Publication Search

This study aims to develop a predictive model using linear regression to identify potential arrhythmias in the elderly based on electrocardiogram (ECG) data. Data were collected through observations at healthcare facilities from elderly patients with indications of arrhythmia, then preprocessed such as cleaning, normalization, feature selection, and outlier checking were carried out. The features used include PR interval, QRS duration, QT interval, and heart rate. The dataset was divided into training data (80%) and test data (20%) to build and evaluate the model. The training results showed that the model was able to predict the risk of arrhythmia with a Mean Squared Error (MSE) value of 0.15 and a coefficient of determination (R²) close to 1. Evaluation using a confusion matrix showed an accuracy of 76.19%, precision of 82.80%, recall of 76.19%, and F1 score of 72.70%. These results prove that linear regression can be used as an initial approach in the early detection of arrhythmias non-invasively in the elderly. This study provides a foundation for the development of ECG data-based clinical decision support systems and suggests future exploration of more complex models and integration with real-time monitoring technologies.

Deteksi nyeri secara objektif merupakan tantangan penting dalam dunia medis, terutama bagi pasien yang tidak mampu menyampaikan rasa sakitnya secara verbal, seperti bayi, lansia, atau penderita gangguan komunikasi. Teknologi non- invasif berbasis sensor menjadi solusi potensial untuk mengatasi keterbatasan metode subjektif. Penelitian ini bertujuan meninjau secara sistematis literatur terkini mengenai penerapan Radar MIMO dan algoritma kecerdasan buatan dalam deteksi nyeri non-invasif. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan pedoman PRISMA 2020, melalui penelusuran basis data IEEE Xplore, ScienceDirect, PubMed, Google Scholar, dan SpringerLink untuk periode 2021– 2025. Dari hasil seleksi diperoleh 17 artikel inklusi yang mencakup penggunaan Radar MIMO, UNBC-McMaster, BioVid, Medical Imaging (CT/MRI), Radar SISO, serta studi review, survey, bibliometrik, dan teoretis. Dari sisi algoritma, CNN dan SVM menjadi pendekatan paling dominan, diikuti Neural Network dan metode lain, dengan tren yang mengarah pada penggunaan multimodal untuk meningkatkan akurasi. Hasil penilaian kualitas dengan GRADE menunjukkan mayoritas studi berkualitas sedang, dengan keterbatasan utama pada ukuran sampel kecil, pelabelan nyeri yang belum konsisten, bias populasi, serta kurangnya validasi klinis nyata. Kesimpulannya, Radar MIMO dan algoritma deep learning memiliki potensi besar untuk deteksi nyeri non-invasif. Namun, penelitian lanjutan perlu difokuskan pada pembangunan dataset yang lebih inklusif, standarisasi pelabelan nyeri, serta pengujian dalam konteks klinis, dengan memperhatikan aspek etika dan privasi agar teknologi ini dapat diimplementasikan secara luas dalam layanan kesehatan.

Indonesia merupakan salah satu negara agraris dengan hasil bumi yang berlimpah. Salah satunya adalah buah pinang yang berasal dari Pulau Sumatera. Dalam pendistribusiannya, CV. XYZ yang menjadi distributor buah pinang tersebut mengalami beberapa kendala dalam distribusi, yaitu biaya dan jarak yang tidak optimal, sehingga dibutuhkan sebuah pendekatan untuk memperoleh hasil optimal dalam kegiatan distribusi tersebut. Metode transportasi adalah suatu metode pemecahan masalah dengan tujuan untuk meminimalisir biaya pengiriman produk dari beberap sumber ke beberapa tujuan. Dua tahapan metode transportasi yang digunakan merupakan solusi awal yang terdiri dari north west cornet method dan least cost, serta solusi optimal yang terdiri atas stepping stone dan modified distribution. Berdasarkan penerapan metode yang dilaksanakan, CV. XYZ memperoleh penghematan sebesar Rp 5.765.149.

Deteksi nyeri objektif merupakan tantangan dalam dunia medis, terutama bagi pasien yang tidak mampu mengungkapkan rasa sakit secara verbal. Dengan kemajuan teknologi sensor dan kecerdasan buatan, sistem otomatis untuk mendeteksi nyeri berbasis sinyal fisiologis dan ekspresi wajah mulai dikembangkan. Studi ini bertujuan mengidentifikasi tren, metode, dan kualitas metodologis dari penelitian yang menggunakan database publik seperti BioVid Heat Pain, UNBC-McMaster, dan SenseEmotion dalam pengembangan sistem deteksi nyeri berbasis sensor. Penelitian dilakukan dengan pendekatan Systematic Literature Review (SLR) berdasarkan protokol PRISMA 2020 melalui pencarian artikel di Google Scholar dalam rentang tahun 2015–2024. Setelah seleksi berdasarkan kriteria inklusi dan eksklusi, 26 studi dimasukkan ke dalam sintesis naratif. Data dianalisis berdasarkan jenis sensor, metode algoritma, akurasi, dan ukuran sampel, serta dievaluasi menggunakan pendekatan GRADE. Hasil menunjukkan bahwa BioVid dan UNBC-McMaster adalah database paling sering digunakan, dengan sensor EDA, EMG, dan ekspresi wajah sebagai modalitas dominan. Metode klasifikasi umum mencakup CNN, SVM, dan Random Forest. Studi menyimpulkan bahwa pendekatan multimodal dan deep learning meningkatkan akurasi deteksi nyeri, namun validasi klinis dan perhatian terhadap keragaman demografis masih dibutuhkan.

Salah satu algoritma yang sering digunakan untuk melakukan deteksi pada wajah yaitu Viola-Jones. Metode ini merupakan gabungan dari 3 buah fitur yaitu integral image, adaboost dan cascade classifier. Masing-masing fitur mempunyai fungsi tersendiri dan saling melengkapi. Integral image digunakan dalam penentuan ada dan tidaknya gambar, adaboost untuk memilih dan mengatur nilai threshold, sedangkan cascade classifier untuk mengklasifikasi daerah yang akan di deteksi. Untuk memudahkan deteksi, terurtama pada bagian mata maka digunakan Haar like feature. Proses pengenalan wajah telah dilakukan pada gambar dengan satu objek dan beberapa objek. Hasil impelemntasi juga dapat mengenali objek foto lukisan dan foto tampak samping. Dari seluruh percobaan di dapatkan nilai rata-rata sebesar 65% dengan sebaran nilai akurasi tertinggi 70%, sensitivitas 55% dan spesifitas 71%.

Transaksi lewat internet bukanlah suatu hal yang asing lagi untuk saat ini, dimana e-Commercesudah berkembang begitu pesat sehingga hampir setiap pengguna jasa transaksi online, menggunakanprogram bantu untuk memudahkan melakukan transaksi yang dinamakan “payment processor”. Namundisisi lain, masih banyak yang beranggapan bahwa melakukan transaksi lewat internet tidaklah aman, dikarenakan banyaknya kasus-kasus penipuan yang terjadi.Sehubungan dengan hal tersebut, maka di perlukan pengetahuan tentang cara melakukan pembayaran lewatinternet dengan menggunakan e-Gold, yang merupakan salah satu cara pembayaran lewat internet. Dalampembayaran menggunakan e-Gold, pengguna dapat mengirim sejumlah uang kepada pengguna eGold yanglainnya tanpa perlu mengetahui nomor rekening atau nomor kartu kredit yang dituju.