Garuda - Garba Rujukan Digital

PENGARUH PENGGUNAAN RAGAM BAHASA INDONESIA PADA MAHASISWA PENDIDIKAN BIOLOGI UNIVERSITAS PATTIMURA TAHUN 2023 Noya van Delsen, Marlon Stivo; Umkeketony, Sarleoki Nancy
Arbitrer : Jurnal Pendidikan Bahasa dan Sastra Indonesia Vol 6 No 1 (2024): Arbitrer : Jurnal Pendidikan Bahasa dan Sastra Indonesia
Publisher : Program Studi Pendidikan Bahasa dan Sastra Indonesia FKIP Universitas Pattimura (Indonesia Language and Literature Education Department, The Faculty of Teacher's Training and Educational Sciences, University of Pattimura)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/arbitrervol6no1hlm1011-1020

Bahasa Indonesia adalah bahasa resmi sekaligus bahasa nasional di Indonesia. Bahasa Indonesia merupakan varietas yang dibakukan dari bahasa Melayu, rumpun Austronesia yang digolongkan kedalam rumpun Melayu yang merupakan cabang turunan dari Melayu dan Polinesia. Bahasa Indonesia sejak lama digunakan sebagai basantara di wilayah kepulauan Indonesia yang rata-rata memiliki kemajemukan linguistika. Penelitian ini menggunakan rancangan deskriptif karena menggambarkan suatu peristiwa secara sistematis. Penelitian ini menggunakan pendekatan kualitatif dan kuantitatif. Pembahasan penelitian ini yaitu (1) penjelasan secara rinci pola interaksi mahasiswa dengan dosen dalam pembelajaran mengunakan ragam bahasa, (2) penjelasan secara rinci interaksi mahasiswa dalam pembelajaran menggunakan ragam bahasa, (3) pola interaksi dalam pembelajaran menggunakan ragam bahasa terhadap mahasiswa. Kesimpulan berdasarkan pembahasan yang telah dijabarkan pada pembahasan maka dapat diambil kesimpulan yaitu, terdapat pola interaksi mahasiswa dengan dosen dalam pembelajaran, adanya interaksi mahasiswa dalam pembelajaran, dan pola interaksi dalam pembelajaran menggunakan ragam bahasa terhadap mahasiswa melalui pola satu arah dan pola dua arah

KLASIFIKASI KETEPATAN WAKTU LULUS MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS PATTIMURA MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Tomu, Ilham Rizky Maziz; Noya Van Delsen, Marlon Stivo; Lewaherilla, Norisca
Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika Vol. 7 No. 2 (2024): Menjembatani Matematika dan Pendidikan Matematika menuju Pemanfaatan Berkelanju
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/proximal.v7i2.4153

Perguruan Tinggi memiliki peranan yang besar dalam mencetak sumber daya manusia yang kompeten, sehingga kualitas dan akreditasi Perguruan Tinggi menjadi hal yang perlu diperhatikan. Salah satu indikator yang mempengaruhi kualitas dan akreditasi Perguruan Tinggi adalah persentasse mahasiswa lulus tepat waktu. Oleh karena itu, perlu adanya perhatian khusus dari Perguruan Tinggi mengenai ketepatan waktu lulus mahasiswa. Dengan melihat lima faktor yang mempengaruhi ketepatan waktu lulus mahasiswa yakni Usia Masuk Perguruan Tinggi, Jenis Kelamin, Akreditasi Asal SMA, Jalur Penerimaan dan IPK diharapkan dapat memberikan prediksi mahasiswa tersebut lulus tepat waktu atau tidak. Metode yang digunakan dalam mengklasifikasi ketepatan waktu lulus mahasiswa adalah metode Naïve Bayes Classifier, karena metode ini memiliki akurasi yang tinggi dan dapat bekerja lebih baik pada kasus di dunia nyata. Hasil klasifikasi ketepatan waktu lulus mahasiswa Jurusan Matematik Tahun Akademik 2015/2016 sampai 2019/2020 dengan menggunakan metode Naïve Bayes Classifier dengan K-Fold Cross Validation untuk K=5 sampai K=10 bantuan software Rapid Miner berhasil diklasifikasikan ketepatan waktu lulus mahasiswa dengan persentase keakuratan tertinggi yaitu untuk K= 10 sebesar 70% dan nilai error sebesar 30% serta nilai AUC 72%, yang artinya model pada metode Naïve Bayes Classifier diklasifikasikan dengan baik.

