Article Per Year (5 Year)
p-Index From 2020 - 2025
2.852
P-Index
This Author published in this journals
All Journal E-Jurnal Matematika JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Sains Matematika dan Statistika BAREKENG: Jurnal Ilmu Matematika dan Terapan Asimtot : Jurnal Kependidikan Matematika SPRINTER: Jurnal Ilmu Olahraga Leibniz: Jurnal Matematika Jurnal Eurekamatika STATISTIKA ABDI UNISAP: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian Masyarakat dan Riset Pendidikan
Sefri Imanuel Fallo
Unknown Affiliation
Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

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

Found 19 Documents
Search

 1   2 
KAJIAN FIRST-ORDER CFA DAN SECOND-ORDER CFA PADA STRUCTURAL EQUATION MODELING (SEM) UNTUK MENGANALISIS KEPUASAN PASIEN DI PUSKESMAS HALMAHERA KOTA SEMARANG Sefri Imanuel Fallo
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol. 16(1), 2022
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (934.138 KB) | DOI: 10.20527/epsilon.v16i1.5518

Abstract

Indikator keberhasilan pelayanan kesehatan adalah kepuasan pasien(Depkes RI, 2008). Konsep mutu layanan sangat memiliki kaitan dengan kepuasan pasien. Mutu pelayanan kesehatan menunjukkan pada tingkat kesempurnaan pelayanan kesehatan dalam menimbulkan rasa puas pada diri setiap pasien. Makin sempurna kepuasaan tersebut, makin baik pula mutu pelayanan kesehatan (Depkes RI, 2008). Pada penelitian ini kepuasan pasien diukur dengan ke adanya mutu pelayanan terkait kualitas pelayanan dan kompetensi pegawai di Puskemas Halmahera kota Semarang. Indikator yang membentuk secara signifikan variabel kepuasan pasien adalah K1,K2,K4 dan K6 , Indikator yang membangun variabel kompetensi pegawai adalah KOP1,KOP2,KOP3,KOP4, dan KOP7 sedangkan indikator-indikator pada variabel yaitu reliability, assurance, tangible, empathy dan responsiveness signifikan dalam membentuk variabel kualitas pelayanan. variabel kepuasan pasien dan kompetensi pegawai memiliki nilai construct reliability (CR)  lebih dari 0,7 sehingga  memiliki konsistensi tinggi namun nilai Average Variance Extracted (AVE) untuk keseluruhan variabel baik first-order maupun second-order kurang valid.An indicator of the success of a service in the world of health is patient satisfaction. The thing that is no less important in serving patients to achieve patient satisfaction is the quality of service at the hospital. The quality of health services shows the level of perfection of health services in creating a sense of satisfaction in each patient. The more perfect the satisfaction, the better the quality of health services. In this study, patient satisfaction was measured by the quality of service related to service quality and employee competence at the Halmahera Health Center in Semarang. The indicators that make up significantly the patient satisfaction variable are KP1, KP2, KP4, and KP6, the indicators that build the employee competence variable are KOP1, KOP2, KOP3, KOP4, and KOP7 while the indicators on the variables are reliability, assurance, tangibles, empathy, and responsiveness significant in shaping the service quality variable. The variable of patient satisfaction and employee competence has a construct reliability (CR) value of more than 0.7 so that it has high consistency but the Average Variance Extracted (AVE) value for all variables, both first-order and second-order, is less valid.
Model Machine Learning Stacking untuk Prediksi Pembatalan Pemesanan Hotel Jus Prasetya; Sefri Imanuel Fallo; Moch Anjas Aprihartha
Jurnal Matematika, Statistika dan Komputasi Vol. 20 No. 3 (2024): May 2024
Publisher : Department of Mathematics, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/j.v20i3.32619

