Articles
<![CDATA[Implementasi Integrasi Seleksi Data dan Extreme Learning Machine (IDELM) Untuk Klasifikasi DNA Bakteri Patogen ]]>
<![CDATA[Umi - Mahdiyah]]>;
<![CDATA[Lilia Sinta Wahyuniar]]>
<![CDATA[ Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Vol 3 No 1 (2019): Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) ]]>
Publisher : <![CDATA[Mathematics Department ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[PCR adalah salah satu metode untuk mendeteksi keberadaan mikroba dalam tubuh. Dibanding metode lain, metode ini tergolong akurat, cepat, dan bisa diandalkan. Keuntungan PCR lainnya adalah sekuens DNA dari mikroba atau strain infeksi yang baru ditemukan. Selanjutnya data DNA yang ditemukan tersebut dilakukan pencarian masuk pada jenis DNA apa, sehingga dibutuhkan metode yang optimal. Sekuensing DNA dapat dimanfaatkan untuk menentukan identitas maupun fungsi gen atau fragmen DNA lainnya dengan cara membandingkan sekuens-nya dengan sekuens DNA lain yang sudah diketahui. Integrasi Seleksi data dan Extreme Learning Machine ini dipilih sebagai metode untuk klasifikasi DNA karena data DNA merupakan data yang besar serta karakteristik datanya yang kebanyakan adalah data yang imbalance. Pada proses penelitian data yang akan diolah terlebih dahulu diuraikan fragmennya, selanjutnya dilakukan ekstraksi fitur, kemudian dilakukan proses klasifikasi. Hasil dari pengklasifikasian tersebut diperoleh precision, recall, gmean, dan akurasi masing-masing sebesar 0.818, 1, 0.9045, dan 0.90.]]>
<![CDATA[STUDY COMPARISON BACKPROPOGATION, SUPPORT VECTOR MACHINE, AND EXTREME LEARNING MACHINE FOR BIOINFORMATICS DATA ]]>
<![CDATA[umi mahdiyah]]>;
<![CDATA[M. Isa Irawan]]>;
<![CDATA[Elly Matul Imah]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informasi Vol 8, No 1 (2015): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information) ]]>
Publisher : <![CDATA[Faculty of Computer Science - Universitas Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (324.272 KB)
|
DOI: 10.21609/jiki.v8i1.284
<![CDATA[A successful understanding on how to make computers learn would open up many new uses of computers and new levels of competence and customization. A detailed understanding on information- processing algorithms for machine learning might lead to a better understanding of human learning abilities and disabilities. There are many type of machine learning that we know, which includes Backpropagation (BP), Extreme Learning Machine (ELM), and Support Vector Machine (SVM). This research uses five data that have several characteristics. The result of this research is all the three investigated models offer comparable classification accuracies. This research has three type conclusions, the best performance in accuracy is BP, the best performance in stability is SVM and the best performance in CPU time is ELM for bioinformatics data.]]>
<![CDATA[PEGARUH PEMBELAJARAN DARING DENGAN GOOGLE CLASSROOM DAN GOOGLE MEET TERHADAP MINAT BELAJAR MATEMATIKA DISKRIT ]]>
<![CDATA[LILIA SINTA WAHYUNIAR]]>;
<![CDATA[Siti Rochana]]>;
<![CDATA[Umi Mahdiyah]]>;
<![CDATA[Niska Shofia]]>;
<![CDATA[Suryo Widodo]]>
<![CDATA[ AKSIOMA: Jurnal Program Studi Pendidikan Matematika Vol 10, No 2 (2021) ]]>
Publisher : <![CDATA[UNIVERSITAS MUHAMMADIYAH METRO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (438.795 KB)
|
DOI: 10.24127/ajpm.v10i2.3635
