Article Per Year (5 Year)
p-Index From 2021 - 2026
2.296
P-Index
This Author published in this journals
All Journal ELSE (Elementary School Education Journal) : Jurnal Pendidikan dan Pembelajaran Sekolah Dasar CYCLOTRON Emerging Information Science and Technology Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) JOINCS (Journal of Informatics, Network, and Computer Science) Computing Insight: Journal of Computer Science Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika Khidmatuna: Jurnal Pengabdian Masyarakat
Haq, Muhamad Amirul
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Public Health Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Computing Insight: Journal of Computer Science

 1 
Deteksi Kecelakaan Lalu Lintas Berbasis Algoritma Jaringan Syaraf Tiruan YOLO Binuri, Moch. Ghulam Abrari; Haryanti, Tining; Haq, Muhamad Amirul
Computing Insight : Journal of Computer Science Vol 4 No 2 (2022)
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/comp_insight.v4i2.22524

Abstract

Penerapan algoritma YOLOv7 dalam deteksi kecelakaan lalu lintas menggunakan google colab pada data training dari dataset robolow "accident 1" yang terdiri dari total 1522 gambar, dengan parameter batch size 1, epoch 40 dan menggunakan optimizer SGD menghasilkan model dengan tingkat precision sebesar 65.1%, recall 45.3%, mAP@.5 52.1%, dan mAP@.5:.95 26.4%, dengan waktu pelatihan 2.319 hours berdasarkan hasil tersebut untuk deteksi kurang memuaskan. Analisis pada grafik training data menunjukkan bahwa untuk mencapai hasil yang lebih memuaskan, diperlukan jumlah epoch yang lebih besar saat melatih data. Dari hasil grafik training data, terlihat bahwa semakin banyak epoch pelatihan, semakin akurat data trainingnya. Oleh karena itu, disarankan untuk melatih data lebih dari 40 epoch guna meningkatkan kualitas model dan deteksi kecelakaan lalu lintas.
ANALISIS SENTIMEN TERHADAP KOMENTAR PADA MEDIA SOSIAL TIKTOK YANG BERPOTENSI MENYEBABKAN DEPRESI MENGGUNAKAN METODE NAIVE BAYES Dina, Dinda Franciska Mey; Haryanti, Tining; Haq, Muhamad Amirul
Computing Insight : Journal of Computer Science Vol 7 No 1 (2025)
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/comp_insight.v7i1.26327

Abstract

Media sosial saat ini memiliki peran penting dalam perkembangan sebuah bisnis dan sebuah organisasi. Dari laporan America Psychiatric Association (APA) bahwa Media sosial seperti TikTok dapat mempengaruhi persepsi orang terhadap orang lain. TikTok saat ini menjadi tren dikalangan anak-anak sampai orang dewasa. Organisasi Kesehatan Dunia (WHO) menghasilkan data yang menunjukkan bahwa 1 dari 7 remaja berusia antara 10 hingga 19 tahun, yang merupakan sebagian besar pengguna TikTok, sedang berjuang dengan tantangan kesehatan mental, seperti depresi, kecemasan, dan gangguan perilaku. Komentar dalam media sosial TikTok dapat berupa komentar Positif dan Negatif, dalam jurnal Paedagogy tahun 2022 menjelaskan kecenderungan orang lebih sering berkomentar negatif  hingga dapat menyerang si pemilik konten. Namun, akan sangat sulit untuk mendeteksi emosi atau sentimen dari pengguna TikTok dengan jumlah yang sangat banyak. Penelitian ini bertujuan untuk melakukan analisis sentimen yaitu untuk menganalisis komentar yang dalam tiktok yang dapat menyebabkan depresi, dengan mengklasifikasikan menjadi 2 yaitu sentimen positif, dan sentimen negatif. penelitian ini menggunakan metode Naive Bayes untuk menentukan nilai presisi, akurasi, dan F1-Score. Penelitian ini juga bertujuan agar pengguna lebih bijak sana dalam bersosial media terutama media sosial TikTok.   Kata kunci: Komentar, Naive Bayes, Sentimen Analisis
Deteksi Kecelakaan Lalu Lintas Berbasis Algoritma Jaringan Syaraf Tiruan YOLO Binuri, Moch. Ghulam Abrari; Haryanti, Tining; Haq, Muhamad Amirul
Computing Insight : Journal of Computer Science Vol 4 No 2 (2022)
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/comp_insight.v4i2.22524