Abstract

The hotel prepares rooms and resources according to the room booking. Advance booking from customers is a relationship between customers and hotels that ensures price stability for customers to enjoy services. Cancellation of hotel bookings and inability to satisfy potential customers is a widespread and alarming problem that can increase hotel operating costs and affect customer satisfaction. Given that the impact on the hospitality industry can be very bad, predicting hotel cancellations can be a solution to help build an appropriate operational strategy. Method used in this research is stacking machine learning model. Stacking consists of two levels, where in this study level 0 (base learner) uses the Naive Bayes, Logistic Regression, and Gradient Boosting Machine algorithms while at level 1 (meta learner) uses the Random Forest algorithm. Accuracy value of the stacking model classification and the gradient boosting machine has the highest accuracy value of 0.87. Sensitivity value of the stacking model is 0.86 and is the highest sensitivity value which means that the stacking model classification is very precise in predicting consumers in canceling hotel reservations. Specificity value of the gradient boosting machine is 0.88 and is the highest specificity value, which means that the gradient boosting machine classification is very precise in predicting consumers who do not cancel hotel reservations. Naive bayes and logistic regression classifications have accuracy, sensitivity, specificity, precision values that are not high.  
Analisis Faktor-Faktor yang Mempengaruhi Permintaan Volume Air pada PDAM Kota Kupang Frengky Harim Ronaldo Ottu; Florianus Aloysius Nay; Osniman Paulina Maure; Sefri Imanuel Fallo; Kamelia Mauleto
Leibniz: Jurnal Matematika Vol. 2 No. 2 (2022): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v2i2.178

Abstract

Tulisan ini membahas tentang Analisis Regresi Linear Beganda. Untuk menganalisis pengaruh pendapatan rumah tangga (X1), jumlah anggota keluarga (X2)dan tarif air PDAM (X3) terhadap permintaan volume air pada PDAM Kota Kupang (Y). Setelah itu melakukan Analisa data kuantitatif meliputi, uji validitas, uji asumsi klasik, analisis regresi linear berganda, pengujian hipotesis dengan uji t dan uji F, serta analisis Koefisien Determinan (R2). Data-data yang sudah diuji menghasilkan persamaan regresi linear sebagai berikut: Y = 18474,335 - 770,685X1 + 256,091X2 - 55,197X3. Pengujian hipotesis menggunakan uji t menunjukan bahwa dari variabel X1, X2, dan X3 (Variabel Bebas) yang diteliti tidak terbukti secara signifikan mempengaruhi variabel Y (Variabel Terikat). Kemudian melakukan uji F menunjukan bahwa variabel X1, X2, dan X3 (Variabel Bebas) memang layak untuk menguji variabel Permintaan Volume Air pada PDAM. Angka Adjusted R Square sebesar 0,066 menunjukan bahwa 6,6% variasi Permintaan Volume Air pada PDAM dapat dijelaskan oleh variabel X dalam persamaan regresi. Sedangkan sisanya 93.4% dijelaskan oleh variabel lainnya yang tidak diteliti dalam penelitian ini.
Forecasting Indeks Harga Konsumen di Provinsi Nusa Tenggara Timur dengan Metode Holt-Winter Exponential Smoothing Sefri Imanuel Fallo; Osniman Paulina Maure; Kamelia Mauleto; Florianus Aloysius Nay
Leibniz: Jurnal Matematika Vol. 3 No. 2 (2023): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v3i2.378

