Article Per Year (5 Year)
p-Index From 2021 - 2026
2.447
P-Index
This Author published in this journals
All Journal CommIT (Communication & Information Technology) JAIS (Journal of Applied Intelligent System) Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) EDUMATIC: Jurnal Pendidikan Informatika Jurnal Sistem Informasi dan Sains Teknologi Madaniya Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Innovative: Journal Of Social Science Research GLOBAL: Jurnal Lentera BITEP Jurnal Pelita Pengabdian Jurnal Hasil-Hasil Pengabdian dan Pemberdayaan Masyarakat (JHP2M) Journal of Electrical Engineering and Informatics Journal Innovation in Information and Computer Technology
Amali Amali
Universitas Pelita Bangsa
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Public Health Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Comparative Performance Analysis of Convolutional Neural Network and EfficientNet-B0 Transfer Learning for Pneumonia Detection in Chest X-Ray Images Aditya Pratama Werdana; Amali Amali; M Syaibani Anwar
SISTEMASI Vol 15, No 7 (2026): Sistemasi: Jurnal Sistem Informasi
Publisher : Universitas Islam Indragiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v15i7.6639

Abstract

Pneumonia is an acute lung infection and remains one of the leading causes of mortality among children under five in Indonesia. Pneumonia is commonly diagnosed through the analysis of chest X-ray (CXR) images by radiologists; however, this process is still subject to human variability and the limited availability of medical specialists. This study aims to develop a Convolutional Neural Network (CNN)-based pneumonia detection system by comparing four model variants: CNN with Color Jitter (Model 1), CNN with Color Jitter and Layer Augmentation (Model 2), CNN with Batch Normalization and Color Jitter (Model 3), and EfficientNet-B0 transfer learning (Model 4). The experiments were conducted using the Chest X-Ray Images (Pneumonia) dataset from Kaggle, comprising 5,856 images, which were divided into 70% for training, 15% for validation, and 15% for testing. The experimental results demonstrate that the EfficientNet-B0 transfer learning model achieved the best performance, with an accuracy of 96.92%, precision of 97.67%, recall of 98.13%, and an F1-score of 97.90%. This model improved classification accuracy by 1.93% compared with the conventional CNN baseline (Model 1), which achieved an accuracy of 94.99%. Furthermore, the incorporation of Layer Augmentation in Model 2 effectively reduced the number of false negatives from 21 to 10 cases. These findings demonstrate the effectiveness of EfficientNet-B0 transfer learning for medical image classification and highlight its potential as a clinical decision support tool for pneumonia diagnosis in healthcare settings, rather than as a replacement for clinical diagnosis performed by qualified medical professionals.
Penerapan Algoritma Decision Tree Classifier untuk Klasifikasi Serangan Jantung Amali Amali; Muhamad Ariel Saputra; Yusuf Putra Bintang Satria; Zidan Lutfi Ramadhan
GLOBAL: Jurnal Lentera BITEP Vol. 3 No. 06 (2025): Desember 2025
Publisher : Lentera Ilmu Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59422/global.v3i06.367

Abstract

Menggunakan perangkat lunak RapidMiner untuk menganalisis dataset serangan jantung, penelitian ini akan menerapkan algoritma Decision Tree Classifier. Fokus utama penelitian adalah untuk mengklasifikasikan kasus positif dan negatif berdasarkan tingkat Troponin dan CK-MB. Model yang dikembangkan menunjukkan tingkat akurasi, presisi, dan recall yang tinggi, yang menunjukkan bahwa itu dapat digunakan sebagai alat diagnostik yang efektif dalam praktek klinis. Jika jenis kelamin digunakan sebagai simpul keputusan sekunder, kemampuan model untuk mengklasifikasikan kasus dengan tingkat CK-MB yang borderline meningkat. Analisis awal terhadap kadar Troponin pasien menunjukkan bahwa Troponin, CK-MB, jenis kelamin, dan usia memengaruhi risiko terkena AMI dengan Troponin positif. Evaluasi model menunjukkan akurasi sebesar 99,24%, dengan precision weighted mean recall sebesar 99,14%, dan accuracy sebesar 99,26%. Dengan menggunakan penanda biologis yang tersedia, decision tree yang dibuat dapat membantu menilai risiko serangan jantung. Penelitian ini menemukan bahwa model decision tree yang dibuat dengan RapidMiner dapat menjadi alat yang efektif untuk mengklasifikasikan kasus serangan jantung berdasarkan tingkat Troponin dan CK-MB. Tingkat akurasi dan presisi yang tinggi membuat model ini menjadi alat diagnostik yang berharga. Penelitian mendatang harus mempertimbangkan penggunaan dataset yang lebih besar dan integrasi fitur tambahan untuk meningkatkan generalisasi dan akurasi model.
PELATIHAN MANAJEMEN MASJID DAN PENGELOLAAN WEBSITE MASJID DAARUL FIKRI ARIF SUSILO; Agung Nugroho; Wiyanto Wiyanto; Amali Amali; Miftah Wangsadanureja
Jurnal Pelita Pengabdian Vol. 1 No. 1 (2023): Januari 2023
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/jpp.v1i1.2102

