Article Per Year (5 Year)
p-Index From 2021 - 2026
5.677
P-Index
This Author published in this journals
All Journal JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris CAUCHY: Jurnal Matematika Murni dan Aplikasi TELKOMNIKA (Telecommunication Computing Electronics and Control) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Scientific Journal of Informatics Kubik Jurnal Matematika dan Statistika serta Aplikasinya (Jurnal MSA) Jurnal Fourier Jurnal Sains Matematika dan Statistika InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sistemasi: Jurnal Sistem Informasi Jurnal Pemberdayaan Masyarakat Madani (JPMM) INTEGER: Journal of Information Technology Indonesian Journal of Artificial Intelligence and Data Mining BAREKENG: Jurnal Ilmu Matematika dan Terapan JOURNAL OF APPLIED INFORMATICS AND COMPUTING JTAM (Jurnal Teori dan Aplikasi Matematika) Jurnal Telematika TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Infotekmesin ARBITRER: Jurnal Pendidikan Bahasa dan Sastra Indonesia InPrime: Indonesian Journal Of Pure And Applied Mathematics KUBIK: Jurnal Publikasi Ilmiah Matematika JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Journal of Mathematics Education and Science International Journal Of Computer, Network Security and Information System (IJCONSIST) Al-Hilal: Journal of Islamic Astronomy Jurnal Matematika Integratif STATISTIKA Scientica: Jurnal Ilmiah Sains dan Teknologi NERO (Networking Engineering Research Operation)
Nurissaidah Ulinnuha
Institut Teknologi Sepuluh Nopember
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Transportation Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Implementasi Chi-Square dan Oversampling Pada Klasifikasi Kesehatan Janin dengan Support Vector Machine Wahyudi, Sharenada Norisdita; Ulinnuha, Nurissaidah; Hafiyusholeh, Moh
TELKA - Telekomunikasi Elektronika Komputasi dan Kontrol Vol 11, No 3 (2025): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/telka.v11n3.327-337

Abstract

Pemantauan kesehatan janin menjadi aspek penting karena hal tersebut merupakan bentuk antisipasi terkait deteksi potensi patologis yang berkemungkinan membahayakan janin maupun ibu hamil. Sebagaimana dilansir dalam website resmi UNICEF, setidaknya terdapat 2,3 juta bayi meninggal pada bulan pertama kelahiran dengan 90% dari total keseluruhan merupakan kasus kematian bayi didalam kandungan pada masa kehamilan diatas 20 minggu. Selain membahayakan bayi, kesehatan janin juga berdampak pada keselamatan ibu hamil. Oleh karena itu, perlu dilakukan suatu usaha mitigasi resiko guna memperkecil potensi kematian janin dengan mendeteksi kesehatan janin dengan melakukan klasifikasi dengan algoritma SVM. Data yang digunakan pada penelitian ini adalah hasil pemeriksaan kandungan berupa data cardiotocography, berisikan 2126 data yang berisikan 21 fitur yang terkategorikan menjadi 3 kelas yaitu 1665 normal, 295 kelas suspect dan 176 kelas pathologic. Berdasarkan perbedaan yang cukup signifikan pada jumlah data ditiap kelas, dilakukan balancing data dengan metode Synthetic Minority Over-Sampling Technique (SMOTE). Selain itu, dilakukan seleksi fitur dengan menggunakan Chi-Square pada 21 fitur yang kemudian didapati 12 fitur terpilih untuk diklasifikasikan menggunakan algoritma SVM. Skema klasifikasi dilakukan dengan beberapa tahapan, dan didapati bahwa penambahan seleksi fitur Chi-Square dan SMOTE berhasil meningkatkan akurasi klasifikasi menjadi 98%, dengan nilai presicion sebesar 99%, recall 98% dan F-1 Score sebesar 98%. Fetal health monitoring is an important aspect because it forms for detect potential pathologies that may endanger fetus and pregnant mother. As reported on UNICEF, at least 2.3 million babies die in the first month of birth with 90% of the total being cases of intrauterus fetal death. In addition to endangering the baby, fetal health also has an impact on pregnant mother. As an effort to minimize the potential and risk of fetal death, is classify the health status of the fetus using the SVM algorithm. The data used in this study are gynecological results in the field of cardiotocography data, containing 2126 data that have been categorized into 3 classes, namely normal, suspect and pathologic classes. Cardiotocography data in this study was included 2,126 observations distributed across 21 features grouped into three categories: 1,665 normal, 295 suspect, and 176 pathological. Given the significant variation in the number of observations across each category, a data balancing technique, known as the Synthetic Minority Over-Sampling Technique (SMOTE), was employed to address this imbalance. Furthermore, a feature selection process was implemented, employing the Chi-Square method on the 21 features. This method identified 12 features that were subsequently classified using the SVM algorithm. The classification scheme was executed in multiple stages, and it was observed that the incorporation of both Chi-Square and SMOTE feature selection led to a substantial enhancement in classification accuracy, reaching 98%, accompanied by a 99% precision value, 98% recall, and an 98% F-1 score.
Model Regresi Linier Berganda Dalam Menganalisis Faktor-Faktor Urbanisasi Di Jawa Timur Anggraini, Octavia Putri; Ulinnuha, Nurissaidah; Hafiyusholeh, Moh
Jambura Journal of Probability and Statistics Vol 6, No 2 (2025): Jambura Journal of Probability and Statistics
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjps.v6i2.28446

