Articles
<![CDATA[Membandingkan Seleksi variabel Pada Data Microarray Menggunakan Important Variable Value dan Genetic Algorithm (Studi Kasus Lung Cancer Dataset dan Prostate Cancer Dataset) ]]>
<![CDATA[Diana Nurlaily]]>;
<![CDATA[Farida Nur Hayati]]>;
<![CDATA[Elly Pusporani]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 14 No 1 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (154.678 KB)
|
DOI: 10.36456/jstat.vol14.no1.a3853
<![CDATA[Teknologi DNA microarray menarik minat yang luar biasa baik di kalangan komunitas ilmiah maupun kalangan industri. Meskipun data microarray telah diterapkan dalam berbagai bidang, penanganan volume data besar yang dihasilkan bukanlah perkara yang mudah. Ukuran sampel kecil dengan dimensi tinggi adalah tantangan utama analisis menggunakan data microarray. Oleh karena itu perlu dilakukan analisis lebih lanjut untuk mengatasi hal ini. Banyak penelitian yang telah dirancang berkaitan dengan data microarray misalnya untuk menyelidiki mekanisme genetik kanker, dan untuk mengklasifikasikan berbagai jenis kanker atau membedakan antara jaringan kanker dan non-kanker. Semua penelitian ini bertujuan untuk menghasilkan kesimpulan dan interpretasi yang bermanfaat dari kumpulan data yang kompleks. Dalam penelitian ini, data yang digunakan adalah data kanker paru-paru sebanyak 24257 Variabel dan data kanker prostat sebanyak 12626 Variabel. Data tersebut kemudian akan dianalisis dengan beberapa metode feature selection yaitu important variable value dan genetic algorithm untuk memilih dimensi atau variabel data sehingga dapat meningkatkan akurasi klasifikasi data. Berdasarkan hasil analisis feature selection menggunakan data kanker paru-paru, didapatkan jumlah variabel terpilih sebanyak 112 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 12266 variabel. Pada data kanker prostat, didapatkan jumlah variabel terpilih sebanyak 299 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 6359 variabel.]]>
<![CDATA[Peramalan Data Ekspor Non Migas Provinsi Kalimantan Timur Menggunakan Univariate Time Series ]]>
<![CDATA[Farida Nur Hayati]]>;
<![CDATA[Diana Nurlaily]]>;
<![CDATA[Elly Pusporani]]>
<![CDATA[ J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 14 No 2 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika ]]>
Publisher : <![CDATA[Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (537.172 KB)
|
DOI: 10.36456/jstat.vol14.no2.a3858
<![CDATA[Ekspor merupakan salah satu variabel yang sangat penting untuk menentukan jenis perekonomian suatu negara bisa dikatakan perekonomian terbuka atau perekonomian tertutup. Mengingat peranan ekspor sangat penting dalam pertumbuhan ekonomi suatu negara maupun daerah, maka diperlukan kebijaksanaan dalam meningkatkan ekspor barang khususnya komoditi non migas. Komoditi non migas dipilih pada penelitian ini karena adanya kemerosotan harga minyak bumi di pasaran dunia. Sehingga untuk mengatasi ketergantungan penerimaan negara yang berasal dari minyak dan gas bumi maka pemerintah berusaha meningkatkan ekspor komoditi dan jasa-jasa non migas. Kondisi ekspor luar negeri Kalimantan Timur didominasi oleh ekspor non migas. Oleh karena itu, prediksi atau peramalan nilai dari komoditas ekspor non migas di Kalimantan Timur dapat digunakan untuk mengetahui devisa yang akan diperoleh, agar dapat digunakan sebagai bahan pertimbangan oleh pemerintah untuk menentukan kebijakan. Hasil penelitian peramalan data ekspor menggunakan ARIMA menunjukkan bahwa model ARIMA yang paling baik untuk meramalkan data Ekspor non migas di Kalimantan Timur berdasarkan nilai RMSE, dan sMAPE adalah ARIMA (0,1,[1,12]). Kata kunci : Ekspor, Ekspor non migas, ARIMA, RMSE, sMAPE]]>
