Article Per Year (5 Year)
p-Index From 2020 - 2025
6.132
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) International Journal of Advances in Applied Sciences TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Simantec SEMIRATA 2015 ICON-CSE Annual Research Seminar Proceeding of the Electrical Engineering Computer Science and Informatics AKSIOMA Demography Journal of Sriwijaya Jurnal Penelitian Sains JST ( Jurnal Sains Terapan ) JURNAL ILMIAH MATEMATIKA DAN TERAPAN BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Infomedia Riau Journal of Empowerment Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) KOMPUTEK Indonesian Journal of Applied Informatics Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Vokasi Jurnal Teknik Elektro dan Komputasi (ELKOM) International Journal of Applied Sciences and Smart Technologies Jurnal ABDINUS : Jurnal Pengabdian Nusantara Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang JOINT (Journal of Information Technology Pattimura International Journal of Mathematics (PIJMath) COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Diophantine Journal of Mathematics and Its Applications
Irmeilyana
Jurusan Matematika FMIPA Universitas Sriwijaya
Agriculture, Biological Sciences & Forestry Arts Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 74 Documents
Search

 4   5   6   7   8 
Penerapan Regresi Nonparametrik Spline Truncated Dalam Memodelkan Hubungan Faktor-Faktor Yang Mempengaruhi Indeks Pembangunan Gender (IPG) Di Provinsi Sumatera Utara Irmeilyana, Irmeilyana; Ramadhan, Raihan; Desiani, Anita
JST (Jurnal Sains Terapan) Vol 10, No 1 (2024): JST (Jurnal Sains Terapan)
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat, Politeknik Negeri Balikpapan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jst.v10i1.2012

Abstract

Capaian Indeks Pembangunan Gender (IPG) Provinsi Sumatera Utara (Sumut) pada tahun 2021 masih berada di bawah IPG nasional. Provinsi Sumut masih dihadapkan dengan tantangan pembangunan untuk mewujudkan kesetaraan gender seperti rendahnya rata-rata lama sekolah dan tingginya kesenjangan pendapatan antar gender. Hal-hal tersebut menunjukkan bahwa IPG di Provinsi Sumut perlu ditingkatkan. Penelitian ini bertujuan untuk memperoleh model regresi terbaik dan mengetahui faktor-faktor yang berpengaruh signifikan terhadap IPG Provinsi Sumut. Penelitian ini menggunakan metode regresi nonparametrik spline truncated karena pola data antara variabel respon dengan 6 variabel prediktor dari data yang digunakan tidak membentuk pola tertentu. Banyaknya titik knot yang digunakan yaitu 1 knot, 2 knot, 3 knot dan kombinasi knot, serta orde yang digunakan adalah orde 1. Pemilihan titik knot optimal dan model terbaik menggunakan Generalized Cross Validiation (GCV) berdasarkan nilai GCV minimum dan model terbaik yang diperoleh diukur menggunakan koefisien determinasi ( ). Hasil penelitian ini yaitu model regresi nonparametrik spline truncated terbaik menggunakan kombinasi knot (3, 3, 1, 1, 3, 3) dengan nilai GCV minimum sebesar 5,64129. Faktor-faktor yang yang berpengaruh signifikan terhadap IPG di Provinsi Sumut yaitu TPAK perempuan , RLS perempuan , AMH perempuan , dan AHH perempuan . Model terbaik yang diperoleh memiliki nilai  sebesar 92,79% dengan asumsi residual identik, independen, dan distribusi normal (IIDN) terpenuhi.Kata kunci : IPG, Regresi nonparametrik spline truncated, Titik Knot, GCV, Koefisien Determinasi
MODEL REGRESI DATA PANEL PADA FAKTOR-FAKTOR YANG MENENTUKAN PRODUKSI KOPI DI PROVINSI SUMATERA SELATAN TAHUN 2015-2021 Irmeilyana, Irmeilyana; Amalia, Indah; Maiyanti, Sri Indra; Ngudiantoro, Ngudiantoro
JST (Jurnal Sains Terapan) Vol 8, No 1 (2022): JST (Jurnal Sains Terapan)
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat, Politeknik Negeri Balikpapan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jst.v8i1.1550

