Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

0.817

P-Index

This Author published in this journals

All Journal LOGIK@ InPrime: Indonesian Journal Of Pure And Applied Mathematics Jurnal Kajian Matematika dan Aplikasinya Jurnal Eurekamatika Jurnal Matematika Integratif

Irene, Yanne

Matematika FST UIN Syarif Hidayatullah Jakarta

Author-ID : 769080

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 9 Documents Claim Missing Document

Claim Missing Document

Articles

PELABELAN TOTAL SISI (a, d) ANTIAJAIB SUPER PADA GRAF P_3 U P_n Yanne Irene
LOGIK@ Vol 6, No 2 (2016)
Publisher : Universitas Islam Negeri Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (472.038 KB)

PELABELAN TOTAL SISI-AJAIB SUPER PADA GRAF P_3∪P_n Yanne Irene
LOGIK@ Vol 6, No 1 (2016)
Publisher : Universitas Islam Negeri Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (494.491 KB)

PELABELAN TOTAL (a,d)-C_3-ANTIAJAIB SUPER PADA GRAF ULAR S_n Lasmanian Rezekina; Nur Inayah; Yanne Irene
LOGIK@ Vol 6, No 1 (2016)
Publisher : Universitas Islam Negeri Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (630.185 KB)

Classification of Tuberculosis and Pneumonia in Human Lung Based on Chest X-Ray Image using Convolutional Neural Network Muhaza Liebenlito; Yanne Irene; Abdul Hamid
InPrime: Indonesian Journal of Pure and Applied Mathematics Vol 2, No 1 (2020)
Publisher : Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah

AbstractIn this paper, we use chest x-ray images of Tuberculosis and Pneumonia to diagnose the patient using a convolutional neural network model. We use 4273 images of pneumonia, 1989 images of normal, and 394 images of tuberculosis. The data are divided into 80% as the training set and 20% as the testing set. We do the preprocessing steps to all of our images data, such as resize, converting RGB to grayscale, and Gaussian normalization. On the training dataset, the sampling technique used is undersampling and oversampling to balance each class. The best model was chosen based on the Area under Curve value i.e. the area under the curve of Receiver Operating Characteristics. This method shows that the best model obtains when trains the training dataset using oversampling. The Area under Curve value is 0.99 for tuberculosis and 0.98 for pneumonia. Therefore, this best model succeeds to identify 86% true for tuberculosis and 96% true for pneumonia.Keywords: chest X-ray images; tuberculosis; pneumonia; convolutional neural network. AbstrakPada penelitian ini memanfaatkan data citra chest x-ray penderita penyakit tuberculosis dan pneumonia. Model convolutional neural network digunakan untuk membantu mendiagnosis kedua penyakit ini. Data yang digunakan masing-masing sudah dilabeli sebanyak 4273 citra pneumonia, 1989 citra normal dan 394 citra tuberculosis. Data tersebut dibagi menjadi 80% himpunan data latih dan 20% data uji. Himpunan data tersebut telah melalui 3 tahap prepocessing yaitu resize citra, merubah citra RGB menjadi grayscale dan standarisasi gausian pada citra. Pada data latih dilakukan teknik sampling berupa undersampling dan oversampling data untuk menyeimbangkan data latih antar kelas. Model terbaik dipilih berdasarkan nilai Area under Curve yaitu luas daerah di bawah kurva Receiver Operating Chracteristics. Hasil menunjukkan bahwa model terbaik dihasilkan ketika dilatih menggunakan data latih hasil oversampling dengan nilai Area under Curve kelas tuberculosis sebesar 0,99 dan nilai Area under Curve kelas pneumonia sebesar 0,98. Oleh karena itu, model terbaik ini mampu mengindentifikasi sebanyak 86% penyakit tuberculosis dan 96% penyakit pneumonia.Kata Kunci: citra chest X-ray; penyakit infeksi paru; pengolahan citra digital Convolutional Neural Network.