<![CDATA[Classification of Hepatitis Patients Using Logistic Regression and Support Vector Machines Methods ]]>
<![CDATA[Diana Nurlaily]]>;
<![CDATA[Yoga Prastya Irfandi]]>;
<![CDATA[Noviyanti Santoso]]>;
<![CDATA[Siti Qomariyah]]>;
<![CDATA[Dandy Wibowo]]>
<![CDATA[ Jurnal Pendidikan Matematika (Kudus) Vol 5, No 2 (2022): Jurnal Pendidikan Matematika (Kudus) ]]>
Publisher : <![CDATA[Institut Agama Islam Negeri (IAIN) Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21043/jpmk.v5i2.17052
<![CDATA[Hepatitis is an inflammatory disease of the liver. The virus often causes hepatitis and it becomes the number one world health problem. From 2019 to 2020, there were 1.5 million new cases of hepatitis B and C infection per year. WHO (World Health Organization) aims to eliminate hepatitis by 2030. Based on this problem, it is necessary to classify which health indicators may be vulnerable to the survival of hepatitis patients. This research aims to obtain the best method for classifying hepatitis patients by comparing the logistic regression method and SVM (Support Vector Machines). The classification using logistic regression and SVM is the suitable alternative for this case because the response category is binary data. This research is quantitative research and the researcher uses the hepatitis data set obtained from the UCI repository learning machine. The hepatitis data set contains 19 predictive variables (6 continuous and 13 discrete variables). The patients are divided into two groups, living, and dead patients’ groups. The results show that the best accuracy value produced by using the logistic regression method is 79.3%, and by using the SVM method is 81.94%. Thus, the best classification result for the hepatitis data set is the holdout stratified SVM method using Kernel radians with an accuracy value of 81.94%. This result indicates that the holdout stratified SVM method using Kernel radians can classify hepatitis patients’ data. Hepatitis adalah penyakit peradangan pada hati. Hepatitis sering disebabkan oleh virus. Hepatitis termasuk masalah kesehatan dunia. Tahun 2019 sampai dengan 2020, terdapat 1,5 juta kasus baru infeksi hepatitis B dan C per tahun. WHO (World Health Organization) bertujuan untuk menghilangkan penyakit hepatitis pada tahun 2030. Berpondasikan masalah tersebut, perlu adanya pengklasifikasian untuk mengetahui indikator kesehatan mana yang mungkin rentan terhadap kelangsungan hidup pasien hepatitis. Tujuan penelitian ini untuk mendapatkan metode terbaik dalam mengklasifikasikan pasien hepatitis dengan cara membandingkan metode regresi logistik dan SVM (Support Vector Machines). Klasifikasi menggunakan regresi logistik dan SVM merupakan alternatif yang tepat untuk kasus ini, karena kategori respon adalah data biner. Penelitian ini merupakan penelitian kuantitatif. Penelitian ini menggunakan dataset hepatitis yang diperoleh dari UCI machine learning repository. Kumpulan data hepatitis berisi 19 variabel prediksi (6 variabel kontinu dan 13 variabel diskrit). Pasien dibagi menjadi dua kelas yaitu hidup dan mati. Hasil penelitian menunjukkan bahwa nilai akurasi terbaik yang dihasilkan metode regresi logistik adalah 79.3% sementara menggunakan metode SVM adalah 81.94%. Jadi hasil klasifikasi terbaik untuk dataset hepatitis adalah metode SVM holdout stratified menggunakan kernel radian dengan akurasi sebesar 81,94%. Hasil ini mengindikasikan bahwa metode SVM holdout stratified menggunakan kernel radian dapat digunakan untuk mengklasifikasikan data pasien hepatitis.]]>