Abstract

Kopi merupakan salah satu komoditas perkebunan unggulan yang ada di Indonesia. Sumatera Selatan merupakan provinsi dengan luas areal dan hasil produksi kopi terbesar di Indonesia. Tujuan penelitian ini yaitu untuk memperoleh model regresi data panel pada faktor-faktor yang menentukan produksi kopi pada 12 kabupaten/kota di Sumatera Selatan tahun 2015-2021. Penelitian ini menggunakan data dari Direktorat Jenderal Perkebunan Kementerian Pertanian Indonesia. Estimasi model regresi data panel dilakukan dengan menggunakan tiga model yaitu Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model (REM). Pemilihan model terbaik dilakukan dengan tiga pengujian yaitu uji Chow, uji Hausman dan uji Lagrange Multiplier. Model terbaik yang terpilih yaitu FEM dengan efek individu. Hasil estimasi FEM menunjukkan variabel luas lahan Tanaman Menghasilkan  berpengaruh positif dan mampu menjelaskan total produksi kopi di Provinsi Sumatera Selatan sebesar 85,91%. Model regresi data panel dari FEM adalah  , dengan  merupakan efek individu/wilayah yang menjadi pembeda kabupaten/kota di Provinsi Sumatera Selatan.  Kata kunci:  efek individu, Fixed Effect Model, produksi kopi, regresi data panel
Klasifikasi Penyakit Jantung Menggunakan Perbandingan Implementasi Algoriitma Naïve Bayes dan K-Nearest Neighbor Desiani, Anita; Simamora, Valentino; Irmeilyana, Irmeilyana
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 5, No 1 (2024): Transformasi Digital: Tren dan Tantangan dalam Era Revolusi Industri 4.0
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v5i1.7619

Abstract

Jantung merupakan organ penting pada manusia. Jantung memiliki peran aktif dalam memompa darah ke seluruh tubuh. Selama mejalankan tugasnya, jantung dapat mengalami berbagai macam penyakit. Kita dapat melakukan klasifikasi terhadap penyakit jantung untuk mengetahui jumlah rata-rata manusia yang terserang penyakit jantung. Untuk mendapatkan algoritma yang terbaik, kita perlu melakukan perbandingan. Pada penelitian ini, algortima yang digunakan adalah K-Nearest Neighbor dan Naïve Bayes. Dari hasil penelitian pada K-NN diperoleh hasil akurasi, presisi, dan recall sebesar 100% sedangkan Naïve Bayes mendapat hasil akurasi, presisi, dan recall sebesar 85%-85,5%. Maka algoritma yang terbaik adalah Naïve Bayes. 
DIAGNOSA PENYAKIT PARKINSON DENGAN ALGORITMA K-NEAREST NEIGHTBOR DAN DECISION TREE C4.5 Desiani, Anita; Narti, Narti; Ramayanti, Indri; Arhami, Muhammad; Irmeilyana, Irmeilyana
Jurnal Simantec Vol 12, No 1 (2023): Jurnal Simantec Desember 2023
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v12i1.21167

Abstract

Parkinson adalah suatu penyakit dimana neurologis mempengaruhi neuron dopaminergik, yang dibuktikan dengan kematian sel-sel otak yang ada, hilangnya pigmentasi substantia nigra, adanya inklusi sitoplasma, dan penurunan kadar dopamin di substantia nigra pars compacta dan corpus striatum. Penyakit parkinson dapat didiagnosa dengan melakukan pengklasifikasian untuk mengukur tingkat akurasi. Tujuan dari penelitian ini adalah untuk melakukan diagnosa penyakit Parkinson dengan dua algoritma yang berbeda, yaitu algoritma K-Nearest Neighbor (KNN) dan algoritma C4.5 dengan metode pelatihan Percentage split dan validasi K-fold cross yang nantinya kan dibandingkan satu sama lain. Dari penelitian ini, nilai presisi yang dimiliki penderita Parkinson's disease algoritma C4.5 split persentasenya adalah 96%. Begitu juga untuk nilai recall yang dimiliki oleh penderita penyakit Parkinson yaitu sebesar 93%. Nilai akurasi algoritma K-Nearest Neighbor (KNN) adalah 82% untuk metode pelatihan pada percentage split dan 76,8% dengan metode validasi K-fold cross dan 89% untuk algoritma C4.5 dengan metode pelatihan pada Percentage split dan 81% dengan metode validasi K-fold cross.Kata kunci: C4.5, K- Fold Cross Validation, K-Nearest Neighbor, Parkinson, Percentage Split
Klasifikasi Penyakit Hati Menggunakan Perbandingan Implementasi Algoritma Naïve Bayes Dan K-Nearest Neighbor Simamora, Valentino; Desiani, Anita; Irmeilyana, Irmeilyana
Jurnal Teknik Elektro dan Komputasi (ELKOM) Vol 6, No 1 (2024): ELKOM
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/elkom.v6i1.18424

