JATI (Jurnal Mahasiswa Teknik Informatika)· 2024
PANGGILAN PERAWAT DARURAT (PAPEDA) MENGGUNAKAN ARTIFICIAL INTELLIGENCE UNTUK EFESIENSI KINERJA PERAWAT DI RSUD KARAWANG
- 0citations
- 2024year
Short summary
An AI-powered nurse call system (PAPEDA) using Raspberry Pi cameras, CNN, and LSTM models achieved 98% precision (CNN) and near 100% accuracy (LSTM) in monitoring patient conditions, significantly improving nurse efficiency and patient satisfaction at RSUD Karawang.
AI-generated from the title and abstract; the full text is not read.
Key points
- An AI-powered nurse call system (PAPEDA) was implemented at RSUD Karawang to improve patient monitoring.
- The system uses Raspberry Pi cameras and AI models, specifically Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM).
- CNN achieved 98% precision, while LSTM demonstrated near 100% accuracy in analyzing patient conditions.
- LSTM showed better performance in understanding patient observations compared to CNN.
AI-generated from the title and abstract; the full text is not read.
Abstract
RSUD Karawang adalah sebuah rumah sakit yang lengkap dengan berbagai fasilitas seperti poli anak, penyakit, jantung, kebidanan, dan lain-lain. Namun, kendala muncul dalam memantau kondisi pasien di rumah sakit ini. Hal ini menyebabkan paramedis, termasuk spesialis dan petugas medis, harus mengunjungi pasien berulang kali untuk memeriksa kondisi mereka. Untuk mengatasi masalah ini dan meningkatkan kepuasan pasien, rumah sakit menggunakan inovasi penalaran terkomputerisasi atau kecerdasan buatan manusia. Dengan inovasi ini, mesin dapat secara konsisten melakukan observasi pasien, sehingga pasien hanya perlu memberikan isyarat tangan yang sudah ditentukan sebelumnya. Untuk mencapai hal ini, penelitian menggunakan kamera Raspberry Pi dan regulator untuk menciptakan kesadaran buatan manusia. Informasi yang dikumpulkan kemudian diolah menggunakan strategi Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) untuk menganalisis kondisi pasien. Hasil penilaian dengan menggunakan disarray grid menunjukkan bahwa strategi CNN memiliki presisi sebesar 98%, sementara teknik LSTM memiliki akurasi mendekati 100% dalam menyaring kondisi pasien di setiap ruangan. Selain itu, tampaknya teknik LSTM memberikan hasil yang lebih baik dalam memahami observasi dibandingkan dengan strategi CNN. Dengan penerapan inovasi penalaran buatan manusia ini, diharapkan klinik dapat meningkatkan kemampuan dalam mengamati kondisi pasien dan memberikan pertimbangan yang lebih baik, serta meningkatkan kepuasan pribadi pasien secara keseluruhan.
The authors' abstract, as published at the source. JATI (Jurnal Mahasiswa Teknik Informatika), 2024 · DOI ↗
The rest is in the Pofolia app
Takeaways and questions to the paper; new summaries every day for your field. Free.
Sign in on the web to openField: Pediatrics, Perinatology and Child Health
Pediatrics, Perinatology and Child HealthMedicine