Article Per Year (5 Year)
p-Index From 2021 - 2026
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 
Perbandingan Algoritma Real Adaptive Boosting pada Regresi Logistik, CART, dan Naive Bayes dalam Klasifikasi Biji Labu Aprihartha, Moch Anjas; Fallo, Sefri Imanuel; Rasikhun, Hady
Jurnal Sains Matematika dan Statistika Vol 11, No 2 (2025): JSMS Juli 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v11i2.36859

Abstract

Labu merupakan spesies tanaman yang bernilai ekonomis dan medis. Hampir setiap bagian dari labu dapat dikonsumsi terutama pada bijinya. Minyak dari biji labu dapat juga digunakan sebagai saus untuk salad, produk kosmetik, sabun dan lilin. Keterampilan dalam mengklasifikasikan biji labu dengan tepat sangat dibutuhkan diberbagai sektor, seperti pertanian dan industri pangan. Dibutuhkan teknologi pengembangan yang dapat mengidentifikasi dan mensortir biji labu dengan mudah dan cepat. Beberapa algoritma yang umum dapat digunakan untuk mengidentifikasi jenis biji labu seperti algoritma regresi logistik (RL), Classification and Regression Tree (CART), dan Naive Bayes (NB). Penelitian ini bertujuan mengeksplorasi model RL, CART, dan NB pada dua jenis varietas biji labu, yaitu Ürgüp Sivrisi dan Çerçevelik berdasarkan karakteristik fisiknya. Selain itu, digunakan pendekatan Real Adaptive Boosting (RAB) untuk meningkatkan kinerja model dasar. Teknik ini bekerja dengan kemampuan menggabungkan beberapa model homogen secara berulang untuk menghasilkan model yang kuat. Hasil uji kinerja model klasifikasi diperhitungkan melalui metrik evaluasi. Model RAB-RL memiliki performa tertinggi pada akurasi, presisi, dan f1-score sehingga menjadikan model terbaik dalam mengklasifikasikan jenis biji labu dibandingkan model-model lainnya. Dalam model dasar, model RL memiliki performa terbaik dibawah model RAB-RL
Pendampingan Penanaman Konsep Pembelajaran Matematika Berbasis Kontekstual Bagi Mahasiswa Calon Guru Sekolah Dasar : Pengabdian Beatrix Purnama Sari; Andrian Runtius Lalang; Sefri Imanuel Fallo
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 1 (2025): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 1 (Juli 2025 -
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i1.2064

Abstract

This community service (PKM) activity aimed to enhance PGSD students' understanding and skills in designing and implementing contextual-based mathematics learning (Contextual Teaching and Learning/CTL). As future elementary school teachers, they need pedagogical competencies aligned with students' concrete thinking stages. The program was conducted online in three stages: interactive webinars, mentoring through discussions and individual consultations, and a final evaluation through product assessment and participant reflection. Data were collected via pre- and post-tests, lesson plan (RPP) observations, and discussion documentation, and analyzed using descriptive quantitative and qualitative methods. Results showed a significant increase in average scores from 64.2 to 85.7, with 72% of participants successfully creating high-quality RPPs and LKPDs. Discussion forums and consultations proved effective in developing reflective and collaborative skills. This activity demonstrated that structured online mentoring is an effective strategy for preparing professional, innovative elementary school teacher candidates.
Studi Komparasi Regresi Logistik Biner dan K-Nearest Neighbor Pada Kasus Prediksi Curah Hujan Rahmawati, Fitri; Amanah, Fitri; Fallo, Sefri Imanuel
Statistika Vol. 24 No. 1 (2024): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v24i1.2739

Abstract

ABSTRAK Perubahan iklim yang sedang terjadi di berbagai belahan dunia sebagai akibat dari pemanasan global telah menyebabkan ketidakpastian cuaca. Salah satu perubahan yang dirasakan adalah intensitas curah hujan. Hal ini mengakibatkan prediksi akan curah hujan menjadi penting untuk dilakukan. Ada beberapa teknik analisis data yang digunakan untuk prediksi curah hujan, diantaranya klasifikasi. Pada penelitian ini, dengan menggunakan variabel temperatur, kelembapan, lamanya penyinaran, dan kecepatan angin, akan dilakukan prediksi terhadap klasifikasi curah hujan di Kota Bogor. Model yang digunakan adalah Regresi Logistik Biner dan K-Nearest Neighbor. K yang digunakan pada model K-Nearest Neighbor yaitu 1 hingga 18. Untuk membandingkan kedua model, dibentuk confusion matrix yang selanjutnya digunakan untuk menghitung akurasi model. Akurasi model Regresi Logistik Biner sebesar 92,746%, adapun akurasi model K-Nearest Neighbor adalah sebesar 94,81865%. Dengan demikian, pada penelitian ini model K-Nearest Neighbor lebih baik dibandingkan model Regresi Logistik Biner. ABSTRACT Climate change due to global warming occurring in all parts of the world makes the weather unpredictable. One of the changes felt is the intensity of rainfall. This makes it important to predict rainfall. There are several data analysis techniques used to predict rainfall, including classification. In this research, using the variables temperature, humidity, duration of sunlight, and wind speed, predictions will be made on the classification of rainfall in the city of Bogor. The models used are Binary Logistic Regression and K-Nearest Neighbor. The K used in the K-Nearest Neighbor model is 1 to 18. To compare the two models, a confusion matrix is formed and then used to calculate the model accuracy. The accuracy of the Binary Logistic Regression model is 92.746%, while the accuracy of the K-Nearest Neighbor model is 94,81865%. Thus, in this research the K-Nearest Neighbor model is better than the Binary Logistic Regression model.
HIERARCHICAL CLUSTER ANALYSIS ON PEOPLE'S WELFARE IN SOUTHEAST SULAWESI PROVINCE Musa, Marsuddin; Fallo, Sefri Imanuel
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 2 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol17iss2pp1163-1172

