Article Per Year (5 Year)
p-Index From 2020 - 2025
1.259
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Tekno Kompak Jurnal Informasi dan Teknologi Indonesian Journal of Electrical Engineering and Computer Science
Naparin, Husni
Unknown Affiliation
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Neuroscience Transportation

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Implementasi Algoritma Decision Tree dan Random Forest dalam Prediksi Perdarahan Pascasalin Sinambela, Dewi Pusparani; Naparin, Husni; Zulfadhilah, Muhammad; Hidayah, Nurul
Jurnal Informasi dan Teknologi 2023, Vol. 5, No. 3
Publisher : SEULANGA SYSTEM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60083/jidt.v5i3.393

Abstract

Perdarahan Postpartum (PPP) merupakan salah satu kegawatdaruatan pada persalinan yang dapat menyebabkan kematian di negara maju dan negara berkembang. Salah satu pencegahan terjadiya PPP dengan melakukan prediksi pada ibu bersalin dengan mempertimbangkan faktor faktor risiko menggunakan pendekatan model Machine Learning (ML). Algoritma Random Forest (RF) dan Decision Tree (DT) merupakan algoritma yang digunakan dalam prediksi kejadian PPP. Tujuan dari penelitian ini adalah mengembangkan kinerja dari Algoritma RF dan Algoritma RF untuk mengklasifikasi kejadian PPP. Hasil analisis Berdasarkan hasil analisis univariat yang ditunjukkan pada tabel 1 didapatkan ibu yang memiliki paritas > 4 sebanyak 102 orang (20,4%), jarak kehamilan ibu yang ≤ 2 tahun sebanyak 310 orang (62%), ibu pasca bersalin yang mengalami anemia sebanyak 124 orang (24,8%), ibu yang melahirkan bayi makrosomia sebanyak 60 orang (12 %), ibu yang mengalami komplikasi persalinan sebanyak 229 orang (45,8 %),ibu yang mengalami kehamilan ganda sebanyak 16 orang (3,2%), umur ibu yang berisiko sebanyak 132 orang (26,4%). Perbandingan tingkat akurasi algoritma RF mencapai 0,830 dibandingkan dengan algoritma DT sebesar 0.820, AUC RF 0.74. Hal ini menunjukan bahwa Algoritma RF mempunya perfomance metric lebih naik dibandingkan dengan algoritma DT. Algoritma Random Forest dapat dianggap sebagai salah satu algoritma representatif ML, yang dikenal karena kemudahannya dan efektivitasnya
Identifikasi Parasit Malaria Berbasis Web Menggunakan CNN pada Citra Sel Darah Pristiani, Baiq Dwi Ningrum; Prasetya, M. Riko Anshori; Hidayat, Ahmad; Naparin, Husni
Jurnal Tekno Kompak Vol 19, No 1 (2025): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i1.4563

Abstract

Malaria adalah penyakit menular yang umum di daerah tropis dan subtropis, yang disebabkan oleh infeksi parasit plasmodium melalui gigitan nyamuk Anopheles. Penyakit ini berisiko tinggi menyebabkan kematian, terutama pada kelompok rentan seperti bayi, balita, dan ibu hamil. Data Kementerian Kesehatan Indonesia menunjukkan peningkatan signifikan kasus malaria dari 304.607 kasus pada tahun 2021 menjadi 443.530 kasus pada tahun 2022. Meskipun pemeriksaan mikroskopis akurat dan murah, namun membutuhkan tenaga medis yang berpengalaman dan memakan waktu yang cukup lama. Oleh karena itu, pengembangan metode deteksi otomatis parasit malaria menjadi penting untuk mempercepat diagnosis dan meningkatkan akurasi. Penelitian ini bertujuan untuk membangun sistem deteksi malaria menggunakan citra sel darah dengan algoritma Convolutional Neural Network (CNN) berbasis web. Data citra sel darah diambil dari situs kaggle.com, setelah itu dilakukan data preprocessing berupa image resizing dan data augmentation. Dataset dibagi menjadi data training dan validation dengan rasio 80% untuk data training dan 20% untuk data validation. Model CNN ini terdiri dari beberapa lapisan seperti Conv2D, MaxPooling2D, Flatten, dan Dense, digunakan untuk klasifikasi citra sel darah. Model yang sudah dibuat dilatih menggunakan optimizer adam dan loss function categorical_crossentropy mencapai akurasi sebesar 96.93%. Penerapan teknik augmentasi data terbukti meningkatkan akurasi model. Web berbasis Flask dirancang untuk memungkinkan pengguna mengunggah citra sel darah dan menerima hasil deteksi secara cepat dan akurat. Sistem ini diharapkan membantu tenaga medis dan masyarakat di daerah endemik malaria dalam mendapatkan diagnosis yang cepat dan tepat, terutama di wilayah dengan akses terbatas terhadap fasilitas laboratorium dan tenaga ahli. Penelitian ini menunjukkan bahwa integrasi teknologi deep learning dan aplikasi web memiliki potensi besar dalam meningkatkan efisiensi diagnosis malaria di dunia nyata.
Analisis Sentimen Terhadap Aplikasi Parak Acil Online Berdasarkan Ulasan Masyarakat Menggunakan Metode Support Vector Machine (SVM) Mutmainah, Mutmainah; Cipta, Subhan Panji; Mambang, Mambang; Zulfadhilah, Muhammad; Naparin, Husni; Syapotro, Usman
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 5 (2024): Oktober 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i5.7962

