Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Variance : Journal of Statistics and Its Applications Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika NUMBERS: Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam
Nadya, Fauza
Unknown Affiliation
Chemistry Decision Sciences, Operations Research & Management Education Mathematics Physics Other

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

Found 3 Documents
Search

 1 
Sistem Pendukung Keputusan Pemilihan Sunscreen Terbaik Untuk Kulit Berjerawat Menggunakan Metode Topsis: Decision Support System For Choosing The Best Sunscreen For Acne Prone Skin Using The Topsis Method Nadya, Fauza; Margaretha Tambunan, Ruth; Awaliyah Eff Hasibuan, Zahwa; P. Sinaga, Lasker
NUMBERS : Jurnal Pendidikan Matematika & Ilmu Pengetahuan Alam Vol. 1 No. 4 (2023): October - December
Publisher : CV. ADIBA AISHA AMIRA

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

Abstract

Tipe kulit berjerawat adalah gangguan pada kulit yang berhubungan dengan produksi minyak (sebum) berlebih. World Health Organization (WHO) merekomendasikan pemakaian tabir surya (Sunscreen) sebagai salah satu upaya yang digunakan untuk melindungi kulit. Pemilihan produk sunscreen yang tepat, berpengaruh terhadap ketahanan kulit untuk menahan efek paparan sinar UV khusunya untuk tipe kulit berjerawat. Oleh karena itu, dibutuhkan sistem pendukung keputusan yang tepat, dari banyaknya jenis dan merek sunscreen untuk tipe kulit tersebut.Dalam Penelitian ini menggunakan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) dalam sistem pegambilan keputusan yang tepat. penulis tertarik untuk melakukan penelitian dengan sistem pendukung keputusan pemilihan sunscreen terbaik untuk kulit berjerawat menggunakan metode topsis. Dengan tujuan menentukan suncreen terbaik untuk kulit berjerawat. Dalam penelitian ini diteliti 7 merk tabir surya untuk jenis kulit berjerawat. Kriteria yang menjadi bahan penilaian adalah kandungan SPF, harga, berat, komposisi, dan tekstur. Berdasarkan perhitungan TOPSIS, maka diperoleh alternatif dengan nilai matrik tertinggi yaitu oleh merk suncreen originote dengan nilai . Dari hasil penelitian ini, direkomendasikan untuk mahasiswa dengan kulit berjerawat untuk menggunakan sunscreen dengan merk originote.
ANALISIS FAKTOR PENYEBAB PENYAKIT JANTUNG MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) Manullang, Sudianto; Kairani, Nerli; Sinaga, Marlina Setia; Hutapea, Brian; Nadya, Fauza; Br Barus, Jesika Casadae Wanda; Tamara, Angga; Silaban, Dewi Fortuna
Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Vol. 5 No. 3 (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.v5i3.732

Abstract

Factor analysis is an important method in research to identify the underlying structure of complex data. Heart disease is a disease caused by a disturbance in the coronary blood vessels that causes narrowing and blockage so that it can interfere with the body's energy transportation process and also cause an imbalance between oxygen demand and oxygen supply. Various factors such as age, gender, smoking, etc. have an important role for a person to get heart disease. This study aims to analyze the factors that cause heart disease using the Principal Component Analysis (PCA) method. PCA is used to identify and reduce the dimensions of heart disease factor data. The data used in this study were obtained from journals and consisted of 7 variables. PCA successfully identified 2 main factors that explained 75% of the total variance in the data. Through dimensionality reduction, the number of variables was successfully reduced from 7 factors to 2 factors without significant information loss. This study found that the PCA method was effective in reducing the dimensionality of the data and identifying the main factors underlying the data.
ANALISIS PENGARUH PELAYANAN GRAB TERHADAP KEPUASAN PELANGGAN MENGGUNAKAN REGRESI LINEAR BERGANDA (STUDI KASUS: MAHASISWA UNIVERSITAS NEGERI MEDAN) Nadya, Fauza; Buulolo, Fatizanolo; Parinduri, Mutia Aini; Simamora, Jerry Misael; Nababan, Rodelta; Evelin, Shinta Kevin
VARIANCE: Journal of Statistics and Its Applications Vol 6 No 1 (2024): VARIANCE: Journal of Statistics and Its Applications
Publisher : Statistics Study Programme, Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/variancevol6iss1page87-98

Abstract

Dalam menghadapi kondisi perekonomian yang semakin maju di era globalisasi, perkembangan dunia usaha semakin pesat. Kesulitan dalam keadaan perekonomian mendorong munculnya persaingan di berbagai bidang kehidupan. Kesuksesan sebuah bisnis dapat dilihat dari tingkat kepuasan dari pelanggan atau customer dan pastinya dipengaruhi oleh beberapa faktor termasuk pelayanan. Karena itu, pada penelitian ini akan dilihat bagaimana pengaruh pelayanan Grab terhadap kepuasan pelanggan. Penelitian ini menggunakan pendekatan kuantitatif dengan studi kasus. Data didapatkan dengan menyebarkan kuesioner tanggal 10-21 November 2023 kepada mahasiswa di Universitas Negeri Medan yang diwakilkan ±10 orang per fakultas. Hasil penelitian penelitian ini diselesaikan dengan menggunakan program R. Model analisis regresi linear berganda yang dihasilkan . Untuk uji koefisien determinasi berganda adalah sebesar 0,8911, yang artinya secara simultan semua variabel independen berpengaruh terhadap variabel dependen (kepuasan). Analisis lainnya seperti uji multikolinieritas, uji autokorelasi, uji Durbin Watson, dan uji heteroskedastisita menunjukkan bahwa model regresi ini dapat diterima tanpa adanya masalah.
Co-Authors Awaliyah Eff Hasibuan, Zahwa Br Barus, Jesika Casadae Wanda Buulolo, Fatizanolo Evelin, Shinta Kevin Hutapea, Brian Kairani, Nerli Manullang, Sudianto Margaretha Tambunan, Ruth Nababan, Rodelta P. Sinaga, Lasker Parinduri, Mutia Aini Silaban, Dewi Fortuna Simamora, Jerry Misael Sinaga, Marlina Setia Tamara, Angga