<![CDATA[Pelatihan Visualisasi Data Menggunakan Google Data Studio ]]>
<![CDATA[Diana Nurlaily]]>;
<![CDATA[Mega Silfiani]]>;
<![CDATA[Surya Puspita Sari]]>;
<![CDATA[Akbar Taufik Amrullah]]>
<![CDATA[ Jompa Abdi: Jurnal Pengabdian Masyarakat Vol. 1 No. 4 (2022): Jompa Abdi: Jurnal Pengabdian Masyarakat ]]>
Publisher : <![CDATA[Yayasan Jompa Research and Development ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Perkembangan teknologi yang semakin canggih menyebakan hampir semua aktivitas melibatkan penggunakan teknologi. Pada dunia pendidikan penggunakan teknologi bisa dimanfaatkan pada perekapan nilai siswa. Salah satu cara merekap nilai siswa adalah memanfaatkan fasilitas Google yaitu Google Data Studio (DGS). Google Data Studio bisa dapat membuat data lebih ringkas dan mudah dipahami. Pada tahun 2021 Prodi Statistika ITK telah melakukan kegiatan pengmas di SMAN 2 Balikpapan dengan membuatkan report nilai siswa menggunakan Google Data Studio. Pada tahun 2022 dilakukan kegiatan pengmas pelatihan pembuatan visualisasi data menggunakan Google Data Studio. Harapannya dengan diadakan pelatihan ini dapat membantu guru yang ada di SMAN 2 Balikpapan untuk membuat report ataupun visualisasi data untuk nilai siswa atuapun kebutuhan yang lain.]]>
<![CDATA[PEMANFAATAN GOOGLE DATA STUDIO UNTUK VISUALISASI E-RAPOR SISWA SMAN 2 BALIKPAPAN ]]>
<![CDATA[Farida Nur Hayati]]>;
<![CDATA[Mega Silfiani]]>;
<![CDATA[Diana Nurlaily]]>
<![CDATA[ Jurnal Pengabdian Kepada Masyarakat ITK (PIKAT) Vol. 2 No. 2 (2021): PIKAT : Jurnal Pengabdian Kepada Masyarakat ]]>
Publisher : <![CDATA[LPPM Institut Teknologi Kalimantan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (789.212 KB)
|
DOI: 10.35718/pikat.v2i2.619
<![CDATA[Salah satu alat yang dapat digunakan untuk membuat visualisasi data adalah Google Data Studio. Google Data Studio merupakan layanan yang diciptakan Google untuk mengelola data. Rapor merupakan kumpulan data nilai siswa dari evaluasi proses belajar yang dilakukan selama satu semester. Guru yang menjabat wali kelas akan mengisi nilai para siswa yang dihimpun dari guru mata pelajaran ke dalam rapor. Selain untuk bahan evaluasi per semester, rapor juga membantu siswa untuk mengikuti SNMPTN (Seleksi Nasional Masuk Perguruan Tinggi Negeri). Mekanisme untuk menentukan peserta SNMPTN di SMA/SMK sederajat biasanya diputuskan oleh pihak sekolah. Pihak sekolah, dalam hal ini guru BK, menentukan siswa yang memiliki peluang tinggi untuk lolos SNMPTN berdasarkan nilai rapor. Hal ini tidak mudah mengingat banyaknya siswa yang ingin masuk PTN melalui jalur SNMPTN. Oleh karena itu diperlukan summary yang dibuat untuk menampilkan kesimpulan dengan cepat dari data nilai siswa. Kegiatan pengabdian kepada masyarakat ini bertujuan membuat sistem visualisasi data yang digunakan untuk memberikan gambaran/karakteristik dari data nilai siswa. Sistem visualisasi data tersebut menggunakan salah satu alat yaitu Google Data Studio dan Google Sheet untuk membuat dashboard. Sistem visualisasi data tersebut diperkenalkan dan diserahkan kepada SMAN 2 Balikpapan untuk membantu guru SMA mendapatkan kesimpulan dari data nilai siswa dengan cepat.]]>
