ANNAS TRI WIDAGDO/PORTFOLIO · 2026
VOL. 01 // TECHNICAL ARCHIVE
■annastriwidagdo.me
SOFTWARE ENGINEER·FULL-STACK WEB DEVELOPER·MACHINE LEARNING ENGINEER
ENTRY 001MEMBUKA ARSIP TEKNIS00% · 01 / 01
Lewati ke konten
■annastriwidagdo.me
  • 01Beranda
  • 02Tentang
  • 03Proyek●
  • 04Blog
  • 05Kontak
LANGEN/ID
■annastriwidagdo.me
  • Software Engineer
  • Full-Stack Web Developer
  • Machine Learning Engineer

JAKARTA, INDONESIA · UTC+7

EMAILannastriw6@gmail.com↗ (dibuka di tab baru)LINKEDIN/in/annastriw↗ (dibuka di tab baru)GITHUB@annastriw↗ (dibuka di tab baru)CONTACTBuka Kontak→

© 2026 Annas Tri Widagdo. Drafted in grids, shipped in code.

Proyek/iHealth Edu
02 / WEB APPLICATION

iHealth Edu

Stakeholder
Puskesmas Padangsari
Peran
Frontend Web Developer
Periode
Juni–Agustus 2025
Status
Live Production

Platform kesehatan digital yang menyatukan screening terstruktur, edukasi kesehatan, data pasien, data kesehatan dari IoT, dan machine learning decision support dalam satu sistem.

Buka Website↗Lihat Repositori Frontend↗Lihat Repositori Backend↗
[01]

Galeri Proyek

Antarmuka edukasi dan screening kesehatan iHealth Edu
Dashboard pasien dan riwayat screening iHealth Edu
Antarmuka asesmen kuesioner terstruktur iHealth Edu
Antarmuka modul edukasi dan alur pembelajaran iHealth Edu
Antarmuka data kesehatan dan rekam biometrik pasien iHealth Edu
Antarmuka pemantauan tenaga kesehatan dan decision support iHealth Edu
Konsol pengelolaan pengguna dan konten administrator iHealth Edu
Peta persebaran geografis dan pelaporan pasien iHealth Edu
🔍 Perbesar Bukti
[01]TODO_IHEALTH_CAPTION_01_ID
01 / 08
[02]

Gambaran Proyek

iHealth Edu dikembangkan bersama Puskesmas Padangsari untuk menyatukan data kesehatan, screening terstruktur, dan konten edukasi dalam platform digital yang dirancang berdasarkan workflow layanan kesehatan primer.

Sistem ini memusatkan data pasien, memudahkan akses edukasi kesehatan, dan membantu tenaga kesehatan memantau riwayat pasien. Hasil machine learning hanya digunakan sebagai decision support dan bukan sebagai diagnosis klinis.

■[BATAS KLAIM // DECISION SUPPORT MEDIS]

Hasil machine learning hanya digunakan sebagai decision support bagi tenaga kesehatan dan bukan sebagai diagnosis klinis atau saran medis.

[03]

Kontribusi Saya

  • 01Menggali kebutuhan melalui wawancara dengan kepala Puskesmas Padangsari, diskusi rutin, dan observasi workflow, kemudian menerjemahkannya ke dalam desain UI/UX.
  • 02Mengembangkan frontend berbasis role untuk pasien, admin, dan tenaga kesehatan menggunakan Next.js.
  • 03Mengintegrasikan REST API dan menampilkan data pemeriksaan kesehatan dari perangkat ESP32 pada frontend.
  • 04Mengintegrasikan hasil machine learning decision support ke dalam antarmuka tenaga kesehatan.
■Stack Teknologi Personal
  • Figma
  • Next.js
  • React
  • TypeScript
  • Tailwind CSS
  • REST API
[04]

Cakupan Sistem

■01 // Peran Pengguna
  • Pasien

    Mengikuti screening, mengakses konten edukasi, dan melihat riwayat kesehatan.

  • Admin

    Mengelola akun, konten, dan data operasional sistem.

  • Tenaga Kesehatan

    Memantau data pasien dan meninjau hasil decision support.

■02 // Screening & Edukasi
Modul Screening
DSMQHSMBQDASS-21
Topik Edukasi
DiabetesHipertensiKesehatan Mental
Alur Pembelajaran
Pre-Test → Modul Edukasi → Post-Test
■03 // Data Pasien
Pengukuran IoT

Tekanan darah, Gula darah, Kolesterol

Data Input Manual

Tinggi badan, Berat badan, Informasi gaya hidup, Informasi pendukung pasien

BMI dihitung dari tinggi dan berat badan.

Riwayat Pasien

Catatan terpusat yang dapat dipantau dari waktu ke waktu oleh role terkait

■04 // Integrasi Sistem
Integrasi IoT & Input Pengguna
ESP32 / User Input→Laravel API→MySQL→Next.js Interface
Integrasi Decision Support ML
Flask ML Service / Random Forest→Decision-Support Result→Health-Worker Interface

Arsitektur mencakup integrasi IoT dan ML ke dalam antarmuka Next.js; pengembangan frontend dan integrasi UI merupakan lingkup kontribusi Annas.