Article Per Year (5 Year)
p-Index From 2019 - 2024
0.751
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kursor Jurnal Edukasi dan Penelitian Informatika (JEPIN) Matrik : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer
Imamah Imamah
Universitas Trunojoyo Madura
Computer Science & IT Decision Sciences, Operations Research & Management Education

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Penerapan Teorema Bayes untuk Mendiagnosa Penyakit Telinga Hidung Tenggorokan (THT) Imamah Imamah; Akhmad Siddiqi
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 18 No 2 (2019)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (815.821 KB) | DOI: 10.30812/matrik.v18i2.398

Abstract

Ear, Nose and Throat Disease (ENT) is a common disease that is often considered a harmless disease by people, so they assume there is no need to see a doctor. But in fact, ENT disease can also provide serious disorders if not treated early and right, so the expert system of ENT is needed for early detection before the patient decided to see a doctor or not. Based on these problems, this study proposed the application of the Bayes theorem for early detection of ENT disease. The types of diseases used in this study were six types and had 22 symptoms. User inputs the symptoms of a disease, then the system will provide a diagnosis. This diagnosis can be used as an initial reference for sufferers and can be used as a reference for young doctors who are taking medical education with an ENT specialist. In this initial research, testing was carried out to calculate the computational time needed by the system to diagnose ENT disease. Based on this research, we found that the average computing time needed by the system to diagnose is 00:09:54 or Nine minutes, fifty-four seconds.
EFFECTIVENESS OF DEEP LEARNING APPROACH FOR TEXT CLASSIFICATION IN ADAPTIVE LEARNING Umi Laili Yuhana; Imamah Imamah; Chastine Fatichah; Bagus Jati Santoso
Jurnal Ilmiah Kursor Vol 11 No 3 (2022)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v11i3.285

Abstract

Klasifikasi text sangat bermanfaat dan dibutuhkan diberbagai bidang. Salah satu bidang yang membutuhkan klasifikasi text adalah E-learning yang bersifat adaptive atau disebut sebagai adaptive learning sistem. Adaptive learning sytem adalah sistem pembelajaran online yang dapat memberikan rekomendasi pembelajaran berdasarkan kebutuhan pengguna. Adaptive learning memiliki dua bagian, yaitu modul learning dan modul testing. Modul learning adalah bagian dari sistem yang bertugas untuk memberikan rekomendasi pembelajaran bagi pengguna, sedangkan modul testing bertugas untuk menguji dan memberikan penilaian terhadap hasil pembelajaran yang diperoleh dari modul learning. Materi pembelajaran pada modul learning memerlukan klasifikasi text berdasarkan tingkat kesulitannya untuk memastikan bahwa pengguna dengan level kemampuan rendah juga mendapatkan materi pembelajaran yang mudah, dan rekomendasi ini akan dinamis mengikuti perkembangan kemampuan pengguna. Pada penelitian ini, akan dibahas bagian kecil dari sistem pembelajaran adaptive pada modul learning yaitu tahap klasifikasi text. Dataset yang digunakan dalam penelitian ini adalah mata pelajaran IPA untuk tingkat SMP yang didapatkan dari Ruang Guru dan merupakan salah satu platform E-learning di Indonesia. Metode yang digunakan dalam penelitian ini adalah CNN, RNN dan HAN dengan menggunakan word embedding Word2Vec
Pendekatan Data Science untuk Mengukur Empati Masyarakat terhadap Pandemi Menggunakan Analisis Sentimen dan Seleksi Fitur Fika Hastarita Rachman; Imamah Imamah
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 3 (2022): Volume 8 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i3.56655

Abstract

Empati merupakan kemampuan seseorang untuk turut merasakan penderitaan orang lain. Pandemi covid yang melanda dunia, telah menyisakan banyak kehilangan dan keterpurukan. Penelitian ini bertujuan untuk mengetahui emosi masyarakat terhadap penderitaan sesama menggunakan pendekatan sentimen analisis. Dataset yang digunakan adalah komentar masyarakat di Twitter tentang pandemi Covid dalam rentang waktu November-Desember 2020. Data diambil dengan teknik crawling menggunakan library twint, didapatkan data sebanyak 2386 komentar, namun komentar yang mengandung empati hanya sebanyak 984 data. Dataset empati kemudian dilabeli oleh tiga orang menggunakan teknik majority voting. Hasil pengukuran dataset empati menunjukkan 55,7% komentar masyarakat indonesia mengandung empati positif (berempati), 37,4% empati negatif (tidak berempati), dan 6,9% netral. Untuk membentuk model yang dapat mendeteksi empati secara otomatis, maka digunakan  dataset empati sebanyak 400, dengan 200 kelas positif dan 200 kelas negatif, kelas netral tidak digunakan pada penelitian ini karena jumlah data sangat sedikit. Metode machine learning yang digunakan untuk membangun model adalah Support Vector Machine (SVM) dengan metode ekstraksi fitur reliefF. Berdasarkan penelitian yang dilakukan, akurasi sistem dengan metode SVM tanpa seleksi fitur ReliefF adalah 83%. Sedangkan akurasi yang diperoleh sistem dengan seleksi fitur ReliefF mencapai 93% dengan penggunaan 85% fitur dari total keseluruhan fitur.
Tuning Hyperparameter pada Gradient Boosting untuk Klasifikasi Soal Cerita Otomatis Umi Laili Yuhana; Ayu Purwarianti; Imamah Imamah
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.50506

Abstract

Soal adalah susunan pertanyaan yang dibuat untuk menguji keberhasilan dari pembelajaran siswa. Bagi manusia, membedakan soal penjumlahan dengan pengurangan sangat mudah, namun tidak halnya dengan mesin. Mesin  membutuhkan pembelajaran untuk mengenali soal cerita apakah termasuk penjumlahan atau pengurangan. Kebutuhan mesin untuk mengenali soal cerita biasanya diterapkan dalam pembuatan sistem E-learning. Berdasarkan dari masalah ini, maka digunakan metode gradient boosting untuk mengklasifikasikan soal cerita. Kelas target atau label dari klasifikasi terdiri dari empat kelas yaitu penjumlahan, pengurangan, perkalian, pembagian, dan campuran.  Soal cerita diambil dari buku matematika untuk kelas tiga sampai kelas enam Sekolah Dasar. Guru Sekolah Dasar (SD) melabeli soal cerita, dan dijadikan sebagai dataset untuk pembelajaran dari machine learning. Dataset kemudian di preprocessing, ekstraksi fitur dengan menggunakan TF-IDF dan selanjutnya dibagi menjadi data training dan data testing dengan menggunakan K-fold cross validation dengan nilai K[5,10,20]. Performa metode gradient boosting dalam mengklasifikasikan soal matematika diukur dengan menggunakan akurasi. Akurasi didapatkan dari hasil perbandingan dari label yang diprediksi oleh machine learning dengan label dari pakar yaitu guru SD. Berdasarkan hasil percobaan pada 500 data soal cerita, diperoleh hasil akurasi terbaik sebesar 75,8% pada saat K=20 dengan hyperparameter gradient boosting N_estimator=100, max_depth=9 dan learning rate=0,15.
Co-Authors Akhmad Siddiqi Ayu Purwarianti Chastine Fatichah Rachman, Fika Hastarita Santoso, Bagus Jati Yuhana, Umi Laili