Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Kesehatan Medika Saintika Jurnal Pengabdian Magister Pendidikan IPA JURIKOM (Jurnal Riset Komputer)
Ihksan, Muhammad
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Health Professions Medicine & Pharmacology Nursing Public Health Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sentiment Analysis of Youtube Comments on Indonesian Presidential Candidates in 2024 using Naïve Bayes Classifier Mahfudza, Nurbaiti; Ihksan, Muhammad
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 2 (2025): April 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i2.8538

Abstract

The 2024 Indonesian presidential election is one of the most talked about topics on various social media platforms, including YouTube. The comments that appear on political-themed videos can reflect public opinion towards presidential candidates. This research aims to conduct sentiment analysis of YouTube comments related to Indonesian presidential candidates in 2024 using the Naïve Bayes Classifier method. This method was chosen due to its ability to classify text data effectively and efficiently. Data was collected from a number of relevant Kompas tv videos on YouTube, then text preprocessing stages such as data cleaning, tokenization, and stemming were performed. Next, the data was classified into three sentiment categories, namely positive, negative, and neutral. The research shows that the Naïve Bayes model is able to classify sentiment with sufficient accuracy.  This finding can provide an overview of public perceptions of each presidential candidate as well as input for interested parties in the fields of politics and public communication. The results of this study show that the naïve bayes classifier algorithm can analyze with an accuracy of 61 % in the evaluation process using confusion matrix. The results of this study indicate that the naïve bayes classifier algorithm can be an effective alternative for analyzing the sentiment of YouTube comments on presidential candidates.
Analisis Pola Kunjungan Pasien Berbasis Data Pelayanan Kesehatan Untuk Mendukung Program Promotif Dan Preventif Susilo, Herman; Fauzi, Dede; Sari, Imrah; Ihksan, Muhammad
Jurnal Kesehatan Medika Saintika Vol 16, No 2 (2025): Desember 2025
Publisher : Stikes Syedza Saintika Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30633/jkms.v16i2.30805

Abstract

Program promotif dan preventif merupakan komponen penting dalam upaya peningkatan derajat kesehatan masyarakat yang memerlukan perencanaan berbasis data pelayanan kesehatan. Data kunjungan pasien yang tercatat di puskesmas memiliki potensi besar untuk dianalisis guna mendukung perencanaan program promotif dan preventif yang lebih tepat sasaran. Penelitian ini bertujuan untuk menganalisis pola kunjungan pasien berbasis data pelayanan kesehatan dalam mendukung program promotif dan preventif. Penelitian ini menggunakan desain kuantitatif deskriptif analitik dengan pendekatan potong lintang. Data yang digunakan merupakan data sekunder kunjungan pasien puskesmas sebanyak 5.216 kunjungan yang diperoleh dari sistem informasi pelayanan kesehatan. Analisis data dilakukan menggunakan statistik deskriptif, analisis bivariat, analisis multivariat, serta pendekatan pengelompokan data untuk mengidentifikasi pola kunjungan pasien. Hasil penelitian menunjukkan bahwa 52,6% kunjungan pasien berkaitan dengan penyakit tidak menular dan 63,0% merupakan kunjungan ulang. Analisis multivariat menunjukkan bahwa penyakit tidak menular memiliki peluang kunjungan ulang lebih tinggi dibandingkan kelompok penyakit lainnya (OR=2,31), sedangkan kelompok usia ≥46 tahun juga memiliki risiko kunjungan ulang yang lebih tinggi (OR=1,78). Kesimpulan penelitian ini menunjukkan bahwa analisis pola kunjungan pasien berbasis data pelayanan kesehatan dapat menjadi dasar yang kuat dalam perencanaan dan penguatan program promotif dan preventif yang terarah dan berbasis kebutuhan nyata masyarakat.Kata kunci: Analisis pola; Kunjungan pasien; Promotif preventif; Data pelayanan kesehatan
Peningkatan Literasi Artificial Intelligence melalui Pelatihan Deep Learning pada Pengenalan Citra Bidang Kesehatan Fauzi, Dede; Ihksan, Muhammad; Rahman, Abdur; Swandi, Andri
Jurnal Pengabdian Magister Pendidikan IPA Vol 9 No 1 (2026): Januari - Maret 2026
Publisher : Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jpmpi.v9i1.14452

Abstract

Perkembangan Artificial Intelligence (AI), khususnya Deep Learning, telah membawa perubahan signifikan dalam berbagai bidang, termasuk bidang kesehatan melalui pemanfaatan pengenalan citra. Namun, tingkat literasi AI pada kalangan siswa, mahasiswa, dan pendidik masih relatif terbatas, terutama dalam memahami konsep dasar dan mekanisme kerja Deep Learning. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan literasi Artificial Intelligence melalui pelatihan Deep Learning pada pengenalan citra bidang kesehatan dengan pendekatan edukatif dan praktis. Kegiatan dilaksanakan pada 26 Desember 2025 di Laboratorium Komputer Universitas Syedza Saintika dengan mitra SMK Negeri 2 Padang, melibatkan 45 peserta yang terdiri atas siswa, mahasiswa, dosen, dan guru dengan tingkat literasi pemula. Metode pelaksanaan mencakup penyampaian materi dasar mengenai konsep AI, Machine Learning, Deep Learning, dan Convolutional Neural Network (CNN), yang dilanjutkan dengan praktik langsung pengenalan citra menggunakan Google Colab. Evaluasi dilakukan melalui pre-test dan post-test berbasis ujian praktikum untuk mengukur peningkatan pemahaman peserta. Hasil kegiatan menunjukkan adanya peningkatan literasi AI dan pemahaman konsep Deep Learning sebesar 80%. Selain peningkatan pengetahuan, kegiatan ini juga menghasilkan luaran berupa sertifikat pelatihan dan dokumentasi kegiatan. Pelatihan ini terbukti efektif dalam meningkatkan pemahaman peserta terhadap konsep dasar Deep Learning serta memberikan gambaran awal mengenai pemanfaatan pengenalan citra di bidang kesehatan, sehingga berpotensi menjadi model pengabdian masyarakat yang dapat direplikasi pada konteks pendidikan lainnya.
Co-Authors Abdur Rahman Fauzi, Dede Herman Susilo Mahfudza, Nurbaiti Sari, Imrah Swandi, Andri