The Modeling of Factors that Influence the Number of Death Cases of Infant and Toddler in Maluku Province using the Bivariate Poisson Regression Method Haumahu, Gabriella; Djamalullail, Syarifah Fitria Amalia; Noya Van Delsen, Marlon Stivo
Tensor: Pure and Applied Mathematics Journal Vol 5 No 1 (2024): Tensor: Pure and Applied Mathematics Journal
Publisher : Department of Mathematics, Faculty of Mathematics and Natural Sciences, Pattimura University, Ambon, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/tensorvol5iss1pp17-26

The number of cases of infant mortality and under-five mortality have a significant relationship. Although there are differences in age categories, it can be a measure of quality of life early in life. In this study, a bivariate Poisson regression analysis method is used which uses a pair of count data with Poisson distribution. The number of infant deaths and the number of under-five deaths are the dependent variables, while the percentage of poor people , the percentage of married women under 19 years old , the percentage of low birth weight babies , and the percentage of exclusively breastfed babies are the independent variables. Based on the results of the modeling analysis, model 2 of the bivariate Poisson regression proved to be the best model with the lowest AIC value of 123,8951. The results of the analysis at show that variable has an influence on infant mortality cases, shows that variable has a significant effect on under-five mortality cases and at shows that variable has a significant effect simultaneously on infant and under-five mortality cases in Maluku Province in 2022

Klasifikasi Menggunakan Metode Support Vector Machine (SVM) Multiclass pada Data Indeks Desa Membangun (IDM) di Provinsi Maluku Latuconsina, Fidyah; Noya van Delsen, Marlon Stivo; Yudistira
Journal of Mathematics, Computations and Statistics Vol. 7 No. 2 (2024): Volume 07 Nomor 02 (Oktober 2024)
Publisher : Jurusan Matematika FMIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/jmathcos.v7i2.3624

Indeks Desa Membangun (IDM) merupakan konsep dasar dalam melakukan pembangunan dan pengembangan potensi desa. IDM terdiri dari Indeks Ketahanan Sosial (IKS), Indeks Ketahanan Ekonomi (IKE), dan Indeks Ketahanan Lingkungan (IKL). Status kemajuan dan kemandirian suatu desa dibagi menjadi beberapa tingkatan yaitu desa mandiri, desa maju, desa berkembang, desa tertinggal, dan desa sangat tertinggal. Penelitian ini bertujuan untuk mengetahui penerapan metode Support Vector Machine (SVM) Multiclass pada klasifikasi IDM di Provinsi Maluku, serta mengetahui tingkat akurasi pengklasifikasian pada IDM di Provinsi Maluku yang dihasilkan menggunakan metode SVM Multiclass. Berdasarkan hasil penelitian, klasifikasi SVM Multiclass dengan menggunakan fungsi kernel yang terbaik terdapat pada kernel linear dengan nilai akurasi sebesar 97,75%. Adapun hasil pengelompokan IDM Provinsi Maluku dengan metode SVM Multiclass fungsi kernel linear adalah sebagai berikut: 75 desa dengan kategori mandiri, 291 desa dengan kategori maju, 585 desa dengan kategori berkembang, 245 desa dengan kategori tertinggal, dan 4 desa dengan kategori sangat tertinggal.

Application of The Naïve Bayes Algorithm Method for Classification of Families at Risk of Stunting (Case Study: Waeapo District, Buru Regency) Noya Van Delsen, Marlon Stivo; Laamena, Novita Serly; Rumanama, Siti Adnan
Tensor: Pure and Applied Mathematics Journal Vol 5 No 2 (2024): Tensor: Pure and Applied Mathematics Journal
Publisher : Department of Mathematics, Faculty of Mathematics and Natural Sciences, Pattimura University, Ambon, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/tensorvol5iss2pp111-118

Classification is a job of assessing data objects to put them into a certain class from a number of available classes. One algorithm that can be used for classification is the Naïve Bayes Classifier. Naïve Bayes Classifier is a probability concept that can be used to determine class groups of text documents and can process large amounts of data with high accuracy results. The aim of this research is to determine the results of the classification of families at risk of stunting in Waeapo District, Buru Regency and to determine the level of accuracy of three data proportions, namely 70:30, 80:20 and 90:10. The sample in this study was 2290 families. Based on the known level of accuracy, the best accuracy value is a data proportion of 90:10 with an accuracy value of 93.9%.

