Claim Missing Document
Check
Articles

Found 11 Documents
Search

Analisa perbandingan k-means dan fuzzy c-means dalam pengelompokan daerah penyebaran COVID-19 Indonesia Putri, Aina Latifa Riyana; Dwidayati, Nurkaromah
Unnes Journal of Mathematics Vol 10 No 2 (2021)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v10i2.50433

Abstract

Penelitian ini bertujuan untuk mengetahui algoritma terbaik dalam pengelompokan daerah penyebaran Covid-19 per provinsi di Indonesia yang mana dilakukan berdasarkan fakta dimana saat ini Indonesia diguncangkan oleh mewabahnya Covid-19. Metode analisis data melakukan perbandingan antara algoritma k-Means dan Fuzzy c-Means dengan uji validitas cluster menggunakan Dunn-Index dan Davies Bouldin-Index untuk memperoleh hasil cluster optimal berbantuan Rstudio. Hasil penelitian menunjukkan bahwa pengujian clustering k-Means menghasilkan nilai akurasi yang lebih besar sebesar 1,165219 dibandingkan Fuzzy c-Means. Sehingga clustering k-Means diambil untuk menentukan pengelompokan daerah penyebaran Covid-19 per provinsi Indonesia. Diperoleh 4 cluster optimal berdasarkan beberapa data kasus Covid-19 dari 15 Maret 2020 - 30 Juli 2021 menggunakan metode Elbow yang terbentuk dengan algoritma k-Means yaitu cluster yang berpotensi sangat tinggi dalam penyebaran kasus Covid-19 berisi 2 provinsi, cluster yang berpotensi tinggi dalam penyebaran kasus Covid-19 berisi 22 provinsi, cluster yang berpotensi sedang dalam penyebaran kasus Covid-19 berisi 8 provinsi, dan cluster yang berpotensi rendah dalam penyebaran kasus Covid-19 berisi 2 provinsi. Saran yang diberikan sebaiknya pemerintah lebih menertibkan lockdown hingga giat edukasi perihal vaksin sebagai alternatif cara untuk menekan kasus Covid-19.
Forecasting Laju Inflasi Indonesia Menggunakan Rantai Markov Joko Riyono; Christina Eni Pujiastuti; Aina Latifa Riyana Putri
Jurnal Sains Matematika dan Statistika Vol 8, No 1 (2022): JSMS Januari 2022
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v8i1.14767

Abstract

Di tahun 2020, pandemi Covid-19 yang melanda dihampir seluruh penjuru dunia telah mengakibatkan kemerosotan perekonomian di beberapa negara. Inflasi sebagai salah satu indikator petunjuk perekonomian suatu negara dapat digunakan untuk mengukur kemerosotan perekonomian. Inflasi merupakan suatu proses kecenderungan atau trend naiknya harga barang dan jasa yang berlangsung secara terus menerus selama beberapa periode waktu. Inflasi yang terkendali dan sangat rendah merupakan salah satu keinginan pemerintah sehingga dapat mendukung terpeliharanya daya beli masyarakat. Sebaliknya inflasi yang tinggi akan mempersulit berkembangnya dunia usaha dalam perencanaan dunia bisnis yang meliputi kegiatan produksi, investasi maupun dalam penentuan harga barang dan jasa yang diproduksi. Pengetahuan prediksi laju inflasi yang akan datang sangat berguna untuk menyiapkan strategi yang tepat dalam menyusun kebijakan di sektor ekonomi. Data laju inflasi merupakan data runtun waktu, yang bersifat acak. Di dalamnya merupakan data perpindahan dari satu waktu ke waktu lainnya yang dapat diklasifikasikan sebagai inflasi ringan, sedang, tinggi dan hiperinflasi. Proses stokastik merupakan suatu proses matematika yang dapat digunakan untuk memodelkan fenomena data yang bergantung pada waktu. Rantai Markov merupakan proses stokastik dengan parameter diskrit yang memenuhi sifat Markov, kejadian yang akan datang hanya bergantung kepada keadaan saat ini. Pada paper ini berdasarkan data laju inflasi di Indonesia dari tahun 1969 sampai tahun 2020 akan dipakai untuk memprediksi tingkat inflasi di masa datang menggunakan analisis distribusi stasioner rantai Markov dan aplikasi software maple dan diperoleh bahwasanya laju inflasi tahun kedepan masih dalam taraf akan rendah sebesar 67.3%, kemungkinan akan sedang sebesar 28.3%, dan kemungkinan akan tinggi sebesar 4.4%.  Kata Kunci: Laju Inflasi, Data Time Series, Proses Stokastik, Rantai Markov.
Early Detection of COVID-19 Disease Based on Behavioral Parameters and Symptoms Using Algorithm-C5.0 Joko Riyono; Aina Latifa Riyana Putri; Christina Eni Pujiastuti
Indonesian Journal of Artificial Intelligence and Data Mining Vol 6, No 1 (2023): Maret 2023
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v6i1.22074

