Article Per Year (5 Year)
p-Index From 2021 - 2026
4.468
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL Jurnal Pseudocode Jurnal Terapan Abdimas Creative Information Technology Journal JIKO (Jurnal Informatika dan Komputer) EXPLORE Informasi Interaktif EDUMATIC: Jurnal Pendidikan Informatika JUTIS : Jurnal Teknik Informatika Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Informatika Teknologi dan Sains (Jinteks) EXPLORE SmartComp Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen Informasi interaktif : jurnal informatika dan teknologi informasi Applied Information Technology and Computer Science (AICOMS) Jurnal Pengabdian Masyarakat Inovasi Indonesia
Yumarlin MZ
Program Studi Informatika, Universitas Janabadra
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Public Health Social Sciences Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
Sistem Diagnosa Jenis Cedera Kaki pada Pemain Sepak Bola Menggunakan Metode Certainty Factor Rahayu, Sri; MZ, Yumarlin
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 2 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i2.6386

Abstract

Pemain sepak bola rentan terhadap cedera karena sifat permainan yang kompetitif. Gerakan tiba-tiba, kecepatan tinggi, dan kontak fisik dapat meningkatkan risiko cedera. Cedera umum dalam sepak bola termasuk cedera hamstring, lutut seperti robekan ligamen anterior cruciate (ACL), pergelangan kaki, dan kepala seperti otak berguncang. Tujuan penelitian ini adalah mengembangkan sistem diagnosa cedera kaki pada pemain sepak bola untuk deteksi dini dan perawatan yang tepat. Manfaatnya adalah meminimalkan waktu pemulihan dan mengurangi risiko cedera parah pada pemain sepak bola. Penelitian ini diharapkan memberikan solusi inovatif bagi tim medis dan pelatih untuk mengidentifikasi dan menanggapi cedera kaki lebih efisien. Implementasi sistem diagnosa cedera kaki ini membantu pemain sepak bola memantau kesehatan kakinya secara berkala, sehingga tindakan pencegahan dapat diambil sebelum cedera terjadi. Metode Certainty Factor (CF) mengekspresikan keyakinan pada suatu kejadian (fakta atau hipotesis) berdasarkan bukti atau penilaian pakar. Metode pengujian Mean Opinion Score (MOS) digunakan untuk mengevaluasi kualitas sistem berdasarkan pendapat mahasiswa informatika dan pengguna awam. Hasil pengujian menunjukkan bahwa nilai MOS oleh mahasiswa informatika sebesar 4.62, menandakan kualitas yang baik dalam sistem diagnosa menggunakan metode forward chaining. Pengguna awam memberikan nilai MOS sebesar 4.57, menunjukkan bahwa sistem yang dibangun mudah digunakan dalam identifikasi cedera kaki pada pemain sepak bola.
Optimasi Pengembangan UKM Produsen Serabi Pareanom Yogyakarta Melalui Promosi Website dan Manajemen Persediaan Bahan Baku Rahayu, Sri; MZ, Yumarlin; Kurniawan, Ivan; Safitri, Safitri; Rizqi, Icang Dwi
Jurnal Pengabdian Masyarakat Inovasi Indonesia Vol 2 No 1 (2024): JPMII - Februari 2024
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jpmii.322

Abstract

Kegiatan pengabdian ini bertujuan meningkatkan pengembangan Usaha Kecil Menengah (UKM) dalam sektor makanan tradisional, khususnya pada produk kuliner serabi di Pareanom, Yogyakarta. Upaya utama difokuskan pada optimalisasi pemanfaatan teknologi, terutama dalam promosi melalui website sebagai sarana untuk menjangkau pasar lokal dan nasional. Selain itu, manajemen persediaan bahan baku dijadikan fokus utama untuk meningkatkan efisiensi produksi dan keuntungan bisnis. Kegiatan pengabdian ini mengimplementasikan kalkulasi akurat terkait produksi, di mana metode eliminasi Gauss digunakan sebagai alat matematis untuk mengoptimalkan manajemen persediaan dan perhitungan produksi. Hasilnya adalah efisiensi yang terbukti dalam mengelola persediaan bahan baku, mencegah pemborosan, dan meningkatkan profitabilitas bisnis. Dengan demikian, kegiatan pengabdian ini memberikan bukti konkret terhadap efektivitas dalam meningkatkan daya saing UKM makanan tradisional serabi di Pareanom, Yogyakarta.
Analisis Sentimen Terhadap Layanan Tokopedia Berdasarkan Twitter dengan Metode Klasifikasi Support Vector Machine MZ, Yumarlin; Bororing, Jemmy Edwin; Rahayu, Sri; F, Jeffry Andhika
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 1 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i1.4591

