Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal FARABI: Jurnal Matematika dan Pendidikan Matematika OMEGA: Jurnal Keilmuan Pendidikan Matematika
Khairunnisa, Elvi
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

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

Found 2 Documents
Search

 1 
Pelabelan Graceful Graf Hasil Korona Bunga Mawar Khairunnisa, Elvi; Nurvazly, Dina Eka; Indah, Novi Permata
FARABI: Jurnal Matematika dan Pendidikan Matematika Vol 8 No 1 (2025): FARABI
Publisher : Program Studi Pendidikan Matematika FKIP UNIVA Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47662/farabi.v8i1.1109

Abstract

Terdapat banyak pelabelan graf yang telah dikembangkan, salah satunya adalah pelabelan graceful. Pelabelan graceful dari graf dengan E busur dan V simpul adalah pelabelan yang memenuhi fungsi injektif sedemikian sehingga label busur yang dihasilkan diperoleh dengan cara pada setiap busur berbeda secara berpasangan. Pada penelitian ini, kami membahas tentang pelabelan graceful graf hasil korona bunga mawar yaitu untuk dan untuk Graf bunga mawar dikenal sebagai graf tengah dari graf lingkaran. Misalkan adalah himpunan simpul dari graf lingkaran , . Graf bunga mawar dapat dibentuk dari graf lingkaran dengan simpul dan simpul terisolasi dan kemudian menghubungkan setiap dua titik dengan untuk dimana . memiliki simpul dengan derajat 2 dan simpul dengan derajat 4. Graf produk hasil korona bunga mawar yang dapat ditulis sebagai dibentuk oleh operasi korona pada graf bunga mawar dengan menambahkan r simpul daun pada setiap simpul.
Predicting Students' On-Time Graduation using Support Vector Machine (SVM) Algorithm Siswadi, Siswadi; Khairunnisa, Elvi; Indah, Novi Permata
OMEGA: Jurnal Keilmuan Pendidikan Matematika Vol. 4 No. 3 (2025): OMEGA (In Press)
Publisher : Program Studi Pendidikan Matematika, Fakultas Keguruan Dan Ilmu Pendidikan, Universitas Alwashliyah Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47662/jkpm.v4i3.1094

Abstract

On-time graduation (OTG) is a primary key performance indicator (KPI) for higher education institutions. Delays in graduation adversely affect institutional academic efficiency and increase student costs. This study aims to implement the Support Vector Machine (SVM) algorithm, a machine learning technique, to develop a predictive model for students' on-time graduation. This study employed a quantitative approach using a historical dataset of 20 students as a case study. Five predictor variables were utilized: Semester 4 GPA, total completed credits, attendance percentage, working status, and organizational activity. The dataset was partitioned into 80% for training and 20% for testing. Model performance was evaluated using a Confusion Matrix, along with Accuracy, Precision, Recall, and F1-Score metrics. The evaluation on the test set demonstrated that the SVM model achieved an overall Accuracy of 75%. Specifically for the 'On-Time' class, the model yielded a Precision of 66.7%, a Recall of 100%, and an F1-Score of 80%. These findings suggest that SVM is a viable method and holds potential as an early detection tool to identify students at risk of delayed graduation, thereby enabling timely intervention.
Co-Authors Dina Eka Nurvazly, Dina Eka Indah, Novi Permata Siswadi Siswadi