Article Per Year (5 Year)
p-Index From 2021 - 2026
8.574
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi AKSIOMA: Jurnal Program Studi Pendidikan Matematika Jurnal Teknologi Informasi dan Ilmu Komputer Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Limits: Journal of Mathematics and Its Applications Jurnal Math Educator Nusantara: Wahana Publikasi Karya Tulis Ilmiah di Bidang Pendidikan Matematika Generation Journal Jurnal ABDINUS : Jurnal Pengabdian Nusantara SKANIKA: Sistem Komputer dan Teknik Informatika JAMI: Jurnal Ahli Muda Indonesia Journal of Instructional Mathematics Joutica : Journal of Informatic Unisla Nusantara of Engineering (NOE) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal INFOTEL Limits: Journal of Mathematics and Its Applications
Mahdiyah, Umi
Universitas Nusantara PGRI Kediri
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 77 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 77 Documents
Search

 1   2   3   4   5 
Implementasi Integrasi Seleksi Data dan Extreme Learning Machine (IDELM) Untuk Klasifikasi DNA Bakteri Patogen Umi - Mahdiyah; Lilia Sinta Wahyuniar
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 : Mathematics Department

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

Abstract

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.
STUDY COMPARISON BACKPROPOGATION, SUPPORT VECTOR MACHINE, AND EXTREME LEARNING MACHINE FOR BIOINFORMATICS DATA umi mahdiyah; M. Isa Irawan; Elly Matul Imah
Jurnal Ilmu Komputer dan Informasi Vol 8, No 1 (2015): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : 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

Abstract

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.
PEGARUH PEMBELAJARAN DARING DENGAN GOOGLE CLASSROOM DAN GOOGLE MEET TERHADAP MINAT BELAJAR MATEMATIKA DISKRIT LILIA SINTA WAHYUNIAR; Siti Rochana; Umi Mahdiyah; Niska Shofia; Suryo Widodo
AKSIOMA: Jurnal Program Studi Pendidikan Matematika Vol 10, No 2 (2021)
Publisher : UNIVERSITAS MUHAMMADIYAH METRO

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (438.795 KB) | DOI: 10.24127/ajpm.v10i2.3635

Abstract

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.
Pencarian Rongga Berpotensi Binding Site pada Protein dengan Menggunakan Support Vector Machine (SVM) Umi Mahdiyah
Limits: Journal of Mathematics and Its Applications Vol 14, No 2 (2017)
Publisher : 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

Abstract

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
KLASIFIKASI DNA MENGGUNAKAN FITUR N-MERS DENGAN INTEGRASI SELEKSI DATA DAN ELM (IDELM) SEBAGAI CLASSIFIER Umi Mahdiyah
Joutica Vol 4, No 2 (2019)
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (413.873 KB) | DOI: 10.30736/jti.v4i2.317

Abstract

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%.
Sensitivity analysis of the SMARTER and MOORA methods in decision making of achieving students Intan Nur Farida; Umi Mahdiyah; Akbar Fastio Hari Setiawan
JURNAL INFOTEL Vol 14 No 3 (2022): August 2022
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v14i3.751

Abstract

Evaluation of student learning in Islamic boarding schools is still limited to the results of exams conducted in writing which can lead to the determination of student achievement using simple criteria, resulting in less than optimal results. In addition, the importance of selecting criteria to suit the learning characteristics of the Islamic boarding school students. The purpose of this study is to assist the process of evaluating student learning based on the value of the criteria, sub-criteria, and priorities. The method used is Rank Order Centroid in assigning weight values ​​to the criteria applied to the Simple Multi-Attribute Rating Technique Exploiting Ranks (SMARTER) and Multi-Objective Optimization By Ratio Analysis (MOORA) methods. This study produces the same alternative value in the first rank. To calculate the accuracy is done by using sensitivity analysis according to the results of preference values ​​in each method. Based on the sensitivity analysis shows that in the first sensitivity calculation the lowest value is obtained. The sensitivity value of the SMARTER method on the first sensitivity is 0.0714. While the first sensitivity value of the MOORA method is 0.0076. So the best method is owned by the MOORA method because it has the lowest sensitivity value.
Implementation of the AES Algorithm in the Android-Based Hotspot Voucher Purchase Application Irawan, Rony Heri; Mahdiyah, Umi; Kurniawan, Rizki Dwi
Generation Journal Vol 8 No 1 (2024): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v8i1.20817