Abstract

Abstrak - Perkembangan teknologi informasi mempermudah akses layanan publik, termasuk aplikasi Parak Acil Online yang dikembangkan oleh Pemerintah Kota Banjarmasin untuk pengurusan dokumen administrasi. Sejak diluncurkan, aplikasi ini telah digunakan oleh puluhan ribu warga. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi dan mengevaluasi performa Support Vector Machine dalam klasifikasi ulasan. Metode penelitian yang digunakan adalah Support Vector Machine untuk mengklasifikasikan ulasan pengguna. Hasil analisis menunjukkan bahwa algoritma Support Vector Machine (SVM) dalam mengklasifikasikan data ulasan mendapatkan akurasi tertinggi pada pembagian data latih dan data uji 70:30 sebesar 85,1%, presisi 78,2%, dan recall 97,2%. Dari klasifikasi dan visualisasi, didapatkan kata-kata yang sering muncul pada sentimen positif yaitu “good”, “easy”,  dan “helpful” serta kata-kata yang sering muncul pada sentimen negatif yaitu “difficult”, “take” dan “feature”. Sentimen masyarakat terhadap aplikasi Parak Acil Online menunjukkan bahwa mayoritas ulasan masyarakat terhadap aplikasi ini bersifat positif, dan performa analisis sentimen menggunakan metode Support Vector Machine yang digunakan dalam penelitian ini terbukti efektif dalam mengklasifikasikan sentimen dari ulasan pengguna. Diharapkan penelitian ini dapat membantu pengembang dan pemangku kebijakan dalam meningkatkan kualitas aplikasi Parak Acil Online serta memahami kebutuhan masyarakat.Kata kunci: Analisis Sentimen, Aplikasi Parak Acil Online, Support Vector Machine, Textblob. Abstract - The advancement of information technology has facilitated access to public services, including the Parak Acil Online application developed by the Banjarmasin City Government for managing administrative documents. Since its launch, this application has been used by tens of thousands of residents. This study aims to analyze user sentiment towards the application and evaluate the performance of Support Vector Machine (SVM) in classifying reviews. The research method used is Support Vector Machine (SVM) to classify user reviews. The analysis results show that the Support Vector Machine (SVM) algorithm achieves the highest accuracy in classifying review data with a 70:30 train-test split, reaching 85.1% accuracy, 78.2% precision, and 97.2% recall. Classification and visualization reveal that frequently occurring words in positive sentiment include "good," "easy," "helpful," and "fast," while frequently occurring words in negative sentiment include "difficult," "document," "take," and "feature." The sentiment of the public towards the Parak Acil Online application indicates that the majority of reviews are positive. The performance of sentiment analysis using the Support Vector Machine method employed in this study has proven effective in classifying sentiment from user reviews. It is hoped that this research can assist developers and policymakers in improving the quality of the Parak Acil Online application and understanding community needs.Keywords: parak acil online application, sentiment analysis, support vector machine, textblob.
Klasifikasi Ekspor Impor Produk Pertanian dengan Metode Deep Learning Oktavia, Samita; Mambang, Mambang; Prasetya, M. Riko Anshori; Nurhaeni, Nurhaeni; Naparin, Husni; Budiman, Haldi
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 5 (2024): Oktober 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i5.8083

