Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

0.983

P-Index

This Author published in this journals

All Journal Jurnal Pendidikan Matematika Jurnal Fourier AdMathEduSt: Jurnal Ilmiah Mahasiswa Pendidikan Matematika EDU-MAT: Jurnal Pendidikan Matematika JURNAL SILOGISME : Kajian Ilmu Matematika dan Pembelajarannya EDUPEDIA JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Imajiner: Jurnal Matematika dan Pendidikan Matematika Jurnal Ilmiah Matematika Bulletin of Applied Mathematics and Mathematics Education Euclid Jurnal Riset Sistem dan Teknologi Informasi Teknomatika: Jurnal Informatika dan Komputer

Julan Hernadi

Universitas Ahmad Dahlan

Author-ID : 280722

Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 18 Documents Claim Missing Document

Claim Missing Document

Articles

1 2

KONSISTENSI AKSIOMA-AKSIOMA TERHADAP ISTILAH-ISTILAH TAKTERDEFINISI GEOMETRI HIPERBOLIK PADA MODEL PIRINGAN POINCARE Febriyana Putra Pratama; Julan Hernadi
EDUPEDIA Vol 2, No 2 (2018): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

This research aims to know the interpretation the undefined terms on Hyperbolic geometry and it’s consistence with respect to own axioms of Poincare disk model. This research is a literature study that discusses about Hyperbolic geometry. This study refers to books of Foundation of Geometry second edition by Gerard A. Venema (2012), Euclidean and Non Euclidean Geometry (Development and History) by Greenberg (1994), Geometry : Euclid and Beyond by Hartshorne (2000) and Euclidean Geometry: A First Course by M. Solomonovich (2010). The steps taken in the study are: (1) reviewing the various references on the topic of Hyperbolic geometry. (2) representing the definitions and theorems on which the Hyperbolic geometry is based. (3) prepare all materials that have been collected in coherence to facilitate the reader in understanding it. This research succeeded in interpret the undefined terms of Hyperbolic geometry on Poincare disk model. The point is coincide point in the Euclid on circle . Then the point onl γ is not an Euclid point. That point interprets the point on infinity. Lines are categoried in two types. The first type is any open diameters of . The second type is any open arcs of circle. Half-plane in Poincare disk model is formed by Poincare line which divides Poincare field into two parts. The angle in this model is interpreted the same as the angle in Euclid geometry. The distance is interpreted in Poincare disk model defined by the cross-ratio as follows. The definition of distance from to is , where is cross-ratio defined by . Finally the study also is able to show that axioms of Hyperbolic geometry on the Poincare disk model consistent with respect to associated undefined terms.

SISTEM FUNGSI ITERASI DAN DIMENSI FRAKTAL PADA HIMPUNAN SERUPA DIRI Sri Wahyuningsih; Julan Hernadi
Euclid Vol 7, No 2 (2020): Edisi Juli
Publisher : Universitas Swadaya Gunung Jati.

Fraktal merupakan bentuk geometri yang dihasilkan dengan memulai sebuah pola yang sangat sederhana. Beberapa sifat dari fraktal diantaranya yaitu pengulangan, penskalaan, dan keserupaan diri. Ada beberapa cara untuk mengkonstruksi bangun fraktal, salah satunya adalah dengan menggunakan sistem fungsi iterasi (SFI). Penelitian ini bertujuan untuk: (1) menjelaskan sistem fungsi iterasi, (2) mengetahui cara mengkonstruksi fraktal, dan (3) menghitung dimensi fraktal melalui sistem fungsi iterasi. Penelitian ini merupakan penelitian deskriptif kualitatif dengan bentuk studi pustaka dimana sumber informasi diperoleh dari buku, jurnal ilmiah, dan bahan pustaka lainnya yang berkaitan dengan sistem fungsi iterasi, dimensi fraktal, dan himpunan-himpunan serupa-diri. Hasil dari penelitian ini menjelaskan bahwa sistem fungsi iterasi merupakan koleksi pemetaan kontraksi berhingga. Cara mengkonstruksi fraktal dengan sistem fungsi iterasi yaitu dengan menemukan atraktornya, maka atraktor itulah yang merupakan bentuk fraktal. Dan untuk menghitung dimensi fraktal adalah dengan mencari skala/ faktor kontraksi dari pemetaanya.

