Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JISICOM (Journal of Information System, Infomatics and Computing) Walisongo Journal of Information Technology
Masy Ari Ulinuha
Department Of Information Technology, Universitas Islam Negeri Walisongo
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Library & Information Science Mathematics

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Perancangan Stasiun Televisi Daring untuk Memperluas Jangkauan Siar WalisongoTV Ulinuha, Masy Ari; Maulana, Akmal Irfan; Wijayanti, Sarah; Rahmi, Amelia; Ardliyan, Kholifatul
Walisongo Journal of Information Technology Vol 1, No 1 (2019): Walisongo Journal of Information Technology
Publisher : Universitas Islam Negeri Walisongo Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21580/wjit.2019.1.1.3991

Abstract

WalisongoTV merupakan televisi kampus IAIN Walisongo yang telah dirintis oleh Fakultas Dakwah sejak tahun 2012. Walisongo TV dipersiapkan sebagai televisi komunitas yang melayani warga kampus IAIN Walisongo dan sekitarnya. Ketentuan perundang-undangan banyak memberikan pembatasan pada sebuah lembaga penyiaran komunitas, sehingga dikhawatirkan WalisongoTV tidak dapat beroperasi secara maksimal jika hanya mengandalkan siaran broadcast. Seiring dengan perkembangan teknologi informasi, WalisongoTV dapat memanfaatkan internet sebagai media penyiarannya. Dalam penelitian ini, dirancang sebuah stasiun televisi berbasis web untuk memancarkan siaran WalisongoTV. Dalam perancangannya, stasiun televisi yang dibuat memanfaatkan fasilitas webblog yang disediakan oleh Blogspot, menggunakan Ustream sebagai server streaming, dan memakai VLC Player sebagai pemutar video sekaligus mengatur tampilan layar WalisongoTV. Penelitian ini telah berhasil membuat laman web WalisongoTV serta berhasil memancarkan siaran WalisongoTV melalui fasilitas video live streaming.
MENGANALISIS RESPONS NETIZEN TWITTER TERHADAP PROGRAM MAKAN SIANG GRATIS MENERAPKAN NLP METODE NAIVE BAYES Zaman, Farkhan Nuruz; Fadhilah, Mohamad Agung; Ulinuha, Masy Ari; Umam, Khothibul
Jurnal Sistem Informasi, Teknologi Informatika dan Komputer Volume 14 No 3, Mei Tahun 2024
Publisher : Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/justit.14.3.201-208

Abstract

Pada era digital saat ini, analisis sentimen telah menjadi topik yang semakin penting dalam memahami opini dan persepsi masyarakat terhadap berbagai produk, layanan, atau peristiwa. Dalam konteks ini, kami menyelidiki reaksi netizen terhadap Program Makan Siang Gratis pada Platform X menggunakan metode klasifikasi berbasis teks. Kami mengumpulkan sampel data sebanyak 557 dari Platform X dan melakukan proses preprocessing untuk membersihkan teks dari informasi yang tidak diperlukan. Selanjutnya, kami menerapkan Naive Bayes Classifier untuk mengklasifikasikan sentimen dalam data tersebut menjadi kategori positif, negatif, atau netral. Evaluasi dilakukan dengan memeriksa akurasi model dan analisis lebih lanjut menggunakan matrik evaluasi lainnya seperti precision, recall, dan F1-score. Hasil penelitian ini memberikan pemahaman yang lebih baik tentang bagaimana masyarakat merespons Program Makan Siang Gratis dan memberikan wawasan yang berharga bagi pengambilan keputusan lebih lanjut terkait program tersebut.Kata Kunci: Analisis sentimen, Reaksi netizen, Program Makan Siang Gratis, Plat-form X, Klasifikasi Naive Bayes
Segmentation of Facial Bones from Skull Point Clouds Based on Smoothed Deviation Angle Ulinuha, Masy Ari; Yuniarno, Eko Mulyanto; Purnama, I Ketut Eddy; Hariadi, Mochamad
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol. 7, No. 3, August 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/kinetik.v7i3.1464

Abstract

The human skull was the subject of study in various fields. Segmentation could be a basic tool for better understanding the skull. One of the most challenging tasks was facial bone segmentation. Our previous study had succeeded in segmenting facial bones from skull point clouds, however the quality of the results needed to be improved. In this paper, we proposed a new method to improve the results of facial bone segmentation from skull point clouds. The method consists of three stages: deviation angle extraction, smoothing, and thresholding. Each point in the point cloud was assigned a value based on the deviation angle. These values then went through a smoothing process to clarify the differences between the facial bone region and other regions. Next, thresholding was performed to divide the skull into two regions, namely facial bone and non-facial bone. The proposed method had succeeded in improving the quality of the segmentation results by achieving precision=0.931, recall=0.9854, and F=0.9573.
KLASIFIKASI CITRA TUMOR OTAK MENGGUNAKAN TEKNIK TRANSFER LEARNING PADA ARSITEKTUR RESNET-50 Salsabila, Yusrina Ilmi; Mustofa, Hery; Ulinuha, Masy Ari
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1925

