Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Matematika UNAND Jurnal Ilmiah Matematika
Dian Eka Wijayanti
Unknown Affiliation
Computer Science & IT Mathematics

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

Found 3 Documents
Search

 1 
Klasifikasi penentuan status gizi balita dengan metode naive bayes Alfiyyah 'Ainul Abdillah; Aris Thobirin; Dian Eka Wijayanti
Jurnal Ilmiah Matematika Vol 11, No 1 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v11i1.30139

Abstract

Klasifikasi merupakan pengelompokan untuk memprediksi suatu kelas berdasarkan data dan data-data tersebut memiliki table atau atribut. Salah satu metode dalam klasifikasi adalah naïve bayes. Metode naïve bayes banyak digunakan dalam berbagai bidang penelitian. Pada bidang kesehatan, metode naïve bayes digunakan dalam penelitian kesehatan anak. Salah satu penelitiannya membahas tentang gizi pada bayi dibawah umur lima tahun. Pada penelitian klasifikasi status gizi balita dengan metode naive bayes digunakan untuk melakukan klasifikasi data pada kelas tertentu. Metode naive bayes diterapkan pada penelitian ini untuk mengidentifikasi data balita. Data balita tersebut kemudian dianalisis untuk pembuatan model. Setelah pembuatan model kemudian menentukan model yang terbaik. Selanjutnya, model tersebut digunakan untuk memprediksi data balita di Puskesmas Ponjong I. Hasil penelitian menunjukkan bahwa pembagian data dengan perbandingan 90% data training dan 10% data testing menghasilkan akurasi sebesar 82,14%. Model klasifikasi ini mampu memprediksi status gizi balita dengan lebih baik daripada pembagian data lainnya. Hasil prediksi menunjukkan bahwa terdapat 14 anak dengan status gizi baik, 2 anak dengan gizi kurang, dan 2 anak dengan gizi lebih. Informasi ini memiliki implikasi penting bagi puskesmas, karena puskesmas dapat melakukan perawatan dan pengawasan lebih fokus terhadap kelima balita yang diklasifikasikan memiliki masalah gizi yang buruk.
Klasifikasi penentuan status gizi balita dengan metode naive bayes Alfiyyah 'Ainul Abdillah; Aris Thobirin; Dian Eka Wijayanti
Jurnal Ilmiah Matematika Vol. 11 No. 1 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v11i1.30139

Abstract

Klasifikasi merupakan pengelompokan untuk memprediksi suatu kelas berdasarkan data dan data-data tersebut memiliki table atau atribut. Salah satu metode dalam klasifikasi adalah naïve bayes. Metode naïve bayes banyak digunakan dalam berbagai bidang penelitian. Pada bidang kesehatan, metode naïve bayes digunakan dalam penelitian kesehatan anak. Salah satu penelitiannya membahas tentang gizi pada bayi dibawah umur lima tahun. Pada penelitian klasifikasi status gizi balita dengan metode naive bayes digunakan untuk melakukan klasifikasi data pada kelas tertentu. Metode naive bayes diterapkan pada penelitian ini untuk mengidentifikasi data balita. Data balita tersebut kemudian dianalisis untuk pembuatan model. Setelah pembuatan model kemudian menentukan model yang terbaik. Selanjutnya, model tersebut digunakan untuk memprediksi data balita di Puskesmas Ponjong I. Hasil penelitian menunjukkan bahwa pembagian data dengan perbandingan 90% data training dan 10% data testing menghasilkan akurasi sebesar 82,14%. Model klasifikasi ini mampu memprediksi status gizi balita dengan lebih baik daripada pembagian data lainnya. Hasil prediksi menunjukkan bahwa terdapat 14 anak dengan status gizi baik, 2 anak dengan gizi kurang, dan 2 anak dengan gizi lebih. Informasi ini memiliki implikasi penting bagi puskesmas, karena puskesmas dapat melakukan perawatan dan pengawasan lebih fokus terhadap kelima balita yang diklasifikasikan memiliki masalah gizi yang buruk.
ON INCLUSIVE TOTAL DISTANCE IRREGULARITY STRENGTH OF JOINT PRODUCT GRAPHS Dian Eka Wijayanti; Diari Indriati; Husin, Mohamad Nazri; Slamin
Jurnal Matematika UNAND Vol. 15 No. 1 (2026)
Publisher : Departemen Matematika dan Sains Data FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmua.15.1.44-56.2026

Abstract

Graph theory is one of the branches of mathematics that is rapidly developing due to its applications in solving various problems, including electronic networks, communication network models, transportation systems, and carbon reserve networks. The topology of these networks is simply represented using the concept of graphs. Specifically, graph labeling is widely used to address issues such as radio frequency assignment, computer network coding, data transfer optimization, and marketing distribution. Thus, conducting research to develop graph labeling methods is highly significant. Let $G=\left(V_G,E_G\right)$, be a simple connected graph, and $\lambda\ :V_G\cup E_G\rightarrow{1,\ 2,\ \ldots,\ k}$ be a labeling function on $G$. The inclusive weight of a vertex $v\in G$ is defined as the sum of the labels of $v$, all vertices in the $v$ neighborhood, and its incident edges. If all vertices in $V_G$ have a distinct inclusive weight, then $\lambda$ is called an inclusive distance vertex irregular total $k$-labeling of $G$ . The total distance vertex irregularity strength of $G$, denoted by $\widehat{tdis}\left(G\right)$, is the minimum $k$ for which such a labeling exists. This paper investigates the inclusive distance vertex irregular total $k$-labeling for certain classes of joint product graphs. Specifically, we determine the inclusive total distance irregularity strength of the joint product of path, cycle, and complete graphs, providing new insights into their structural labeling properties
Co-Authors Alfiyyah 'Ainul Abdillah Aris Thobirin Diari Indriati Eky Andryan Husin, Mohamad Nazri Slamin