Abstract

Salah satu sektor yang terdampak pandemi Covid-19 yaitu sektor ekonomi yang dapat dilihat dari Indeks Harga Konsumen (IHK). IHK adalah indeks yang digunakan untuk mengukur rata-rata harga produk, baik itu barang atau jasa, yang umum dikonsumsi atau digunakan oleh konsumen rumah tangga. IHK digunakan untuk mengetahui tingkat inflasi sebuah negara serta sebagai pertimbangan terkait penyesuaian upah, gaji, dana pensiun, maupun jenis kontrak lainnya. Tujuan dari penelitian ini yaitu untuk meramalkan IHK Provinsi Nusa Tenggara Timur (NTT) dengan menggunakan metode Holt-Winter exponential smoothing model multiplikatif pada April-Desember 2022. Data yang digunakan dalam penelitian ini berupa data time series IHK Provinsi NTT pada Januari 2010-Maret 2022. Berdasarkan hasil penelitian ini diperoleh IHK Provinsi NTT pada bulan April =108.6561917, Mei =110.3720977, Juni = 111.9869147, Juli = 114.9961043, Agustus = 116.704257, September = 118.2185969, Oktober = 119.3972145, November = 120.921364, dan Desember = 119.7614228 dengan parameter ? = 0.812326, ? = 0.15971, dan ? = 0.250432 serta nilai akurasi peramalan RMSE = 6.900573. Data peramalan IHK tersebut meningkat setiap bulan namun pada bulan Desember mengalami penurunan. Hal ini menunjukan bahwa tingkat harga barang yang dikonsumsi oleh konsumen pada bulan April hingga Desember lebih besar. Oleh karena itu, pemerintah NTT perlu memperhatikan IHK agar tidak mengakibatkan inflasi.
ANALISIS PERSEPSI MASYARAKAT LOMBOK YANG BERDAMPAK COVID-19 TERHADAP DUKUNGAN UNTUK PARIWISATA MOCH. ANJAS APRIHARTHA; JUS PRASETYA; SEFRI IMANUEL FALLO
E-Jurnal Matematika Vol 13 No 1 (2024)
Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/MTK.2024.v13.i01.p444

Abstract

Structural Equation Model (SEM) merupakan salah satu dari teknik analisis dalam ilmu statistika dengan gabungan dua teknik multivariat yaitu analisis faktor konfirmatori, analisis regresi, dan analisis jalur. Pada penelitian ini diterapkan analisis SEM untuk menganalisa faktor yang memengaruhi masyarakat Lombok yang berdampak Covid-19 terhadap dukungan untuk pariwisata. Data yang digunakan adalah data primer yang diperoleh dengan kuesioner kepada masyarakat Lombok pada tahun 2021. Pada studi kasus ini peneliti mengambil dua faktor yang dapat memengaruhi dukungan terhadap pariwisata (ST) yaitu resiko yang dirasakan (PR) dan solidaritas emosional (ES). Tujuan dari penelitian ini untuk mengetahui pengaruh variabel PR dan ES terhadap ST. Berdasarkan hasil analisis diperoleh solidaritas emosional (ES) berpengaruh signifikan pada dukungan terhadap pariwisata. Sementara itu, resiko yang dirasakan (PR) dan solidaritas emosional (ES) bersama-sama secara signifikan mampu menjelaskan pengaruhnya dukungan terhadap pariwisata (ST) sebesar 72,6% sedangkan 27,4% dijelaskan oleh variabel lain diluar model.
Implementasi CART-Real Adaboost dalam Memprediksi Minat Pelanggan Membeli Sepatu Aprihartha, Moch. Anjas; Prasetya, Jus; Fallo, Sefri Imanuel
Jurnal EurekaMatika Vol 12, No 1 (2024): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v12i1.67808