Abstract

Pertumbuhan e-commerce di Indonesia begitu pesat dikarenakan perubahan perilaku masyarakat dalam berbelanja. Tokopedia menjadi salah satu e-commerce terkemuka yang ada di Indonesia saat ini. Tanggapan pengguna sangat penting bagi perusahaan untuk mengetahui layanan yang ditawarkan. Ulasan dari pengguna sendiri sangat mempengaruhi citra layanan perusahaan, terlebih di era digital saat ini. Akan tetapi, membangun dan menganalisis sentimen ulasan masyarakat bukan hal yang mudah dikarenakan jumlah nya yang begitu banyak, sehingga diperlukan metode untuk melakukan klasifikasi secara otomatis, yang meliputi  ulasan positif atau negatif.  Salah satu situs yang cukup banyak menampung opini masyarakat ialah sosial media, diantaranya Twitter. Data ulasan dari Twitter yang diperoleh dengan melakukan crawling data menggunakan library dari Python. Dan  diberi pelabelan dan klasifikasi dengan menggunakan metode Support Vector Machine dimana klasifikasi dilakukan dengan membuat garis pembatas yang memisahkan antara kelas positif dan negatif.  Untuk  pengukuran tingkat akurasi dari metode ini tergantung dari  kualitas data set yang digunakan. Hasil klasifikasi sentimen disajikan  dalam bentuk grafik.   Proses klasifikasi dimulai dengan melakukan cleaning data dan prapemrosesan data, yang selanjutnya data akan dilakukan pelabelan. Dari hasil pelabelan yang telah dilakukan kemudian dilakukan klasifikasi terhadap data uji untuk menemukan sentimen positif maupun negatif. Tingkat akurasi dari hasil penelitian  yang dilakukan     sebesar 91%. Selanjutnya dilakukan pengujian dengan metode K-Fold Cross Validation dan diperoleh        rata-rata tingkat akurasi sebesar 94,5%.
Analisis Sentimen Pengguna Apliaksi Shopee Menggunakan Metode Naive Bayes Classifier dan K-NN MZ, Yumarlin; Bororing, Jemmy Edwin; Rahayu, Sri; Putra, Jeffry Andhika
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 3 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i3.5494

Abstract

Perkembangan aplikasi e-commerce mengalami kemajuan pesat dalam beberapa tahun terakhir. Aplikasi e-commerce memberikan pengalaman belanja yang lebih mudah, nyaman, dan personal bagi pengguna. Fitur-fitur seperti pencarian produk yang efisien, ulasan pelanggan, rekomendasi produk dan keamanan pembayaran. Shopee adalah salah satu platform ecommerce yang populer di Indonesia dan memberikan pengguna akses yang mudah untuk berbelanja secara online dengan berbagai pilihan produk dan penawaran menarik. Tujuan penelitian ini untuk mengetahui analisis sentimen pengguna aplikasi Shopee berdasarkan data ulasan yang di dapat dari situs website google play menggunakan metode Naive Bayes Classifier dan K-Nearest Neighbour (K-NN) untuk mengklasifikasikan ulasan berdasarkan komentar sentimen positif, sentimen negatif dan sentiment netral. Hasil penelitian dengan menerapkan metode Naive Bayes Classifier di dapat nilai akurasi sebesar 75.97%, dengan prediksi komentar positif sebesar 742, komentar negative 519 dan komentar netral sebesar 86. Dan metode K-Nearest Neighbor nilai akurasi sebesar 16.69%, dengan prediksi komentar positif sebesar 154, komentar negative 80 dan komentar netral sebesar 62. Analisis Sentimen aplikasi shopee berdasarkan komentar pengguna google play store menunjukkan tingkat kepuasan konsumen baik di lihat dari besarnya nilai respon komentar positif berdasarkan hasil perhitungan machine learning yang sudah dilakukan. 
Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi Covid 19 Menggunakan Algortima Naïve Bayes Classifier MZ, Yumarlin; Bororing, Jemmy Edwin; Rahayu, Sri; Faharani, Fenthy
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 3 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i3.3893

