Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of the Indonesian Mathematical Society Pattimura Proceeding : Conference of Science and Technology
Marcus Wono Setya Budhi
Institut Teknologi Bandung
Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Energy Engineering Materials Science & Nanotechnology Mathematics Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENILAIAN ESAI MENGGUNAKAN MODEL PEMBELAJARAN MESIN Farah Qotrunnada; Marcus Wono Setya Budhi; Hilda Assiyatun
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1953.389 KB) | DOI: 10.30598/PattimuraSci.2021.KNMXX.265-270

Abstract

Penilaian jawaban esai merupakan metode penilaian yang sering dilakukan oleh guru untuk mengevaluasi pembelajaran para siswa. Namun, pada kenyataannya, penerapan metode ini seringkali justru menghabiskan waktu guru yang seharusnya meluangkan waktu lebih banyak untuk melibatkan siswa dalam proses pembelajaran yang sebenarnya. Selain itu, dalam menilai esai dengan jumlah yang sangat banyak, guru yang merupakan seorang manusia tetap dapat mengalami kelelahan dan memungkinkan terjadinya inkonsistensi penilaian antar siswa. Penilaian jawaban esai menggunakan komputer untuk meningkatkan efisiensi dapat menjadi alternatif penyelesaian permasalahan tersebut. Metode yang digunakan dalam penyusunan penelitian ini adalah metode deskriptif melalui studi literatur dengan mempelajari jurnal. Pada penelitian ini, penilaian jawaban esai menggunakan komputer dibangun menggunakan model pembelajaran mesin Regresi Linear, Regresi Ridge, dan XGBoost. Data jawaban esai yang berupa teks diproses menjadi angka yang termuat dalam fitur-fitur sintaksis dan vektor representasi banyaknya kemunculan gram kata (Bag of Words). Fitur-fitur yang sudah dapat dimengerti oleh komputer tersebut menjadi input bagi pembangunan model. Evaluasi dilakukan untuk mengukur performa model yang telah dibangun yaitu menggunakan Quadratic Weighted Kappa (QWK). Evaluasi ini mengukur seberapa besar akurasi dengan mempertimbangkan bobot yang berbeda pada besar kesalahan yang berbeda. Pada penelitian ini, model telah berhasil dibangun dengan performansi berdasarkan QWK terbaik adalah model XGBoost menggunakan input semua fitur dengan hasil 8 5%. Selanjutnya, berdasarkan efisiensi secara komputasi, model Regresi Linear dan Regresi Ridge lebih baik dari model XGBoost
A note on some Endpoint Estimates of Commutators of Fractional Integral Operators Wijaya, Verrel Rievaldo; Hakim, Denny Ivanal; Setya Budhi, Marcus Wono
Journal of the Indonesian Mathematical Society VOLUME 29 NUMBER 3 (NOVEMBER 2023)
Publisher : IndoMS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22342/jims.29.3.1599.322-327

Abstract

It is known that fractional integral operators are not bounded from Lebesgue integrable functions to Lebesgue space for some particular related exponent. Based on some recent results by Schikorra, Spector, and Van Schaftingen, we investigate commutators of fractional integral operators on Lebesgue integrable functions. We establish a weak type estimates for these commutators generated by essentially bounded functions. Under the same assumption, we also prove that the norm of these commutators are dominated by the norm of the Riesz transform.
Co-Authors Farah Qotrunnada Hakim, Denny Ivanal Hilda Assiyatun Wijaya, Verrel Rievaldo