Abstract

Pada era digital yang semakin maju, kebutuhan akan akses internet yang cepat dan aman semakin meningkat. Dalam konteks ini, voucher hotspot menjadi salah satu cara yang populer untuk memperoleh akses internet yang terjangkau dan mudah digunakan. Saat ini, penggunaan voucher masih menggunakan metode cetak voucher ke kertas. Hal ini dapat menimbulkan kekurangan salah satunya yaitu menimbulkan sampah kertas bekas voucher tersebut. Dengan permasalahan tersebut, maka dibuatlah sebuah aplikasi pembelian voucher berbasis android dengan implementasi algoritma enkripsi AES. Enkripsi AES adalah algoritma enkripsi yang terkenal karena kemanannya yang sudah terjamin. Tujuan dari penelitian ini adalah membangun sebuah sistem atau aplikasi pembelian voucher hotspot berbasis android dengan enkripsi AES. Dari pengujian sistem yang telah dilakukan dengan metode blackbox, aplikasi yang dibuat telah berjalan sesuai dengan rancangan dan menjawab permasalahan penelitian
PENERAPAN METODE HOLT WINTERS UNTUK PERAMALAN HARGA SAHAM PT PRODIA WIDYAHUSADA TBK Prasetyo, Muhammad Ary; Mahdiyah, Umi; Swanjaya, Daniel
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 6 No 2 (2023): Jurnal SKANIKA Juli 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v6i2.3051

Abstract

The increase in the growth of Indonesian investors is partly due to the Covid-19 pandemic. Investors are moving their assets to investment instruments. One of them is stocks. The research aims to do stock forecasting or prediction to make it easier for investors to determine their investment decisions. Forecasting is an activity to calculate future conditions by utilizing past data and data that affect the situation to be predicted. This research uses forecasting methods with two Holt Winters methods, namely the Additive method and the Multiplicative method with PT Prodia Widyahusada TBK stock price data. To determine the feasibility of the forecasting model, this study uses MAPE to determine the error rate of the method in forecasting. The results of forecasting using the Holt Winters Additive and Holt Winters Multiplicative methods get MAPE values that are both very good. The MAPE value in stock forecast use Holt Winters Additive model method gets a value of 1.81% while the MAPE value in stock forecasting using the Holt Winters Multiplicative method gets a value of 2.06%. From the results of the research that has been done, it can be concluded that the MAPE value in stock forecasting using the Holt Winters Additive model method has the smallest error rate
Performa Machine Learning Terhadap Analisis Sentimen Pemilu 2024 Melalui Media Digital Arifin, Miranda Putri; Mahdiyah, Umi; Setiawan, Ahmad Bagus
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4903

Abstract

Pemanfaatan media sosial untuk kepentingan publik sudah banyak digunakan, salah satunya untuk kampanye pemilu presiden 2024. Analisis sentimen bertujuan untuk komputasi kalimat opini berupa teks dari media aplikasi twitter. Dengan menggunakan proses bantuan machine learning didapatkan data crawling yang kemudian diolah dengan teks preprocessing yaitu cleaning, case folding, normalization, stopword remover, tokenization, dan stemming yang kemudian dilanjutkan ke tahap training dan testing kemudian evaluasi dengan Support Vector Machine (SVM). Hasil akhir evaluasi yang didapatkan dengan pemrosesan 50 data dan 100 data dimana perolehan 80% untuk hasil akurasi 50 data sedangkan 70% untuk hasil akurasi 100 data. Hasil yang berbeda ini membuktikan bahwa jumlah banyaknya data dan pemrosesan yang maksimal atau belum maksimal mempengaruhi perolehan hasil yang didapat.
Implementasi Deep Learning Untuk Pengenalan Penyakit Antraks Pada Buah Cabai Ningrum, Bella Nurbuana Tri Cahya; Mahdiyah, Umi; Swanjaya , Daniel
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4918

