Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Online Mahasiswa (JOM) Bidang Perikanan dan Ilmu Kelautan Gudang Jurnal Multidisiplin Ilmu
Yulina Sari
Unknown Affiliation
Religion Aerospace Engineering Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Public Health Social Sciences Other

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

Found 2 Documents
Search

 1 
COMMUNITY STRUCTURE MACROZOOBENTHOS IN TANJUNG BUTON WATER’S IN SIAK DISTRICT RIAU PROVINCE Yulina Sari; Aras Mulyadi; Syahril Nedi
Jurnal Online Mahasiswa (JOM) Bidang Perikanan dan Ilmu Kelautan Vol 3, No 2 (2016): Wisuda Oktober Tahun 2016
Publisher : Jurnal Online Mahasiswa (JOM) Bidang Perikanan dan Ilmu Kelautan

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

Abstract

This research was conducted in March 2015 in Tanjung Buton water’s. This research aims to determine the content of organic matter in the sediment, sediment fractions, sediment grain size, the type and abundance of macrozoobenthos and relationship between the content of organic matter in sediment, macrozoobenthos abundance and sediment grain size. The method used in this research was survey method. Sample of sediment were collected from 3 stations. Sampling of macrozoobenthos was carried by using 1m x 1m plot. The analysis, identification and quantification were carried out in Marine Chemistry Laboratory and Marine Biology Laboratory, Faculty of Fisheries and Marine Science, University of Riau in Pekanbaru. The result showed that sediment organic content in Station 1 was 6,91%, Station 2 was 6,24% and Station 3 was 6,23%. The macrozoobenthos abundance varied from 11-32, ind/m2. Makrozoobenthos that were found in Tanjung Buton water’s composing of 4 classes of: gastropoda, bivalvia, polychaeta, merostomata. Diversity index (H’) was 1,74-2,34, dominance index (C) was 0,23-0,34 and uniformity index (E) was 0,36-0,37. Relationship between organic content in sediment and macrozoobenthos abundance in Tanjung Buton water’s were y = 58,61-6,060x, R2 = 0,113, r = 0,34. While relationship between sediment grain size and organic content in sediment in Tanjung Buton Waters were y = 11,20-0,823x, R2 = 0,081, r = 0,24.Key Words: Tanjung Buton, macrozoobenthos, community structure, sediment
Klasifikasi Penyakit Alzheimer Menggunakan Data Mining Decision Tree Yulina Sari; Zaehol Fatah
Gudang Jurnal Multidisiplin Ilmu Vol. 2 No. 11 (2024): GJMI - NOVEMBER
Publisher : PT. Gudang Pustaka Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/gjmi.v2i11.1083

Abstract

Penyakit Alzheimer adalah penyakit neurodegeneratif yang mempengaruhi otak dan secara bertahap mengurangi kemampuan seseorang untuk berpikir, mengingat, dan berfungsi secara mandiri. Ini merupakan jenis demensia yang paling umum, dengan gejala awal yang biasanya terjadi pada individu di atas 65 tahun, meskipun dapat juga terjadi pada usia yang lebih muda. Beberapa gejala awal Alzheimer termasuk lupa akan peristiwa baru-baru ini, kesulitan menyelesaikan tugas sehari-hari, dan kebingungan tentang waktu atau tempat. Gejala penyakit dapat memburuk seiring berjalannya waktu, seperti kehilangan kemampuan berkomunikasi, perubahan suasana hati yang signifikan, dan penurunan fungsi fisik. Diagnosis tahap awal untuk penyakit Alzheimer dapat meningkatkan efisiensi terapi. Deteksi dini penyakit Alzheimer dapat memanfaatkan pendekatan matematis pada data mining untuk menganalisis data. Klasifikasi adalah salah satu metode data mining yang dapat diterapkan untuk pendeteksian dini atau prediksi penyakit Alzheimer. Penelitian yang berkenaan dengan klasifikasi penyakit Alzheimer belum banyak dilakukan. Oleh karena itu, penelitian ini akan membandingkan performa algoritma C4.5 dan algoritma AdaBoost dalam klasifikasi penyakit Alzheimer menggunakan teknik pengujian percentage split dan k-fold cross validation. Selain itu, penelitian ini akan menggunakan metode Algoritma Decision Tree karena dapat ditafsirkan dengan mudah oleh manusia dan memililki akurasi yang tinggi sebesar 26.3%. Dapat mengubah data yang ada menjadi pohon keputusan dan aturan-aturan, sehingga dapat membantu dalam proses pengambilan keputusan yang kompleks menjadi lebih sederhana.
Co-Authors Aras Mulyadi Syahril Nedi Zaehol Fatah