Article Per Year (5 Year)
p-Index From 2020 - 2025
3.323
P-Index
This Author published in this journals
All Journal International Journal of Artificial Intelligence Research Indonesian Journal on Software Engineering (IJSE) JURNAL MEDIA INFORMATIKA BUDIDARMA JURNAL REKAYASA TEKNOLOGI INFORMASI Jurnal Kridatama Sains dan Teknologi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Taroa : Jurnal Pengabdian Masyarakat Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi SEWAGATI: Jurnal Pengabdian Kepada Masyarakat Journal of Excellence Humanities and Religiosity Jurnal Pengabdian kepada Masyarakat (PEMAS) Scientific: Journal of Computer Science and Informatics
Siti Mutmainah
Universitas Muhammadiyah Bima
Religion Agriculture, Biological Sciences & Forestry Arts Humanities 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 Public Health Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Analisis Sentimen Pembelajaran Tatap Muka dengan Apache SPARK Sabar Aritonang Rajagukguk; Siti Mutmainah; Anas Satria
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 6, No 2 (2022): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v6i2.8162

Abstract

Menteri Pendidikan (Mendikbud Ristek), Nadiem Makarim menegaskan bahwa akan memprioritaskan kepada guru atau staf pengajar untuk melaksanakan vaksinasi, sehingga pada minggu kedua dan ketiga di bulan Juli dengan tahun ajaran baru diharapkan semua sekolah sudah dapat melakukan pembelajaran tatap muka secara terbatas dengan tetap memperhatikan protokol kesehatan. Namun dari hasil statistik pada covid19.go.id jumlah kasus terkonfirmasi kembali naik hingga kasus terkonfirmasi hingga tanggal 13 Juli 2021 sebanyak 2,5 juta kasus dan pemerintah kembali menerapkan PPKM Darurat di wilayah jawa dan bali. Hal ini menyebabkan berbagai respons pada masyarakat terhadap pembelajaran tatap muka, Penelitian ini bermaksud untuk menganalisis pendapat masyarakat terhadap pembelajaran tatap muka dan kasus yang kembali melonjak. Penelitian ini menggunakan Scraping Twitter API dengan fitur streaming Tweepy dan Spark untuk pengumpulan data, Spark MLlib dan Spark NLP untuk model klasifikasi dan metode klasifikasi regresi logistik. Hasil analisis yang didapatkan 47.7% sentimen “Neutral” dan 31.4% sentimen “Positive” sedangkan untuk sentimen “Positive” pada pembelajaran tatap muka 20.9%. berdasarkan hasil penelitian ini, dapat dikatakan bahwa masyarakat memiliki opini “Neutral” terhadap pembelajaran tatap muka selama pandemi. bukan berarti masyarakat tidak peduli atau kritis dalam menghadapi kasus. ditemukan bahwa beberapa masyarakat menentang dan membantah pembelajaran tatap muka. akan tetapi, terdapat beberapa masyarakat juga yang mendukung adanya pembelajaran tatap muka agar anak anak mereka dapat kembali ke sekolah untuk menuntut pendidikan seperti semula.  Kata kunci—Analisis sentimen; klasifikasi; sekolah daring; Spark.
Analisis Sentimen dan Pemodelan Topik Aplikasi Telemedicine Pada Google Play Menggunakan BiLSTM dan LDA Siti Mutmainah; Dhomas Hatta Fudholi; Syarif Hidayat
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 1 (2023): Januari 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v7i1.5486

