Article Per Year (5 Year)
p-Index From 2020 - 2025
6.913
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal sistem informasi, Teknologi informasi dan komputer E-Dimas: Jurnal Pengabdian kepada Masyarakat Format : Jurnal Imiah Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Ilmiah FIFO Jurnal Sisfokom (Sistem Informasi dan Komputer) Kilat JURIKOM (Jurnal Riset Komputer) IJISCS (International Journal Of Information System and Computer Science) JSAI (Journal Scientific and Applied Informatics) JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Pasopati : Pengabdian Masyarakat dan Inovasi Pengembangan Teknologi RESOLUSI : REKAYASA TEKNIK INFORMATIKA DAN INFORMASI Dedikasi Nusantara: Jurnal Pengabdian Masyarakat Pendidikan Dasar Madani : Jurnal Pengabdian Kepada Masyarakat JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan) Journal Collabits IJISCS (International Journal of Information System and Computer Science)
Salamah, Umniy
Universitas Mercu Buana
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 42 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 42 Documents
Search

 1   2   3   4   5 
Analisis Perbandingan Metode Dempster Shafer Dan Certainty Factor Dalam Mendeteksi Penyakit Anemia Umniy Salamah; Richi Ramadhan
JSAI (Journal Scientific and Applied Informatics) Vol 6 No 2 (2023): Juni
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v6i2.5177

Abstract

Anemia is one of the nutritional disorders that are still often found in Indonesia. The Household Health Survey found that around 57% of Indonesian adolescent girls aged 10-14 years and 39.5% of women aged 15 years and over still suffer from anemia. From the high cases of anemia sufferers, researchers aim to help the community in preventing and treating patients by providing information related to the symptoms of anemia, so that researchers will create an expert system that can diagnose anemia. An expert system is a computer-based system that uses knowledge, facts, and reasoning techniques to solve problems that can usually only be solved by an expert in a particular field. The purpose of developing expert systems is actually not to replace the role of humans, but to transfer human knowledge into the form of systems, so that they can be used by many people and are not limited by time. In this study, researchers want to build an expert system that can detect anemia, where in this study the researcher will compare the Dempster-Shafer method and Certainty Factor, where the system is built using PHP programming language and MySQL database that can be accessed anytime and anywhere so as to make it easier for patients to diagnose anemia without the need to meet directly with experts.
Sosialisasi Penggunaan Sparkol VideoScribe untuk Pembuatan Presentasi Video bagi Guru Wilayah Jakarta Barat Umniy Salamah; Bagus Priambodo; Yuwan Jumaryadi
E-Dimas: Jurnal Pengabdian kepada Masyarakat Vol 14, No 2 (2023): E-DIMAS
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/e-dimas.v14i2.12138

Abstract

Pandemi Covid-19 yang terjadi hampir melumpuhkan semua sektor ekonomi dikarenakan cepatnya penyebaran yang terjadi. Covid-19 juga menyebabkan seseorang sulit berinteraksi dengan jarak dekat, dan juga masyarakat dihimbau agar tidak melakukan kegiatan berkumpul untuk mencegah penyebaran Covid-19. Dampak dari penyebaran Covid-19 juga terjadi pada kegiatan belajar mengajar. Virus Covid-19 juga membuat proses pembelajaran dilaksanakan secara online atau hybrid. SUDIN Pendidikan Jakarta Barat merupakan salah satu daerah yang terkena dampak Covid-19. Sosialisasi mengenai penggunaan VideoScribe merupakan kegiatan pengabdian yang diadakan oleh tim pengabdi. VideoScribe merupakan video animasi tangan yang digunakan untuk membuat gambar, kemudian gambar-gambar tersebut akan dirangkai untuk membentuk cerita berbentuk video. Penggunaan VideoScribe dapat diaplikasikan pada masa pandemi untuk mempermudah kegiatan belajar mengajar antara guru dan siswa ketika melakukan pembelajaran secara online.
PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI BERITA HOAX KESEHATAN DI MEDIA SOSIAL TWITTER Dheo Alpian Nanda Krisna; Umniy Salamah
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v6i2.295