Abstract

Abstrak - Perubahan nilai impor dan ekspor memiliki pengaruh signifikan terhadap pertumbuhan ekonomi suatu negara, dengan inflasi berperan penting dalam mempengaruhi neraca perdagangan. Teknik pembelajaran mesin, khususnya Deep Learning yang merupakan subset dari Machine Learning, menawarkan solusi efektif untuk mengklasifikasi dan mendiagnosis pola dalam data ekspor-impor pertanian. Menggunakan Artificial Neural Network (ANN), yang terinspirasi oleh struktur otak manusia, teknik ini dapat memproses data kompleks untuk mendukung pengambilan keputusan yang tepat dalam analisis perdagangan pertanian. Penelitian ini fokus pada penerapan Deep Learning untuk mengidentifikasi pola ekspor-impor pertanian dengan akurasi tinggi, mencapai 93.7%, dan precision sebesar 89.6%, Recall sempurna sebesar 100% dan F-Measure yang tinggi pada 94.5% menunjukkan keseimbangan antara precision dan recall.Kata kunci: Artificial Neural Network, Deep Learning, Ekspor, Impor, Klasifikasi. Abstract - The changes in import and export values have a significant impact on a country's economic growth, with inflation playing a crucial role in influencing the trade balance. Machine learning techniques, particularly Deep Learning, a subset of Machine Learning, offer effective solutions for classifying and diagnosing patterns in agricultural export-import data. Using Artificial Neural Networks (ANN), inspired by the structure of the human brain, this technique can process complex data to support accurate decision-making in agricultural trade analysis. This research focuses on the application of Deep Learning to identify agricultural export-import patterns with high accuracy, achieving 93.7%, precision of 89.6%, perfect recall of 100%, and a high F-Measure of 94.5%, indicating a balance between precision and recall.Keywords: Artificial Neural Network, Classification, Deep Learning, Ekspor, Impor
A predictive model for postpartum depression: ensemble learning strategies in machine learning Fazraningtyas, Winda Ayu; Rahmatullah, Bahbibi; Naparin, Husni; Basit, Mohammad; Razak, Nor Asiah
Indonesian Journal of Electrical Engineering and Computer Science Vol 37, No 1: January 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v37.i1.pp443-451

Abstract

Postpartum depression (PPD) presents a significant mental health challenge for mothers following childbirth. While the precise cause of this condition remains unknown, preventive measures and treatments are available. This study aims to employ ensemble learning techniques, utilizing C4.5 decision tree (DT), gradient boosting tree (GBT), and extreme gradient boosting (XGBoost), to predict the occurrences of PPD in the Banjarmasin, South Kalimantan, Indonesia. The predictive model developed encompasses a dataset comprising 317 records gathered from postpartum mothers in hospitals, community health services, and midwifery clinics (referred to as Model 1). Furthermore, resampling techniques (Model 2) were employed to address class imbalance. Additionally, feature selection including forward selection and backward elimination (Model 3) were implemented to enhance model performance. The findings reveal that XGBoost, combined with resampling methods, achieved the highest accuracy rate at 87.57%. Feature selection identified five crucial factors associated with PPD incidence: marital status, number of living children, history of depression, fear of delivery, and family relationships. The utilization of ensemble learning strategies for PPD prediction yields reliable outcomes that can be applied within clinical settings. Exploring alternative ensemble learning strategies such as random forest and adaptive boosting could further optimize model performance and warrant consideration in future research endeavours.
Sistem Informasi Pemesanan Online GOR Jabal Rahmah Kota Banjarmasin Menggunakan Metode Value Creation Lisa, Irma Noor; Nugraha, Bayu; Hidayat, Ahmad; Naparin, Husni
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 6 (2024): Desember 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i6.8241