Abstract

The pandemic caused by the 2019 coronavirus has revitalized telemedicine as information and communication technology-based health services and as a medium for doctors' services in diagnosing, treating, preventing and evaluating health conditions. One of the telemedicine service applications in Indonesia is Alodokter, Halodoc, KlikDokter, SehatQ and YesDok. Previous research on the same domain, namely applications telemedicine uses machine learning to perform sentiment modeling. This research performs sentiment analysis using the BiLSTM method (Bidirectional Long Short-Term Memory) which can better represent contextual information and can read user feedback information in both directions. Then sentiment analysis is described explicitly to identify topics from user sentiment using LDA (Latent Dirichlet Allocation). User feedback was collected on August 14, 2022 which was obtained in the five applications totaling 244,098. The results of the analysis on feedback obtained were 112,013 positive sentiments, 34,853 neutral sentiments and 97,228 negative sentiments. The BiLSTM and Word2Vec models used have a good performance in classifying sentiments, namely 95%, while the topic modeling for each sentiment has a coherence value of 0.6437 on positive topics, 0.6296 neutral sentiments and 0.6132 negative sentiments.
PENANGANAN IMBALANCE DATA PADA KLASIFIKASI KEMUNGKINAN PENYAKIT STROKE Siti Mutmainah
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 1 No. 1 (2021)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v1i1.2

Abstract

Penanganan imbalance data dilakukan untuk menangani distribusi data yang tidak imbangnya antar class mayoritas dan class minoritas, hal ini dapat mengakibatkan Machine Learning keliru dalam melakukan klasifikasi. Aritkel ini menyajikan reviu jurnal literatur yang pernah dilakukan dalam kurun tahun 2013-2021 dalam penanganan imbalance data. Penanganan imbalance data digunakan agar distribusi antar data class mayoritas dan class minoritas menjadi seimbang. Metode, akurasi atau performa dan dataset yang digunakan oleh literatur dalam klasifikasi akan dibandingkan. Berdasarkan reviu, performa yang dihasilkan cukup beragam dan terdapat beberapa teknik yang dapat dilakukan untuk menangani Imbalance data. Teknik-teknik tersebut bekerja dengan mendorong class minoritas mengubah distribusi class minoritas dan mayoritas. Teknik yang digunakan yaitu Random oversampling dan Random undersampling pada kemungkinan penyakit stroke. Penanganan Imbalance data dilakukan antar class 1 (Stroke) dan class 0 (tidak stroke) dengan distribusi antar data sama. Hasil yang didapatkan pada penggunaan teknik random oversampling mendapat performa yang lebih tinggi yaitu 95% daripada teknik random undersampling yang mendapat performa 76%.
KEMUNGKINAN DEPRESI DARI POSTINGAN PADA SOSIAL MEDIA Siti Mutmainah
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 1 No. 2 (2022)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v1i2.11

Abstract

Salah satu gangguan kesehatan mental yaitu depresi, Depresi merupakan gangguan kesehatan dengan kontibutor terbesar penyebab kecacatan serta alasan utama bunuh diri global. Menurut studi WHO, diperkirakan ada 322 juta orang menderita depresi di dunia. Survey di Indonesia sendiri depresi merupakan gangguan kesehatan mental yang menduduki urutan pertama dalam tiga dekade (1990-2017). Pada masa pandemic memberikan banyak dampak negative, Penerapan social distancing dan work from home dan pembatasan menyebabkan meningkatnya kecemasan, stress dan depresi, Kegiatan banyak dilakukan secara darling dan aktivitas pada social mediapun meningkat. pengguna mengekpresikan diri melalui postingan sosial medianya, Penelitian ini bermaksud untuk mempelajari postingan dari social media yang terindikasi mengalami gangguan depresi atau normal. Analisis kemungkinan depresi dari postingan social media menggunakan teknik Natural Language Processing (NLP) Pemodelan dilakukan dengan teknik klasifikasi yang sering dipakai dalam sentiment analisis dan pada kasus yang sama yaitu prediksi depresi. hasil terbaik didapatkan oleh metode SVM dengan akurasi 95.56%, hal ini sejalan dengan literatur reviu yang mendapatkan performa terbaik menggunakan metode SVM dalam sentiment analisis dan analisis depresi. Pemodelan menggunakan metode Neural network 93.79%.
Pengembangan Karya PKM Dosen melalui Workshop Penulisan Artikel Ilmiah Ramadhan, Sahrul; Khairunnisa; Jannah, Miftahul; Mutmainah, Siti
SEWAGATI: Jurnal Pengabdian kepada Masyarakat Vol 3 No 1 (2024): SEWAGATI: Jurnal Pengabdian kepada Masyarakat
Publisher : Sarau Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61461/sjpm.v3i1.61

