SOSIALISASI APLIKASI PELAYANAN MEDIS PENYAKIT HERPES MENGGUNAKAN TEKNOLOGI MACHINE LEARNING
DOI:
https://doi.org/10.31764/jmm.v7i2.13935Keywords:
Herpes, Machine Learning, PEMPERS.Abstract
Abstrak: Infeksi herpes merupakan masalah kesehatan yang masih menjadi perhatian di masyarakat. Pengembangan aplikasi herpes (PEMPERS) dengan menggunakan teknologi machine learning merupakan salah satu solusi untuk membantu masyarakat dalam mengelola infeksi herpes mereka. Pengabdian kepada masyarakat aplikasi herpes (PEMPERS) ini dilakukan di RS. Medika Lestari, Tangerang, Banten. Adapun peserta yang hadir terdiri dari para staf rumah sakit, tenaga kesehatan, perawat, bidan, dokter dan masyarakat umum dengan jumlah peserta 30 orang. Pengabdian masyarakat ini dilakukan sebagai referensi bagi para peserta dapat mengetahui bahwa pemanfaat teknologi informasi berperan penting dalam mempermudah pengambilan keputusuan dalam mendiagnosa penyakit, dan sebagai sarana dalam mengedukasi masyarakat agar dapat meningkatkan pola hdup sehat di lingkungannya masing-masing. Pengabdian kepada masyarakat aplikasi herpes (PEMPERS) ini dilakukan melalui tahap Persiapan yaitu dengan melakukan obervasi dan wawancara kepada penderita penyakit maupun yang tidak, hasilnya dianalisa dan dirancangan dalam sebuah aplikasi. Tahap kedua adalah pelaksanaan yaitu mensosialisasikan aplikasi Herpes pada rumah sakit Medika Lestari yang berlokasi di di Jl. HOS Cokroaminoto No.56, RT.001/RW.012, Kel. Karang Timur., Kec. Karang Tengah, Kota Tangerang, Banten. Tahap selanjutnya adalah evaluasi dan tindak lanjut dari hasil pengabdian kepada masyarakat. Hasil dari kuesioner mengenai evaluasi aplikasi herpes (PEMPERS) ini menunjukan bahwa rata-rata dari peserta pelatihan yang menjawab Sangat Setuju sebanyak 83% sedangkan peserta pelatihan yang menjawab Tidak Setuju sebanyak 17%. Adapun masukan dari para peserta pelatihan aplikasi herpes (PEMPERS) ini antara lain penambahan fitur untuk mendeteksi penyakit kulit lain selain herpes. Oleh karena itu, perlu dilakukan riset yang lebih mendalam, pelatihan dan sosialisasi yang intensif, serta evaluasi yang berkala untuk meningkatkan efektivitas aplikasi herpes ini.
Abstract: Herpes infection is a health problem that is still a concern in the community. The development of herpes application (PEMPERS) using machine learning technology is one of the solutions to help people manage their herpes infection. This community service for herpes application (PEMPERS) was conducted at RS Medika Lestari, Tangerang, Banten. The participants consisted of hospital staff, health workers, nurses, midwives, doctors and the general public with a total of 30 participants. This community service is carried out as a reference for participants to know that the use of information technology plays an important role in facilitating decision-making in diagnosing disease, and as a means of educating the public so they can improve healthy lifestyles in their respective environments. Community service for the application of herpes (PEMPERS) is carried out through the Preparation stage, namely by observing and interviewing people with the disease or not, the results are analyzed and designed in an application. The second stage is the implementation, namely socializing the Herpes application at the Medika Lestari hospital located on Jl. HOS Cokroaminoto No. 56, RT. 001/RW. 012, Kel. Karang Timur. Kec. Karang Tengah, Tangerang Kota, Banten. The next stage is the evaluation and follow-up of the results of community service PEMPERS. The results of the questionnaire regarding the evaluation of the herpes application (PEMPERS) showed that the average of the trainees who answered Strongly Agree was 83% while the trainees who answered Disagree was 17%. The input from the trainees of this herpes application (PEMPERS) includes the addition of features to detect other skin diseases besides herpes. Therefore, it is necessary to conduct more in-depth research, intensive training and socialization, and periodic evaluation to improve the effectiveness of this herpes application.