Penerapan Metode Pembelajaran Bermain Peran untuk Menurunkan Kecemasan Siswa terhadap Matematika Widiarti, Arisma; Hernadi, Julan
Imajiner: Jurnal Matematika dan Pendidikan Matematika Vol 1, No 6 (2019): Imajiner: Jurnal Matematika dan Pendidikan Matematika
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/imajiner.v1i6.4576

Penelitian ini bertujuan untuk: (1) mendeskripsikan penerapan metode pembelajaran bermain peran yang dapat menurunkan kecemasan siswa terhadap matematika pada materi aritmatika sosial (2) Mengetahui penurunan kecemasan siswa terhadap matematika setelah diterapkan metode pembelajaranÂ bermain peran pada materi Aritmatika sosial kelas VII G SMP N 1 Kecamatan Bungkal. Penelitian ini merupakan penelitian tindakan kelas (PTK) dengan dua siklus, tiap siklus terdiri dari tiga pertemuan.. Subjek dalam penelitian ini adalah siswa kelas VII G SMP N 1 Kecamatan Bungkal yang berjumlah 26 siswa. Instrumen yang digunakan untuk mengumpulkan data meliputi angket kecemasan matematika siswa, wawancara dan lembar observasi keterlaksanaan pembelajaran guru dan siswa. Analisis data dilakukan secara deskriptif kualitatif terhadap data yang diperoleh. Berdasarkan hasil penelitian diperoleh penerapan metode pembelajaran bermain peran dapat menurunkan kecemasan siswa terhadap matematika. Penerapan metode pembelajaran yang berbasisÂ simulasiÂ ini dapat menjadikan proses pembelajaran menjadi lebih menarik dan tidak membosankan. PersentaseÂ rata-rata keterlaksanaan pembelajaran guru mencapai kriteria sangat baik yaitu 96,66% danÂ persentase rata-rata skor keterlaksanaan pembelajaran siswa telah mencapai kriteria baik, yaitu 88,20%.Â Dari hasil analisis angket presentase tingkat kecemasan matematika mengalami penurunan menuju kecemasan rendah pada tiap siklusnya. Pada siklus II kecemasan matematika tingkat rendah mencapai 73,07, kecemasan matematika tingkat sedang 19,23%, dan kecemasan matematika tingkat tinggi 7,69%.

Prediksi Tingkat Kepuasan Pelanggan Maskapai Penerbangan Menggunakan Decision Tree Hernadi, Julan; Fadhilah Afwiyah
Jurnal Ilmiah Matematika Vol. 11 No. 2 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v11i2.30735

Penelitian ini mengkaji penerapan algoritma Decision Tree Regression dalam memprediksi tingkat kepuasan pelanggan maskapai penerbangan. Dengan menggunakan dataset yang relevan, model Decision Tree berhasil dibangun dan dievaluasi. Hasil penelitian menunjukkan bahwa Decision Tree merupakan alat yang efektif untuk menganalisis data pelanggan dan mengidentifikasi faktor-faktor yang mempengaruhi kepuasan pelanggan. Penelitian ini memberikan kontribusi pada pengembangan model prediksi dalam bidang ilmu data, khususnya dalam konteks industri penerbangan..

Klasifikasi Data Tak Seimbang Menggunakan Algoritma Random Forest dengan SMOTE dan SMOTE-ENN: (Studi Kasus pada Data Stunting) Anju Fauziah; Julan Hernadi
Jurnal Teknomatika Vol 17 No 2 (2024): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/teknomatika.v17i2.1530

Algoritma random forest merupakan salah satu metode klasifikasi pembelajaran mesin yang banyak digunakan karena memiliki keunggulan dalam mengurangi resiko overfitting sekaligus meningkatkan kinerja prediksi secara umum. Namun untuk data dengan kelas tidak seimbang, algoritma ini tidak mampu mencapai performa maksimal khususnya dalam memprediksi data pada kelas minoritas. Untuk itu artikel ini menawarkan dua metode resampling untuk menyeimbangkan data, yaitu Synthetic Minority Oversampling Technique (SMOTE) dan Synthetic Minority Oversampling Technique with Edited Nearest Neighbors (SMOTE-ENN). Untuk klasifikasi data diterapkan algoritma random forest terhadap data asli dan hasil resampling baik menggunakan SMOTE maupun SMOTE-ENN. Studi kasus diterapkan pada data stunting yang berjumlah 421 pada kelas mayoritas dan 79 pada kelas minoritas. Diperoleh akurasi 89% pada data asli, 90% pada data hasil resampling dengan SMOTE-ENN, dan 91% pada data resampling dengan SMOTE. Walaupun tidak terlalu signifikan, teknik resampling dengan SMOTE memberikan akurasi terbaik.

