Article Per Year (5 Year)
p-Index From 2021 - 2026
1.463
P-Index
This Author published in this journals
All Journal JPMS (Jurnal Pendidikan Matematika dan Sains) Pythagoras: Jurnal Matematika dan Pendidikan Matematika Jurnal Mercumatika : Jurnal Penelitian Matematika dan Pendidikan Matematika BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Jurnal Kajian dan Terapan Matematika Jurnal Pedagogi Matematika Advance Sustainable Science, Engineering and Technology (ASSET)
Nur Hadi Waryanto
Unknown Affiliation
Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Physics Transportation

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM (CVRP) UNTUK DISTRIBUSI SURAT KABAR KEDAULATAN RAKYAT DI KABUPATEN SLEMAN Ikhsan Hidayat; Emut .; Nur Hadi Waryanto
Jurnal Kajian dan Terapan Matematika Vol 5, No 6 (2016): Jurnal Matematika
Publisher : Jurnal Kajian dan Terapan Matematika

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

Abstract

Algoritma  genetika  merupakan  teknik  pencarian  yang  didasarkan  atas  mekanisme  selekasi  alam  dan genetika  alam.  Algoritma  ini  dapat  digunakan  untuk  penyelesaian  masalah  optimasi  yang  kompleks  seperti capacitated  vehicle  routing  problem  (CVRP).  Tujuan  dari  penelitian  ini  adalah  untuk  menyelesaikan  masalah CVRP dengan algoritma genetika dan melakukan analisis perbandingan dengan algoritma  sweep  pada penelitian sebelumnya untuk melihat kinerja algoritma mana yang lebih baik dalam menyelesaikan masalah CVRP khususnya untuk  distribusi  surat  kabar  Kedaulatan  Rakyat  di  Kabupaten  Sleman,  Daerah  Istimewa  Yogyakarta.  Langkahlangkah dalam menggunakan algoritma genetika yaitu membentuk populasi awal, evaluasi nilai fitness untuk proses seleksi individu dalam populasi, pindah silang atas individu terseleksi, mutasi genetik, dan pembentukkan populasi baru. Dari hasil rute yang didapatkan, algoritma genetika menghasilkan rute yang lebih optimal dari segi jarak dan waktu  tempuh  dibandingkan  algoritma  sweep,  yaitu  133,7  km  dengan  waktu  tempuh  198  menit.  Sedangkan algoritma  sweep  menghasilkan  total  jarak  142,9  km  dengan  waktu  tempuh  210  menit.  Dengan  demikian  dapat dikatakan bahwa kinerja algoritma genetika lebih baik dibandingkan algoritma sweep dalam menyelesaikan CVRP.Kata kunci: algoritma genetika, algoritma sweep, nilai fitness, capacitated vehicle routing problem(CVRP)
PENERAPAN TEORI GRAF PADA ANALISIS JEJARING SOSIALDENGAN MENGGUNAKAN MICROSOFT MICROSOFT NODE XL Insani, Nur; Waryanto, Nur Hadi
PYTHAGORAS Jurnal Matematika dan Pendidikan Matematika Vol. 7 No. 1: Juni 2012
Publisher : Department of Mathematics Education, Faculty of Mathematics and Natural Sciences, UNY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (225.38 KB) | DOI: 10.21831/pg.v7i1.2839

Abstract

Pentingnya posisi seseorang di dalam jaringan ataupun suatu organisasi tidak hanya ditentukanoleh seberapa banyak ia terhubung oleh banyak orang tetapi apakah seseorang menjadi jembatan dariorang-orang yang memiliki banyak jaringan. Jadi bukanlah faktor centraliti yang merupakan faktor utamaseseorang dianggap penting, tetapi information broker, yaitu seseorang yang bukan pusat dariketerhubungan banyak orang namun memiliki hubungan dengan orang-orang yang memiliki banyakpengikut, memegang peranan yang lebih penting. Analisa Jejaring Sosial (AJS) memberikan peranpenting dalam menggambarkan interaksi informal dimana ia menggambarkan keadaan interaksi manusiasebagai mana keadaan nyata. Salah satu bentuk jejaring sosial yang dapat dianalisa adalah kepengurusanDekanat FMIPA Universitas Negeri Yogyakarta (UNY) sampai dengan kepengurusan pada JurusanPendidikan Matematika FMIPA UNY. Penelitian ini bertujuan untuk menganalisa jejaring sosial padastruktur kepengurusan tersebut berdasar garis komando. Dengan menggunakan perangkat lunak bantuMicrosoft NodeXL, struktur kepengurusan Dekanat FMIPA UNY dibawa ke dalam bentuk matematis(teori graf), selanjutnya dianalisa dan diambil kesimpulan dari jejaring sosial yang terjadi berdasarkanproperti/fitur dari graf yang terbentuk. Hasil dari penelitian ini diperoleh kesimpulan bahwa meskipunDekan menduduki posisi teratas dan penting, namun kedudukan Ketua/Sekretaris Jurusan PendidikanMatematika, Kepala Bagian TU dan Kepala Labotorium Pendidikan Matematika, juga menduduki posisipenting didalam kepengurusan Dekanat FMIPA UNY.Kata Kunci: Analisis Jejaring Sosial, Microsoft NodeXL.
SOFTWARE REQUIREMENTS SPECIFICATION SINAPRA BERBASIS SISTEM INFORMASI Waryanto, Nur Hadi
PYTHAGORAS Jurnal Matematika dan Pendidikan Matematika Vol. 7 No. 2: Desember 2012
Publisher : Department of Mathematics Education, Faculty of Mathematics and Natural Sciences, UNY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (312.326 KB) | DOI: 10.21831/pg.v7i2.4787