Abstract

The spread of COVID-19 disease has continued since it was first discovered at the end of 2019 until now. Transmission of COVID-19 is very fast, including through close contact through droplets and through the air. Therefore, early detection of COVID-19 is very important for patients and also those around them to be able to fight the COVID-19 pandemic because if patients get proper and fast treatment, then other people around them will be protected. In this study, an analysis of the classification of decision making for COVID-19 detection was carried out based on behavioral parameters and symptoms that could trigger exposure to COVID-19 using the C5.0 algorithm, followed by measuring the performance of the model using the Confusion Matrix. The C5.0 algorithm is a decision tree-based data mining method. The results of the C5.0 algorithm use a comparison of training data and test data of 70:30. After going through the Confusion Matrix test, an accuracy value of 98% is obtained which indicates that the resulting classification is very good, so that the resulting model can be used for early detection of COVID-19 patients.
Sosialiasi Pemilahan Sampah di Desa Kedungrandu: Solusi Pengeloaan dan Pemanfaatan Sampah Rumah Tangga Syahid Nur Khomsyi; Mega Yuliani Ramme; Gabriella F Pandiangan; Brian Nugraha Wiyono; Aina Latifa Riyana Putri
Indonesian Journal of Community Service and Innovation (IJCOSIN) Vol 4 No 2 (2024): Juli 2024
Publisher : LPPM IT Telkom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/ijcosin.v4i1.1549

Abstract

Waste is residual material in solid, liquid, or gas form that is present in people's lives. All human activities inevitably produce waste, including in Kedungrandu Village. Waste management using the Collect-Transport-Dispose principle is irrelevant because it does not solve the source of the household waste problem. As the highest waste producer, household waste management is critical to reduce the volume of waste disposed of in landfills. The most appropriate management and handling of household waste are done by sorting waste based on its characteristics. This activity will shape the role and encourage the community to participate in handling their household waste so that it is hoped that the amount will be reduced. The method used is a descriptive survey with a study design for filling out a questionnaire, observation/field survey method. The survey results show that the waste management system in Kedungrandu Village is not good because there is no rubbish dump and there is a lack of knowledge and skills in waste management. Based on the average survey results, show that 100% of people do not understand the difference between organic and inorganic waste and 60% of people have difficulty managing household waste. The benefits of this socialization are that people can sort waste according to their characteristics, have awareness and concern for the environment, and find the right solution to overcome waste. management problems. Potential problems in community-based waste management education and planning of subsequent activities are important for the sustainability of waste management.
EVALUATION OF PARTICLE SWARM ALGORITHM MODIFICATIONS ON SUPPORT VECTOR MACHINE HYPERPARAMETER OPTIMIZATION TUNING FOR RAIN PREDICTION Putri, Aina Latifa Riyana; Riyono, Joko; Pujiastuti, Christina Eni; Supriyadi
Jurnal Ilmiah Kursor Vol. 12 No. 4 (2024)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v12i4.411