Abstract

Urbanization occurs when population increases rapidly, encouraging individuals to migrate from villages to big cities. This phenomenon is triggered by the availability of wider employment opportunities and easier access to resources and technology. However, urbanization also has several negative impacts on the environment, such as reducing the ability to create a comfortable and healthy environment for city residents. This study aims to analyze the factors that influence urbanization in East Java Province using multiple linear regression. The data used is quantitative and was obtained from the East Java Provincial Statistics Agency in 2024. The variables analyzed include poverty levels, security levels, health, education, and unemployment rates. The partial analysis results indicate that the Education Ratio variable has a significant influence on urbanization in East Java, with a coefficient of determination value of 54.1\%. These findings are expected to contribute to the formulation of more targeted development policies in managing the pace of urbanization. 
Implementasi Extreme Learning Machine dengan Seleksi Fitur Particle Swarm Optimization untuk Klasifikasi Sindrom Ovarium Polikistik Mukti, Audyra Dewi Puspa; Ulinnuha, Nurissaidah; Asyhar, Ahmad Hanif
Jurnal Matematika Integratif Vol 21, No 2: Oktober 2025
Publisher : Department of Matematics, Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/jmi.v21.n2.63988.131-142

Abstract

Sindrom Ovarium Polikistik (SOPK) adalah gangguan hormonal yang sering terjadi pada wanita usia reproduktif dan menjadi salah satu penyebab utama masalah kesuburan. Sekitar 3–15% wanita di seluruh dunia mengalami kondisi ini, yang juga dapat memicu berbagai masalah kesehatan lainnya. Penelitian ini bertujuan untuk mengembangkan metode diagnosis SOPK yang lebih efisien dan akurat dengan memanfaatkan algoritma Extreme Learning Machine (ELM) yang dikombinasikan dengan seleksi fitur menggunakan Particle Swarm Optimization (PSO). ELM dipilih karena kemampuannya dalam melakukan klasifikasi secara cepat, sedangkan PSO digunakan untuk memilih fitur-fitur yang paling relevan. Hasil seleksi fitur menghasilkan 18 fitur terpilih dari total 40 fitur. Pencarian parameter terbaik dilakukan dengan pendekatan random search dan grid search. Hasil menunjukkan bahwa random search memberikan performa terbaik, dengan akurasi 95.35%, sensitivitas 96.67%, dan spesifisitas 92.65%. Tanpa seleksi fitur, ELM hanya menghasilkan akurasi 84.20%, sensitivitas 90.10%, dan spesifisitas 70.62%. Temuan ini menunjukkan bahwa seleksi fitur menggunakan PSO mampu meningkatkan performa klasifikasi ELM secara signifikan.
Clustering Data Kecelakaan Lalu Lintas melalui Algoritma K-Means dengan Seleksi Fitur Chi-Square Margaretha, Adellia Putri; Ulinnuha, Nurissaidah; Intan, Putroue Keumala
INTEGER: Journal of Information Technology Vol 10, No 2 (2025): September
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.0.v10i2.7529

Abstract

Kecelakaan lalu lintas merupakan permasalahan signifikan di Indonesia, dengan dampak fatal dan kerugian ekonomi yang besar. Penelitian ini bertujuan untuk menerapkan algoritma K-means untuk mengelompokkan data kecelakaan lalu lintas dengan menggunakan seleksi fitur. Data kecelakaan lalu lintas yang digunakan diperoleh dari sebuah perusahaan asuransi kecelakaan di Sidoarjo dan diproses untuk menghasilkan fitur-fitur yang relevan. Proses seleksi fitur dilakukan untuk menentukan fitur-fitur yang memiliki kepentingan dan informasi yang paling relevan dalam proses pengelompokkan. Metode seleksi fitur yang digunakan dalam penelitian ini adalah seleksi fitur Chi-Square, yang bertujuan untuk memilih fitur-fitur yang memiliki hubungan signifikan dengan variabel target kecelakaan. Hasil penelitian menunjukkan bahwa data terbagi menjadi 2 cluster dengan seleksi fitur maupun tanpa seleksi fitur, yaitu wilayah dengan tingkat kecelakaan tinggi dan rendah. Nilai koefisien sillhouette cluster sebelum dilakukan seleksi fitur adalah sebesar 0,57. Sedangkan setelah diterapkan seleksi fitur dengan Chi-Square, diperoleh hasil yang lebih baik yaitu sebesar 0,72. Penelitian ini menunjukkan bahwa dengan menerapkan metode seleksi fitur dapat meningkatkan performa pengelompokkan data kecelakaan lalu lintas dengan algoritma K-means.
Analysis Comparison of BiLSTM and BiGRU Models for Aircraft Visibility Prediction Saidah, Nayla Fitriyatus; Ulinnuha, Nurissaidah; Farida, Yuniar
JTAM (Jurnal Teori dan Aplikasi Matematika) Vol 10, No 1 (2026): January
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jtam.v10i1.34698