Abstract

Machine learning is a field of science related to the development of computer algorithms to transform data into intelligent actions. In machine learning does not escape understanding machine learning algorithms. One popular machine learning algorithm is supervised learning. Supervised learning algorithms are commonly used in solving prediction problems. This study aims to implement supervided learning algorithms using CART and CART-Real Adaboost methods in predicting customer interest in buying shoes. The results of the study obtained the performance of the CART model resulted in an accuracy of 77.5% and an AUC of 0.711 which indicates that the model is quite good. While the performance of the CART-Real Adaboost model obtained the best model at tree depth level 6 or level 8. The model obtained an accuracy of 85.71% and an AUC of 0.8225 which indicates a good model. This makes CART-Real Adaboost the best model compared to the CART model.Keywords: CART, Prediction, Real Adaboost, Shoes, Supervised Learning.AbstrakPembelajaran mesin merupakan bidang ilmu yang berkaitan pengembangan algoritma komputer untuk mengubah data menjadi suatu tindakan cerdas. Dalam pembelajaran mesin tidak luput dari memahami algoritma pembelajaran mesin. Salah satu algoritma pembelajaran mesin yang populer adalah supervised learning. Algoritma supervised learning umumnya digunakan dalam memecahkan masalah prediksi. Penelitian ini bertujuan untuk menerapkan algoritma supervided learning menggunakan metode CART dan CART-Real Adaboost dalam memprediksi minat pelanggan membeli sepatu. Hasil penelitian diperoleh performa model CART menghasilkan akurasi sebesar 77,5% dan AUC sebesar 0,711 yang menandakan model cukup baik. Sedangkan performa model CART-Real Adaboost diperoleh model terbaik pada kedalaman pohon berada di level 6 atau level 8. Model menghasilkan akurasi sebesar 85,71% dan AUC sebesar 0,8225 yang menandakan model baik. Ini menjadikan CART-Real Adaboost menjadi model terbaik dibandingkan model CART.
Studi Pengaruh Permainan Tradisional Rangku Alu terhadap Kebugaran Jasmani Siswa dengan Pendekatan Statistik Nonparametrik Nay, Florianus Aloysius; Fallo, Sefri Imanuel; Talan, Rudobertus; Rajagukguk, Christin P. M.
SPRINTER: Jurnal Ilmu Olahraga Vol. 5 No. 3 (2024): SPRINTER: Jurnal Ilmu Olahraga
Publisher : MAN Insan Cendekia Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46838/spr.v5i3.646

Abstract

The objectives of the study were (1) to determine whether there were differences before and after training in the traditional Rangku Alu game on the physical fitness of students; (2) to increase the height of students' jumps in the high jump sport through the traditional Rangku Alu game. The method used in the study was the experimental research method. In this case, what will be studied is the effect of the traditional Rangku Alu game on physical fitness in students of the Osmok Kupang Inpres Elementary School with a one-group design that was given pretest and posttest treatment. Based on the results of the analysis and discussion, it was found that there was a significant difference between the pre-test and post-test results as indicated by the Z value = -2.940 dan p = 0.003. These results indicate that training using the traditional Rangku Alu game can significantly improve jump height performance. Overall, this study shows that the traditional approach can be an innovative method in supporting the improvement of students' physical fitness.
KLASIFIKASI SUPPORT VECTOR MACHINE DAN RANDOM FOREST PADA DATA BIOMEDIS : APLIKASI DALAM ANALISIS DATA PENYAKIT DIABETES Imanuel Fallo, Sefri; Aloysius Nay, Florianus
Asimtot : Jurnal Kependidikan Matematika Vol 6 No 01 (2024): Asimtot: Jurnal Kependidikan Matematika | Juni 2024 - November 2024
Publisher : Program Studi Pendidikan Matematika Universitas Katolik Widya Mandira

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30822/asimtot.v6i01.4020

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan Random Forest dalam mengklasifikasikan data biomedis terkait penyakit diabetes. Data yang digunakan mencakup informasi tentang deteksi diabetes pada pasien, dengan variabel-variabel seperti Indeks Massa Tubuh (BMI), tingkat HbA1c, dan tingkat glukosa darah. Hasil penelitian menunjukkan bahwa Random Forest memberikan tingkat akurasi yang lebih tinggi dibandingkan SVM. Hasil prediksi random forest menghasilkan pasien terdeteksi diabetes sebanyak 73 kasus dan pasien tidak terdeteksi diabetes 1127 kasus dengan akurasi 97.17%. Evaluasi model menegaskan bahwa Random Forest mencapai nilai kappa sebesar 0.7967, menandakan kemampuannya dalam memprediksi penyakit diabetes dengan lebih efektif. Hasil ini menyiratkan bahwa Random Forest dapat menjadi pilihan yang lebih optimal dalam memodelkan prediksi penyakit diabetes, terutama ketika mempertimbangkan variabel-variabel yang relevan seperti BMI, tingkat HbA1c, dan tingkat glukosa darah dalam analisisnya.
ASPEK ETNOMATEMATIKA PADA PEMBAGIAN DAGING PAUS OLEH MASYARAKAT LAMALERA LEMBATA Aloysius Nay, Florianus; Runtius Lalang, Andrian; Imanuel Fallo, Sefri
Asimtot : Jurnal Kependidikan Matematika Vol 4 No 2 (2023): Asimtot: Jurnal Kependidikan Matematika | Desember 2022 - Mei 2023
Publisher : Program Studi Pendidikan Matematika Universitas Katolik Widya Mandira

