Studi Independen Program Artificial Intelligence “MCU Healthcare” Pada PT.Sintesis Komunikasi Indonesia.

• Anisha Hazna Ghivarie
• Fadla Zahra Thahira
• 2023

---

Pendidikan merupakan suatu hal yang penting, setiap orang harus mendapatkan
pendidikan yang berkualitas. Kebijakan pemerintah Indonesia telah menyediakan
program Kampus Merdeka yaitu Magang Studi Independen Bersertifikat yang
merupakan program pembelajaran khusus yang diciptakan untuk mahasiswa.
Synthesis Academy merupakan salah satu mitra yang mendukung kegiatan Studi
Independen Bersertifikat Kampus Merdeka yang diikuti oleh penulis, salah satunya
dengan program Artificial Intelligence For GenZ Jobseekers yaitu program yang
berfokus pada kompetensi untuk membangun kesiapan pada bidang Artificial
Intelligence (AI Readiness). Selain mendapat keterampilan AI, pelajar pun mendapat
ilmu life skills yang bermanfaat untuk kehidupan sehari-hari, mencari atau
menciptakan suatu lapangan pekerjaan. MCU Health Care merupakan aplikasi
berbasis web dengan domain Data Science dan Computer Vision yang bertujuan untuk 
membantu tenaga medis dalam memprediksi penyakit diabetes dan pneumonia agar
proses pelayanan menjadi lebih cepat dan efisien. Kemudian proses yang dilakukan
selama pembuatan proyek ini dimulai dari problem scoping, data acquisition, data
preprocessing dan exploratory data analysis (EDA), modeling, evaluation, dan 
deployment menggunakan framework flask dan boostrap (CSS dan HTML). Metode 
yang digunakan dalam penulisan tugas akkhir ini menggunakan dua metode
pengumpulan data diantaranya studi litelatur dan data sekunder Sistemprediksi ini 
menggunakan model Random Forest dengan akurasi 0,94 dan model Gradient 
Boosting Classifier dengan akurasi 0,93 pada domain Data Science. Dari hasil tersebut 
dapat disimpulkan bahwa model yang lebih baik adalah algoritma Random Forest.
Sedangkan pada domain Computer Vision menggunakan modelConvolutional Neural 
Network dengan akurasi 0,92. Cara kerja dari aplikasi MCU Health Care adalah user 
menginputkan hasil tes darah ataupun hasil X-Ray kemudiantekan tombol prediksi, 
setelah itu sistem akan menampilkan hasil prediksi apakah pasien mengidap penyakit 
atau tidak.