Abstract

The Particle Swarm Optimization (PSO) algorithm, though simple and effective, faces challenges like premature convergence and local optima entrapment. Modifications in the PSO structure, particularly in acceleration coefficients (  and ), are proposed to address these issues. Techniques like Time Varying Acceleration Coefficients (TVAC), Sine Cosine Acceleration Coefficients (SCAC), and Nonlinear Dynamics Acceleration Coefficients (NDAC) have been implemented to enhance convergence speed and solution quality. This research evaluates various PSO modifications for improving convergence and robustness in rainfall potential prediction using Support Vector Machine (SVM) classification. The UAPSO-SVM algorithm C=0.82568 and γ=0.01960 excels in initial exploration, discovering more optimal global solutions with smaller variability. In contrast, TVACPSO-SVM shows gradual improvement but requires more iterations for stability, while SBPSO-SVM achieves the fastest convergence at iteration 14 but risks overfitting. Robustness analysis reveals all PSO-SVM variants maintain stable performance despite variations in dataset subset sizes, with accuracy stabilizing after a spike at 20%.. Therefore, PSO modifications enhance convergence speed and resilience to data fluctuations, improving their effectiveness for rainfall prediction.  
Optimalisasi Pengelolaan Data Tumbuh Kembang Anak PAUD dengan Aplikasi Excel: Studi Kasus KB Kenanga Desa Pesantren Ayu, I Gusti De; Prameswari, Mayesq; Kania, Putri Emas; Harnoko, Sri Namira Putri; Putri, Aina Latifa Riyana
Jurnal Pengabdian Sosial Vol. 2 No. 2 (2024): Desember
Publisher : PT. Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/pj95y776

Abstract

Kelompok Bermain Kenanga di Desa Pesantren menggunakan buku Deteksi Dini Tumbuh Kembang Anak (DDTK) sebagai acuan untuk melihat perkembangan dari peserta didiknya. Saat ini, guru PAUD mencatat perkembangan anak secara manual, yang berpotensi menimbulkan kesalahan dan keterbatasan dalam akses data. Penelitian ini bertujuan untuk mengoptimalkan pengelolaan data perkembangan anak PAUD di Kelompok Bermain Kenanga, Desa Pesantren, menggunakan aplikasi Microsoft Excel. Prosedur penelitian mencakup identifikasi kebutuhan, perencanaan program, pelaksanaan pelatihan Excel, serta monitoring dan evaluasi. Hasil penelitian menunjukkan bahwa aplikasi Excel membantu mempermudah pencatatan dan meningkatkan akurasi dalam pengelolaan data perkembangan anak. Selain itu, penggunaan Excel efektif untuk mendukung proses pemantauan perkembangan anak dan memperkuat keterlibatan orang tua dalam proses pendidikan anak.
Pengembangan Keterampilan Spreadsheet untuk Siswa Sekolah Dasar: Pelatihan dan Pembuatan Database Koleksi Buku di Rumah Literasi Desa Tambaksogra Bashiran, Himam; Dewanti, Anggun; Zahra, Indy Aurellia Az; Silaen, Ferdinan; Putri, Aina Latifa Riyana
Jurnal Pengabdian Sosial Vol. 2 No. 2 (2024): Desember
Publisher : PT. Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/0a8ccc31

Abstract

Rumah Literasi Desa Tambaksogra menghadapi tantangan dalam pengelolaan koleksi buku yang belum terorganisasi secara efektif. Di sisi lain, siswa sekolah dasar (SD) di desa tersebut, khususnya siswa kelas akhir yang akan melanjutkan ke jenjang sekolah menengah pertama (SMP), umumnya belum memiliki keterampilan dasar dalam pengolahan data. Program pengabdian masyarakat ini bertujuan untuk meningkatkan keterampilan siswa dalam penggunaan spreadsheet dan memberikan solusi pengelolaan koleksi buku melalui pelatihan terstruktur. Pelatihan mencakup pengenalan antarmuka spreadsheet, fungsi dasar seperti SUM dan AVERAGE, serta simulasi pembuatan database buku. Hasil survei menunjukkan peningkatan pemahaman siswa dari 73% menjadi 94%, serta tingkat kepuasan rata-rata sebesar 71,48%. Program ini memberikan manfaat langsung bagi siswa dalam literasi teknologi dan membantu pengelola Rumah Literasi mengoptimalkan pencatatan koleksi buku secara lebih efektif.
Pemanfaatan Media Sosial Sebagai Pembelajaran Digital Footprint dan Media Konten Pemasaran Syahida, Shafa; Tamara, Donna Nur; Setyaningsih, Destina Bekti; Amalia, Raisha; Putri, Aina Latifa Riyana
Jurnal Pengabdian Sosial Vol. 2 No. 2 (2024): Desember
Publisher : PT. Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/n3k2jx27

