7 September 2023 in Expert Systems with Applications
14 January 2020 in Scientometrics
1 January 2017 in Procedia Computer Science
ESEsther Irawati Setiawan
Biomedical engineering research trend can be healthcare models with unobtrusive smart systems for monitoring vital signs and physical activity. Detecting infant facial cry because of inability to communicate pain, recognizing facial emotion to understand dysfunction mechanisms through micro expression or transform captured human expression with motion device into three-dimensional objects are some of the applied systems. Nowadays, collaborated with biomedical research, mining and analyzing social network can improve public and private health care sectors as well such as research health news shared on social media about pharmaceutical drugs, pandemics, or viral outbreaks. Due to the vast amount of shared news, there is an urgency to select and filter information to prevent the spread of hoax or fake news. We explored in depth some steps to classify hoaxes written as news articles. This discussion also encourages on how technologies of social network analysis could be used to make new kinds improvement in health care sectors. Then close with a description of limitless future possibilities of biomedical engineering research in social media.
29 May 2020 in Jurnal Nasional Teknik Elektro dan Teknologi Informasi
Penilaian Kemampuan Motorik Halus (KMH) untuk anak pada awal usia sekolah sangat penting untuk mendapatkan informasi tentang kesiapan sekolah anak. Selama ini proses pengukuran KMH dilakukan dengan cara observasi pada anak, baik secara langsung maupun dari hasil sketsa atau hasil tulisan anak. Proses pengamatan ini sangat bergantung pada persepsi pengamat, sehingga dapat mengakibatkan kurangnya objektivitas dalam penilaian. Makalah ini bertujuan untuk menentukan KMH anak menggunakan aksara jawa (Hanacaraka). Makalah ini mengembangkan metode baru untuk menentukan KMH anak sekolah dasar dari proses menulis aksara jawa. Sistem melakukan perekaman data secara langsung pada saat anak menulis aksara jawa. Pengambilan data rekaman proses menulis melibatkan empat belas siswa kelas 1 dan kelas 2 dari tiga sekolah dasar di Kabupaten Jember. Proses perekaman data dari setiap siswa menghasilkan data raw yang cukup besar. Oleh karena itu, digunakan metode klasifikasi random forest karena metode ini dapat melakukan proses klasifikasi pada data dalam jumlah yang besar dengan menggabungkan beberapa pohon keputusan. Metode klasifikasi lain, termasuk naïve Bayes dan k-NN, juga diuji sebagai perbandingan. Hasil uji coba menunjukkan bahwa metode klasifikasi random forest merupakan metode terbaik dalam penelitian ini, yaitu dengan akurasi mencapai 98,7%.