Evaluasi Optimizer Adam dan RMSProp pada Arsitektur VGG-19 Klasifikasi Ekspresi Wajah Manusia Ramadhan, Fauzi; Hernadi, Julan
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.6197

Ekspresi wajah merupakan salah satu bentuk komunikasi non-verbal utama yang memungkinkan pengenalan dan pemahaman emosi manusia. Dalam konteks perkembangan Artificial Intelegence (AI), klasifikasi emosi dari ekspresi wajah menjadi bidang penelitian yang penting. Penelitian ini bertujuan untuk menyalakan kinerja dua optimizer populer yaitu Adam dan RMSProp pada model VGG-19. Evaluasi dilakukan dengan pengukuran akurasi dan loss validasi dari kedua optimizer menggunakan dataset FER-2013, yang terdiri dari gambar-gambar ekspresi wajah dengan berbagai emosi. Model VGG-19 yang digunakan adalah versi modifikasi dengan penambahan lapisan fullconnected dan dropout untuk mengurangi overfitting. Hasil penelitian menunjukkan bahwa optimizer Adam mampu mencapai akurasi rasio tertinggi sebesar 91.26% dengan batch size 256 dan epoch 25, serta menghasilkan loss validasi sebesar 1.0241, sedangkan optimizer RMSProp menghasilkan rasio rata-rata 84.60% dengan batch size 32 dan epoch 50, serta menghasilkan loss validasi 1.0910 . Analisis lebih lanjut menunjukkan bahwa optimizer Adam tidak hanya lebih efisien dalam mencapai akurasi yang lebih tinggi, tetapi juga lebih stabil dalam konvergensi dibandingkan dengan RMSProp, meskipun memerlukan ukuran batch yang lebih besar. Hal ini menunjukkan bahwa Adam lebih efektif dalam mengatasi variasi dalam gradien yang sering terjadi pada dataset besar dan kompleks. Data ini menunjukkan bahwa meskipun optimizer Adam membutuhkan ukuran batch yang lebih besar, secara konsisten memberikan kinerja lebih baik dalam klasifikasi emosi dibandingkan dengan RMSProp. Berdasarkan hasil optimasi tersebut Adam direkomendasikan untuk digunakan dengan arsitektur VGG-19 dalam tugas klasfikasi ekspresi wajah.

Face pattern recognition using Expectation-Maximization (EM) algorithm Purwadi, Joko; Hernadi, Julan; Suryantoro, M. Danang
Bulletin of Applied Mathematics and Mathematics Education Vol. 2 No. 1 (2022)
Publisher : Universitas Ahmad Dahlan

This paper discuss about the use face patteren recognition which is now days become popular especialy on smartphone lock screen system. The method used in this research are the Expectation – Maximization (EM) Algorithm. EM Algorithm is an iterative optimization method for the estimation of Maximum Likelihood (ML) which is used in incomplete data problems. there are 2 stages, namely the Expectation stage E (E-step) and the Maximization stage M (M-step). These two stages will continue to be carried out until they reach a convergent value. The result of the research shows that EM Algorthm produce high accuracy, it’s about 95% on the data training and 83% accuracy on the data testing.

Klasifikasi Data Tak Seimbang menggunakan Algoritma Random Forest dengan SMOTE dan SMOTE-ENN (Studi Kasus pada Data Stunting) Fauziah, Anju; Julan Hernadi
Jurnal Riset Sistem dan Teknologi Informasi Vol. 3 No. 2 (2025): Jurnal Riset Sistem dan Teknologi Informasi (RESTIA)
Publisher : Universitas Aisyiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30787/restia.v3i2.1906

The random forest algorithm is one of the widely used machine learning classification methods because it has the advantage of reducing the risk of overfitting while improving general prediction performance. However, for data with unbalanced classes, this algorithm lacks to achieve its best performance, particularly in predicting data in the minority class. As a result, this article proposes two resampling approaches to balance the data: the Synthetic Minority Oversampling Technique (SMOTE) and the Synthetic Minority Oversampling Technique with Edited Nearest Neighbors (SMOTE-ENN). For the data classification technique, the random forest algorithm is applied to the original data, then to the resampling results using both SMOTE as well as SMOTE-ENN. The case study was applied to stunting data consisting of 421 cases in the majority class and 79 in the minority class. An accuracy of 89% was obtained on the original data, 90% on the resampled data with SMOTE-ENN, and 91% on the resampled data with SMOTE. The best accuracy was obtained using resampling technique with SMOTE, however it was not particularly significant.

Co-Authors Anju Fauziah Azizah Fattu Rohmah Dhika Jeviana Fadhilah Afwiyah Fauziah, Anju Febriyana Putra Pratama Fuad Arianto Joko Eliyanto Purwadi, Joko Ramadhan, Fauzi Ria Rahayu Siti Nur Azizah Sri Wahyuningsih Suryantoro, M. Danang Widiarti, Arisma Yopanika Naurosa Khusnayani Zullinar Rifcha Wahyu Widiana

Title

Found 18 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 18 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 18 Documents
Search