Abstract

Perkembangan teknologi digital telah menjadikan media sosial sebagai bagian penting dalam kehidupan siswa SMA, menawarkan kemudahan akses informasi dan interaksi sosial. Namun, hal ini juga menghadirkan tantangan dalam pengelolaan jejak digital, yang mencakup informasi aktif maupun pasif yang dapat memengaruhi reputasi dan privasi individu. Berdasarkan pengamatan di SMA Jenderal Soedirman, ditemukan bahwa siswa belum memahami pentingnya pengelolaan digital footprint dan potensi media sosial untuk pemasaran konten. Selain itu, sekolah juga menghadapi masalah kurangnya jumlah siswa, yang kemungkinan disebabkan oleh minimnya kesadaran masyarakat akan keberadaan sekolah tersebut. Sebagai upaya mengatasi permasalahan tersebut, dilakukan sosialisasi yang bertujuan untuk meningkatkan pemahaman siswa dan guru tentang pentingnya unggahan yang relevan dan bermanfaat, baik untuk personal branding maupun branding sekolah. Kegiatan ini juga mencakup revitalisasi akun Instagram sekolah untuk menarik perhatian masyarakat. Dengan media sosial yang aktif dan konten yang menarik, diharapkan SMA Jenderal Soedirman dapat meningkatkan jumlah pendaftar di masa depan, sekaligus membekali siswa dengan keterampilan literasi digital yang lebih baik.
Decision Tree for Determining Hospital Treatment for Covid-19 Patients Based on Hematology Parameters Using the C5.0 Algorithm Riyono, Joko; Pujiastuti, Christina Eni; Supriyadi, Supriyadi; Prayitno, Dody; Putri, Aina Latifa Riyana
JISA(Jurnal Informatika dan Sains) Vol 7, No 2 (2024): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v7i2.2103

Abstract

The rapid spread of the COVID-19 disease, which occurred globally from late 2019 to the early 2020s, significantly impacted communities worldwide, requires early detection of COVID-19 which is very important for patients and also the people around them to be able to fight the COVID-19 pandemic. Therefore, a classification analysis will be carried out to make decisions regarding determining COVID-19 patients who do not require hospitalization or who require Regular Ward, Semi-Intensive Care Unit, or Intensive Care Unit (ICU) in hospitals based on hematology parameters from the Machine Learning Repository. Kaggle Dataset uses the C5.0 algorithm assisted by Rstudio software. It is also known that because the data contains missing data, it is also necessary to handle missing data using the Mean Method assisted by SPSS software. Performance evaluated using the Confusion Matrix method produces an accuracy value of 78% which is considered quite good, where testing with the C5.0 Algorithm uses a training and testing data ratio of 40:60. This research simplifies and speeds up medical decision-making, improving patient management. With COVID-19 declining, the method can be applied to enhance healthcare systems' accuracy and efficiency in handling other diseases or emergencies, ensuring better preparedness for future challenges.
Literasi Data Dengan Pembuatan Dashboard Dan Visualisasi Data Pada Data Runtun Waktu Dengan Looker Studio Dan RStudio riyono, joko; Pujiastuti, Christina Eni; Supriyadi, Supriyadi; Putri, Aina Latifa Riyana; Puspa, Sofia Debi
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 8, No 2 (2025): MEI 2025
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v8i2.2656

Abstract

Revolusi Industri 4.0 telah membawa pesatnya perkembangan teknologi informasi dan memberikan dampak besar pada berbagai bidang termasuk industri. Pilar teknologi terpenting dalam Revolusi Industri 4.0 meliputi big data, kecerdasan buatan, Internet of Things, komputasi awan, dan manufaktur aditif. PKM ini diadakan sebagai upaya dalam menambah kemampuan pengolahan dan visualisasi data khususnya di Runtun Waktu sehingga laporan menjadi menarik dan interaktif bagi mitra. Mitra PKM ini terdiri dari guru dan Gen Z dari wilayah Jabodetabek. PKM ingin agar Mitra PKM dapat memperoleh wawasan dan pengetahuan dari data yang kompleks serta memantau kondisi bisnis dan bidang lainnya yang dapat terupdate secara real time. Guna mengukur kemampuan Mitra sebelum dan sesudah mengikuti pelatihan, maka setiap Mitra PKM diminta menjawab Quiz sebelum dan sesudah pelatihan. Didasarkan hasil quiz dan kuesioner yang diberikan peserta PKM, sebanyak 85% setara dengan 110 dari total 130 peserta menilai bahwasanya pelaksanaan PKM berjalan dengan baik dan memberikan saran agar pelatihan dapat dilanjutkan dengan topik lain untuk menambah wawasan peserta di era digitalisasi saat ini.