Abstract

Hati merupakan organ kelenjar dalam tubuh manusia. Hati manusia memiliki bobot kira-kira mencapai 1200 hingga 1500 gram. Sebagai kelenjar terbesar dalam tubuh manusia, hati dapat terserang berbagai macam penyakit. Kita dapat melakukan klasifikasi mengenai penyakit hati yang bertujuan memperoleh jumlah rata-rata manusia yang terserang penyakit hati. Dengan penelitian ini, kita bisa membandingkan dan menyimpulkan algoritma mana yang paling tepat untuk diterapkan pada proses klasifikasi terhadap penyakit hati. Pada penelitian ini algoritma yang digunakan ialah algoritma pertama Naïve Bayes dan algoritma kedua K-Nearest Neighbor (K-NN). Dari hasil penelitian maka diperoleh bahwa Naïve Bayes memberikan nilai akurasi, presisi dan recall sebesar 85%-85,5% yang mana ini dapat dikatakan cukup baik namun belum baik. Sedangkan K-NN dapat memberikan nilai sempurna pada akurasi, presisi dan recall yaitu 100%. Maka algoritma yang terbaik dan dapat digunakan adalah algoritma K-NN
Simple Data Augmentation and U-Net CNN for Neclui Binary Segmentation on Pap Smear Images Desiani, Anita; Irmeilyana; Zayanti, Des Alwine; Utama, Yadi; Arhami, Muhammad; Affandi, Azhar Kholiq; Sasongko, Muhammad Aditya; Ramayanti, Indri
Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol 6 No 3 (2024): July
Publisher : Department of Electromedical Engineering, POLTEKKES KEMENKES SURABAYA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/jeeemi.v6i3.442

Abstract

The nuclei and cytoplasm can be detected through Pap smear images. The image consists of cytoplasm and nuclei. In Pap smear image, nuclei are the most critical cell components and undergo significant changes in cervical cancer disorders. To help women avoid cervical cancer, early detection of nuclei abnormalities can be done in various ways, one of which is by separating the nuclei from the non-nucleis part by image segmentation it. In this study, segmentation of the separation of nuclei with other parts of the Pap smear image is carried out by applying the U-Net CNN architecture. The amount of pap smear image data is limited. The limiter data can cause overfitting on U-Net CNN model. Meanwhile, U-Net CNN needs a large amount of training data to get great performance results for classification. One technique to increase data is augmentation. Simple techniques for augmentation are flip and rotation. The result of the application of U-Net CNN architecture and augmentation is a binary image consisting of two parts, namely the background and the nuclei. Performance evaluation of combination U-Net CNN and augmentation technique is accuracy, sensitivity, specificity, and F1-score. The results performance of the method for accuracy, sensitivity, and F1-score values are greater than 90%, while the specificity is still below 80%. From these performance results, it shows that the U-Net CNN combine augmentation technique is excellent to detect nuclei in compared to detect non nuclei cell on pap smear image.
Klasifikasi Pengambilan Keputusan Tindakan Operasi Sesar Menggunakan Algoritma Classification and Regression Trees fildzah daniela, nyayu audy; desiani, anita; Irmeilyana, Irmeilyana
KOMPUTEK Vol 8, No 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2399