Abstract

Sistem Informasi Sarana dan Prasarana (SINAPRA) merupakan bagian dari beberapa sistem informasi yang dipakai oleh Univeristas Negeri Yogyakarta. SINAPRA merupakan salah satu sistem yang akan dikembangkan dalam Sistem Informasi Terpadu (SIPADU).Software Requirements Specification SINAPRA merupakan acuan teknis developer dalam mengembangkan sistem untuk tahap selanjutnya. Software Requirements Specification SINAPRA dikembangkan menggunakan model WSU-TC CptS 322  dengan berbasis sistem informasi terpadu UNY
Analisis Sentimen Ulasan Produk Perawatan Wajah menggunakan Algoritma CNN dan Seleksi Fitur PSO Ardianti, Rahma; Waryanto, Nur Hadi
Jurnal Kajian dan Terapan Matematika Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i1.18947

Abstract

Produk perawatan wajah lokal di Indonesia kini telah menjamur dan mencoba bersaing dengan kehadiran produk perawatan wajah asing dengan berbagai keunggulan yang ditawarkan. Klasifikasi ulasan berupa analisis sentimen penggunaan produk ke dalam kelas positif dan negatif dapat membantu calon konsumen menyimpulkan bagaimana kualitas produk dari suatu merek tertentu. Tujuan penelitian ini adalah untuk mengetahui hasil klasifikasi sentimen ulasan produk merek AVS menggunakan Convolutional Neural Network (CNN) dan seleksi fitur Particle Swarm Optimization (PSO). Penelitian dilakukan dengan mengumpulkan data melalui web scraping, pelabelan dan preprocessing data, word embedding, seleksi fitur dengan PSO, klasifikasi sentimen dengan CNN, dan evaluasi model klasifikasi. Model klasifkasi CNN memperoleh akurasi sebesar 61% hingga 83% untuk sembilan percobaan untuk tiga rasio dataset yang berbeda yaitu 70:30, 75:25, 80:20 dan tiga model word embedding yang berbeda yaitu Glove, Word2Vec CBOW, dan Word2Vec Skipgram.. Sedangkan pengujian menggunakan PSO-CNN memilih 44-60 fitur atau kata-kata penting dari total 100 fitur, sehingga diperoleh nilai akurasi 77% hingga 86%. Rata-rata kenaikan akurasi yang diperoleh akibat penambahan seleksi fitur oleh PSO adalah 8,7%. Akurasi terbaik diperoleh oleh model PSO-CNN dengan rasio dataset 80:20 dan model word embedding Word2Vec Skipgram yaitu 86%.Kata kunci: analisis sentimen, produk perawatan wajah, CNN, seleksi fitur, PSO.
IMPLEMENTASI ALGORITMA APRIORI UNTUK MENGETAHUI POLA PENYEDIAAN FASILITAS INDEKOS Ameliana, Cindy; Waryanto, Nur Hadi
Jurnal Kajian dan Terapan Matematika Vol 10, No 3 (2024): Jurnal Kajian dan Terapan Matematika (November)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i3.20236