Abstract

Abstrak - Pemesanan lapangan badminton di Gor Jabal Rahmah Kota Banjarmasin masih dilakukan secara manual, sehingga kurang efisien dan tidak memberikan pengalaman yang optimal bagi pelanggan. Oleh karena, itu dibutuhkan sebuah sistem informasi pemesanan online yang menciptakan (Value Creation). Untuk mengembangkan dan mengimplementasikan sistem pemesanan online pada Gor Jabal Rahmah dengan metode value creation, serta menganalisisdampak penerapan sistem terhadap faktor-faktor yang mempengaruhi value creation yaitu efficiency (tidak mesan ketempat), complementary (paket bundling: mesan 2 jam dapat 1 botol aqua 500 ml dan mesan 3 atau selebihnya dapat 2 botol aqua 500 ml), lock-in (member tetap), dan novelty (sistem baru yang main menggunakan manual menjadi sistem online). Penelitian ini menggunakan metode pengembangan sistem berbasis UML (unified Modeling Language) dan diuji menggunakan Smart PLS untuk menganalisis hubungan antar 4 faktor value creation dengan sistem online. Data dikumpulkan melalui observasi dan kuesioner dari pengguna yang telah menggunakan sistem baru tersebut. Menunjukkan bahwa sistem pemesanan online berhasil meningkatkan efisiensi dengan peningkatan pemesanan dan pendapatan pada bulan pertama implementasi dibandingkan debfab bulan sebelumnya. Namun, dari 4 faktor value creation yang diuji hanya lock-in yang berpengaruh signifikan terhadap value creation dengan P value sebesar 0,02 (2%). Sistem online di Gor Jabal Rahmah memeberikan dampak positif terhadap efisiensi dan faktor lock-in, namun faktor efficiency, complementary, dan novelty tidak menunjukkan pengaruh signifikan terhadap value creation. Hal ini menunjukkan bahwa sistem online ini memudahkan pemesanan.Kata kunci: pencipta nilai, pemesanan online, realibilitas, sistem informasi, validitas Abstract  - The booking of badminton courts at Gor jabal Rahmah in Banjarmasin City is still done manually, which is inefficient and does not provide an optimal experience for customers. Therefore, an online booking information system is needed that can create value (value creation). To develop and implement an online booking system at Gor Jabal Rahmah using the value creation method and to analyze the impact of the system on the factors influencing value creation, namely efficiency (no need to book on-site), complementary (bundle packages: book 2 hours and get 1 bottle of 500 ml Aqua, and book 3 or more hours and get 2 bottles of 500 ml Aqua), lock-in (loyal membership), and novelty (transforming the manual system into an online system). This study employs a system development method based on UML (Unified Modeling Language) and is tested using Smart PLS (Partial Least Squares) to analyze the relationship between the four value creation factors and the online booking system. Data is collected through observations and questionnaires from users who have used the system. The results indicate that the online booking system successfully improved efficiency, with an increase in bookings and revenue in the first month of implementation compared to the previous month. However, of the four value creation factors tested, only lock-in had a significant impact on value creation, with a P-value of 0.02 (2%). The online system at Gor Jabal Rahmah has a positive impact on efficiency and the lock-in factor, but the factors of efficiency, complementary, and novelty do not show a significant influence on value creation. This indicates that the online system facilitates booking. Keywords: information system, online ordering, realibility, validity, value creation
Comparison of Text Vectorization Methods for IMDB Movie Review Sentiment Analysis Using SVM Mulyawan, Rifqi; Naparin, Husni; Fatihia, Wifda Muna
Journal of Applied Informatics and Computing Vol. 9 No. 5 (2025): October 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i5.10372

Abstract

Sentiment Analysis is a scientific study in the field of Machine Learning that focuses on classifying opinions expressed in text. IMDb is a platform widely used to provide information and share viewpoints among moviegoers worldwide, where audience reactions often serve as a benchmark for a movie’s success. This research aims to classify positive and negative sentiments by applying and evaluating the effectiveness of Support Vector Machine (SVM) with four different feature representation methods: (a) Bag of Words (BoW), (b) TF-IDF, (c) Word2Vec, and (d) Doc2Vec. After preprocessing the textual data, each method was employed to extract features for model training. The experimental results demonstrate that the combination of SVM with Word2Vec achieved the best overall performance with an F1-Score of 0.8607 and an Accuracy of 0.8607, while also being the fastest in training time (75.0s). In comparison, BoW reached an F1-Score of 0.8219, TF-IDF achieved 0.8520, and Doc2Vec obtained 0.8440. These findings highlight that Word2Vec provides the most effective feature representation for sentiment classification using SVM in this study.
Co-Authors Ahmad Hidayat Bayu Nugraha Budiman, Haldi Cipta, Subhan Panji Dewi Pusparani Sinambela, Dewi Pusparani Fatihia, Wifda Muna Lisa, Irma Noor Mambang Mohammad Basit, Mohammad Muhammad Zulfadhilah Mulyawan, Rifqi Mutmainah Mutmainah Nurhaeni Nurhaeni NURUL HIDAYAH Oktavia, Samita Prasetya, M. Riko Anshori Pristiani, Baiq Dwi Ningrum Rahmatullah, Bahbibi Razak, Nor Asiah Syapotro, Usman