Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JURNAL MEDIA INFORMATIKA BUDIDARMA Journal of Artificial Intelligence and Digital Business
Nurul Humaera Baharudin
Universitas Handayani Makassar, Makassar
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Kontrol Lampu Pada Pendeteksian Kantuk dengan Parameter Posisi Tidur Menggunakan Object Detection Effiecientdet Lite Nurul Humaera Baharudin; Abdul Latief Arda; Andani Achmad
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 4 (2023): Oktober 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v7i4.6466

Abstract

Drowsiness is a sign that the body is entering a phase towards rest. Integrated detection of sleepy activity light control where light control automation is carried out based on the results of object detection, namely humans when they are sleepy, will be needed to efficiently use electrical energy. Analysis of the sleep detection scheme and the effectiveness of the object detection method in detecting sleepiness with body and eye position parameters was carried out using the Efficientdet Lite object detection method as the architecture used in making sleep detection models where the model created is implemented on a Raspberry Pi which is integrated with light control resulting in detection drowsiness with a comparison of 3 sleepiness parameters (body position, eyes, facial expressions) is able to control lights in the form of automatic lights turning off and on based on the labels that appear in each drowsiness detection parameter class. The results obtained were that the metric evaluation produced a different Average Precision for 3 parameters but in the appearance of the bounding box the most precise in detecting objects was the sleeping position, for the eye parameter the bounding box was not appropriate in detecting drowsiness while in facial expressions the bounding box was difficult to appear. Accuracy testing was carried out on the sleep position parameter resulting in a detection accuracy of 80%.
Analisis Sentimen Komentar Instagram terhadap Isu PMS menggunakan SVM B, Nurul Humaera; Farida, Farida; KH, Musliadi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.6517

Abstract

Perkembangan media sosial sebagai ruang publik membentuk persepsi masyarakat terhadap berbagai isu sosial dan Kesehatan. Isu perubahan emosi menjelasn menstruasi atau PMS (Premenstrual Syndrome)  menjadi  salah satu isu yang mendapat banyak perhatian pada media sosial Instagram. Tingkat interaksi pengguna pada konten viral bertema PMS menunjukkan beragam respon emosional, namun disisi lain topik ini masih sering disalahpahami dan distigmatisasi. Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna Instagram terhadap konten meme viral yang membahas perubahan emosi menjelang menstruasi menggunakan algoritma Support Vector Machine dengan Stemming Sastrawi. Sebanyak 2760 komentar yang terkumpul setelah melalui tahapan pre-processing yang meliputi case folding, pembersihan teks, normalisasi slang, pananganan emoji, tokenisasi, stopword removal, stemming Sastrawi dan penerjemahan bahasa, diperoleh 1201 komentar yang layak dianalisis. Proses pelabelan sentimen dilakukan secara semi-otomatis dengan bantuan LLM (Large Language Model) yang kemudian divalidasi dengan pelabelan manual oleh peneliti. Tingkat realibilitas pada pelabelan semi-otomatis dengan Uji Cohen’s Kappa menunjukkan nilai kesepakatan yang kuat sebesar 0,8513, sehingga data dinilai layak untuk tahap klasifikasi. Pembagian data latih sebesar 80% dan data uji 20%. Hasil penelitian menunjukkan bahwa akurasi model SVM (Support Vector Machine) mencapai nilai 85% dalam mengklasifikasikan komentar. Penelitian membuktikan bahwa pendekatan SVM dengan stemming Sastrawi efektif dalam menganalisis sentimen pada media sosial yang bersifat Informal dan mendukung pengembangan strategi edukasi dan komunikasi kesehatan berbasis data untuk mengurangi stigma terhadap isu PMS diruang digital.
Co-Authors Abdul Latief Arda Andani Achmad Farida Farida Musliadi K H