Abstract

Pengabdian kepada masyarakat (PKM) merupakan upaya penting perguruan tinggi dalam berkontribusi pada kemajuan dan kesejahteraan masyarakat. Dalam konteks ini, penulisan artikel ilmiah menjadi elemen krusial untuk menyebarkan temuan dan inovasi dari proyek PKM, serta memperkuat reputasi akademis dosen yang terlibat. Namun, banyak dosen menghadapi tantangan dalam menulis artikel ilmiah, seperti keterbatasan pengetahuan tentang struktur penulisan dan kendala waktu. Workshop penulisan artikel ilmiah muncul sebagai solusi untuk meningkatkan keterampilan penulisan dosen dalam konteks PKM. Studi ini mendokumentasikan pengalaman dan dampak dari workshop terhadap pengembangan karya PKM dosen UM Bima. Workshop ini dirancang sebagai wadah interaktif untuk berbagi pengetahuan, keterampilan, dan pengalaman dalam merumuskan, menulis, dan menyusun artikel ilmiah yang berkualitas dan relevan dengan bidang PKM masing-masing dosen di Universitas Muhammadiyah Bima. Dengan menganalisis pendekatan, strategi, dan metode yang digunakan dalam workshop tersebut, artikel ini menyoroti peran workshop dalam mengatasi tantangan penulisan dosen dan meningkatkan kualitas karya PKM dosen UM Bima. Hasilnya menunjukkan bahwa partisipasi dalam workshop dapat memberikan manfaat signifikan dalam peningkatan kemampuan penulisan dan dampak publikasi ilmiah dari proyek PKM dosen. Dengan memperkuat keterampilan penulisan dosen, workshop ini tidak hanya meningkatkan kualitas dan kuantitas publikasi ilmiah, tetapi juga meningkatkan kontribusi dosen terhadap pembangunan masyarakat. Artikel ini juga menyajikan rekomendasi praktis untuk penyelenggaraan workshop serupa di institusi pendidikan tinggi lainnya, sebagai upaya mendukung dan meningkatkan kontribusi dosen dalam kegiatan PKM. Kesimpulannya, workshop penulisan artikel ilmiah merupakan strategi yang efektif dalam memperkuat kapasitas dosen dalam PKM, dengan dampak yang berkelanjutan pada pengembangan masyarakat dan institusi
Pengenalan Tools Desain Grafis Sebagai Upaya Peningkatan Literasi Digital Pada Siswa Sya’Ban, Ahmad; Dikan , Noval; Saifullah; Patryansya , Yoga; Nurfadila; Mutmainah, Siti
SEWAGATI: Jurnal Pengabdian kepada Masyarakat Vol 3 No 2 (2024): SEWAGATI: Jurnal Pengabdian kepada Masyarakat
Publisher : Sarau Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61461/sjpm.v3i2.70

Abstract

Pengabdian kepada masyarakat ini bertujuan untuk meningkatkan literasi digital pada siswa melalui pengenalan Tools desain grafis yang dimana dapat membantu siswa dalam mengembangkan keterampilan berpikir kritis dan analisis.Dengan menggunakan tools desain grafis siswa dapat membuat presentasi yang menarik, membuat poster yang informatif, dan membuat infografis yang mudah dipahami. Hasil pengabdian menunjukkan bahwa tools desain grafis dapat membantu siswa dalam mengembangkan keterampilan kreativitas dan inovasi. Dalam pengabdian ini, kita berharap dapat mengetahui bagaimana penggunaan tools desain grafis dapat meningkatkan literasi digital pada siswa. Kita juga berharap dapat mengetahui bagaimana cara mengenalkan tools desain grafis pada siswa agar mereka dapat mengembangkan keterampilan desain, analisis, dan sintesis yang diperlukan dalam berbagai bidang. Pengenalan tools desain grafis dapat menjadi suatu upaya yang efektif dalam meningkatkan literasi digital pada siswa.
Leveraging BiLSTM and LDA for Analyzing and Dashboarding User Feedback in Applications Mutmainah, Siti; Fudholi, Dhomas Hatta
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 8, No 1 (2024): Januari 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v8i1.7022