Â
References
Amaanullah, R. R., Pasfica, G. R., Nugraha, S. A., Zein, M. R., & Adhinata, F. D. (2022). Implementasi Convolutional Neural Network Untuk Deteksi Emosi Melalui Wajah. JTIM : Jurnal Teknologi Informasi Dan Multimedia, 3(4), 236–244. https://doi.org/10.35746/jtim.v3i4.189
Bonita, L., & Dwi, M. (2017). Gambaran Klinis Herpes Simpleks Genitalis ( A Retrospective Study : Clinical Manifestation of Genital Herpes Infection ). Periodical of Dermatology and Venereology, 29(1), 30–35.
Bonita, L., & Murtiastutik, D. (2017). Gambaran Klinis Herpes Simpleks Genitalis ( A Retrospective Study : Clinical Manifestation of Genital Herpes Infection ). Periodical of Dermatology and Venereology, 29(1), 30–35.
Hakim, A. R., Atmaja, D. M. U., Tugiman, T., & Basri, A. (2023). Android-Based Herpes Disease Detection Application using Image Processing. Sinkron, 8(1), 305–313. https://doi.org/10.33395/sinkron.v8i1.11913
Hakim, A. R., Marini, D., Atmaja, U., Haryadi, D., & Suwaryo, N. (2021). Twitter Sentiment Analysis Terhadap Pengguna E-Commerce Menggunakan Text Mining. SNTEM Seminar Nasional Teknologi Energi Dan Mineral, 1(November), 1227–1237.
Hanin, M. A., Patmasari, R., & Nur, R. Y. (2021). Sistem Klasifikasi Penyakit Kulit Menggunakan Convolutional Neural Network ( Cnn ) Skin Disease Classification System Using Convolutional Neural Network ( Cnn ). E-Proceeding of Engineering, 8(1), 273–281.
Lamiell, J. M., Ward, J. A., & Hilliard, J. K. (2002). Detection of type-specific herpes virus antibodies by neural network classification of Western blot densitometer scans. In IEEE International Conference on Neural Networks. IEEE. https://doi.org/10.1109/icnn.1993.298818
Marini, D., Atmaja, U., & Hakim, A. R. (2022). Peramalan Harga Mata Uang Kripto Solana Menggunakan Metode Support Vector Regression ( SVR ). XI(2), 97–104. https://doi.org/10.35508/JME.V0I0.8117-
Mayer-Proschel, M., Hogestyn, J., & Mock, D. (2018). Contributions of neurotropic human herpesviruses herpes simplex virus 1 and human herpesvirus 6 to neurodegenerative disease pathology. In Neural Regeneration Research (Vol. 13, Issue 2, p. 211). Medknow. https://doi.org/10.4103/1673-5374.226380
Nugroho, P. A., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning Menggunakan Convolutional Neural Network ( Cnn ) Pada Ekspresi Manusia. Algor, 2(1), 12–21.
Nurkhasanah, N., & Murinto, M. (2022). Klasifikasi Penyakit Kulit Wajah Menggunakan Metode Convolutional Neural Network. Sainteks, 18(2), 183. https://doi.org/10.30595/sainteks.v18i2.13188
Pambudi, W. S., & Tompunu, A. N. (2012). Aplikasi Sensor Vision untuk Deteksi MultiFace dan Menghitung Jumlah Orang. Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2012 (Semantik 2012), 2012(Semantik), 26–33.
Roihan, A., Sunarya, P. A., & Rafika, A. S. (2020). Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper. IJCIT (Indonesian Journal on Computer and Information Technology), 5(1), 75–82. https://doi.org/10.31294/ijcit.v5i1.7951
Zakaria, R., Choirul Dwi Astuti, S., Dewi Agustini, R., Armin Abdullah, Y., Kebidanan, J., & Kesehatan Kementerian Kesehatan Gorontalo, P. (2022). Upaya Pencegahan Stunting Melalui Konvergensi Gerakan Ijab Kabul. 6(6), 4409–4419. http://journal.ummat.ac.id/index.php/jmm
Downloads
Published
Issue
Section
License
Authors who publish articles in JMM (Jurnal Masyarakat Mandiri) agree to the following terms:
- Authors retain copyright of the article and grant the journal right of first publication with the work simultaneously licensed under a CC-BY-SA or The Creative Commons Attribution–ShareAlike License.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