Abstract

Coronavirus Disease-19 (COVID-19) merupakan ancaman kesehatan masyarakat yang kemudian ditetapkan oleh Organisasi Kesehatan Dunia sebagai pandemi karena telah menyebar di 199 negara di seluruh dunia. Jumlah kasus positif COVID-19 di seluruh dunia pada tahun 2021 mencapai 237.655.302 juta kasus dan jumlah kasus positif COVID-19 di Indonesia saja mencapai 4.229.813 juta kasus. Salah satu kebijakan pemerintah Indonesia dalam menangani COVID-19 adalah dengan melakukan vaksinasi. Namun, kebijakan ini mengundang banyak pihak dari masyarakat untuk memberikan pendapatnya. Penelitian ini bertujuan untuk mengetahui opini masyarakat terhadap tindakan vaksinasi yang dilakukan pemerintah untuk mengatasi virus covid-19. Dengan tindakan vaksinasi yang dilakukan, apakah ada komentar yang lebih positif, negatif, atau netral? Data dalam penelitian ini adalah data komentar publik di media sosial Twitter. Pengumpulan data dilakukan dengan bantuan software RStudio dan juga website kaggle. Data yang digunakan adalah dalam bahasa Indonesia dengan total 102.933 data. Data tersebut akan diklasifikasikan menggunakan metode Naïve bayes classifier. Data tersebut akan melalui tahap preprocessing sebelum proses klasifikasi data. Tahapan preprocessing meliputi proses Cleansing, Case Folding, Remove Character, Remove Duplicate, Translate, Normalization Word, Stemming, Stopword. Hasil penelitian ini menunjukkan sentimen positif sebanyak 66,45% dari 21.356 komentar, sentimen negatif sebanyak 25,21%, sedangkan sentimen netral sebanyak 8,34%.
Penerapan RAPID Application Development  untuk Pengembangan  Sistem Informasi Posyandu di Padukuhan Mertosan Wetan Yumarlin MZ; Jemmy Edwin B; Putri Nawang Sari
Applied Information Technology and Computer Science (AICOMS) Vol 5 No 1 (2026): AICOMS
Publisher : Pengelola Jurnal Politeknik Negeri Ketapang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58466/wfx4mv77

Abstract

Posyandu plays an important role in monitoring the health and growth of toddlers; however, the quality of its services in Pedukuhan Mertosanan Wetan still needs improvement. Posyandu activities carried out by midwives, health workers, and cadres still rely on manual recording using logbooks and Excel spreadsheets, resulting in various challenges such as data entry errors, inefficient data processing, and inaccurate or untimely reporting. These conditions hinder the effectiveness of Posyandu programs and highlight the need for a technological solution. This study aimed to design and develop a web-based Posyandu information system using the Rapid Application Development (RAD) method, which was selected due to its fast and effective development cycle. System feasibility was evaluated using the TELOS method (Technical, Economic, Operational, Legal, and Schedule) through questionnaires distributed to ten Posyandu cadres. The evaluation results showed a very good level of feasibility, with an overall score of 7.94, indicating that the system is easy to use, meets feasibility criteria, and is suitable for implementation at the Posyandu in Pedukuhan Mertosanan Wetan.
Penerapan Algoritma Supervised Learning Untuk Analisis Sentimen Kebijakan Ekonomi Pada Masa Pemerintahan Prabowo Melalui Aplikasi X Yumarlin MZ; Jemmy Edwin B; Andreas Adi Prasetyo
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 1 (2026): February 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i1.2373