Abstract

The idea of prioritizing customer satisfaction to uphold or improve the excellence of a product or service can incorporate the utilization of user feedback. However, to provide a comprehensive visual summary to application developers or stakeholders, it is important to provide a detailed description of user sentiment issues. In this study, the data source used is user feedback from local telemedicine applications in Indonesia. This research builds a framework of deep learning to perform user feedback analysis and applies topic modeling to sentiment clusters. then builds visual construction of research results effectively and efficiently, to facilitate stakeholders in making decisions. Build a framework to analyze user feedback utilizing deep learning BiLSTM + IndoBERT for sentiment classification and LDA to model topics in sentiment groups. The results show that most of the user reviews of the five telemedicine applications have a positive sentiment at 91%. The model used has good prediction performance with the accuracy of the BiLSTM model with IndoBERT 96.44%. The negative sentiment group comprises 12 topics (0.58446), the most significant topics being 35.4% about telephone broadcasting, 25.3% payments, and 8.5% about medicine purchase service. For the imbalanced data case, BiLSTM showed good accuracy and precision values. The classifications and topics generated by deep learning models are affected by improper data labeling, so it is necessary to explore the data labels generated.
Model Text Embedding dan TF-IDF+Ngram untuk Meningkatkan Kinerja Algoritma Binary Classifier pada Klasifikasi SMS Palsu Sutriawan; Siti Mutmainnah; Teguh Ansyor Lorosae; Sahrul Ramadhan
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 1 (2025): EDISI JANUARI 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i1.10582

Abstract

Seiring meningkatnya penggunaan SMS, deteksi SMS palsu (spam) menjadi tantangan dalam menjaga keamanan komunikasi. Algoritma klasifikasi berbasis teks, seperti Naive Bayes, Logistic Regression, dan Random Forest, memiliki performa yang bervariasi tergantung pada representasi fitur teks yang digunakan. Penelitian ini bertujuan untuk mengevaluasi kinerja algoritma binary classifier dalam klasifikasi SMS palsu menggunakan representasi fitur TF-IDF, TF-IDF + Ngram, dan Word2Vec. Algoritma yang diuji meliputi Naive Bayes, Logistic Regression, Random Forest, dan Decision Tree, dengan metrik akurasi, precision, recall, dan F1-score sebagai evaluasi. Hasil penelitian menunjukkan bahwa Naive Bayes dengan TF-IDF mencapai akurasi 91.26%, sementara Random Forest dengan Word2Vec memperoleh akurasi 89.08%. Logistic Regression dengan TF-IDF + Ngram menunjukkan hasil lebih rendah. Temuan ini menegaskan pentingnya pemilihan representasi fitur yang tepat untuk meningkatkan akurasi klasifikasi SMS palsu.
Comparative Sentiment Analysis of Election News Articles with Smote using Classification Algorithm Fathir, Fathir; Rizki, Afsa; Yuliyanti, Yuliyanti; Mutmainah, Siti
Jurnal Kridatama Sains dan Teknologi Vol 6 No 02 (2024): JURNAL KRIDATAMA SAINS DAN TEKNOLOGI
Publisher : Universitas Ma'arif Nahdlatul Ulama Kebumen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53863/kst.v6i02.1253

