Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Journal of Research Applications in Community Services Jurnal Jendela Matematika
Siti Mahmuda
Universitas Mulawarman
Religion Arts Humanities Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Mathematics Medicine & Pharmacology Public Health Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengenalan Pojok Statistik Sejak Dini dan Ilmu Data Sains Bagi Siswa dan Guru di SMAN Kota Samarinda Meirinda Fauziyah; Sifriyani Sifriyani; Sri Wahyuningsih; Suyitno Suyitno; Andrea Tri Rian Dani; Siti Mahmuda; Hadi Koirudin
Journal of Research Applications in Community Service Vol. 2 No. 3 (2023): Journal of Research Applications in Community Service
Publisher : Universitas Nahdlatul Ulama Sunan Giri Bojonegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/jarcoms.v2i3.2263

Abstract

Pendidikan merupakan bentuk usaha sadar seseorang untuk mengembangkan potensi diri agar memiliki kekuatan spiritual, keagamaan, serta keterampilan diri. Pada masa kini keterampilan diri terfokus dalam urgensi data yang banyak dibutuhkan di sektor industri dengan keahlian menganalisis masalah dan menghasilkan insight untuk menjawab kepentingan manusia di masa depan dengan mengenal ilmu data sains. Data sains merupakan cabang ilmu gabungan dari statistika, pendekatan sains, Artificial Intelligence (AI) untuk menganalisis sebuah big data sampai menghasilkan kesimpulan yang mudah dipahami. Tujuan kegiatan PKM ini memberikan pemahaman informasi pojok statistik sebagai wadah ilmu statistik kepada siswa dan guru sejak dini, membagikan informasi pengembangan ilmu data sains terkini menjadi seorang data scientist. Pelaksanaan kegiatan ini menggunakan metode Participatory Learning and Action (PLA) dengan melibatkan siswa/siswi dan guru. Hasil dari kegiatan ini menunjukkan bahwa terdapat perbedaan pemahaman sebelum dan setelah diberikan pemahaman ilmu data sains.
PERBANDINGAN AKURASI KLASIFIKASI MENGGUNAKAN ALGORITMA QUEST PADA PADA SKENARIO DATA KODIFIKASI DAN NON-KODIFIKASI Surya Prangga; Rito Goejantoro; Memi Nor Hayati; Siti Mahmuda; Dwi Husnul Mubiin
Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Vol. 5 No. 1 (2024): Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistik
Publisher : LPPM Universitas Bina Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46306/lb.v5i1.525

Abstract

Traffic accidents are difficult to predict in terms of when and where will occur. The number of traffic accident cases in Indonesia is relatively high. Regarding on data from the Central Statistics Agency (Badan Pusat Statistik) from 2020 until 2021, the average number of traffic accidents reaches one hundred thousand cases every year. Especially, in the Samarinda City, which is the capital of East Kalimantan Province, it ranked the highest in 2020 compared to several other regencies and cities within East Kalimantan Province. Considering these facts, traffic accident cases need to be addressed to minimize accident-related casualties. One data mining technique used to analyze traffic accident patterns is the decision tree-based classification method. One of the decision tree-based classification methods is QUEST algorithm. The QUEST algorithm (Quick, Unbiased, Efficient, and Statistical Tree) can be used to classify the status of traffic accident victims. Based on data analysis, the best accuracy to classify the status of traffic accident victims was obtained using second scenario data with 80:20 data split, with an accuracy of 66,10% and an F1-Score of 62,96%.
Implementasi Metode Random Forest pada Kategori Konten Kanal Youtube Siti Mahmuda
JURNAL JENDELA MATEMATIKA Vol. 2 No. 01 (2024): Jurnal Jendela Matematika: Edisi Januari 2024
Publisher : CV. Jendela Edukasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57008/jjm.v2i01.633

Abstract

Random Forest adalah metode klasifikasi ensemble dalam algoritma pembelajaran mesin. Metode klasifikasi ensemble bertujuan untuk meningkatkan akurasi model dan kinerja klasifikasi. Berdasarkan ukuran akurasi, Random Forest menunjukkan performa terbaik diantara metode klasifikasi yang ada, seperti Support Vector Machine (SVM) dan AdaBoost. Oleh karena itu, penelitian ini menerapkan metode klasifikasi Random Forest pada kategori konten kanal Youtube. Variabel prediktor klasifikasi adalah jumlahsubscribers, jumlah video, jumlah penayangan video, dan lama kanal Youtube. Metode Random Forest menunjukkan jumlah pohon yang dipilih adalah 100 dan mtry adalah 1. Jumlah subscribers merupakan variabel yang paling berpengaruh dalam pengkategorian konten kanal Youtube dengan tingkat kepentingan sebesar 19,04%. Akurasi klasifikasi yang dihasilkan sebesar 77,27%.
Co-Authors Dani, Andrea Tri Rian Dwi Husnul Mubiin Hadi Koirudin Meirinda Fauziyah Memi Nor Hayati Rito Goejantoro, Rito Sifriyani, Sifriyani Sri Wahyuningsih Surya Prangga Suyitno Suyitno