Abstract

Media sosial menjadi wadah utama masyarakat dalam menyampaikan opini, termasuk dalam isu-isu kebijakan pemerintah. Salah satu isu yang mendapat perhatian publik adalah kebijakan ekonomi Presiden Prabowo, khususnya efisiensi anggaran dan pembentukan BPI Danantara. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan tersebut dengan menerapkan algoritma Supervised Learning yaitu Naïve Bayes dan K-Nearest Neighbord. Data diambil dari aplikasi X (sebelumnya Twitter) melalui proses crawling dengan kata kunci tertentu, lalu dilakukan preprocessing dan pelabelan sentimen (positif, netral, negatif). Hasil evaluasi menunjukkan bahwa model Naïve Bayes memiliki akurasi terbaik dengan nilai maksimal 72%, sedangkan KNN mencapai akurasi 68%. Penelitian ini juga menyajikan hasil analisis dalam bentuk dashboard interaktif menggunakan Streamlit sebagai visualisasi. Temuan ini penting untuk memberikan gambaran sentimen publik secara data-driven terhadap kebijakan pemerintah di era digital.
Klasifikasi Video Berisi Bahasa Kasar Berbasis Deep Learning Muhammad Asep Suhanda; Ryan Ari Setyawan; Yumarlin MZ
Jurnal Pseudocode Vol 13 No 2 (2026): Volume 13 Nomor 2 September 2026
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/pseudocode.13.2.185-195

Abstract

The growing popularity of social media has made it simpler for videos with strong or offensive language to spread quickly, which has led to a need for automatic tools to find and group this type of content. This study uses deep learning to identify videos with harsh language by looking at their visual, audio, and text parts using a detailed method that covers all these aspects. The model uses EfficientNetB0 to get visual features, a CNN to handle audio features from spectrogram images, and an Embedding layer along with a BiGRU to deal with text information. These three types of features are combined using an Adaptive Multimodal Fusion technique and then sorted into categories with the help of a Deep Neural Network (DNN). The final dataset includes 1,473 videos, with 738 videos marked as Harsh and 735 videos marked as Safe. The model is trained using the Adam optimizer and Binary Crossentropy loss function, and it also uses label smoothing. For evaluation purposes, 295 videos were used, which included 148 Harsh videos and 147 Safe videos. The model's accuracy was 83%, and it had average precision, recall, and F1-score values of 0.83 each. The model also achieved an ROC-AUC score of 0.8686, showing it can effectively tell the difference between the two types of videos. These results show that the new deep learning method that uses multiple types of data can work well in identifying harsh language in videos by combining visual, audio, and text information, and it can help with automatically checking and managing video content. Keywords: Deep Learning, Video Classification, EfficientNetB0, Adaptive multimodal fusion, Harsh Language
Co-Authors Andreas Adi Prasetyo Angga Dwi Cahyana Annisa Eka Putri Armadyah Amborowati B, Jemmy Edwin Bening, Ridho Gilang Bororing, Jemmy Edwin Bororing, Jemmy Edwin Ema Utami F, Jeffry Andhika Faharani, Fenthy Fatsyahrina Fitriastuti Fenthy Faharani Golonggomo, Rike Nur Savitri Hanang Indrianta Indra Pratama Indrianta, Hanang Ivan Kurniawan Jeffry Andhika Putra Jemmy Edwin B Jemmy Edwin B Kurniawan, Yuan Ivo Lalu Delsi Samsumar, M.Eng. Larasati Lukmanfiandy , Sofyan Muhammad Asep Suhanda Putri Nawang Sari Putro, Budi Anggoro Sajiwo Rahmat Hadiyat Rizqi Mirza Fadilla Rizqi, Icang Dwi Ryan Ari Setyawan Ryan Ari Setyawan Safitri Safitri SRI RAHAYU Sri Rahayu Suryadi, Emi Tan Anugrah Ramadhani Trinugraha, Yanu