Abstract

This research focuses on sentiment analysis of news articles about general elections, especially the president and vice president by comparing the performance of classification algorithms, especially Decision Tree and K-Nearest Neighbors (KNN), and evaluating the effectiveness of the SMOTE (Synthetic Minority Over-sampling Technique) technique in overcoming the problem of data imbalance or the dataset shows that the amount of data that has positive sentiment is more than negative sentiment. The main objective of this research is to determine which algorithm is superior in sentiment classification and see how SMOTE can improve the performance of the model. The dataset was scraped and subjected to text normalization, stop words removal, and feature extraction. SMOTE was applied to balance the classes in the dataset, thus overcoming the imbalance that often occurs in sentiment data. Decision Tree and KNN algorithms were used. The results showed that Decision Tree consistently performed better than KNN in terms of 85% accuracy, 44% precision, 47% recall, and 45% F1 score. The application of SMOTE is proven to improve the performance of both algorithms, but the effect is more significant on Decision Tree. Thus, this study concludes that Decision Tree, combined with SMOTE, is a more effective and reliable approach for sentiment analysis of election articles than KNN. These results make an important contribution to the development of sentiment analysis methods that can be applied to understand the dynamics of public opinion in a political context.
Optimasi Manajemen Data Multi Level User Kader Posyandu Kecamatan Raba menggunakan Yii2 Alamin, Zumhur; Mutmainah, Siti; Setiawan, Muhammad Iwan
Indonesian Journal on Software Engineering Vol 10, No 2 (2024): IJSE 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v10i2.23606

Abstract

Isu kesehatan salah satunya yaitu angka kematian ibu (AKI) dan angka kematian bayi (AKB) yang tinggi menjadi permasalahan yang penting di Indonesia. Posyandu di nilai menjadi salah satu upaya kesehatan berbasis masyarakat. Pada umumnya kader posyandu menggunakan pencatatan secara manual sering mendapatkan masalah. Kemajuan teknologi yang terus menerus dapat menjadi solusi untuk dapat mempermudah pekerjaan dalam mengambil, mengolah, mengornisir, menyimpan serta keamanan data secara efisien. Sistem informasi kader Posyandu juga penting dalam meningkatkan akurasi dan kualitas pelayanan. Perancangan sistem dapat disimpulkan bahwa dengan adanya implementasi SIM Kader Puskesmas ini diharapkan dapat memberikan kemudahan bagi pihak puskesmas dalam mengelola data. Implementasi Role-Based Access Control (RBAC) pada framework Yii2 di SIM Kader menawarkan berbagai keuntungan yang signifikan. RBAC memungkinkan pengaturan hak akses yang lebih terstruktur dan aman. Melalui pembatasan akses berdasarkan peran, sistem dapat melindungi data sensitif dan mencegah pengguna yang tidak berhak untuk mengakses informasi tertentu. Selain itu, sistem juga dapat menghasilkan laporan secara otomatis, yang bertujuan untuk meminimalisir kesalahan dan mencegah kehilangan data.
Co-Authors Amirul Mu'min, Muhammad Anas Satria Citra, Erin Eka Dhomas Hatta Fudholi Dikan , Noval Erin Eka Citra Fathir Fathir Fathir Fudholi, Dhomas Hatta Ghufran, Syed Muhammad Hayaty, Mardhiya Khairunnas, Khairunnas Khairunnisa Lorosae, Teguh Ansyor LUKMAN, LUKMAN M. Fikram Miftahul Jannah Muhammad Akbar Muhammad Hayun Nur Hunul Khatimah Nurfadila Nurfidianty Annafi, Nurfidianty Patryansya , Yoga Purwoko, Agus Ramadhan, Sahrul Randitha Missouri Rizki, Afsa Sabar Aritonang Rajagukguk Sahrul Ramadhan Saifullah Setiawan, Muhammad Iwan Sutriawan Sutriawan Sya’Ban, Ahmad Teguh Ansor Lorosae Teguh Ansyor Lorosae Tri Stiyo Famuji Widayati, Ulfa Yuliyanti yuliyanti Zumhur Alamin