Abstract

Severe weather conditions such as fog and heavy precipitation pose significant threats to aviation safety. Accurate prediction of aircraft visibility is therefore essential to support operational decision-making and reduce the likelihood of accidents. This study aims to compare and evaluate the performance of two bidirectional deep learning models, BiLSTM and BiGRU, in predicting aircraft visibility using historical meteorological data from BMKG Juanda Sidoarjo. The novelty of this research lies in applying and comparing bidirectional recurrent architectures for visibility prediction, an approach rarely explored in aviation meteorology, to assess their capability in capturing temporal dependencies within time-series visibility patterns. Both models were trained using hyperparameter tuning, with the best configuration obtained from a 24-hour input window, batch size of 32, 64 neurons, a dropout rate of 0.1, and 100–200 epochs. The dataset was divided into training and testing sets (80:20), and model performance was evaluated using Mean Squared Error (MSE), Root Mean Squared Error (RMSE), and Mean Absolute Percentage Error (MAPE) to assess both predictive accuracy and computational efficiency. The results indicate that while BiLSTM achieved slightly higher accuracy, BiGRU demonstrated superior overall efficiency, obtaining competitive error metrics (MSE = 1.50 × 10⁶, RMSE = 1,223.5, MAPE = 19.35%) compared to BiLSTM (MSE = 1.58 × 10⁶, RMSE = 1,258.1, MAPE = 19.50%). BiGRU’s advantage lies in its simpler structure and faster computation, which reduce training complexity without sacrificing forecast accuracy. Overall, this research contributes to the development of efficient bidirectional time-series models for aviation meteorology, offering a practical framework for real-time visibility forecasting in computationally limited environments. The balance between accuracy, speed, and model simplicity makes BiGRU a more scalable and applicable choice for enhancing flight safety operations.
Co-Authors Abdulloh Hamid Abdulloh Hamid Ahmad Hanif Asyhar Alfirdausy, Roudlotul Jannah Almumtazah, Nilna Anggraini, Octavia Putri Aprilianti, Inggrit Delima Aqilah Khansa, Shafa Fitria Ardelia, Nita Ariestia Ramadhani Aris Fanani Basuki, Athiyah Fitriyani Burhanudin, Muhamad Aris Daffa Nur Cholis Dino Ramadhan Elisa Syafaqoh Fadhila, Riska Nuril FAJAR SETIAWAN Farmita, Mayandah Fery Firmansyah Fransisca, Velicia Hani Khaulasari Haniefardy, Addien Hilmi, Moh. Aditya Sirojul Indriyani, Jiphie Gilia Intan, Putroue Kumala Isye Arieshanti Khasanah, Rofina Muti'atun Kiromi, Muhammad Sahrul kristanti, beni tiyas Lutfi Hakim Maghfiroh, Wardatul Margaretha, Adellia Putri Maulana, Achmad Resnu Maulidya, Rahmania Moh. Hafiyusholeh Mohamat Ulin Nuha Mu'afa, Sulthan Fikri Mukti, Audyra Dewi Puspa Nafis, Urwatun Novianti, Fahriza Pertiwi, Aisyah Prilindaputra, Brilian Purwanti, Ida Putri, Anindya Maya Putri, Dinda Rima Rachcita Putroue Keumala Intan Rafika Veriani Romdloni, Ro’iqotul Fathiyyah SA'DYAH, HALIMATUS Safira, Icha Dwi Saidah, Nayla Fitriyatus Sari, Dian Candra Rini Novita Sari, Firda Yunita Sari, Ghaluh Indah Permata Satria, Vinza Hedi Septiani, Intan Karunia Septiani Sholihah, Siti Azizatus Siti Aisyah Sufriyah, Lailiyatus Sulthan Fikri Mu'afa Tussholikhah, Anissa Nurul Farida USWATUN KHASANAH Utami, Tri Mar'ati Nur Wahyudi, Sharenada Norisdita Wika Dianita Utami Wika Dianita Utami Wilda Imama Sabilla Yanuwar Reinaldi Yudhi Purwananto Yuliati, Dian Yuniar Farida, Yuniar Yunita Ardilla Yusuf Ababil, Achmad Fachril