Article Per Year (5 Year)
p-Index From 2021 - 2026
2.096
P-Index
This Author published in this journals
All Journal Telematika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Inotera Jurnal Informatika Universitas Pamulang Journal of Artificial Intelligence and Innovative Applications (JOAIIA) JAMAIKA: Jurnal Abdi Masyarakat Abdi Jurnal Publikasi Jurnal Ilmu Komputer (JIK) Biner : Jurnal Ilmu Komputer, Teknik dan Multimedia APPA : Jurnal Pengabdian Kepada Masyarakat
Agus Heri Yunial
Pamulang University
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Social Sciences Transportation Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Analisis Sentimen Pada Media Sosial Menggunakan Perbandingan Algoritma Data Mining Fauzi, Ahmad; Yunial, Agus Heri
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.76024

Abstract

Twitter atau yang sekarang telah berubah nama menjadi X adalah sebuah platform media sosial yang banyak digunakan dalam bersosialisasi, bertukar informasi dan memberi tanggapan terhadap kejadian, penomena yang terjadi baik secara personal maupun bersifat umum. Hal ini lah yang menjadikan twitter atau X sebagai sarana melihat sebuah reaksi atau sentimen tehadap kejadian atau penomena. Reakasi atau sentimen yang dapat diketahui yaitu sentimen positif, negatif, dan netral. Data sentimen diambil dari komentar pengguna twitter atau X, yang kemudian dilakukan pembersihan dengan metode text mining dalam Natural Language Processing (NLP). Dalam analisis sentimen pada penelitian ini menggunakan dataset Twitter   US Airline dengan menggunakan dua vektorisasi yaitu Bag Of Word dan Tf-Idf sabagai pembanding dalam pengukuran akurasi data. Pada penelitian ini evaluasi data tweet menggunakan metode algoritma data mining seperti Naïve Bayes, Gradient Boosting, Random Forest, Support Vector Machine (SVM), Adaboost, dan ensemble voting untuk melihat konsistensi akurasinya. Hasil penghitungan pada masing-masing algoritma data mining,   maka dapat diketahui nilai akurasi   dataset Twitter US Airline dalam analisis sentimen memiliki nilai akurasi cukup tinggi yaitu sebesar 0.95 atau 95% dengan vektorisasi data menggunakan Tf-Idf serta penghitungan metode data mining dengan algoritma support vector machine. Sementara vektorisasi dataset Twitter US Airline dengan bag of word memiliki nilai akurasi tertinggi sebesar 0.92 atau 92% menggunakan metode data mining algoritma Multinominal Naïve Bayes dan Support vector Machine.
SOSIALISASI PEMANFAATAN MEDIA PEMBELAJARAN INTERAKTIF BERBASIS POWER POINT DI SMKS AL IKHWANIYAH Agus Heri Yunial; Muhamad Affan Afifi; Rizky Juni Arigayo; Muhammad Rizky Ardisyahputra; Muhammad Iskandar; Wisnu Hermawan; Fajar Nur Fikri; Fadli iman; Sunata; Anggi Saputra; Bagus Subekti
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 2 No 3 (2024): APPA : Jurnal Pengabdian kepada Masyarakat
Publisher : Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengabdian Kepada Masyarakat (PKM) ini bertujuan untuk melatih siswa di SMKS Al Ikhwaniyah Tangerang Selatan dalam memanfaatkan media pembelajaran interaktif berbasis Microsoft PowerPoint untuk mendukung proses belajar mengajar di era digital. Dalam kegiatan ini, siswa diberikan pemahaman tentang bagaimana menggunakan PowerPoint dengan lebih menarik dan interaktif, serta bagaimana teknologi kecerdasan buatan (AI) dapat digunakan untuk membuat presentasi yang lebih menarik. Hasil dari kegiatan ini menunjukkan bahwa penggunaan PowerPoint dalam pembelajaran dapat meningkatkan pemahaman siswa dan membuat pembelajaran lebih menyenangkan. Namun, masih terdapat tantangan dalam hal pemahaman teknologi oleh sebagian siswa, sehingga perlu adanya pelatihan dasar untuk meningkatkan keterampilan mereka, terutama dalam hal penggunaan perangkat keras seperti komputer dan handphone. Hal ini penting untuk memastikan siswa dapat mengikuti perkembangan teknologi yang semakin pesat.
PENINGKATAN PEMAHAMAN TEKNOLOGI ARTIFICIAL INTELLIGENCE (AI) BAGI SISWA SMP ISLAM AMUHAJIRIN PADURENAN 3 LEWAT EDUKASI INTERAKTIF Khurotul Aini; Ahmad Fahmi Abdillah; Hengky Agus Setiawan; Asep Saepudin; Pajar Priana; Rian Setiawan; Ray Virana Rajessa; Rahmat Pangestu; Daffa Nur Ardhayaguna; Ditto Saepoel Rachman; Agus Heri Yunial
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 2 No 4 (2024): APPA : Jurnal Pengabdian kepada Masyarakat
Publisher : Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peningkatan pemahaman teknologi Artificial Intelligence di kalangan siswa SMP Islam Al-Muhajirin Padurenan 3 menjadi pokok permasalahan yang mendesak di era digital saat ini. Tujuan dari penelitian ini adalah untuk mengembangkan program edukasi interaktif yang dapat meningkatkan pemahaman siswa mengenai konsep dan aplikasi AI. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan desain eksperimen, di mana siswa dibagi menjadi dua kelompok, yaitu kelompok eksperimen yang mengikuti program edukasi interaktif dan kelompok kontrol yang mengikuti pembelajaran konvensional. Hasil penelitian menunjukkan bahwa terdapat peningkatan signifikan dalam pemahaman siswa mengenai teknologi AI setelah mengikuti program edukasi interaktif, ditunjukkan dengan hasil pre-test dan post-test yang menunjukkan perbedaan nilai yang mencolok. Kesimpulan dari penelitian ini adalah bahwa edukasi interaktif efektif dalam meningkatkan pemahaman siswa tentang teknologi Artificial Intelligence, sehingga dapat menjadi alternatif metode pembelajaran yang menarik dan relevan untuk diterapkan di sekolah-sekolah, khususnya dalam mempersiapkan siswa menghadapi tantangan teknologi di masa depan. Program ini tidak hanya meningkatkan pengetahuan siswa tetapi juga membangkitkan minat mereka terhadap bidang teknologi, yang sangat penting untuk perkembangan karir mereka di era digital
Development of a Lightweight CNN Architecture for Multiclass Brain Tumor Detection Based on RGB Images Ahmad Fauzi; Agus heri Yunial
Telematika Vol 19, No 1: February (2026)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v19i1.3192