Abstract

Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi performa model deep learning Convolutional Neural Network (CNN) berbasis arsitektur ResNet-50 dalam klasifikasi citra Magnetic Resonance Imaging (MRI) tiga jenis tumor otak: glioma, meningioma, dan pituitary. Pendekatan transfer learning digunakan dengan dua skenario fine-tuning, yaitu pembekuan 30 layer pertama dan pembekuan 15 layer pertama. Dataset terdiri dari 3.064 citra MRI yang dibagi ke dalam data latih dan uji dengan rasio 80:20. Citra diproses melalui tahapan resizing, normalisasi, dan augmentasi untuk meningkatkan variasi data. Model dievaluasi menggunakan metrik akurasi, precision, recall, F1-score, confusion matrix, dan ROC-AUC. Hasil menunjukkan bahwa model dengan freeze 15 layer memberikan akurasi lebih tinggi sebesar 91,86% dibandingkan freeze 30 layer sebesar 90,88%. Namun, model dengan freeze 30 layer menunjukkan kestabilan dan generalisasi yang lebih baik terhadap data uji, terutama dalam mendeteksi meningioma. Temuan ini menunjukkan bahwa ResNet-50 efektif dalam klasifikasi tumor otak berbasis MRI, dan fine-tuning yang tepat berpengaruh terhadap performa akhir model.This study aims to implement and evaluate the performance of a deep learning Convolutional Neural Network (CNN) model based on the ResNet-50 architecture for classifying Magnetic Resonance Imaging (MRI) brain tumor images into three types: glioma, meningioma, and pituitary. A transfer learning approach was applied using two fine-tuning scenarios: freezing the first 30 layers and freezing the first 15 layers. The dataset consisted of 3,064 MRI images, split into training and testing data at an 80:20 ratio. Images were processed through resizing, normalization, and augmentation to enhance data diversity. The model was evaluated using accuracy, precision, recall, F1-score, confusion matrix, and ROC-AUC metrics. Results showed that the 15-layer freeze model achieved a higher accuracy of 91.86% compared to the 30-layer freeze model at 90.88%. However, the 30-layer freeze model demonstrated better stability and generalization on the test data, particularly in detecting meningioma. These findings indicate that ResNet-50 is effective for MRI-based brain tumor classification, and proper fine-tuning significantly influences model performance.
DETEKSI CYBERBULLYING MULTIKELAS BERKINERJA TINGGI: ENSEMBLE ROBERTA-LARGE DENGAN PRESISI CAMPURAN Jinan, Muhammad Syifaaul; Handayani, Maya Rini; Ulinuha, Masy Ari; Umam, Khothibul
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.8056

Abstract

Isu cyberbullying yang terus berkembang di lingkungan digital telah menjadi perhatian global serius, menimbulkan dampak negatif signifikan dan menyoroti kebutuhan mendesak akan sistem deteksi otomatis. Tujuan primer penelitian ini adalah mengembangkan dan mengevaluasi sistem klasifikasi cyberbullying multikelas yang efektif, mampu mengidentifikasi kelas-kelas age, ethnicity, gender, dan religion, sekaligus membedakannya dari konten not_cyberbullying dan other_cyberbullying. Desain penelitian ini adalah eksperimental, berfokus pada fine-tuning model bahasa besar untuk tugas klasifikasi teks. Metodologi yang diterapkan melibatkan fine-tuning model RoBERTa-Large menggunakan dataset terlabel multikelas sebanyak 47.692 tweet. Untuk meningkatkan robustisitas dan generalisasi model, digunakan teknik ensemble learning melalui soft voting dari tiga model RoBERTa-Large yang dilatih dengan seed yang berbeda. Pelatihan dilakukan dengan presisi campuran (FP16) untuk efisiensi komputasi. Hasil utama menunjukkan bahwa model ensemble ini mencapai kinerja yang solid dan kompetitif pada test set untuk deteksi cyberbullying multikelas, dengan Akurasi 0.87 dan F1-Score (Weighted) sebesar 0.86. Model menunjukkan kinerja yang sangat baik pada kelas-kelas age, ethnicity, gender, dan religion tersebut, namun masih menghadapi tantangan pada klasifikasi kelas not_cyberbullying dan other_cyberbullying. Kesimpulannya, sistem ini membuktikan efektivitas signifikan dari RoBERTa-Large dalam konfigurasi ensemble untuk deteksi cyberbullying multikelas, menunjukkan kemampuan deteksi yang kuat secara keseluruhan dan sangat baik pada kategori-kategori tertentu, memberikan dasar kuat untuk aplikasi pencegahan cyberbullying di dunia nyata.
Co-Authors Amelia Rahmi Ardliyan, Kholifatul Eko Mulyanto Yuniarno Fadhilah, Mohamad Agung I Ketut Eddy Purnama Jinan, Muhammad Syifaaul Khothibul Umam Maulana, Akmal Irfan Maya Rini Handayani Mochamad Hariadi Mustofa, Hery Salsabila, Yusrina Ilmi Wijayanti, Sarah Zaman, Farkhan Nuruz