Abstract

Seiring dengan perkembangan teknologi yang sangat pesat, membuat persebaran informasi maupun berita menjadi tidak terbendung. Hanya dengan membuka sosial media yang ada di dalam perangkat pintar yang kita gunakan, maka segala macam berita bisa kita peroleh. Tentunya, tidak semua berita yang di dapat merupakan informasi yang bersifat fakta, melainkan berita bohong atau berita hoax. Penelitian ini berfokus pada berita bohong yang marak tersebar di dalam media sosial khususnya di media sosial Twitter. Nantinya penelitian ini bisa bermanfaat untuk mengklasifikasi berita hoax yang ada di media sosial Twitter. Dengan hadir nya berita bohong atau hoax memiliki dampak yang sangat luar biasa yang bisa berpotensi untuk membuat persepi ataupun pandangan masyarakat menjadi sesat dimana menganggap berita bohong atau hoax itu merupakan sebuah kebenaran. Bukan hanya itu, karena semakin mudahnya berita bohong atau hoax menyebar di sosial media, membuat kita kesulitan untuk menentukan mana berita yang benar dan mana yang berita bohong atau hoax. Contoh dampak negatif seperti itulah yang harus kita hindari. Di dalam penelitian ini menggunakan dua algoritma, yaitu algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes (NB). Kedua algoritma tersebut digunakan untuk mengklasifikasi berita hoax yang ada di media sosial Twitter. Hasil yang diperoleh adalah algoritma K-Nearest Neighbor (KNN) memberikan nilai akurasi yang lebih baik dibanding dengan algoritma dan Naïve Bayes (NB). Dengan nilai akurasi sebesar 0.68 untuk algoritma K-Nearest Neighbor KNN dan 0.66 untuk algoritma dan Naïve Bayes (B).
PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE UNTUK MENENTUKAN PREDIKSI PRODUK-PRODUK TERLARIS PADA TOKO MADURA KECAMATAN PONDOK AREN Ivan Hardi Pratama; Umniy Salamah
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v6i2.296

Abstract

Toko Madura merupakan salah satu alternatif usaha retail yang berada di Kecamatan Pondok Aren, Kota Tangerang Selatan. Toko Madura biasanya dimiliki oleh perorangan, dan Produk-produk yang dijual adalah produk-produk kebutuhan sehari-hari. Toko Madura memiliki konsumen yang cukup banyak karena harga jual produk yang relatif lebih murah sehingga mengakibatkan persediaan produk habis ketika ada permintaan lebih dari konsumen atau produk yang diminta tidak tersedia saat ada kosumen yang ingin membeli suatu produk karena sudah kehabisan persediaan produknya. Penelitian ini difokuskan pada prediksi produk-produk terlaris yang nantinya dapat dimanfaatkan untuk mengatasi masalah persediaan stok produk. Penelitian ini dilakukan menggunakan algoritma K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM) yang digunakan untuk prediksi produk-produk terlaris untuk membantu serta memudahkan pemilik toko dalam perencanaan penyediaan stok produk. Algoritma KNN, dan SVM memiliki nilai akurasi yang sama yaitu sebesar 75%, tetapi dalam memprediksi produk Algoritma SVM lebih akurat disbanding KNN, Karena prediksi algoritma KNN kurang akurat pada ketiga produk yaitu gula, air mineral, dan snack, sedangkan untuk algoritma SVM hanya kurang akurat pada dua produk saja yaitu minyak dan sirup. Sehingga dapat disimpulkan bahwa algoritma SVM lebih akurat digunakan untuk prediksi produk-produk terlaris pada toko madura Kecamatan Pondok Aren.
Sistem Penjadwalan Pelayanan Perbaikan Komputer Menggunakan Algoritma Round Robin Umniy Salamah; Vincentius Krisna Aditya; Yuwan Jumaryadi; Vina Ayumi; Handrie Noprisson
Resolusi : Rekayasa Teknik Informatika dan Informasi Vol. 4 No. 2 (2023): RESOLUSI November 2023
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/resolusi.v4i1.1294