<![CDATA[Masa pandemi, semua sekolah dan universitas menerapkan pembelajaran daring. Pembelajaran daring dapat dilakukan dengan berbagai cara diantaranya dengan menggunakan google classroom dan google meet. Perkuliahan matematika diskrit dilaksanakan dengan menggunakan google classroom dan google meet. Tujuan dari penelitian ini adalah untuk mengetahui pegaruh pembelajaran daring dengan google classroom dan pengaruh pembelajaran darng dengan google meet terhadap minat belajar mahasiswa pada mata kuliah matematika diskrit serta untuk mengetahui pengaruh pembelajaran daring dengan google clasroom dan google meet secara bersama-sama terhadap minat belajar matematika diskrit. Metode penelitian yang digunakan adalah kuantitatif. Teknik pengambilan sampel pada penelitian ini adalah menggunakan Simple Random Sampling. Pengambilan data pada penelitian ini menggunakan angket/kuisioner dengan menggunakan skala likert 1 sampai 4. Variabel pada penelitian ini terdiri dari variabel bebas dan variabel terikat. Variabel bebas terdiri dari 2 variabel yaitu variabel pertama pembelajaran daring dengan google classroom (X1) dengan 3 indikator, variabel kedua pembelajaran daring dengan google meet (X2) dengan 4 indikator. Variabel terikat dari penelitian ini adalah minat belajar (Y) dengan 4 indikator. Hasil dari penelitian ini adalah pembelajaran daring dengan google classroom memberikan pengaruh positif sebesar 1,354 terhadap minat belajar matematika diskrit, pembelajaran daring dengan google meet memberikan pengaruh sebesar -0,540 terhadap minat belajar matematika diskrit. Pembelajaran daring dengan google classroom dan pembelajaran daring dengan google meet secara bersama-sama mempunyai pengaruh sebesar 55% terhadap minat belajar matematika diskrit, sedangkan sisanya 45% dipengaruhi oleh variabel di luar penelitian ini.]]>
<![CDATA[Pencarian Rongga Berpotensi Binding Site pada Protein dengan Menggunakan Support Vector Machine (SVM) ]]>
<![CDATA[Umi Mahdiyah]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol 14, No 2 (2017) ]]>
Publisher : <![CDATA[Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (2825.595 KB)
|
DOI: 10.12962/limits.v14i2.3079
<![CDATA[Bioinformatika merupakan ilmu multidisipliner yang melibatkan berbagai bidang ilmu. Salah satu aplikasi dari bioinformatika adalah dalam proses desain obat berbantuan komputer. Dalam desain obat berbantuan komputer salah satu langkah awal yang dibutuhkan adalah mencari suatu rongga pada protein, rongga tersebut nantinya untu melekat suatu ligan(partikel kecil) maupun protein yang merupakan partikel atau protein dari calon obat. Dalam penelitian ini untuk pencarian binding site digunakan metode klasifikasi dengan Support Vector Machine. Hasil dari pencarian binding site dengan metode ini menunjukkan akurasi G-Mean yang cukup tinggi yaitu 0,903 atau 90,3]]>
<![CDATA[KLASIFIKASI DNA MENGGUNAKAN FITUR N-MERS DENGAN INTEGRASI SELEKSI DATA DAN ELM (IDELM) SEBAGAI CLASSIFIER ]]>
<![CDATA[Umi Mahdiyah]]>
<![CDATA[ Joutica Vol 4, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Lamongan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (413.873 KB)
|
DOI: 10.30736/jti.v4i2.317
<![CDATA[DNA merupakan unsur yang sangat penting dan mendasar pada setiap organisme. Sekuensing DNA dapat dimanfaatkan untuk menentukan identitas suatu organisme dengan cara membandingkan urutan DNA nya dengan DNA lain yang sudah diketahui. Integrasi Seleksi data dan Extreme Learning Machine (IDELM) ini dipilih karena data DNA merupakan data yang besar serta karakteristik datanya yang kebanyakan adalah data yang imbalance. Pada proses penelitian data yang akan diolah terlebih dahulu diuraikan fragmennya dengan simulator MetaSim, selanjutnya dilakukan ekstraksi fitur dengan menggunakan n-mers, kemudian dilakukan proses klasifikasi dengan IDELM. Hasil dari pengklasifikasian tersebut memiliki performa yang baik, karena dengan ekstraksi fitur 3-mers maupun 4-mers performanya di atas 80%.]]>
