Article Per Year (5 Year)
p-Index From 2021 - 2026
5.505
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 Jurnal Pengabdian Masyarakat Nasional JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan) Journal Collabits IJISCS (International Journal of Information System and Computer Science) Indonesian Journal on Computing (Indo-JC)
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 : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Machine Learning Approaches to Sentiment Analysis of Mental Health Discussions on Platform X Jumaryadi, Yuwan; Fajriah, Riri; Salamah, Umniy; Priambodo, Bagus; Lystha, Arie
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 13 No. 2 (2025): September 2025
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/piksel.v13i2.11350

Abstract

Sentiment analysis on mental health issues is crucial for understanding public perceptions of healthcare services. This study analyzed tweets related to mental health on platform X in 2025 using SVM, Random Forest, and Naive Bayes algorithms. Data was collected through web scraping with Python, then evaluated using a confusion matrix with accuracy, precision, f1-score, and recall metrics. The classification results showed a distribution of sentiment: positive (3,667 tweets), neutral (838 tweets), and negative (704 tweets). A comparative analysis of the three algorithms revealed that SVM achieved the highest accuracy (78.69%), followed by Random Forest (75.04%) and Naive Bayes (70.44%), proving the superiority of SVM in classifying mental health sentiment. These findings provide valuable insights for stakeholders in improving mental healthcare services based on public feedback, while also offering a reference for effective sentiment analysis methods for social media data.
PENGENALAN DAN PENGGUNAAN TEKNOLOGI NODE JS DAN SAFE EXAM BROWSER (SEB) UNTUK PENCEGAHAN KECURANGAN PADA APLIKASI UJIAN ONLINE DI SMP NEGERI 206 MERUYA SELATAN Ida Farida; Iman, Fauzi Nur; Salamah, Umniy
MADANI: Jurnal Pengabdian Kepada Masyarakat Vol 11 No 1 (2025): MADANI: Jurnal Pengabdian Kepada Masyarakat (In Press)
Publisher : LPPM UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53834/mdn.v11i1.11825

Abstract

Computer-Based Test (CBT) adalah metode ujian yang dilakukan dengan menggunakan komputer sebagai pengganti kertas, di mana peserta menjawab soal secara digital, penilaian otomatis, kecepatan dalam pengolahan hasil, serta fleksibilitas dalam variasi soal. Akan tetapi CBT juga terdapat kerentanan terhadap potensi kecurangan sehingga tingkat keamanannya kurang sehingga integritas ujiannya tidak terjaga Hal inilah yang menjadi permasalahan pada pihak mitra pengabdian yakni SMP Negeri 206 Meruya Selatan. Melihat permasalahan tersebut, maka tim pengabdi mengembangkan sebuah aplikasi CBT yang dilengkapi dengan teknologi keamanan berupa pembatasan akses teknologi dan sumber informasi, perangkat lunak pendeteksi kecurangan serta autentifikasi identitas. Metode kegiatan pengabdian adalah melakukan pendampingan dan pengenalan berupa pelatihan bagi para guru dan siswa dalam menggunakan aplikasi ujian online yang telah dikembangkan, dari mulai penggunaan dan simulasi aplikasi bagi siswa, pengelolaan data dan hasil ujian bagi guru, serta pengembangan dan pemeliharan oleh staff IT sekolah. Hasil dari pengabdian ini, para peserta berhasil menggunakan aplikasi CBT dan memanfaatkan fitur-fitur keamanan ujian dan mampu berimprovisasi dengan materi yang ada. Kemudian hasil e-kuisinoner yang telah diisi oleh sebanyak 31 responden menunjukkan bahwa kegiatan pengabdian sangat penting bagi msyarakat khusunya bagi mitra dan hasil rata-rata kepuasan mitra menyatakan bahwa pihak mitra puas dengan kegiatan yang telah dilakukan oleh pungusul.
Penerapan Metode Gamma Correction dan MobileNet Untuk Klasifikasi Citra Daun Purba, Mariana; Ayumi, Vina; Rahayu, Sarwati; Salamah, Umniy; Handriani, Inge; Ani, Nur
JSAI (Journal Scientific and Applied Informatics) Vol 8 No 3 (2025): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v8i3.9459

Abstract

This study proposed an enhanced leaf image classification model by integrating gamma correction as a preprocessing technique with the MobileNet (MNET) architecture to improve visual feature extraction. The dataset consisted of 750 images representing five classes of medicinal plants, namely Psidium guajava, Syzygium polyanthum, Piper betle, Annona muricata, and Andrographis paniculata, obtained from personal documentation, online sources, and public datasets. Gamma correction was applied to adjust illumination and enhance leaf texture clarity, followed by resizing and normalization processes. Data augmentation was performed using rotation, contrast adjustment, horizontal and vertical flipping, brightness adjustment, and channel shifting to increase training data variation. The MobileNet architecture was expanded with additional layers, including global average pooling, flatten, Dense–ReLU, and Dense–softmax, enabling it to function as an efficient feature extractor and classifier. Experiments were conducted using a batch size of 32, 50 epochs, the Adam optimizer, and a learning rate of 0.0001. The combined MNET and gamma correction model achieved a training accuracy of 99.00%, a validation accuracy of 87.50%, and a testing accuracy of 84.16%.
Hyperparameter Optimization Analysis of MultinomialNB and Logistic Regression in Multi‑Feature Text‑Based Film Genre Classification Shabrio Cahyo Wardoyo; Umniy Salamah
Indonesian Journal on Computing (Indo-JC) Vol. 10 No. 1 (2025): August, 2025
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/indojc.v10i1.9100