<![CDATA[Analisis Dampak Covid-19 Terhadap Pendapatan Pedagang di Pasar Induk Sangata Utara ]]>
<![CDATA[Gebryani Rante Lembang]]>;
<![CDATA[Diana Nurlaily]]>;
<![CDATA[Irma Fitria]]>
<![CDATA[ SPECTA Journal of Technology Vol. 6 No. 1 (2022): SPECTA Journal of Technology ]]>
Publisher : <![CDATA[LPPM ITK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1499.674 KB)
|
DOI: 10.35718/specta.v6i1.698
<![CDATA[Pandemi covid-19 yang mulai memasuki Indonesia bulan Maret 2020 memberikan dampak pada berbagai sektor di Indonesia, salah satunya adalah ekonomi. Pandemi ini tidak hanya memberikan dampak di kota-kota besar namun sudah menyeluruh sampai kecamatan maupun desa. Misalnya adalah pandemi covid-19 berpengaruh terhadap transaksi jual beli di pasar tradisonal. Penelitian ini bertujuan untuk mengetahui dampak Covid-19 terhadap pendapatan pedagang di Pasar Induk, Sangata Utara. Pada penelitian ini menggunakan data primer, dimana pada penelitian ini pedagang dikategorikan menjadi empat kategori yaitu pedagang pakaian, pedagang ikan/daging, pedagang sayur dan buah dan pedagang sembako. berdasarkan data yang diperoleh didapatkan informasi bahwa kategori yang mengalami penurunan pendapatan paling besar adalah pedagang pakaian (61%) dan kategori pedagang yang mengalami penurunan pendapatan paling kecil adalah pedagang ikan/daging (31,25%). Menggunakan uji t didapatkan informasi bahwa untuk semua kategori pedagang mengalami perbedaaan pendapatan yang signifikan antara sebelum pandemi dan selama pandemi covid-19.]]>
<![CDATA[PERBANDINGAN METODE ARIMA, DAN TRIPLE EXPONENTIAL SMOOTHING PADA STUDI KASUS DATA EKSPOR NON MIGAS DI KALIMANTAN TIMUR ]]>
<![CDATA[Farida Nur Hayati]]>;
<![CDATA[Mega Silfiani]]>;
<![CDATA[Diana Nurlaily]]>
<![CDATA[ Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 1 No. 2 (2022) ]]>
Publisher : <![CDATA[Department of Informatics Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20885/snati.v1i2.10
<![CDATA[Peramalan nilai dari ekspor non migas di Kalimantan Timur sangat penting karena dapat digunakan untuk mengetahui devisa atau sejumlah uang pada lingkup internasional yang akan diperoleh sebagai bahan pertimbangan oleh pemerintah untuk menentukan kebijakan. Makalah ini menyajikan hasil peramalan terbaik dari metode ARIMA Box Jenkins dan Triple Exponential Smoothing. Data yang digunakan adalah nilai ekspor non migas Kalimantan Timur dari Januari 2011 sampai dengan September 2021. Dari pemodelan yang telah dilakukan didapatkan hasil peramalan terbaik diperoleh dari metode Triple Exponential Smoothing berdasarkan RMSE dan sMAPE terkecil yaitu sebesar 42,68, dan sMAPE 1,9344. Peramalan ini terbatas pada penggunaan data testing selama satu tahun (8 bulan) dan kriteria pemilihan model menggunakan RMSE dan sMAPE.]]>
<![CDATA[Pelatihan Public Speaking Kepada Generasi Baru Indonesia Balikpapan Untuk Siap Menyongsong IKN ]]>
<![CDATA[Surya Puspita Sari]]>;
<![CDATA[Mega Silfiani]]>;
<![CDATA[Diana Nurlaily]]>;
<![CDATA[Akbar Taufik Amrullah]]>;
<![CDATA[Ferdy Novri]]>
<![CDATA[ Jompa Abdi: Jurnal Pengabdian Masyarakat Vol. 2 No. 4 (2023): Jompa Abdi: Jurnal Pengabdian Masyarakat ]]>