<![CDATA[Algebraic thinking profile of prospective mathematics teacher students with medium mathematics ability according to solo taxonomy ]]>
<![CDATA[Siti Rochana]]>;
<![CDATA[Lilia Sinta Wahyuniar]]>;
<![CDATA[Niska Shofia]]>;
<![CDATA[Umi Mahdiyah]]>
<![CDATA[ Jurnal Math Educator Nusantara: Wahana Publikasi Karya Tulis Ilmiah di Bidang Pendidikan Matematika Vol 6 No 2 (2020): Jurnal Math Educator Nusantara ]]>
Publisher : <![CDATA[Program Studi Pendidikan Matematika, Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/jmen.v6i2.14742
<![CDATA[This study aims to describe the algebraic thinking profile of prospective mathematics teacher students according to the SOLO taxonomy. The research was conducted at the Nusantara University PGRI Kediri. The research subjects were students who are prospective mathematics teachers with moderate or average abilities. Subjects are selected based on course scores and information from several lecturers who are teaching the subject. Besides that, the willingness and openness of the subject is also a consideration for choosing this subject. The instrument used in this study was a matter of algebraic problems. The method used is a qualitative method which refers to the written test and interview. The questions that are done consist of tests of algebra problems for pattern components and algebra problem tests for variable components. The results showed that students of prospective mathematics teachers with moderate mathematical abilities met the indicators of algebraic thinking, namely being able to find certain terms in a given pattern but were unable to generalize the given pattern and could not understand variables as general form numbers in algebraic form.]]>
<![CDATA[Sistem Pendukung Keputusan Penentuan Penerima Rastra di Desa Sidoharjo Menggunakan Metode AHP ]]>
<![CDATA[Grendi Fariska]]>;
<![CDATA[Danang Wahyu Widodo]]>;
<![CDATA[Umi Mahdiyah]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 3 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v4i3.87
<![CDATA[Penelitian ini dilatar belakangi dari pengambilan keputusan untuk menentukan kriteria penerima beras sejahtera di Desa Sidoharjo yang terjadi tidak mengacu pada kriteria keluarga miskin, sehingga mengakibatkan pembagian beras miskin yang salah sasaran. Metode penelitian yang digunakan dalam penelitian ini adalah menggunakan metode deskriptif kualititatif. Salah satu solusi untuk mengatasi masalah tersebut adalah dengan sistem informasi berbasis komputer yaitu Sistem Pendukung Keputusan (SPK) yang dapat mendukung pengambilan keputusan calon penerima rastra berdasarkan kriteria yang telah ditentukan. SPK dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif. Sistem pendukung keputusan dalam penelitian ini membantu melakukan penilaian setiap keluarga miskin, melakukan perubahan kriteria, dan perubahan nilai parameter. Hal ini berguna untuk memudahkan pengambil keputusan terkait dengan masalah seleksi penerima beras untuk keluarga miskin (Rastra) di Desa Sidoharjo, sehingga akan di dapatkan keluarga yang paling layak diberi Rastra. Sistem Pendukung Keputusan ini menggunakan algoritma AHP. Hasil dari penelitian ini sistem dapat meningkatkan hasil efektifitas keputusan yang di ambil pimpinan serta berdaya saing mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan. Sistem ini memberikan informasi, membantu kepala desa dalam menentukan calon penerima rastra berdasarkan kriteria-kriteria yang telah ditentukan.]]>
<![CDATA[Meta Analisis-Pengukuran Kualitas Pelayanan Menggunakan Metode Servqual ]]>
<![CDATA[Niska Shofia]]>;
<![CDATA[Umi Mahdiyah]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v4i2.155
