Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Register: Jurnal Ilmiah Teknologi Sistem Informasi JMPM: Jurnal Matematika dan Pendidikan Matematika Teknologi : Jurnal Ilmiah Sistem Informasi
Nisa Ayunda
Prodi Matematika Jurusan Matematika FMIPA Universitas Brawijaya
Computer Science & IT Education Mathematics

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Analisa Perbandingan Hasil Peramalan Data Time Series dengan Jaringan Syaraf Tiruan RBF dan FRBF Ayunda, Nisa
JMPM: Jurnal Matematika dan Pendidikan Matematika Vol 2, No 1: Maret - Agustus 2017
Publisher : Universitas Pesantren Tinggi Darul 'Ulum Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (204.5 KB) | DOI: 10.26594/jmpm.v2i1.887

Abstract

Pendekatan peramalan data time series dengan model jaringan syaraf Radial Basis Function (RBF) memiliki sifat supervised learning karena data yang dilatihkan berupa pasangan data input dan target yang diidentifikasi dan diekstrapolasi pola dan hubungannya. Sedangkan model jaringan syaraf Fuzzy Radial Basis Function (FRBF) merupakan model supervised-and-unsupervised learning yang merupakan kolaborasi himpunan fuzzy dan model jaringan syaraf RBF. Analisa perbandingan model jaringan syaraf  RBF dan model jaringan syaraf FRBF dalam peramalan data time series dilakukan dalam penelitian ini untuk mengetahui keefektifan hasil peramalan dengan kedua model tersebut. Nilai MSE dan epoch rata-rata untuk proses peramalan in-sample yang didapatkan untuk model jaringan syaraf RBF dan FRBF secara berurutan adalah 73,45 dan 8,1903E-05 serta 532,36 dan 9,8648E-05. Sedangkan pada peramalan out-sample, nilai yang didapatkan dengan model RBF menjauhi data-data sebelumnya.
Analisa Perbandingan Hasil Peramalan Data Time Series dengan Jaringan Syaraf Tiruan RBF dan FRBF Ayunda, Nisa
JMPM: Jurnal Matematika dan Pendidikan Matematika Vol 2 No 1: Maret
Publisher : Prodi Pendidikan Matematika Universitas Pesantren Tinggi Darul Ulum Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/jmpm.v2i1.887

Abstract

Pendekatan peramalan data time series dengan model jaringan syaraf Radial Basis Function (RBF) memiliki sifat supervised learning karena data yang dilatihkan berupa pasangan data input dan target yang diidentifikasi dan diekstrapolasi pola dan hubungannya. Sedangkan model jaringan syaraf Fuzzy Radial Basis Function (FRBF) merupakan model supervised-and-unsupervised learning yang merupakan kolaborasi himpunan fuzzy dan model jaringan syaraf RBF. Analisa perbandingan model jaringan syaraf  RBF dan model jaringan syaraf FRBF dalam peramalan data time series dilakukan dalam penelitian ini untuk mengetahui keefektifan hasil peramalan dengan kedua model tersebut. Nilai MSE dan epoch rata-rata untuk proses peramalan in-sample yang didapatkan untuk model jaringan syaraf RBF dan FRBF secara berurutan adalah 73,45 dan 8,1903E-05 serta 532,36 dan 9,8648E-05. Sedangkan pada peramalan out-sample, nilai yang didapatkan dengan model RBF menjauhi data-data sebelumnya.
Drowsy Eyes and Face Mask Detection for Car Drivers using the Embedded System Budiarti, Rizqi Putri Nourma; Nugroho, Bagoes Wahyu; Ayunda, Nisa; Sukaridhoto, Sritrusta
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 9 No 1 (2023): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v9i1.2612

Abstract

Efforts to prevent the spread of the COVID-19 virus have underscored the critical importance of mask-wearing as a preventive measure. Concurrently, road traffic accidents, often resulting from human error, have emerged as a significant contributor to global mortality rates. This study endeavors to address these pressing issues by employing advanced Deep Learning techniques to detect mask usage and identify drowsy eyes, thus contributing to the prevention of COVID-19 and accidents due to driver fatigue. To achieve this objective, an embedded system was developed, utilizing the integration of hardware and software components. The system effectively utilizes MobileNetV2 for face mask detection and employs HOG and SVM algorithms for drowsy eye detection. By seamlessly integrating these detection systems into a single embedded device, the simultaneous detection of both mask usage and drowsy eyes is made possible. The results demonstrates a commendable accuracy rate of 80% for face mask detection and 75% for drowsy eye detection. Furthermore, the mask detection component exhibits a remarkable training accuracy of 99%, while the drowsy eye detection component demonstrates an 80% training accuracy, affirming the system's efficacy in precisely identifying masks and drowsy eyes. The proposed embedded system offers potential applications in enhancing road safety. Its capability to effectively detect drowsy eyes and mask usage in car drivers contributes significantly to preventing accidents due to driver fatigue. Additionally, it plays a vital role in mitigating COVID-19 transmission by promoting widespread mask-wearing among individuals. This study exemplifies the potential of integrating Deep Learning methodologies with embedded systems, thus paving the way for future research and development in the realm of driver safety and virus prevention.
Journal Editorial Board & Table of Contents Ayunda, Nisa
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 8 No 2 (2022): July
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

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

Abstract

Analisa Formasi Tim Sepakbola Menggunakan Triangulasi Delaunay & Algoritma Clustering Ardiantoro, Luki; Ayunda, Nisa; Ristono, Joko; Muslimin, Moh
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 14 No 2 (2024): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v14i2.5108

Abstract

Sepak bola merupakan permainan tim, sehingga keberadaan formasi pemain sangat mutlak dibutuhkan selama pertandingan. Hal ini sangat penting untuk menerapkan taktik dan strategi menyerang maupun bertahan secara efektif. Analisis permainan membutuhkan model kuantitatif untuk memperoleh karakter dan strategi dari sebuat tim sepak bola. Dalam penelitian ini, dikembangkan algoritma untuk analisa formasi permainan tim nasional Indonesia berdasarkan metode triangulasi Delaunay dan algoritma clustering. Triangulasi yang digunakan untuk mendefinisikan pembentukan tim sebagai matiks ketetanggan triangulasi Delaunay. Formasi pemain bisa diketahui dari peta panas (hot map) pemain selama pertandingan berlangsung, dalam formasi yang umum digunakan, yakni: 4-4-2, 3-5-2, 3-4-3, dll. Selanjutnya, dengan menggunakan clustering hierarki, setiap formasi diklasifikasikan dan dibagi menjadi pola cluster yang lebih spesifik, dimana konfigurasi pemainnya berbeda. Tantangan dalam penelitian ini adalah melakukan visualisasi berupa perbandingan kuatitatif dan analisa deret waktu untuk formasi yang dinamis, serta focus pada transisi antar cluster pada setiap hierarki. Hal ini dibutuhkan untuk melakukan ekstraksi gaya tim dari beberapa pertandingan mengenai pertukaran posisi pemain di dalam formasi yang dinamis. Kemudian dilakukan profilisasi tiap cluster, untuk mengetahui karakteristik dari masing-masing cluster pada situasi pertandingan. Kesimpulan yang diperoleh adalah algoritma clustering bisa digunakan untuk mengnalisa strategi bertanding sebuah tim sepakbola, berdasarkan formasi yang digunakan.
Co-Authors Ardiantoro, Luki Budiarti, Rizqi Putri Nourma Muslimin, Moh Nugroho, Bagoes Wahyu ristono, joko