Publisher : <![CDATA[Yayasan Jompa Research and Development ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.57218/jompaabdi.v2i4.954
<![CDATA[Pengembangan public speaking bagi generasi muda saat ini sudah menjadi kebutuhan. Apalagi dalam era digitalisasi saat ini, tentunya menjadi kewajiban generasi muda atau pemuda untuk berkontribusi melalui penguasaan public speaking. Pengembangan public speaking bagi generasi muda, akan menjadi modal besar untuk berkontribusi terhadap pembangunan bangsa dan negara, tak terkecuali di Kota Balikpapan Provinsi Kaltim. Gempita pembangunan Ibu Kota Nusantara (IKN) di Kabupaten Penajam Paser Utara, Provinsi Kalimantan Timur jelas membawa harapan. Perubahan kemajuan, perbaikan ekonomi seolah tampak di depan mata dan menjanjikan kemakmuran bagi masyarakat lokal. Namun, muncul kekhawatiran, sumber daya manusia (SDM) lokal bisa tergeser karena tak mampu bersaing.Generasi Baru Indonesia (GenBI) ialah sebuah komunitas yang terdiri dari beberapa kumpulan mahasiswa dari berbagai universitas pada sebuah wilayah yang terpilih dan menang sebagai penerima beasiswa Bank Indonesia. GenBI menjadikan kaum muda Indonesia sebagai generasi yang kompeten dalam berbagai bidang keilmuan serta dapat membawa perubahan positif dan menjadi inspirasi bagi bangsa dan negara. Sehingga GenBI Indonesia merupakan SDM yang penting dalam pembangunan Kalimantan Timur khususnya Kota Balikpapan dalam menyongsong IKN. Karena GenBI Balikpapan sudah memiliki modal dasar yaitu kemampuan akademik yang baik sehingga pelatihan public speaking ini diharapkan mampu menyempurnakan masing-masing individu sehingga siap berkompetisi dengan SDM luar Kalimantan Timur agar nantinya bisa menempati posisi strategis baik di lembaga pemerintah maupun swasta di IKN dan wilayah penyangganya.]]>
<![CDATA[Empowering New Capital Zones: East Kalimantan’s Economic District Outlooks Using Location Quotient and Cluster Analysis ]]>
<![CDATA[Silfiani, Mega]]>;
<![CDATA[Nurlaily, Diana]]>;
<![CDATA[Fitria, Irma]]>
<![CDATA[ (IJCSAM) International Journal of Computing Science and Applied Mathematics Vol 10, No 2 (2024) ]]>
Publisher : <![CDATA[Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j24775401.v10i2.21962
<![CDATA[This research focuses on investigating the economy of the new capital buffer zone by identifying and clustering its leading sectors in GRDP (Gross Regional Domestic Product) of East Kalimantan. The identification of a region’s leading sector through LQ (Location Quotient) index has proven to be effective. In addition, k-means clustering and Self-Organizing Maps (SOM) are adopted to provide comprehensive insights. The results show that LQ index quickly identifies the main sectors in each district of East Kalimantan. In addition, the kmeans clustering has better performance than SOM based on the Silhouette coefficient. This meticulous analysis confirms the existence of two distinct clusters, one including eight members and the other consisting of only two. Anticipating future research endeavours, the exploration of various approaches for constructing clusters, encompassing both hierarchical and non-hierarchical approaches, provides the potential to enhance the performance of clusters. By investigating this structure, a more comprehensive comprehension of the economic framework of East Kalimantan can be achieved, as well as its potential role as a buffer for the capital region.]]>
