Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Indonesian Journal of Artificial Intelligence and Data Mining Innovative: Journal Of Social Science Research Emerging Statistics and Data Science Journal
Pinasty, Salsabila
Unknown Affiliation
Humanities Computer Science & IT Law, Crime, Criminology & Criminal Justice Mathematics Public Health Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Automatic Detection of Acne Types Using the YOLOv5 Method Pinasty, Salsabila; Hakim, Raden Bagus Fajriya
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 1 (2025): March 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i1.35617

Abstract

Acne is very common due to several factors such as hormones, hygiene, and environmental exposure. This research aims to develop an automatic detection system for facial skin problems using the You Only Look Once v5 (YOLOv5) algorithm, focusing on the problem of acne types on acne-prone faces, and this research is the latest research that has never been done before. The research methodology was carried out by taking datasets directly on acne faces, with a sample of 1230 images. The research process includes data collection, labeling using the Roboflow platform, dividing the dataset into training, testing, and validation data, and implementing the YOLOv5 algorithm using Google Colab. The research stages include data input, object labeling, dataset configuration, YOLOv5 preparation, modeling, model testing, hyperparameter tuning, and model performance evaluation. The results of this study resulted in an accuracy rate seen based on the mapped value of 87.6%, so this can be considered that the model is considered good in detecting the type of acne on facial skin problems in accordance with testing on data, and this model can be implemented to automatically detect facial skin problems, especially on faces with acne, in the future.
Studi Klasterisasi Usaha Pertanian Perorangan di Kabupaten Bantul Tahun 2023 dengan Pendekatan Hirarki: Studi Klasterisasi Usaha Pertanian Perorangan di Kabupaten Bantul Tahun 2023 dengan Pendekatan Hirarki Nafri, Tania Chelsia; Pinasty, Salsabila; Kartika Dini, Sekti; Nurcahayani, Helida
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (2025): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol3.iss.1.art3

Abstract

Penelitian ini bertujuan untuk menganalisis struktur dan pengelompokkan usaha pertanian perorangan di Kabupaten Bantul menggunakan pendekatan hirarki dengan metode Ward. Data yang digunakan merupakan data sekunder dari hasil pencacahan lengkap Sensus Pertanian 2023. Metode Ward dipilih karena kemampuannya dalam mengelompokkan data berdasarkan kesamaan karakteristik dan meminimalkan jumlah kuadrat dalam setiap klaster yang terbentuk. Hasil penelitian menunjukkan bahwa terdapat tiga klaster utama usaha pertanian di Kabupaten Bantul. Klaster pertama didominasi oleh usaha pertanian dengan intensitas rendah di hampir semua sektor kecuali peternakan dan perikanan. Klaster kedua menunjukkan intensitas usaha pertanian yang sedang dengan sektor perikanan sebagai sektor unggulan. Klaster ketiga memiliki intensitas usaha pertanian yang tinggi di hampir semua sektor kecuali perikanan. Hasil analisis ini diharapkan dapat memberikan wawasan yang lebih mendalam mengenai dinamika usaha pertanian di Kabupaten Bantul dan mendukung pengambilan kebijakan yang lebih tepat guna oleh pemerintah daerah.
Analisis Sentimen Pada Pengguna Tiktok Menggunakan Metode Random Forest (Studi Kasus: Jessica-Mirna) Jennifer, Dwirany Puspitasari; Ningrum, Noorzahrah Cintya; Pinasty, Salsabila; Nur Edma, Syifa’ul Mufidati; Andini, Wiranti Nugrah; Widodo, Edy
Innovative: Journal Of Social Science Research Vol. 4 No. 3 (2024): Innovative: Journal Of Social Science Research (Special Issue)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i3.12240

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen mengenai persepsi pengguna TikTok terhadap kasus pembunuhan Wayan Mirna Salihin yang melibatkan Jessica Kumala Wongso. Analisis sentimen dilakukan dengan metode Random Forest Classifier terhadap 15.000 data komentar TikTok. Hasil analisis menunjukkan mayoritas komentar positif (52%) mendukung Jessica Kumala Wongso, disusul opini netral (36%) dan negatif (12%). Model Random Forest Classifier yang dibangun mampu melakukan klasifikasi sentimen secara akurat, dengan nilai akurasi, presisi, recall dan f1-score diatas 80% untuk seluruh kelas sentimen. Hasil pemetaan confusion matrix menunjukkan bahwa model dapat membedakan komentar positif, negatif, dan netral dengan baik. Hal ini menunjukkan opini masyarakat di media sosial TikTok cenderung berpihak pada Jessica Kumala Wongso sebagai korban fitnah dalam kasus pembunuhan Wayan Mirna Salihin. Dengan demikian, analisis sentimen terhadap komentar TikTok dapat memberikan gambaran mengenai isu-isu yang sedang mempengaruhi opini publik terkait kasus ini. Hasil penelitian ini dapat digunakan oleh berbagai pihak terkait untuk merumuskan kebijakan atau program yang sesuai dengan harapan masyarakat.
Co-Authors Andini, Wiranti Nugrah Edy Widodo Hakim, Raden Bagus Fajriya Jennifer, Dwirany Puspitasari Kartika Dini, Sekti Nafri, Tania Chelsia Ningrum, Noorzahrah Cintya Nur Edma, Syifa’ul Mufidati Nurcahayani, Helida