Abstract

Penerapan algoritma YOLOv7 dalam deteksi kecelakaan lalu lintas menggunakan google colab pada data training dari dataset robolow "accident 1" yang terdiri dari total 1522 gambar, dengan parameter batch size 1, epoch 40 dan menggunakan optimizer SGD menghasilkan model dengan tingkat precision sebesar 65.1%, recall 45.3%, mAP@.5 52.1%, dan mAP@.5:.95 26.4%, dengan waktu pelatihan 2.319 hours berdasarkan hasil tersebut untuk deteksi kurang memuaskan. Analisis pada grafik training data menunjukkan bahwa untuk mencapai hasil yang lebih memuaskan, diperlukan jumlah epoch yang lebih besar saat melatih data. Dari hasil grafik training data, terlihat bahwa semakin banyak epoch pelatihan, semakin akurat data trainingnya. Oleh karena itu, disarankan untuk melatih data lebih dari 40 epoch guna meningkatkan kualitas model dan deteksi kecelakaan lalu lintas.
Penerapan Image Processing Menggunakan Convolutional Neural Network Untuk Klasifikasi Luka Kaki Pada Diabetes Akbar, Ilhaam Syafruddin; Haryanti, Tining; Haq, Muhamad Amirul
Computing Insight : Journal of Computer Science Vol 4 No 2 (2022)
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/comp_insight.v4i2.22529

Abstract

Penelitian ini mengeksplorasi penerapan pemrosesan citra menggunakan Convolutional Neural Network( CNN) untuk klasifikasi luka kaki pada penderita diabetes mellitus. Diabetes dapat menyebabkan komplikasi serius, termasuk luka pada kaki, yang memerlukan identifikasi cepat untuk pencegahan lebih lanjut. Metode ini melibatkan pengambilan citra luka kaki dengan perangkat medis dan pengolahan awal( preprocessing) untuk mempersiapkannya untuk analisis CNN. Eksperimen menunjukkan bahwa CNN mampu mengklasifikasikan jenis luka dengan tingkat akurasi tinggi. Keunggulan utama terletak pada kemampuan CNN untuk mengekstrak fitur penting dari citra, memungkinkan pengenalan pola kompleks. Hasil penelitian ini menunjukkan bahwa penerapan image processing dengan CNN dapat menjadi pendekatan efektif dalam klasifikasi luka kaki diabetes. Teknologi ini memiliki potensi sebagai alat bantu diagnostik yang handal, mempercepat identifikasi dan pengelolaan luka pada pasien diabetes, serta mengurangi risiko komplikasi serius. Dengan demikian, penelitian ini memberikan kontribusi penting pada bidang pengembangan sistem kesehatan yang dapat meningkatkan kualitas hidup penderita diabetes. Model klasifikasi dilatih menggunakan dataset berlabel yang terdiri dari citra kaki dengan status luka yang diketahui.Hasil ini berpotensi membantu tenaga medis dalam intervensi dan langkah pencegahan yang tepat, sehingga dapat mengurangi risiko komplikasi yang serius bagi penderita diabetes.
Co-Authors Akbar, Ilhaam Syafruddin Andana, Erie Kresna Aswin Rosadi Binuri, Moch. Ghulam Abrari Dina, Dinda Franciska Mey Fayyadh, Alwan Firman Abdullah, Hafiz Hariyanti, Tining Haryanti, Tining Huy, Le Nam Quoc Ivana, Elmira Kusumajanti, Wahju Naila, Ishmatun Nuniek Fahriani, Nuniek Nurdin, Farid Rahman Oktaviani, Marista Ridlwan, Muhammad Riyadi, Muhammad Akmal Fijar Sulton Dedi Wijaya Wicaksono, Farid Wahyu