Abstract

D.I. Yogyakarta sebagai kota pelajar menjadi penyebab banyaknya mahasiswa berdatangan. Kondisi ini memunculkan permasalahan kebutuhan tempat tinggal, salah satunya berupa indekos. Kurangnya informasi seputar indekos, khususnya fasilitas yang diperoleh sesuai harga sewa indekos yang ditawarkan. Untuk itu perlu dilakukan penelitian mencari pola aturan asosiasi antar fasilitas indekos yang dipilih penyewa indekos dengan Algoritma Apriori. Data yang digunakan berupa ragam fasilitas yang ditawarkan indekos di sekitar Kampus Universitas Negeri Yogyakarta (UNY). Langkah penelitian terdiri dari: (i) perencanaan, (ii) preprocessing data, (iii) Algoritma Apriori, (iv) Association rules, (v) Uji WEKA. Dari hasil analisis dan pengujian y dengan menggunakan nilai min.supp sebesar 50% dan min.conf sebesar 70%,  diketahui bahwa Algoritma Apriori dapat diimplementasikan pada data fasilitas indekos. Terdapat pengaruh harga sewa terhadap pola fasilitas indekos yakni terdapat pada hubungan Harga (≤ RP 700.000) è Kamar mandi luar. Adapun nilai conf. tertinggi sebesar 100% terdapat pada pola hubungan Lemari è Kasur dan Lemari, Wi-Fi è Kasur; sedangkan kurang eratnya hubungan Kasur è Wi-Fi dengan nilai conf. terendah yakni sebesar 71%.Kata kunci: Algoritma Apriori, Data Mining, Indekos.
KLASIFIKASI CORAK DAUN AGLAONEMA MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK DENGAN ALGORITMA BACKPROPAGATION Pratiwi, Alya Firdaus; Waryanto, Nur Hadi
Jurnal Kajian dan Terapan Matematika Vol 11, No 1 (2025): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v11i1.19972

Abstract

Penelitian ini bertujuan mengklasifikasikan corak daun Aglaonema menggunakan Artificial Neural Network (ANN) dengan algoritma Backpropagation, serta meninjau pengaruh dari perbandingan rasio dataset, pemilihan fungsi aktivasi, dan arsitektur model Backpropagation terhadap hasil akurasi klasifikasi ANN Backpropagation. Data citra daun Aglaonema diolah menggunakan ekstraksi fitur GLCM (Graylevel co-occurrence matrix) sebagai input klasifikasi. Terdapat beberapa tahapan dalam penelitian ini, yaitu pengambilan data citra daun Aglaonema, pengolahan citra digital pada tahap preprocessing data dan ekstraksi fitur tekstur GLCM, pembagian dataset dengan perbandingan 70:30 dan 80:20, membuat arsitektur model ANN Backpropagation,  serta evaluasi model untuk memperoleh akurasi terbaik dalam klasifikasi. Hasil pengujian menunjukkan akurasi ANN Backpropagation mencapai 40% hingga 92%, dengan arsitektur terbaik 20-400-200-100-50-10 menggunakan fungsi aktivasi ELU (Exponential Linear Unit) pada hidden layer dan sigmoid pada output layer. Hasil evaluasi menunjukkan recall 95%, precision dan F1-score 93%.
Fuzzy Logic-Based Clustering of Teacher Digital Pedagogy Using Cybergogy Framework for Sustainable Educational Innovation Waryanto, Nur Hadi; Retnawati, Heri; Setyaningrum, Wahyu; Insani, Nur; Hery Murtianto, Yanuar; Caturiyati, Caturiyati; RR Rianto, Vivi
Advance Sustainable Science Engineering and Technology Vol. 7 No. 3 (2025): May - July
Publisher : Science and Technology Research Centre Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/asset.v7i3.1946

Abstract

Rapid changes in educational technology necessitate innovative approaches to sustainable teacher development. However, implementing learning technologies like Cybergogy faces significant challenges due to imbalances in digital pedagogy competencies and motivation among secondary school mathematics teachers. This study aims to cluster mathematics teachers' profiles based on the Cybergogy model's application using the Fuzzy C-Means (FCM) algorithm. The study involved 88 mathematics teachers from various secondary schools in Yogyakarta, Indonesia. Clustering results converged at the sixth iteration with an objective function value of 620.006, and an optimal two-cluster structure (PCI = 0.5578). Cluster 1 comprises teachers with high digital competencies and effective use of online learning media in understanding Cybergogy. Conversely, Cluster 2 includes teachers with limited online learning experience and low Cybergogy understanding. These findings highlight the lack of appropriate training efforts to support technology implementation and motivate each cluster based on their unique perceptions of Cybergogy. This study contributes to educational technology by offering insights into how the Cybergogy model can enhance digital learning quality, with long-term implications for teacher competency development and the sustainability of digital education innovation in Indonesia.
THE EFFECT OF SAMPLE SIZE ON THE STABILITY OF XGBOOST MODEL PERFORMANCE IN PREDICTING STUDENT STUDY PERIOD Damar Sakti, Muhammad Lintang; Jailani, Jailani; Retnawati, Heri; Hidayati, Kana; Waryanto, Nur Hadi; Ibrahim, Zulfa Safina; Khoirunnisa, Asma’; Satiranandi Wibowo, Firdaus Amruzain; Berlian, Miftah Okta; Batubara, Angella Ananta
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 4 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss4pp2679-2692

