus telemedicine, it is proven to be able to show good results in terms of value. the highest kohence is 0.551075 with the highest standard deviation with a value of 0.5327286. Keywords: Covid-19; Telemedicine; Pandemic;  LDA; Pandemi Novel Corona Virus atau covid-19 yang terjadi pada awala tahun 2020 telah berdampak perubahan yang sangat besar bagi dunia medis diseluruh dunia, perubahan terjadi pada pola pelayanan medis rumah sakit dan pola kerja tenaga medis itu sendiri, hal ini disebabkan karena ketakutan akan terinfeksinya virus, salah satu alternatif yang diberikan oleh dunia medis adalam dengan penerapan metode telemedicine namun dalam prakteknya telemedicine memiliki banyak kekurangan salahsatunya seperti sulitnya penentuan topik dalam kesehatan yang dibaha karena kebanyakan dokument telemedicine biasanya berformat text, hal tersebut menjadikan tantangan bagi peneliti dalam memproses text dalam menemukan sesuatu yang bermakna sehingga dapat dimanfaatkan untuk meningkatkan hasil konsultasi dalam sebuah sistem telemedicine. Salah satu pendekatan yang cukup populer dan powerful dalam penemuan tema dalam korpus medis dan kesehatan adalah pemodelan topik, salah satunya menggunakan LDA (Latent Dirchlect Allocation), dengan diterapkan nya LDA pada penentuan TOPIK dalam kasus korpus telemedicine terbukti mampu menunjukan hasil yang baik dilihat dari nilai kohence tertinggi yaitu 0,551075 dengan standar deviasi tertinggi dengan nilai 0,5327286. Kata kunci: Covid-19; Telemedicine; Pandemic;  LDA;
OPTIMALISASI ARSITEKTUR DEEP-LEARNING UNTUK OTOMATISASI KLASIFIKASI IDENTIFIKASI SPESIES IKAN Saeful Bahri; Satia Suhada; Rusda Wajhillah
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 2 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i2.629

Abstract

Penelitian ini membahas tentang optimalisasi arsitektur pada deep Learning untuk  otomatisasi klasifikasi ikan melalui citra dengan berbagai macam latar belakang dan kondisi cahaya yang beragam. Beberapa riset terdahulu tentang klasifikasi spesies ikan telah dilakukan oleh beberapa peneliti di dunia menggunakan berbagai metode, termasuk Naïve bayes, CNN, dan jaringan deep learning. Dalam penelitian ini, akan dibandingkan tiga arsitektur deep learning (ResNet101v2, CoAtNet-0, dan EfficientNetV2B0) dengan tiga algoritma optimasi (Adam, SGD, dan MSProp) untuk mengetahui arsitektur yang terbaik untuk model deep learning pada otomatisasi identifikasi spesies ikan, yang terdiri dari 3.248 citra yang terbagi menjadi delapan kelas spesies,  hasil dari pengujian model didapat bahwa ResNet101v2 yang dioptimalisasi oleh Adam memiliki nilai akurasi paling tinggi dibanding 2 Arsitektur lainya yaitu sebesar 62% .
Co-Authors A.Gunawan Abidin Abidin Acep Suherman Ami Rahmawati Andi Riyanto Ardi Winardi Arif Purnama Daniel Ratag Dasya Arif Firmansyah Dede Wintana Dede Wintana Desi Susilawati Dicky Prayudi Dwiza Riana Eva Marsusanti Eva Marsusanti Eva Nursyifa Gunawan Gunawan Gunawan Gunawan Gunawan Hamdun Sulaiman Jamal Maulana Hudin, Jamal Maulana Jasisca Marleftan Lestari Yusuf Muhamad Reza Vahlefi Purwaningtias, Deasy Rahmawati, Ami Ramdhan Saepul Rohman Rina Riniawati Risdiansyah, Deni Rusda Wajhillah Rusli Nugraha Rusli Nugraha Saeful Bahri Saeful Bahri Selvia Septi Palupi Setyo Bagus Nugraha Siskawati Siskawati Siti Fatimah Susilawati Susilawati Taufik Hidayatulloh Taufik Hidayatulloh Wahyu Nugraha Wintana, Dede Yahya Iskandar Yulhan Wahyudin