Abstract

Convolutional Neural Networks (CNNs) have become the backbone of various computer vision applications, including medical diagnosis and disease detection. In the context of brain tumor detection, CNNs have demonstrated their capacity to interpret the subtle complexities present in brain images, distinguish between various tumor categories, and provide essential information that can inform clinical decision-making and personalized treatment planning.This study aims to develop a lightweight Convolutional Neural Network (CNN) architecture capable of multiclass brain tumor detection based on RGB images, with a focus on computational efficiency and detection performance. The proposed CNN model adopts a shallow-to-mid depth approach to reduce the number of parameters without sacrificing accuracy. Data augmentation techniques are applied to increase the variability of training images and reduce overfitting, while batch normalization and dropout are used to improve model stability and generalization. The model is trained on an RGB brain tumor image dataset consisting of three tumor classes (glioma, meningioma, and pituitary) and evaluated using accuracy, training time, and the number of parameters to assess computational efficiency. Experimental results show that the developed CNN model achieves an accuracy of over 97% on training and validation data, with efficient training time and a controlled parameter count of approximately 21 million. The main advantage of this model is its computational efficiency, which enables implementation on hardware with limited resources, making it suitable for automated tumor detection systems based on medical imaging. The gap or novelty of this research lies in the development of a lightweight CNN model that is not only resource-efficient but also capable of delivering high-accuracy results in multiclass brain tumor classification tasks using RGB images, while minimizing parameter usage and training time.
Analisa Perbandingan Algoritma Bubble Sort, Insert Sort dan Selection Sort Agus Heri Yunial
Jurnal Informatika Universitas Pamulang Vol 10 No 1 (2025): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jiup.v10i1.38800

Abstract

The algorithm in a program describes the flow or sequence of the program. A good program must have a good algorithm, where an algorithm is said to be good, one of which is the best use of time in processing the program. A sorting algorithm is an algorithm that carries out the sorting process in the program. Some existing sorting programs include bubble sort, insert sort and selection sort. In this research, the processing time of the three algorithms will be compared in sorting 100-10,000 random data both ascending and descending which are arranged in 15 combinations of data sequences. The sorting process is carried out using the C++ programming language. From the test results it was found that for fully random data the bubble sort algorithm performs the longest sorting process and the selection sort algorithm performs the process with the fastest average time and for almost sorted data the bubble sort algorithm performs the longest sorting process and the insert sort algorithm performs the process with the fastest average time
Co-Authors A. Nurul Anwar A. Nurul Anwar Achmad Lutfi Fuadi Achmad Lutfi Fuadi Ahmad Fahmi Abdillah Ahmad Faisal Ahmad Fauzi anggi saputra Asep Saepudin Bagus Subekti Daffa Nur Ardhayaguna Ditto Saepoel Rachman Fadli Iman Fajar Nur Fikri Fauzi Ahmad Muda Hengky Agus Setiawan Joko Suwarno Joko Suwarno Khurotul Aini Muhamad Affan Afifi Muhammad Iskandar Muhammad Rizky Ardisyahputra Pajar Priana Rahmat Pangestu Ray Virana Rajessa Rian Setiawan Rizky Juni Arigayo Sunata Wilis Puspita Sari Willis Puspita Sari Wisnu Hermawan