<![CDATA[penelitian ini bertujuan untuk menganalisa perbandingan hasil pengukuran kualitas pelayanan (service quality) menggunakan MATLAB ToolBox Fuzzy dengan metode analisa kuantitatif menggunakan Uji Statistik. Metode penelitian menggunakan meta analisis dengan 6 sampel artikel yang telah dipublikasikan pada jurnal nasional. Penelitian meta analisis menunjukkan bahwa pengukuran kualitas pelayanan menggunakan MATLAB ToolBox Fuzzy lebih efektiv dibandingkan dengan menggunakan uji secara statistic, karena selain memberikan hasil kualitas pelayanan juga memberikan gambaran secara lebih jelas pada tampilan grafik.]]>
<![CDATA[Sistem Rekomendasi Kelayakan Pemberian Kredit Kendaraan Menggunakan Metode Naïve Bayes ]]>
<![CDATA[Tri Wahyudi]]>;
<![CDATA[Patmi Kasih]]>;
<![CDATA[Umi Mahdiyah]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v4i1.200
<![CDATA[Proses penentuan kelayakan kredit pada Alfiansyah Dealer selama ini dilakukan secara konvensional dimana pertimbangan kredit diberikan kepada calon pembeli atau tidak dilakukan secara langsung oleh pemilik berdasarkan pertimbangan data seadanya. Permasalahan yang sering timbul adalah karena cenderung melakukan penilaian yang subjektif terhadap calon pembeli, tidak jarang kredit yang telah diberikan bermasalah dalam hal kelancaran angsuran atau bahkan konsumen melarikan diri, dan sebagainya. Pemilik selaku pimpinan membutuhkan suatu sistem bantu yang dapat memberikan hasil penilaian/ perhitungan sebagai bahan pertimbangan berdasarkan kriteria-kriteria yang telah ditetapkan untuk Alfiansyah Dealer. Sistem yang dibuat adalah sistem bantu rekomendasi kelayakan pemberian kredit kendaraan pada Alfiansyah Dealer dengan kriteria untuk penilaian adalah jumlah gaji, status rumah, status pernikahan, jumlah keluarga, jumlah anggsuran, dan waktu anggsuran yang diproses berdasarkan algoritma klasifikasi NAÏVE BAYES. Berdasarkan hasil uji sistem diketahui bahwa sistem dapat berjalan cukup baik berdasarkan nilai kriteria dengan data training yang ada. Pihak Alfiansyah Dealer menyimpulkan bahwa dengan memanfaatkan sistem rekomendasi dengan penerapan NAÏVE BAYES, dimaksudkan untuk membantu memperluas kapabilitas Alfiansyah Dealer, namun tidak menggantikan penilaian dan keputusan akhir dari pimpinan]]>
<![CDATA[Rancangan Sistem Identifikasi Jenis Burung Kicau Berdasarkan Suara Burung dengan Mel Frequency Cepstrum Coefficiens (MFCC) ]]>
<![CDATA[Terry Anda Putra Nurarinda]]>;
<![CDATA[Julian Sahertian]]>;
<![CDATA[Umi Mahdiyah]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v4i1.203
<![CDATA[Identifikasi Jenis Burung Kicau Berdasarkan Suara Burung Menggunakan Pengenalan Suara. Perkembangan teknologi yang semakin pesat memberikan kemudahan bagi masyarakat pecinta burung kicau untuk secara otomatis mengidentifikasi jenis burung berdasar suara kicauannya. Burung selain memiliki keindahan fisik juga memiliki keindahan suara. Teknologi selain berperan penting sebagai media untuk bertukar informasi mengenai seputar tips dalam merawat burung, juga diharapkan untuk dapat memberikan fungsi lain, yaitu mendeteksi suara burung, sehingga masyarakat yang memiliki hobi serupa dapat dengan mudah membedakan jenis burung berdasarkan suara kicaunya. Penelitian ini menghasilkan sebuah model identifikasi otomatis jenis burung. Data yang digunakan berupa data rekaman suara yang didapat dari komunitas penghobi burung di setiap perlombaan burung kicau. Berdasarkan pengetahuan tentang suara kicau burung untuk setiap jenis burung terdapat perbedaan yang cukup signifikan, maka dapat disimpulkan bahwa identifikasi jenis burung dapat dilakukan berdasarkan suara kicauannya. Sehingga hal ini dapat memberikan kemudahan pada komunitas pecinta burung kicau.]]>