Abstract

Problems with people's welfare typically result from the government's development efforts in a region not being done properly or not being done equally. Consider grouping and defining the traits of each region's degree of welfare as a potential answer to ensure that development policies and strategies are well-targeted. This study aims to classify 17 regency/cities in Southeast Sulawesi province based on several indicators of people's welfare. The method used is hierarchical cluster analysis with several approaches, including Single Linkage, Complete Linkage, Average Linkage, and Ward's. The data used in this study is secondary data obtained from the publication of the Central Agency of Statistics (CAS) of Southeast Sulawesi Province. Based on the results of the evaluation the best method used is Ward's method which produces three clusters. The first cluster consists of 9 regencies, namely Buton, North Buton, South Buton, Central Buton, Muna, West Muna, Wakatobi, Konawe Islands, and East Kolaka, the majority of which come from the archipelago. Some of the problems that occur in these areas are the relatively high poverty rate and the low average length of schooling and life expectancy. The same thing happened to the second cluster which consisted of 6 regencies, namely Konawe, South Konawe, North Konawe, Bombana, Kolaka, and North Kolaka with problems of poverty, the average length of schooling, and relatively low sources of proper drinking water when compared to other clusters. The third cluster consists of 2 urban areas, namely Kendari City and Baubau City, the problems that occur are the relatively high unemployment rate and population density. The government ought to offer more initiatives to handle issues with poverty, education, and health in regions in clusters 1 and 2. While in cluster 3, the government ought to offer more initiatives to combat jobless issues and prepare for rising population densities.
IMPLEMENTATION OF MAPPING-BASED MACHINE LEARNING ALGORITHM AS NON-STRUCTURAL DISASTER MITIGATION TO DETECT LANDSLIDE SUSCEPTIBILITY IN TAKARI DISTRICT Fallo, Sefri Imanuel; Nipu, Lidia Paskalia
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 18 No 2 (2024): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol18iss2pp0877-0892

Abstract

This research is primarily dedicated to providing a comprehensive exposition of the methodology applied in the deployment of a cartographic-based machine learning algorithm designed for the precise identification of areas susceptible to landslides within the geographical confines of the Takari District.This research delves into the application of mapping-based machine learning algorithms in the domain of non-structural disaster mitigation, with a specific emphasis on the detection of landslide susceptibility within the Takari District. A range of machine learning algorithms, including Support Vector Machine, Naive Bayes Classifier, Ordinal Logistic Regression, Random Forest, and Decision Tree, were harnessed to evaluate rainfall data within the context of landslide susceptibility. An evaluation of model performance, anchored in accuracy and Kappa metrics, unveiled that both the Ordinal Logistic Regression and Random Forest models exhibited noteworthy precision, reaching a commendable 74.36%. Nevertheless, a meticulous examination of Kappa values disclosed the ascendancy of the Random Forest model, which achieved a superior Kappa value of 0.5397. As portrayed in the visual representation provided, it becomes manifest that the Random Forest algorithm's prognostications yield 66 instances of cloudy atmospheric conditions, 48 occurrences of light precipitation, and 3 episodes of moderate rainfall. These predictions are influenced by several factors, including average temperature, humidity levels, wind speed, duration of sunlight, and wind direction at maximum speed. Consequently, this comprehensive analysis underscores the Random Forest algorithm as the most efficacious model for landslide susceptibility prediction. Furthermore, the study seamlessly integrated overlay maps, encompassing the Slope Inclination Map of the Takari District, Geological Map of the Takari District, and Soil Type Map of the Takari District, to contribute to the formulation of a definitive map delineating the susceptibility to landslides in the Takari District. Furthermore, further research could conduct spatial validation of the model predictions using additional datasets or remote sensing data to validate the accuracy of the landslide susceptibility map and ensure its applicability across different geographical regions.
Sosialisasi Pengenalan Konsep Etnomatematika kepada Siswa dan Guru SMA Negeri 3 Amarasi Timur Maure, Osniman Paulina; Lalang, Andrian Runtius; Fallo, Sefri Imanuel; Nay, Florianus Aloysius; Pote, Fernince; Mauleto, Kamelia
ABDI UNISAP: Jurnal Pengabdian Kepada Masyarakat Vol. 2 No. 2 (2024): ABDI UNISAP: Jurnal Pengabdian Kepada Masyarakat
Publisher : UPT Publikasi dan Penerbitan Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/abdiunisap.v2i2.305