Abstract

Data mining adalah sebuah metode yang dapat digunakan untuk melihat pola pada kumpulan data yang hasilnya dapat digunakan untuk pengambilan keputusan. Salah satu metode dari proses data mining adalah klasifikasi. Untuk membuat klasifikasi data mining ada salah satu algoritma yang dapat digunakan yaitu Classification and Regression Trees (CART). Penelitian ini bertujuan untuk mengklasifikasikan pengambilan keputusan tindakan operasi sesar menggunakan algoritma Classification and Regression Trees (CART). Dari 80 data tindakan operasi sesar di dataset UCI dilakukan pengujian data dengan membagi data menjadi data latih dan data uji. Persentase split dataset yang digunakan antara lain 90% data latih 10% data uji, 80% data latih 20% data uji, 70% data latih 30%, 60% data latih 40% data uji, 50% data latih 50% data uji dan 85% data latih dan 15% data uji. Diperoleh hasil bahwa implementasi algoritma CART untuk klasifikasi dataset caesarean menghasilkan akurasi tertinggi 75%. Hasil tersebut menunjukkan bahwa algoritma CART dapat digunakan untuk klasifikasi  pengambilan keputusan tindakan operasi sesar.
GRAPHICAL REPRESENTATION AND TWO GROUPS ANALYSIS ON DATA MATRIX OF ROBUSTA GREEN CHERRIES PRODUCTION IN TWO HARVEST PERIODS Irmeilyana, Irmeilyana; Suprihatin, Bambang; Desiani, Anita; Ngudiantoro, Ngudiantoro; Maiyanti, Sri Indra
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 2 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss2pp1279-1294

Abstract

Several factors that play a role in the productivity of Robusta coffee trees are the influence of pruning techniques and weather elements. This paper discussed the graphical analysis and comparison of two data matrices of Robusta green cherries production, which would enter the ripening process in branch categories for the harvest period in 2023 and 2024. Hypothesis testing on secondary data in the form of daily weather conditions in 2022 and 2023, which include temperature, dew, humidity, wind speed, and cloud cover for the two periods, was significantly different. However, solar radiation and precipitation were not. The data source for each harvest period was primary data, with the object being a sample of 30 trees that were sampled purposively. The research object was in Pagaralam Municipality, South Sumatra. There were 18 variables covering many branch categories based on production year, position, and shape. The PCA (Principal Component Analysis) results on each data matrix show similarities in the dominant variables representing each subspace. The first three PCs in each data matrix for 2023 and 2024 span a subspace and describe the variation of the original data of 77.3% and 68.8%, respectively. The 3rd and 1st-year production branch categories dominate the subspace of each data matrix for 2023 and 2024. Comparison of the two PC subspaces using two groups analysis in 3rd dimension space produces angles of 19.70, 28.80, and 69.10. The bisector components show that the variables that dominate the similarity of the two data matrices are the variables that tend to represent both PC subspaces dominantly. Robusta green cherry production can be represented by the number of secondary branches, which are straight in shape, along with the number of fruit clusters. This study result can be a reference for farmers when considering the composition of the number of branch categories when pruning.
Model Regresi Data Panel pada Faktor-Faktor yang Mempengaruhi Jumlah Kriminalitas Pencurian di Pulau Sumatera Putri, Wine Zea; Irmeilyana, Irmeilyana; Cahyono, Endro Setyo Cahyono
Diophantine Journal of Mathematics and Its Applications Vol. 3 No. 2 (2024)
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/diophantine.v3i2.37326

Abstract

Sumatra island is the island with the highest theft rate in Indonesia. This study aims to determine the factors that have a significant effect on number of theft crime on the Sumatra Island from 2016 to 2021 by using panel data regression. This research uses panel data regression method which is a combination of cross section and time series data. The data used is secondary data obtained from Central Bureau of Statistics. Research variables include population density (X1), average years of schooling (X2), case completion rate (X3), and number of drug abuse (X4). The best model estimation was carried out for three models, including Common Effect Model (CEM), Fixed Effect Model (FEM), and Random Effect Model (REM). The selection of the best model of three models was carried out through the Chow test, Hausman test, and Lagrange Multiplier test. The best model result is individual effect FEM, with R2 = 94.8%. After partial test, the variables that have significant effect on number of theft crime in Sumatera Island are X2, X3, X4. The MAPE value of the best model is 23.15% which shows a feasible category.
Klasifikasi Pengambilan Keputusan Tindakan Operasi Sesar Menggunakan Algoritma Classification and Regression Trees fildzah daniela, nyayu audy; desiani, anita; Irmeilyana, Irmeilyana
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2399