• Artificial intelligence
• Computer Vision

Abdulloh, R. (2022). No Title7 Materi pemrograman Web untuk pemula.
Akturk, M. (2020). Diabetes Dataset.
Devella, S., Rahmawati, F. N., Studi, P., Informatika, T., Manis, C., Transform, S. F., 
& Forest, R. (2020). Implementasi Random Forest Untuk Klasifikasi Motif 
Songket Palembang Berdasarkan SIFT. 7(2), 310–320.
Diana, C. (2021). Teknologi Machine Learning Inovatif Di Sektor Kesehatan. 
https://algorit.ma/blog/data-science/machine-learning-sektor-kesehatan/
Djaelangkara, R. T., Sengkey, R., & Lantang, O. A. (2015). Perancangan Sistem 
Informasi Akademik Sekolah Berbasis Web Studi Kasus Sekolah Menengah Atas 
Kristen 1 Tomohon.
Endris, A. dkk. (2021). Ensiklopedi Macam-Macam Penyakit: Panu hingga Wasir 
(Hemoroid). 
https://www.google.co.id/books/edition/Ensiklopedi_Macam_Macam_Penyakit
_Panu_hi/_g9lEAAAQBAJ?hl=en&gbpv=1
Enterprise, J. (2017). Otodidak Pemrograman Python.
Fadli, R. (2023). Ketahui Jenis Pemeriksaan Dilakukan saat Medical Check Up. 
https://www.halodoc.com/artikel/ketahui-jenis-pemeriksaan-dilakukan-saatmedical-check-up
Irwan, SKM., M. K. (2016). Epidemologi Penyakit Tidak Menular. Deepublish.
Kemenkes. (2022). Diabetes Melitus Adalah Masalah Kita. Kesehatan.
85
Larasati, A. (2022). Mengenal Program Magang dan Studi Independen Bersertifikat 
(MSIB) Kampus Merdeka | Berita | Gamelab Indonesia. 
https://www.gamelab.id/news/1748-mengenal-program-magang-dan-studiindependen-bersertifikat-msib-kampus-merdeka
Mahdi, M. I. (2022). Penderita Diabetes Indonesia Terbesar Kelima di Duniatle.
Mahtur, M. (2020). Pneumonia Detection Using CNN.
Makarim, F. R. (2023). Medical Check Up: Tujuan, Jenis, dan Prosedur.
Mishbahuddin. (2020). Meningkatkan Manajemen Pelayanan Kesehatan Rumah 
Sakit. 
https://www.google.co.id/books/edition/Meningkatkan_Manajemen_Pelayanan_
Kesehat/I8ELEAAAQBAJ?hl=en&gbpv=1
Muslim, I., Karo, K., Informatika, F., & Telkom, U. (2020). Implementasi Metode 
XGBoost dan Feature Importance untuk Klasifikasi pada Kebakaran Hutan dan 
Lahan. 1(1), 10–16.
Natasya, S. V. dan R. M. A. (2022). Membuat Anlisis Komparatif Prophet Pada 
Peramalan Penjualan.
Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan 
Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. Jurnal 
Sains Komputer & Informatika (J-SAKTI, 5(2), 697–711. 
http://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/369
Patria, R. (2023). Mengenal Data Science dan Manfaatnya untuk Berbagai Bidang. 
https://www.domainesia.com/berita/data-science/
Pittara. (2022). Gejala Pneumonia. https://www.alodokter.com/pneumonia/gejala
Pranita, E. (2020). Penderita Pneumonia, Jumlahnya Meningkat Setiap Tahun K.
Priyono, H., Sari, R., & Mardiana, T. (2022). Klasifikasi Pemilihan Jurusan Sekolah 
Menengah Kejuruan Menggunakan Gradient Boosting Classifier. 9(2).
86
Rasywir, E., Sinaga, R., & Pratama, Y. (2020). Analisis dan Implementasi Diagnosis 
Penyakit Sawit dengan Metode Convolutional Neural Network ( CNN ). 22(2), 
117–123.
Rizky, M, R. A. (2023). Komparasi Performa Model Terhadap Klasifikasi Sinyal 
Mitbih Arryhythmia Database.
Saintek, R. (2023). Kecerdasan Buatan (Artificial Intelegence) : Dari Teori hingga 
Penerapan. 
https://www.google.co.id/books/edition/Kecerdasan_Buatan_Artificial_Intelege
nce/lbGpEAAAQBAJ?hl=en&gbpv=1
Society, I., Respirology, O. F., Pusat, P., Profil, M., Indonesia, K., Kesehatan, D., 
Jakarta, D. K. I., & Tiongkok, K. W. (2019). PRESS RELEASE “ 
PERHIMPUNAN DOKTER PARU INDONESIA ( PDPI ) OUTBREAK 
PNEUMONIA DI TIONGKOK. 19, 19–22.
Subakti, H. (2022). Artificial Intelligence.
Tandra, H. (2017). Segala Sesuatu Yang Harus Anda Ketahui Tentang Diabetes. PT. 
Gramedia Pustaka Utama.
Widya, A. (2022). Mengenal Computer Vision dan Contohnya. 
https://widya.ai/mengenal-computer-vision-dan-contohnya/
Yunitasari, Hopipah, H. S., & Mayasari, R. (2021). Optimasi Backward Elimination 
untuk Klasifikasi Kepuasan Pelanggan Menggunakan Algoritme k-nearest 
neighbor (k-NN) and Naive Bayes. Technomedia Journal, 6(1), 99–110. 
https://doi.org/10.33050/tmj.v6i1.1531