KLASIFIKASI KETEPATAN WAKTU LULUS MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS PATTIMURA MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Tomu, Ilham Rizky Maziz; Noya Van Delsen, Marlon Stivo; Lewaherilla, Norisca
Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika Vol. 7 No. 2 (2024): Menjembatani Matematika dan Pendidikan Matematika menuju Pemanfaatan Berkelanju
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/proximal.v7i2.4153

Perguruan Tinggi memiliki peranan yang besar dalam mencetak sumber daya manusia yang kompeten, sehingga kualitas dan akreditasi Perguruan Tinggi menjadi hal yang perlu diperhatikan. Salah satu indikator yang mempengaruhi kualitas dan akreditasi Perguruan Tinggi adalah persentasse mahasiswa lulus tepat waktu. Oleh karena itu, perlu adanya perhatian khusus dari Perguruan Tinggi mengenai ketepatan waktu lulus mahasiswa. Dengan melihat lima faktor yang mempengaruhi ketepatan waktu lulus mahasiswa yakni Usia Masuk Perguruan Tinggi, Jenis Kelamin, Akreditasi Asal SMA, Jalur Penerimaan dan IPK diharapkan dapat memberikan prediksi mahasiswa tersebut lulus tepat waktu atau tidak. Metode yang digunakan dalam mengklasifikasi ketepatan waktu lulus mahasiswa adalah metode Naïve Bayes Classifier, karena metode ini memiliki akurasi yang tinggi dan dapat bekerja lebih baik pada kasus di dunia nyata. Hasil klasifikasi ketepatan waktu lulus mahasiswa Jurusan Matematik Tahun Akademik 2015/2016 sampai 2019/2020 dengan menggunakan metode Naïve Bayes Classifier dengan K-Fold Cross Validation untuk K=5 sampai K=10 bantuan software Rapid Miner berhasil diklasifikasikan ketepatan waktu lulus mahasiswa dengan persentase keakuratan tertinggi yaitu untuk K= 10 sebesar 70% dan nilai error sebesar 30% serta nilai AUC 72%, yang artinya model pada metode Naïve Bayes Classifier diklasifikasikan dengan baik.

PENANGANAN MULTIKOLINEARITAS PADA REGRESI LINIER BERGANDA MENGGUNAKAN REGRESI LASSO (STUDI KASUS: DISTRIBUSI PRESENTASE PRODUK DOMESTIK REGIONAL BRUTO DI PROVINSI MALUKU TAHUN 1999-2021) Jamco, Juan Charles; Kondolembang, Ferry; Noya Van Delsen, Marlon Stivo
Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 2 No 2 (2023): Parameter: Jurnal Matematika, Statistika dan Terapannya
Publisher : Jurusan Matematika FMIPA Universitas Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/parameterv2i02pp145-154

Abstrak Pertumbuhan ekonomi akhir-akhir ini menjadi lebih penting karena implementasinya secara luas, konsep pertumbuhan ekonomi merupakan ukuran penilaian ekonomi suatu negara atau regional. Data pertumbuhan ekonomi dalam penelitian ini yang diukur dengan Produk Domestik Regional Bruto (PDRB) rentan terhadap masalah asumsi klasik. Salah satunya adalah tidak adanya multikolinearitas yaitu korelasi atau hubungan yang tinggi diantara variabel independen. Multikolinearitas menjadi masalah dalam analisis regresi, terutama pada Ordinary Least Square (OLS) karena menyebabkan estimasi koefisien regresi menjadi tidak efisien. Salah satu metode untuk mengatasi multikolinearitas menggunakan Least Absolute Shrinkage and Selection Operator (LASSO). LASSO adalah metode regresi berganda yang digunakan untuk shrinkage yaitu menyusutkan koefisien taksiran mendekati angka nol dan selection operator yaitu menyeleksi variabel-variabel independen sehingga menghasilkan model dengan variabel terbaik karena kendala itu, LASSO dapat mengkecilkan koefisien menuju nol atau mengaturnya dengan tepat nol sehingga dapat melakukan pemilihan variabel juga. Berdasarkan Variance Inflation Factor (VIF), terdapat korelasi yang tinggi antar variabel independen, sehingga terdapat multikolinearitas pada data pertumbuhan ekonomi Provinsi Maluku 1999-2021 jika kita menggunakan OLS. Dalam penelitian ini, LASSO mengkecilkan dua koefisien penduga variabel independen menjadi tepat nol, sehingga variabel-variabel tersebut dianggap tidak memiliki pengaruh yang signifikan terhadap model.

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search