Abstract

Data mining adalah sebuah metode yang dapat digunakan untuk melihat pola pada kumpulan data yang hasilnya dapat digunakan untuk pengambilan keputusan. Salah satu metode dari proses data mining adalah klasifikasi. Untuk membuat klasifikasi data mining ada salah satu algoritma yang dapat digunakan yaitu Classification and Regression Trees (CART). Penelitian ini bertujuan untuk mengklasifikasikan pengambilan keputusan tindakan operasi sesar menggunakan algoritma Classification and Regression Trees (CART). Dari 80 data tindakan operasi sesar di dataset UCI dilakukan pengujian data dengan membagi data menjadi data latih dan data uji. Persentase split dataset yang digunakan antara lain 90% data latih 10% data uji, 80% data latih 20% data uji, 70% data latih 30%, 60% data latih 40% data uji, 50% data latih 50% data uji dan 85% data latih dan 15% data uji. Diperoleh hasil bahwa implementasi algoritma CART untuk klasifikasi dataset caesarean menghasilkan akurasi tertinggi 75%. Hasil tersebut menunjukkan bahwa algoritma CART dapat digunakan untuk klasifikasi  pengambilan keputusan tindakan operasi sesar.
Co-Authors Affandi, Azhar Kholiq Agus lukowi Ajeng Islamia Putri albar Pratama Ali Amran Ali Amran Anasari Anasari Andini, T Anita Desiani Annisa Kartikasari ANNISA NABILA Arhami, Muhammad Arum Setiawan Arum Setiawan Bambang Suprihatin Bella Arisha Berry Gultom Cahyani, Kariah Ayu Cahyono, Endro Setyo Cahyono Candra, Stefanie Fortunita Clarita Margo Uteh Danny Matthew Saputra Danny Matthew Saputra Derry Alamsyah Des Alwine Zayanti, Des Alwine Desty Rodiah Dwipurwani, O Endang Sri Kresnawati Enyta Yuniar Fathona Nur Muzayyadah Fauzi Yusuf Syarifuddin Ferani Eva Zulvia fildzah daniela, nyayu audy Fitra Nur Azizah Fitri Maya Puspita Hadi Tanuji Herlina Hanum Hermansyah Hermansyah Iffah Husniah Indah Amalia, Indah Indah Verdya Alvionita Indrawati Indrawati Indrawati Indri Andarini Indrike Febriyanti Ira Rayyani Juniwati Juniwati Lady Yulita Yulita Laila Hanum Lubis, Andika Cristian M Kahfi Aldi Kurnia Makhalli, Siddiq Maya Meilensa Maya Meilensa Meiza Putri Lestari Mirza Denia Putri Muhammad Akbar Mukhlizar Nirwan Samsuri Mukhlizar Nirwan Samsuri Mutiara, Siti Rahma Narti Narti, Narti Ngudiantoro . Ngudiantoro Ngudiantoro Ngudiantoro Ngudiantoro Ning Eliyati NUNI GOFAR Nur Avisa Calista Oky Sanjaya Putra B. J. Bangun Putra BJ Bangun Putra BJ Bangun Putri, Rizki Eka Putri, Wine Zea Rahayu Tamy Agustin Ramadhan, Raihan Ramayanti, Indri Rana Sania Rana Sania Robinson Sitepu Sasongko, Muhammad Aditya Savera, Mutiara Siddiq Makhalli Simamora, Valentino Sri Indra Maiyanti Sri Indra Maiyanti Sri Indra Maiyanti Sugandi Yahdin Suratama, Bintang Syarifuddin, Fauzi Yusuf Yadi Utama Yuanita Windusari Yuli Andriani Z, Des Alwine