Klaim Artikel Anda
Verifikasi kepemilikan artikel akademik
Apakah artikel-artikel ini milik Anda?
Daftarkan diri Anda sebagai author untuk mengklaim artikel dan dapatkan profil akademik terverifikasi dengan fitur lengkap.
Badge Verifikasi
Profil terverifikasi resmi
Statistik Lengkap
H-index, sitasi, dan metrik
Visibilitas Tinggi
Tampil di direktori author
Kelola Publikasi
Dashboard artikel terpadu
Langkah-langkah Klaim Artikel:
- 1. Daftar akun author dengan email akademik Anda
- 2. Verifikasi email dan lengkapi profil
- 3. Login dan buka menu "Klaim Artikel"
- 4. Cari dan klaim artikel Anda
- 5. Tunggu verifikasi dari admin (1-3 hari kerja)
Menampilkan 1–2 dari 2 artikel
Pelatihan Pembuatan Laporan Rekam Medis Dengan Google Forms dan Microsoft Word bagi Pengasuh dan Karyawan di Panti Wreda Catur Nugraha
Wicaksono, Wilibrordus Megandika
; Widiastuti, Rosalina Yani
; Kusuma Hariningsih, Rosa Ratri
; Malindir, Lukas
; Haris, Raymond
Adi Widya: Jurnal Pengabdian Masyarakat
Vol 9
, No 2
(2025)
Panti Wreda Catur Nugraha di Kabupaten Banyumas merupakan lembaga sosial yang merawat sekitar 30 lansia dengan berbagai kondisi kesehatan. Pencatatan rekam medis yang masih dilakukan secara manual menyebabkan data rawan hilang, sulit dianalisis, dan kurang efisien. Tim Pengabdian kepada Masyarakat dari STIKOM Yos Sudarso Purwokerto menyelenggarakan pelatihan pembuatan laporan rekam medis berbasis digital dengan memanfaatkan Google Forms untuk pengumpulan data dan Microsoft Word untuk penyusunan...
Sumber Asli
Google Scholar
DOI
Advanced Machine Learning for Comprehensive Mapping and Risk Analysis of Dengue Fever in Purwokerto to Support Public Health Preparedness
Rosa Ratri Kusuma Hariningsih
; Diwahana Mutiara Candrasari
; Endang Setyawati
; Syamsu Wahidin
; Jevon Nataniel Putra
International Journal of Computer Technology and Science
Vol 2
, No 3
(2025)
Dengue Fever (DF) continues to be a major public health threat in Indonesia, especially in urban areas with high population density, such as Purwokerto City. This study aims to develop a predictive model to identify high-risk areas for DF outbreaks by integrating Machine Learning (ML) algorithms and Geographic Information Systems (GIS). The research utilizes historical dengue case data, meteorological parameters (rainfall, temperature, humidity), and population density as predictive variables. T...
Sumber Asli
Google Scholar
DOI