Abstract

Student success can be defined based on the period of study taken until graduation from college. Machine learning can be used to predict the factors that are thought to influence student success. To achieve optimal machine learning model performance, attention is needed on the sample size. This study aims to determine the effect of student sample size on the stability of model performance to predict student success. This research is quantitative. The data used is student data from a university in Yogyakarta from 2014 to 2019, totaling 19061 students. The target variable is the student study period in months, while the predictor variables are college entrance pathways, GPA from semester 1 to semester 6, and family socioeconomic conditions based on the father’s and mother’s income. This research uses the XGBoost model with the best hyperparameters and the bootstrap approach. Bootstrapping was performed on the original data by sampling twenty different sample sizes: 250, 500, 750, 1000, 1250, 1500, 1750, 2000, 2250, 2500, 2750, 3000, 3250, 3500, 3750, 4000, 4250, 4500, 4750, and 5000. The resulting bootstrap samples were replicated ten times. Model performance evaluation uses the Root Mean Square Error (RMSE) value. The result of this research is the XGBoost model with the best hyperparameters, obtained through the training data division scheme of 90% and testing data of 10%, which has the smallest RMSE value of 8.318. The model uses the best hyperparameters: n_estimators of 75, max_depth of 8, min_child_weight of 5, eta of 0.07, gamma of 0.2, subsample of 0.8, and colsample_bylevel of 1. The XGBoost model with optimal hyperparameters demonstrates peak performance stability at a sample size of 1750 students, as evidenced by consistent RMSE values across 10 bootstrap replications, confirming that this data quantity provides the ideal balance between prediction accuracy and stability for estimating study duration.
Pelatihan Pengembangan Video Pembelajaran dan Kuis Interaktif Berbantuan Software Lumi Marwoto, Bambang Sumarno Hadi; Andayani, Sri; Waryanto, Nur Hadi; Yusri, Thesa Adi Saputra
Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Vol. 8 No. 1 (2024): Vol 8, No 1 (2024)
Publisher : Yogyakarta State University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jpmmp.v8i1.67758

Abstract

Pemerintah perlu terus mengoptimalkan Infrastruktur Teknologi Informasi dan Komunikasi (TIK) selama pandemi Covid-19, terutama dalam konteks pendidikan. Penting untuk mendorong penggunaan konten pembelajaran daring atau model hybrid/blended guna memaksimalkan fasilitas TIK sebagai sumber belajar. Saat ini, sebagian besar video pembelajaran masih kurang interaktif karena cenderung hanya menyampaikan materi tanpa memberikan interaksi siswa.Perkembangan kuis untuk materi matematika juga menghadapi tantangan, terutama terkait kurangnya dukungan dari perangkat lunak yang memadai. Software bantu seperti Lumi menawarkan solusi dengan kemampuannya menghasilkan konten pembelajaran yang dapat diakses secara online maupun offline. Lumi juga memudahkan guru dalam pengembangan konten pembelajaran tanpa memerlukan kemampuan pemrograman tinggi.Pelatihan pengembangan video pembelajaran dan kuis interaktif dengan bantuan Lumi diharapkan dapat membuka wawasan guru terhadap potensi dan kemudahan penggunaan software ini. Penggunaan Lumi dapat meningkatkan keterlibatan siswa dalam pembelajaran dengan memungkinkan mereka melakukan aktivitas atau interaksi saat menonton video pembelajaran. Kuis yang lebih menarik dan interaktif juga dapat meningkatkan perhatian siswa serta memberikan hasil evaluasi pembelajaran yang lebih bermakna.Kemampuan guru dalam mengembangkan konten pembelajaran dengan Lumi dapat menjadi tambahan berharga dalam kumpulan software bantu pengembangan. Video dan kuis interaktif yang dihasilkan dapat menjadi pengaya dalam pembelajaran offline, online, maupun model blended. Pelatihan ini bertujuan memberi wawasan tambahan kepada guru matematika tentang potensi penggunaan Lumi dalam pengembangan media pembelajaran, dengan fokus pada pembuatan video dan kuis interaktif.
Co-Authors Ameliana, Cindy Ardianti, Rahma Batubara, Angella Ananta Berlian, Miftah Okta Caturiyati Caturiyati Damar Sakti, Muhammad Lintang Deary Putriani Eminugroho Ratna Sari Emut . Endah Retnowati Heny Setyawan Heri Retnawati Hery Murtianto, Yanuar Ibrahim, Zulfa Safina Ikhfan Mida Nurcahya Ikhsan Hidayat Jailani Jailani Kana Hidayati Khoirunnisa, Asma’ Marwoto, Bambang Sumarno Hadi Muhammad Duha Ramadani Noer Hidayati Nur Insani Nur Insani Nuraida Lutfi Hastuti Pratiwi, Alya Firdaus RR Rianto, Vivi Satiranandi Wibowo, Firdaus Amruzain Sri Andayani Sri Devi Eka Yuliyanti Tika Asnay Aswiya Wahyu Setyaningrum Yusri, Thesa Adi Saputra