Abstract

Computer devices do not always function properly. There are times when the device is damaged, and the user of the device will try to repair it by going to a service center or computer repair shop. Of course, in this case, the user will lose time and energy. Therefore, the design of a mobile web-based computer device repair service application is needed because this application can make it easier for device users to order computer device repair services online according to our needs and can be accessed anywhere without time and place restrictions. The research was conducted using a descriptive method that attempts to describe objects as they are in reality. The aim of this research is to determine the status of the device being serviced. This application was created using the Web programming language PHP, HTML, CSS using a MySQL database. The research carried out was able to develop an information system that helps in ordering computer equipment repairs.
Pengaruh Bilateral Filter Pada Algoritma Support Vector Machine Untuk Klasifikasi Produk Sayuran Umniy Salamah
JSAI (Journal Scientific and Applied Informatics) Vol 6 No 3 (2023): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v6i3.5899

Abstract

The agricultural industry is now applying artificial intelligence-based classification methods for the analysis of vegetable products. This study aims to classify vegetable products as part of the research of the classification of objects in charge that are inherently more complex than other subsets of object classification. In this research, the classification model will use the image preprocessing method on the support vector machine (SVM) algorithm. The dataset of this study amounted to 21,000 data with the division of training data (15,000 data), testing data (3,000 data) and validation data (3,000 data). In this study, experiments from the implementation of bilateral filter and support vector machine (SVM) methods obtained the highest accuracy of 70.59%. This experiment uses bilateral filters with parameters 15, 75, and 75. Other experiments obtained accuracy of 34.21% (histogram equalization) and 65.68% (colour space conversion).
Model Extreme Gradient Boosting Berbasis Term Frequency (TFXGBoost) Untuk Klasifikasi Laporan Pengaduan Masyarakat Vina Ayumi; Desi Ramayanti; Handrie Noprisson; Yuwan Jumaryadi; Umniy Salamah
JSAI (Journal Scientific and Applied Informatics) Vol 6 No 1 (2023): Januari
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v6i1.6089

Abstract

Various algorithms and machine learning techniques are being applied to improve the efficiency and effectiveness of the process of automatically classifying complaint reports from the public in Indonesia. One machine learning algorithm that has recently gained benchmarks in the state of the art of various problems in machine learning is eXtreme Gradient Boosting (XGBoost). This study aims to develop an extreme gradient boosting model based on term frequency (TFXGBoost) to predict whether a text is classified as a complaint or not a complaint based on the data studied. Based on the experimental results, TFXGBoost achieved 92.79% accuracy with eta / learning rate hyperparameters of 0.5, gamma of 0, and max_depth of 3 and the computation time required to adjust the hyperparameters was 13870.012468 seconds.
Pengaruh Tuning Parameter dan Cross Validation Pada Klasifikasi Teks Komplain Bahasa Indonesia Menggunakan Algoritma Support Vector Machine Vina Ayumi; Desi Ramayanti; Handrie Noprisson; Anita Ratnasari; Umniy Salamah
JSAI (Journal Scientific and Applied Informatics) Vol 6 No 3 (2023): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v6i3.6117

Abstract

Text classification aims to group text data, for example, to find some information from a large social media text dataset so that it can be used by the data owner. Manual text classification is time-consuming and difficult, so some researchers try to research text classification automatically. This study attempts to classify Indonesian text datasets using the SVM algorithm. The research was conducted in two stages, namely the first experiment without cross validation parameters and parameter tuning, then the second experiment was carried out with cross validation parameters and parameter tuning. Experiments without cross validation parameters and parameter tuning for support vector machines (SVM) obtained 89.47% accuracy with precision and recall values of 0.90 and 0.89 respectively. The second experiment used cross validation with k-5 and k-10 and tuning parameters with C constant and gamma values. Cross validation results with k-10 obtained the best accuracy with a value of 96.48% with a computation time of 40.118 seconds. Next, kernel functions in tuning parameters namely sigmoid, linear and radial basis functions are analyzed and it is found that sigmoid kernel functions achieve the best accuracy and computational time.
Komparasi Hasil Algoritma Machine Learning Berbasis HSV Color Model Untuk Klasifikasi Citra Jenis Sayuran Umniy Salamah
JSAI (Journal Scientific and Applied Informatics) Vol 7 No 2 (2024): Juni
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v7i2.6392