Abstract

Menjadi kewajiban bagi Dosen untuk memenuhi Tridharma Perguruan Tinggi, yaitu pendidikan, penelitian, dan pengabdian. Dalam rangka pemenuhan kewajiban tersebut, berbagai macam bentuk pengabdian terhadap sesama hendaknya dapat dilakukan oleh Dosen dan dapat melibatkan mahasiswa Universitas Pelita Bangsa khususnya pada prodi Teknik Informatika bekerjasama dengan Prodi-Prodi lain. Program pengabdian yang dilakukan dalam jurnal ini adalah Kegiatan pengelolaan website Masjid Daarul Fikri yang diselenggarakan menggunakan metode pengelolaan website Masjid.Pengelolaan website Masjid Daarul Fiikri dan Pelatihan Manajemen Masjid, yang merupakan wadah pembekalan Dosen atau pembinaan mahasiswa untuk menyalurkan minat dan bakatnya dalam mengamalkan profesionalisme disiplin ilmu ke tengah masyarakat. Manfaat lain dari pembuatan website ini adalah menciptakan rasa kepekaan terhadap sesama yang membutuhkan.
Pemanfaatan Teknologi ChatGPT Meningkatkan Keterampilan Komunikasi dan Keterlibatan Rukun Tetangga RT 07 RW 08 Donny Maulana; Eko Budiarto; Maha Putra; Nisa Nurhidayanti; Amali Amali
Jurnal Pelita Pengabdian Vol. 1 No. 2 (2023): Juli 2023
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/jpp.v1i2.2383

Abstract

Pemanfaatan teknologi dalam kegiatan Rukun Tetangga (RT) dapat meningkatkan efektivitas komunikasi dan keterlibatan warga. Salah satu teknologi yang dapat dimanfaatkan adalah chatbot, seperti ChatGPT, yang dapat mempercepat proses komunikasi dan memudahkan warga dalam memperoleh informasi yang dibutuhkan. Penelitian ini bertujuan untuk menguji pemanfaatan teknologi ChatGPT sebagai sarana komunikasi efektif dan cepat dalam meningkatkan keterlibatan dan keterampilan warga RT 07 RW 08 di Desa Jayamukti, Kecamatan Cikarang Pusat. Metode yang digunakan adalah pelatihan dan pengujian terhadap warga RT. Hasil penelitian menunjukkan bahwa penggunaan teknologi ChatGPT dapat meningkatkan keterlibatan dan keterampilan warga RT dalam menjalankan tugas-tugas di lingkungan sekitar.
Transformasi Digital Melalui Cloud Computing Untuk Kemudahan Dan Keamanan Data Amali Amali; Antika Zahrotul Kamalia; Dea Destiani; Alif Restu Jani Adha; Sergio Agazy
Jurnal Hasil-Hasil Pengabdian dan Pemberdayaan Masyarakat Vol. 5 No. 2 (2026): Volume 05 Nomor 02 (Mei-Juli 2026)
Publisher : Jurusan Matematika FMIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/1sc0gv43

Abstract

Kegiatan Pengabdian kepada Masyarakat ini bertujuan meningkatkan literasi siswa SMK Asy-Syifa Kabupaten Bekasi mengenai pemanfaatan cloud computing untuk kemudahan dan keamanan data. Metode pelaksanaan meliputi seminar edukatif, demonstrasi, praktik terbimbing, simulasi kasus, serta evaluasi melalui pre-test dan post-test. Materi mencakup konsep cloud computing, pengelolaan file dan folder, kolaborasi daring, pengaturan izin akses, keamanan akun, pencadangan data, serta etika berbagi informasi. Hasil evaluasi menunjukkan peningkatan rata-rata pemahaman siswa dari 43,4% menjadi 84,6%. Peningkatan tertinggi terjadi pada indikator keamanan akun dan perlindungan data. Kegiatan ini menunjukkan bahwa pelatihan berbasis praktik efektif dalam meningkatkan keterampilan digital siswa sehingga mereka lebih siap menggunakan layanan cloud secara produktif, aman, dan bertanggung jawab
An Explainable AI Framework for Bias Detection in Indonesian Sentiment Analysis Arif Tri Widiyatmoko; Arif Siswandi; Amali Amali; Intan Virginia Aulia; Dendi Permana
Journal of Electrical Engineering and Informatics Vol. 4 No. 1 (2026): Journal of Electrical Engineering and Informatics
Publisher : Fakultas Teknik Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jeeni.v4i1.14484

Abstract

The development of deep learning models in sentiment analysis has significantly improved the accuracy of text classification. However, these models are generally black-box, making them difficult to interpret and potentially contain undetectable biases. This study aims to detect and evaluate bias in sentiment analysis models using SHAP-based Explainable Artificial Intelligence (XAI) approach. The model used is IndoBERT which is trained on the Indonesian sentiment dataset. The research stages include data preprocessing, model training, interpretability analysis using SHAP, and fairness evaluation using disparate impact metrics. The results showed that the model achieved an accuracy of 88%, but SHAP analysis revealed the dominance of certain features in decision-making. In addition, fairness evaluation shows that there is an inequality in the distribution of predictions between groups. These findings show that high accuracy does not guarantee model fairness, so Explainable AI integration is important in the development of transparent and accountable NLP systems. 
Co-Authors Aditya Pratama Werdana Agung Nugroho Agus Suwarno Ahmad Amrullahalhafizh Ahmad Turmudi Zy Alif Restu Jani Adha Angga Angga Anggi Muhammad Rifa'i Anggi Muhammad Rifai Antika Zahrotul Kamalia Arif Siswandi Arif Susilo Arif Tri Widiyatmoko Ariska Nur Anggraini Candra Naya Dea Destiani Dendi Permana Dhani Ariatmanto Donny Maulana Edy Widodo Eko Budiarto Ema Utami Gatot Tri Pranoto Intan Virginia Aulia M Syaibani Anwar Maha Putra Miftah Wangsadanureja Muhamad Ariel Saputra Muhamad Ekhsan Muhamad Fatchan Muhammad Darwis Muhammad Syaibani Anwar Nurhadi Surojudin Nurhidayanti, Nisa Sergio Agazy Wiyanto Wiyanto Wiyarno Yefta Ondi Spalanzani Simatupang Yusuf Putra Bintang Satria Zidan Lutfi Ramadhan