Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal MATHunesa: Jurnal Ilmiah Matematika MDP Student Conference
Linda Rassiyanti
Institut Teknologi Sumatera
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Mathematics

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

Found 2 Documents
Search

 1 
Klasifikasi Multikelas Support Vector Machine dengan Hibrida Directed Acyclic Graph One Vs One dan Rest Vs Rest pada Klasifikasi Tingkat Obesitas Daffa Ahmad Naufal; Christyan Tamaro Nadeak; Linda Rassiyanti; Fajri Farid
MDP Student Conference Vol 5 No 2 (2026): The 5th MDP Student Conference 2026
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/mdp-sc.v5i2.14097

Abstract

This research is focused on analyzing how well different multiclass Support Vector Machine (SVM) classification methods can predict obesity levels. It also presents a new hybrid Directed Acyclic Graph Rest-vs-Rest (DAG-RvR) method as a better option. The study utilizes a dataset called the Obesity Risk Prediction Cleaned, which has information on seven different obesity categories. The methods being assessed include One-vs-One (OvO), One-vs-Rest (OvR), DAG-One-vs-One (DAG-OvO), and the new DAG-RvR method. For fine-tuning the parameters, GridSearchCV and the RBF kernel were used. The findings reveal that DAG-RvR achieves an accuracy of 0.91, which is similar to OvO and DAG-OvO, but it trains much quicker, taking just 0.3422 seconds. Even though its precision, recall, and F1-score are a bit lower than the pairwise methods, DAG-RvR still maintains reliable multiclass performance. In summary, this method strikes a good balance between achieving high accuracy and being efficient in computations.
ANALISIS HUBUNGAN ANTARA ANGKA TIDAK SEKOLAH (ATS), TINGKAT KEMISKINAN, DAN ANGKA MELEK HURUF (AMH) DENGAN BIPLOT Linda Rassiyanti; Ayu Sofia; Rizka Pitri
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 2 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tujuan dari penelitian ini adalah untuk memperdalam analisis tentang hubungan antara pendidikan, literasi, dan kemiskinan. Metode penelitian yang digunakan pada penelitian ini adalah metode analisis biplot yang merupakan teknik statistik deskriptif yang memungkinkan penyajian visual simultan dari objek pengamatan dan variabel dalam ruang dua dimensi. Data yang digunakan dalam penelitian ini adalah Rata-Rata Lama Sekolah (RLS), Angka Melek Huruf (AMH), dan Persentase Orang Miskin. Tiap variabel dilakukan analisis desktiptif untuk mengetahui sebaran datanya, lalu selanjutnya dilakukan analisis biplot, dan menarik kesimpulan. Hasil penelitian menunjukkan bahwa RLS dan AMH memiliki hubungan yang kuat dengan tingkat kemiskinan (persentase orang miskin). Tingkat pendidikan yang lebih tinggi secara umum berkorelasi dengan tingkat kemiskinan yang lebih rendah. Provinsi DKI Jakarta dan Kep. Riau memiliki keberhasilan dalam taraf pendidikan yang tinggi dan kemiskinan rendah, sedangkan Provinsi Papua Pegunungan dan Nusa Tenggara Timur masih memerlukan perhatian untuk mengurangi kemiskinan dan meningkatkan taraf pendidikan. Provinsi Papua Pegunungan dan Papua Tengah terlihat jauh dari kelompok lainnya, menunjukkan karakteristik yang unik, seperti kemiskinan sangat tinggi dan pendidikan sangat rendah.
Co-Authors Ayu Sofia Christyan Tamaro Nadeak Daffa Ahmad Naufal Fajri Farid Rizka Pitri