Abstract

Tujuan pelaksanaan kegiatan PkM ini yaitu sebagai berikut: (1) Mengedukasi dan memberikan pemahaman terkait kaitan budaya dan matematika kepada guru dan siswa SMA Negeri 3 Amarasi Timur; (2) Sebagai referensi bagi guru dalam mengembangkan strategi ataupun model dalam mengajar matematika di SMA Negeri 3 Amarasi Timur; dan (3) Mampu meningkatkan minat dan motivasi siswa dalam mempelajari matematika di sekolah. Metode pelaksanaan kegiatan PkM ini terdiri 4 tahapan yang meliputi observasi, persiapan, pelaksanaan, dan refleksi. Berdasarkan hasil pelaksanaan kegiatan PKM disimpulkan bahwa para siswa dan guru termotivasi mengikuti kegiatan PkM tersebut dikarenakan materi etnomatematika yang dipaparkan Tim PkM berkaitan dengan budaya, tradisi, dan praktik sehari-hari masyarakat Amarasi Timur. Selama kegiatan PkM, siswa dan guru terlibat aktif dalam bertanya dan menjawab pertanyaan Tim PkM. Selain itu, siswa juga dapat menjelaskan konsep etnomatematika yang terdapat pada masyarakat Amarasi Timur yang belum dipaparkan oleh Tim PkM. Melalui kegiatan PkM ini siswa lebih termotivasi untuk mempelajari materi matematika di sekolah, siswa lebih mengenal, menghargai, dan melestarikan budaya lokal masyarakat Amarasi Timur melalui pembelajaran yang terintegrasi dengan kearifan lokal, serta guru dapat menintegrasikan etnomatematika dalam pembelajaran matematika di SMA Negeri 3 Amarasi Timur.
Pelatihan Kepemimpinan Kreatif untuk Siswa SMP St. Angela Atambua: Mencetak Gen Z Creative Leaders Andiwatir, Alexius; Nay, Florianus Aloysius; Talan, Rudobertus; Fallo, Sefri Imanuel
ABDI UNISAP: Jurnal Pengabdian Kepada Masyarakat Vol. 2 No. 2 (2024): ABDI UNISAP: Jurnal Pengabdian Kepada Masyarakat
Publisher : UPT Publikasi dan Penerbitan Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/abdiunisap.v2i2.323

Abstract

Kegiatan pengbadian ini bertujuan untuk mengembangkan keterampilan kepemimpinan dan karakter siswa SMP Santa Angela Atambua melalui pengalaman belajar yang komprehensif dan berbasis pada keterlibatan aktif. Program ini dilaksanakan selama lima hari, dengan fokus pada pengembangan keterampilan mandiri, komunikasi efektif, kepemimpinan, dan nilai-nilai kebangsaan. Kegiatan ini mencakup berbagai materi, termasuk pengembangan keterampilan presentasi, problem solving, public speaking, serta wawasan nusantara. Selain itu, kegiatan ini melibatkan games simulasi dan latihan baris berbaris untuk memperkuat kerja sama tim dan disiplin.Hasil evaluasi menunjukkan bahwa 80% siswa mengalami peningkatan keterampilan public speaking, dan 75% siswa menunjukkan peningkatan dalam kemampuan kerja sama tim. Dosen Universitas San Pedro berperan sebagai fasilitator dalam proses pembelajaran, menyediakan wawasan teoretis dan praktis tentang kepemimpinan melalui pendekatan aplikatif dan interaktif. Siswa menunjukkan respons positif dengan terlibat aktif dalam setiap fase kegiatan, mengembangkan keterampilan praktis, serta membangun karakter kepemimpinan yang bertanggung jawab, beretika, dan berkomitmen terhadap kebaikan bersama. Program ini berhasil memperkuat kemampuan kepemimpinan siswa, memberikan kontribusi positif bagi perkembangan karakter siswa di masa depan, serta menumbuhkan rasa kebanggaan terhadap budaya Indonesia dan nilai-nilai sosial yang mendalam.
Analisis Faktor-Faktor yang Mempengaruhi Permintaan Volume Air pada PDAM Kota Kupang Ottu , Frengky Harim Ronaldo; Nay, Florianus Aloysius; Maure, Osniman Paulina; Fallo, Sefri Imanuel; Mauleto, Kamelia
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 Fallo, Sefri Imanuel; Maure, Osniman Paulina; Mauleto, Kamelia; Nay, Florianus Aloysius
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.
Co-Authors Alexius Andiwatir Andrian Runtius Lalang Beatrix Purnama Sari Fitri Amanah Fitri Rahmawati 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