Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Pendidikan Matematika Malikussaleh
Syarif Hidayat Matondang
UIN Syekh Ali Hasan Ahmad Addary Padangsidimpuan
Computer Science & IT Economics, Econometrics & Finance Education Mathematics Other

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

Found 2 Documents
Search

 1 
Etnomatematika Tradisi Mandailing Manaek Bukkulan Sebagai Sumber Kontekstual Dalam Pembelajaran Matematika Dini Savitri Rambe; Suparni; Syarif Hidayat Matondang; Syafrida Hanum Hutasuhut
Jurnal Pendidikan Matematika Malikussaleh Vol. 5 No. 4 (2025): Jurnal Pendidikan Matematika Malikussaleh
Publisher : LPPM UNIMAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/jpmm.v5i4.25781

Abstract

Hadirnya etnomatematika sebagai jembatan antara konsep matematika formal di sekolah dengan pengalaman budaya siswa menjadi penting dalam mengatasi kecemasan dan kesulitan belajar siswa sebagai pendekatan yang mengintegrasikan unsur budaya lokal sebagai konteks pembelajaran. Salah satu potensi yang belum tergali maksimal adalah tradisi Mandailing Manaek Bukkulan. Penelitian ini bertujuan menganalisis potensi Manaek Bukkulan sebagai sumber kontekstual dalam pembelajaran matematika yang mengkonkretkan geometri, aritmatika, dan pengukuran melalui tradisi budaya Mandailing, sehingga siswa lebih mudah memvisualisasikan konsep abstrak. Penelitian ini menggunakan pendekatan kualitatif dengan desain etnografi etnomatematika terhadap elemen matematika dalam tradisi tersebut. Prosedur penelitian meliputi: (1) observasi partisipan intensif terhadap proses Manaek Bukkulan untuk mengidentifikasi elemen geometri, aritmatika, dan pengukuran; (2) wawancara mendalam dengan tokoh adat dan pelaku tradisi; (3) dokumentasi visual berupa foto dan sketsa bangunan adat; serta (4) analisis data kualitatif melalui reduksi, penyajian, dan verifikasi dengan triangulasi sumber.  Hasil penelitian menunjukkan bahwa Manaek Bukkulan  dapat diterapkan dalam materi geometri (bentuk dan simetri rumah), aritmatika (perhitungan bahan bangunan), dan pengukuran (luas dan volume). Implementasi ini diharapkan dapat membuat pembelajaran matematika lebih bermakna dan relevan dengan budaya siswa Mandailing.
An Explainable Clinical Variant Risk Assessment Framework for Genomic Decision Support Fahmi Izhari; Hanna Willa Dhany; Syarif Hidayat Matondang; Rizki Khairani Nasution
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 10 No. 1 (2026): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol10No1.pp350-356

Abstract

Clinical variant interpretation is essential for precision medicine; however, conventional machine learning approaches often focus on prediction accuracy without providing sufficient interpretability and decision-support capabilities. This study proposes a hybrid framework integrating Light Gradient Boosting Machine (LightGBM), SHapley Additive exPlanations (SHAP), and a Fuzzy Decision Support System (FDSS) for clinical variant risk assessment using the ClinVar dataset. A stratified sample of 200,000 genetic variants was utilized for model development and evaluation. LightGBM was employed to predict variant pathogenicity, while SHAP was applied to identify feature contributions and improve model transparency. The resulting prediction probabilities were subsequently processed through fuzzy inference to generate interpretable risk categories and recommendation-oriented outputs. Experimental results showed that the proposed framework achieved an Accuracy of 95.89%, Precision of 95.58%, Recall of 82.97%, F1-Score of 88.83%, and ROC-AUC of 98.73%. Explainability analysis revealed that variant-type representation was the most influential predictor of pathogenicity. The proposed framework extends conventional classification by transforming predictive outputs into actionable risk assessments, thereby enhancing transparency and supporting informed genomic decision-making. These findings demonstrate the potential of integrating predictive analytics, explainable artificial intelligence, and fuzzy reasoning for clinical variant assessment in precision medicine.
Co-Authors Dini Savitri Rambe Fahmi Izhari Hanna Willa Dhany Rizki Khairani Nasution Suparni Syafrida Hanum Hutasuhut