Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Journal of Medives: Journal of Mathematics Education IKIP Veteran Semarang
Ryan Ananda Nolly
Universitas Negeri Medan
Computer Science & IT Mathematics Other

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

Found 2 Documents
Search

 1 
Analysis of Student's Beginning Reasoning Ability In Pisa-Like-Based Mathematics Problem Solving Ryan Ananda Nolly; Rohwandi Rohwandi; Nur Annisa Husna; Jeremia Manurung; Razid Ananda Siregar; Andrea Arifsyah Nasution
Jurnal Pendidikan Matematika IKIP Veteran Semarang Vol 6 No 2 (2022): Journal of Medives : Journal of Mathematics Education IKIP Veteran Semarang
Publisher : Urogram Studi Pendidikan Matematika, Universitas IVET

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (523.36 KB) | DOI: 10.31331/medivesveteran.v6i2.2047

Abstract

The research carried out in this article is a descriptive type of research to know the level of reasoning ability and analysis of the initial capacity in solving math problems of students in SDS Prestige Bilingual School on Minimum Competency Assessment and Non-Minimum Competency Assessment PISA like math-based questions. The subjects in this study were third-grade students of SDS Prestige Bilingual School for the 2021/2022 academic year, with a total of 14 students. The data collection method used in this study was to first distribute pretest questions to students with 60 minutes of processing time and continue with interviews. Interviews are intended to dig for more profound information about how students solve the given problems. The results of the pretest and interviews will be used as the primary data in answering the research problems. Based on the results of the research that has been carried out, it is obtained data that the research findings show students' initial reasoning abilities in general, students can solve the questions in the problem. In solving the questions given, some students tended to do trial and error, while the rest answered with good performance with answers that matched expectations. Keywords: Initial understanding, PISA, Reasoning ability, Minimum Competency Assessment.
Penerapan Algoritma K-Nearest Neighbors untuk Klasifikasi Fragmen Metagenom Berdasarkan Ekstraksi Fitur K-Mers Ryan Ananda Nolly; Amanda Fitria; Kana Saputra S
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 17, No 1 (2022): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v17i1.5779

Abstract

Penelitian di bidang metagenomika menjadi salah satu bidang kajian bioinformatika yang terus berkembang. Metagenom merupakan sebuah teknik yang bertujuan untuk mengumpulkan gen-gen yang diambil secara langsung dari lingkungan dan mengenalisis informasi genetika di dalamnya. Data yang diambil langsung dari lingkungan memungkinkan fragmen yang dihasilkan mengandung berbagai mikroorganisme, sehingga akan berakibat pada terjadinya kesalahan perakitan terhadap fragmen metagenom. Proses binning (pengelompokan) dapat dilakukan dengan dua pendekatan, yaitu pendekatan homologi dan pendekatan komposisi. Pendekatan secara komposisi tidak perlu membandingkan dan menyimpulkan setiap hasil pencarian pada setiap level taksonomi sehingga waktu yang diperlukan untuk pengelompokan lebih cepat dibandingkan dengan pendekatan secara homologi.Pada proses binning (pengelompokan) dengan pendekatan komposisi, teknik yang dilakukan adalah dengan supervised learning. Tujuan dari penelitian ini adalah untuk mengklasifikasi fragmen metagenom menggunakan algoritma KNN dan K-Mers sebagai ekstraksi fitur. Selain itu, untuk menghitung tingkat akurasi klasifikasi fragmen metagenom menggunakan confusion matrix. Metode K-Mers yang digunakan sebagai ekstraksi fitur bertujuan untuk mempartisi data dan membentuk satu atau lebih kelompok yang memiliki kesamaan, sehingga perhitungan untuk mencari tingkat akurasi menjadi lebih mudah didapatkan. Berdasarkan hasil pengujian yang dilakukan menunjukkan bahwa semakin rendah nilai K yang digunakanpada KNN maka semakin tinggi akurasi yang diperoleh. Pada pengujian ini diperoleh perhitungan akurasi sebesar 94,37% dimana nilai K untuk KNN adalah 3 dan nilai K untuk K-Mers adalah 3. Hasil klasifikasi fragmen metagenom menggunakan algoritma KNN berdasarkan ekstraksi fitur K-Mers dapat dilakukan dengan baik.
Co-Authors Amanda Fitria Andrea Arifsyah Nasution Jeremia Manurung Kana Saputra S Nur Annisa Husna Razid Ananda Siregar Rohwandi Rohwandi