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30822/asimtot.v4i2.2339

Abstract

Berbicara budaya masyarakat Lamalera maka tidak akan jauh dari tradisi menangkap ikan paus secara turun temurun yang telah berakar dan berkembang di masyarakat. Penelitian ini membahas aspek etnomatematika yang terkandung pada pembagian daging paus yang dilakukan masyarakat Lamalera Lembata. Tujuan penelitian ini adalah untuk mendeskripsikan budaya Lamalera dari sudut pandang matematika. Metode yang digunakan dalam penelitian ini adalah etnografi dimana data diperoleh berdasarkan dokumentasi, wawancara, dan studi pustaka. Hasil penelitian ini menunjukkan bahwa masyarakat Lamalera dalam proses pembagian daging ikan paus serta penetang dan barter telah menerapkan etnomatematika diantaranya konsep Teorema Euclide, Pembagi Bersama Terbesar, Untung, Rugi dan Perbandingan Senilai.
Hierarchical Agglomerative Clustering dengan Metode Ward Untuk Pemetaan Pasar Tenaga Kerja Pascapandemi di Jawa Tengah: Pendekatan Machine Learning Berbasis Klasterisasi Rahmawati, Fitri; Fallo, Sefri Imanuel
Leibniz: Jurnal Matematika Vol. 5 No. 01 (2025): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v5i01.573

Abstract

Pandemi COVID-19 telah memberikan dampak signifikan terhadap dinamika ketenagakerjaan di Indonesia, termasuk di Provinsi Jawa Tengah. Ketimpangan distribusi pasar tenaga kerja antarwilayah menjadi tantangan tersendiri dalam perumusan kebijakan pascapandemi. Penelitian ini menerapkan Hierarchical Agglomerative Clustering (HAC) dengan metode Ward untuk memetakan pasar tenaga kerja pascapandemi di Jawa Tengah berdasarkan indikator Tingkat Partisipasi Angkatan Kerja (TPAK), Tingkat Pengangguran Terbuka (TPT), dan Rasio Pencari Kerja terhadap Lapangan Kerja (RPKL). Hasil klasterisasi menunjukkan lima klaster dengan karakteristik pasar tenaga kerja yang berbeda, mulai dari klaster dengan partisipasi kerja di bawah rata-rata dan pengangguran di atas rata-rata hingga klaster dengan kondisi pasar tenaga kerja yang lebih stabil. Validitas klaster dikonfirmasi melalui koefisien Silhouette. Temuan ini memberikan gambaran spasial yang berguna untuk perumusan kebijakan ketenagakerjaan yang adaptif dan berbasis data.
Co-Authors Alexius Andiwatir Andrian Runtius Lalang Beatrix Purnama Sari Fitri Amanah Fitri Rahmawati Florianus Aloysius Nay Frengky Harim Ronaldo Ottu Hady Rasikhun Jus Prasetya Kamelia Mauleto Kamelia Mauleto Lalang, Andrian Runtius Lidia Paskalia Nipu Marsuddin Musa Mauleto, Kamelia Maure, Osniman Paulina Moch Anjas Aprihartha Ottu , Frengky Harim Ronaldo Pote, Fernince Rajagukguk, Christin P. M. Rudobertus Talan