Abstract

Currently, research on the classification of vegetables has made many advances. Machine learning has been proposed in recent years and has been created in image recognition, computer vision, and other fields. This study aims to classify vegetable products as part of the research of the classification of objects in charge that are inherently more complex than other subsets of object classification. This study will use the K-Nearest Neighbor (KNN) model to classify vegetable species, but with the addition of HSV color space model features. To see the performance of K-Nearest Neighbor (KNN) against other machine learning algorithms, a comparison will be made with support vector machine algorithms, logistic regression and naïve bayes. From the experimental results, the KNN algorithm got an accuracy of 80.67%, SVM got an accuracy of 72.23%, LR got an accuracy of 61.19%, NB got an accuracy of 48.77% and HSV-KNN got an accuracy of 84.33%.
Classification of Text Datasets of Public Complaints Against the Government on Social Media Using Logistic Regression Purba, Mariana; Dianing Asri, Sri; Ayumi, Vina; Salamah, Umniy; Iryani, Lemi
JSAI (Journal Scientific and Applied Informatics) Vol 7 No 1 (2024): Januari
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v7i1.6447

Abstract

Di era teknologi saat ini, salah satu media sosial yang banyak digunakan dalam berinteraksi dan memberikan opini, pengaduan masyarakat, serta saran adalah Twitter. Dalam bidang pemerintahan, tweet yang mengandung opini atau pengaduan masyarakat terhadap suatu layanan atau program organisasi dapat digunakan sebagai umpan balik untuk memperbaiki atau meningkatkan kualitas layanan. Penelitian ini berfokus pada klasifikasi tweet untuk membedakan tweet yang tergolong pengaduan masyarakat atau non-pengaduan masyarakat dengan menerapkan algoritma pemelajaran mesin yaitu logistic regression (LR). Tahap dari penelitian ini antara lain crawling dan labeling dataset, pre-processing, pemodelan menggunakan classifier logistic regression, serta evaluasi kinerja classifier. Tahapan dalam penelitian ini seperti preprocessing, klasifikasi dan evaluasi dilakukan menggunakan bahasa pemrograman Python dengan bantuan scikit-learn library. Berdasarkan hasil eksperimen, model penelitian dengan menggunakan fitur ekstraksi CountVectorizer mencapai kinerja yang lebih baik daripada TfidfVectorizer. Eksperimen dengan menggunakan ekstraksi fitur TfidfVectorizer mencapai akurasi 92% (F1 score: 0.9181, precision: 0.9191 recall: 0.9181, kappa: 0.8363) sedangkan menggunakan akurasi CountVectorizer mencapai 94% (F1 score: 0.9355, precision: 0.9406, recall: 0.9356, kappa: 0.8715).
Co-Authors Ahmad Ali Mutezar Aldi Rahman Andi Nugroho, Andi Andi Purnomo Andrean, Rifky Anita Ratnasari Anjar Hero Wilarto Arey Nur Warisman Arrachman, Abdul Kholiq Athillah, Naufal Ayumi, Vina Bagus Priambodo Bagus Priambodo Bagus Priambodo Bagus Priambodo Chairulsyah, Diofavian Rafif Desi Ramayanti Dheo Alpian Nanda Krisna Dianing Asri, Sri Eka Maulana Fajriah, Riri Fajrin Nur Utami Fani Putri Oktavia Fauzi Nur Iman Gusty Age Rusandy Handrie Noprisson Ida Farida Ida Farida Inge Handriani, Inge Irene Ananda Iryani, Lemi Ivan Hardi Pratama Jumaryadi, Yuwan Kurnia Kito, Ramadani Lystha, Arie Maritza, Kaka Irsyad Noprisson, Handrie Nur Iman, Fauzi Panggabean, Claudio Nehemia Prasha, Achmad Ardani Purba, Mariana Putra, Erwin Dwika Richi Ramadhan Sambada, Arga Sarwati Rahayu Sarwati Rahayu Sarwati Rahayu Setiawan, Hadiguna Soemantri, Syauqi Adli Sulis Sandiwarno, Sulis Suratno, Igo Prayoga Syifa Fauziah Vera Yunita Vina Ayumi Vincentius Krisna Aditya Warisman, Arey Nur Wibowo, Aditya Dwi Zamzami, Muhammad Aryaka