Abstract

This study aims to analyze and compare the performance of two text classification algorithms Multinomial Naive Bayes (MNB) and Logistic Regression (LR)—for film genre classification using multi-feature text data, both with and without hyperparameter optimization. Film genres play a crucial role in digital content recommendation systems; however, manual classification is subjective and time-consuming. The dataset, obtained from Letterboxd via Kaggle, includes film titles, descriptions, and themes. After preprocessing and text normalization (tokenization, lemmatization, and stemming), the text data were transformed into numerical features using the TF-IDF method. Two modeling scenarios were applied: the first using default parameters, and the second employing GridSearchCV to find the optimal hyperparameter settings. Model performance was evaluated using accuracy, precision, recall, and F1-score. The results indicate that the optimized LR model achieved the highest accuracy of 0.847, followed by the optimized MNB model with an accuracy of 0.837. This study concludes that hyperparameter optimization significantly improves model performance and that LR outperforms MNB in the context of multi-feature text-based genre classification.
SOSIALISASI APLIKASI PENDETEKSI DIABETES DILENGKAPI DENGAN LIE DETECTION UNTUK MASYARAKAT KELURAHAN DURI KEPA Umniy Salamah; Yuwan Jumaryadi; Diky Firdaus; Bagus Priambodo; Afifah Fitri Anggraini; Vivie Herlina; Ayaitulla Salsabilla Achmad; Putra Ardiansyah; Romeo Mulia Pratama; Zehandra Gibran Nugroho
Jurnal Pengabdian Masyarakat Nasional Vol 6, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/pemanas.v6i1.36927

Abstract

Diabetes Melitus Tipe 2 (DMT2) merupakan salah satu permasalahan kesehatan utama di wilayah perkotaan dan banyak dialami oleh kelompok usia produktif, termasuk masyarakat di Kelurahan Duri Kepa. Rendahnya pemahaman masyarakat, khususnya ibu-ibu PKK, mengenai deteksi dini diabetes menjadi latar belakang pelaksanaan kegiatan Pengabdian kepada Masyarakat (PkM) yang berfokus pada sosialisasi aplikasi pendeteksi risiko diabetes berbasis teknologi lie detection. Kegiatan yang dilaksanakan pada 10–31 Oktober 2025 ini meliputi tahap persiapan, pelaksanaan, evaluasi, dan tindak lanjut, dengan melibatkan partisipasi aktif masyarakat. Aplikasi yang diperkenalkan memanfaatkan analisis respons pengguna untuk mengidentifikasi potensi risiko diabetes dan memberikan kategori hasil berupa Tipe 1, Tipe 2, atau Tidak Terdeteksi. Hasil yang diberikan bukan merupakan diagnosis medis, tetapi indikator awal yang berfungsi sebagai pengingat agar masyarakat lebih memperhatikan pola makan, aktivitas fisik, dan gaya hidup sehat. Evaluasi kegiatan menunjukkan adanya peningkatan pengetahuan dan kesadaran masyarakat terhadap deteksi dini diabetes serta pemanfaatan teknologi informasi dalam bidang kesehatan. Program ini memberikan dampak positif dalam meningkatkan literasi kesehatan digital dan menunjukkan penerapan inovasi teknologi informasi untuk mendukung upaya pencegahan penyakit tidak menular di lingkungan masyarakat.
Co-Authors Afifah Fitri Anggraini 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 Ayaitulla Salsabilla Achmad Ayumi, Vina Bagus Priambodo Bagus Priambodo Bagus Priambodo Bagus Priambodo Chairulsyah, Diofavian Rafif Desi Ramayanti Dheo Alpian Nanda Krisna Dianing Asri, Sri Diky Firdaus Eka Maulana Fajriah, Riri Fajrin Nur Utami Fani Putri Oktavia Fauzi Nur Iman Gusty Age Rusandy Hadiguna Setiawan 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 Ani Nur Iman, Fauzi Panggabean, Claudio Nehemia Prasha, Achmad Ardani Purba, Mariana Putra Ardiansyah Putra, Erwin Dwika Richi Ramadhan Romeo Mulia Pratama Sambada, Arga Sarwati Rahayu Shabrio Cahyo Wardoyo Soemantri, Syauqi Adli Sulis Sandiwarno Suratno, Igo Prayoga Syifa Fauziah Vera Yunita Vina Ayumi Vincentius Krisna Aditya Vivie Herlina Warisman, Arey Nur Wibowo, Aditya Dwi Zamzami, Muhammad Aryaka Zehandra Gibran Nugroho