Abstract

Penelitian ini mengimplementasikan Deep Learning, khususnya Convolutional Neural Network (CNN), untuk mendeteksi penyakit antraks pada buah cabai. CNN digunakan untuk mengklasifikasikan citra cabai terinfeksi dan tidak terinfeksi. Data gambar dikumpulkan dan diproses menggunakan TensorFlow's ImageDataGenerator untuk normalisasi, resize, dan pembagian batch. Grafik akurasi pada data pelatihan dan validasi dipantau selama proses pelatihan, sementara akurasi pada data pengujian dievaluasi setelahnya. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengendalian penyakit antraks pada tanaman cabai, meningkatkan hasil panen, dan mengurangi kegagalan panen yang disebabkan oleh penyakit. Implementasi pengenalan penyakit cabai menggunakan Convolutional Neural Network (CNN) menunjukkan bahwa CNN berhasil mengklasifikasikan penyakit Antraks pada cabai. Model mencapai akurasi validasi terbaik sebesar 90% pada epoch ke-23, berdasarkan grafik Training and Validation Loss serta Training and Validation Accuracy.
Co-Authors Afandi, Aris Agus Suwardono Ahmad Bagus Setiawan Akbar Fastio Hari Setiawan Alghozali, Muhammad Attiqi Anaga, Galang Kurnia Apriansa, Rendi Dwi Aprianto, Kresna Ardi Sanjaya Ardiansyah, Ryo Arie Putra, Zamima Daffa Rizki Arifin, Miranda Putri Asrori, Andre Gus Azhar, Rizki Azizah, Sarilah Nur Budi Darmawan Cahyono, Arip Dwi Chrisnatae, Mayo Alvarosy Danang Wahyu Widodo Danar Putra Pamungkas, Danar Putra Dandyade Candra, Dandyadex Daniel Swanjaya Deva Rahma Nugroho Dewangga, Rio Agung diyah kingkin sulistiana Dwi Harini Eka Putra, Ilham Rizki Fauzi Elly Matul Imah Fariska, Grendi Fernando, Achmad Youngy FITRIANA, VYRRA Intan Nur Farida Iswoyo, Dio Dwi Julian Sahertian Kamilah, Annisa' Nur Kasih , Patmi Kayan, Arwienda Kinanti, Intan Anggun Kresnawan, Michael Ilham Kuni Nadliroh Kurniawan, Rizki Dwi Lailatul Carisma Putri Lusi Dwi Anggraini, Lusi Dwi M. Dewi Manikta Puspitasari Made Ayu Dusea Widyadara Made Ayu Dusea Widyadara - Universitas Nusantara Kediri, Made Ayu Dusea Widyadara Mahardhika, Bima Merita Indrawati, Elsanda Mohammad Isa Irawan Muhammad Nawawi Muhammad Nur Ichsan Muhammad Rohid Saputro Munawi, Hisbullah Ahlis Muragil, Dimas Arif Nevita, Ary Permatadeny Nico Adi Saputra Niken Wulandari Ningrum, Bella Nurbuana Tri Cahya niska shofia Niska Shofia, Niska Nugroho, Alfaiz Putra Nuraissa, Alief Fakhrul Rachmad Nurarinda, Terry Anda Putra Pamungkas, Danar Puta Patmi Kasih Prakosa, Bryan Rizqi Pranata, Bagas Dwi Prasetyo, Aprisa Risky Prasetyo, Muhammad Ary Prastowo, Bayu Aji Pratama, Dieky Septhian Rastra Pratama, Regi Cendika Putra, Joelyan Vicky Purnama Ramadhan, Dias Nur Ramadhani, Gilang Ratih Kumalasari Niswatin Ratna Ratna Rendy Wahyudi Resty Wulanningrum Risa Helilintar Rochana, Siti Rony Heri Irawan Sanjaya, Daniel Santoso, Rachmad Sari, Putri Desi Kusuma Setyaningrum, Dyah Putri Shania Dila Vanesa Siti Rochana Suryo Widodo Swanjaya , Daniel Tri Wahyudi Umam, Moh. Khoirul Wahyu Anggara Putra Wahyuniar , Lilia Sinta Wibowo, Ridho Kuncoro Adji Yulianto, Haris