World Gold Price Forecast using APARCH, EGARCH and TGARCH Model Yanne Irene; Madona Yunita Wijaya; Aisyah Muhayani
InPrime: Indonesian Journal of Pure and Applied Mathematics Vol 2, No 2 (2020)
Publisher : Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah

AbstractInvestment is a process of investing money for profit or material result. One investment commodity is gold. Gold is a precious metal in which the value tends to fluctuate over time. This indicates that there is a non-constant variance called heteroscedasticity. The appropriate time-series model to solve this heteroscedasticity problem is ARCH/GARCH. However, this model can't be applied for the financial cases that have an asymmetric effect (the downward and increase tendency in the level of volatility when returns rise and vice versa). Therefore, in this research, we forecast the world gold prices using APARCH, EGARCH, and TGARCH methods. We use the monthly world gold price data from June 1993 until May 2018. The result shows that the best-fitted model to forecasting the world gold prices is EGARCH (1.1). This model has the smallest error than the other models with a Mean Absolute Percentage Error (MAPE) value of 4.66%.Keywords: return; volatilities; heteroscedasticity; asymmetric effect; APARCH; EGARCH; TGARCH. AbstrakInvestasi adalah proses menginvestasikan uang untuk keuntungan atau hasil material. Salah satu komoditas investasi adalah emas. Emas adalah logam mulia yang nilainya cenderung berfluktuasi dari waktu ke waktu. Ini menunjukkan bahwa ada varian non-konstan yang disebut heteroskedastisitas. Metode deret waktu yang tepat untuk menyelesaikan masalah ini adalah ARCH/GARCH. Namun model ini tidak dapat digunakan untuk kasus keuangan yang memiliki efek asimetris (kecenderungan menurun dan meningkatnya volatilitas ketika nilai return naik dan sebaliknya). Oleh karena itu, dalam penelitian ini, kami memprediksi harga emas dunia menggunakan metode APARCH, EGARCH, dan TGARCH dengan data harga emas dunia bulanan pada bulan Juni 1993 - Mei 2018. Hasilnya menunjukkan bahwa, di antara ketiga metode itu, model terbaik untuk memprediksi harga emas dunia adalah EGARCH (1.1) dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 4,66%.Kata kunci: return; volatilitas; heteroskedastisitas; efek asimetris; APARCH; EGARCH; TGARCH.

Rainbow Connection Number on Amalgamation of General Prism Graph Rizki Hafri Yandera; Yanne Irene; Wisnu Aribowo
InPrime: Indonesian Journal of Pure and Applied Mathematics Vol 1, No 1 (2019)
Publisher : Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah

AbstractLet be a nontrivial connected graph, the rainbow-k-coloring of graph G is the mapping of c: E(G)-> {1,2,3,…,k} such that any two vertices from the graph can be connected by a rainbow path (the path with all edges of different colors). The least natural number

PELABELAN GRACEFUL PADA GRAF LINTASAN Pn Ramdhan Fazrianto Suwarman; Nur Inayah; Yanne Irene
Jurnal Kajian Matematika dan Aplikasinya (JKMA) Vol 3, No 2 (2022): July
Publisher : UNIVERSITAS NEGERI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um055v3i22022p21-25

A simple graph G=(V, E) with n vertices and m edges is called graceful, if that graph G can be labeled with a bijection f:V(G) {1, 2, .., n} and g:E(G) {1, 2, .., m}, with condition label on any edge equals the difference between the labels of the two endpoints. This study examined graceful labeling on path graph Pn for n>=3.

Analisis Peningkatan Kualitas Pelayanan dengan Quality Function Deployment (QFD) pada Laboratorium Matematika Pusat Laboratorium Terpadu Yanne Irene; Bambang Ruswandi
Jurnal Matematika Integratif Vol 9, No 2: Oktober, 2013
Publisher : Department of Matematics, Universitas Padjadjaran

ABSTRAKPenelitian ini dilakukan untuk mengeksplorasi faktor-faktor yang berpengaruh terhadap kualitas pelayanan Laboratorium Matematika Pusat laboratorium Terpadu serta merencanakan strategi peningkatan kualitas pelayanan dengan menggunakan Metode Quality Function Deployment (QFD). Dari hasil eksplorasi terhimpun sebanyak 30 mahasiswa, kemudian 30 atribut tersebut di ekstrasi dengan menggunakan metodeEksplorasi Faktor Analisis (EFA) dan diperoleh 9 komponen utama. Untuk memenuhi harapan dan keinginan mahasiswa tersebut, maka pihak prodi memberikan lima tanggapan teknis responsivenss dan tingkat tangibles. Dari lima respon tersebut, yang menjadi prioritas utama adalah tingkat tangibles yang mampu memenuhi 44,83% kebutuhan mahasiswa terhadap pelayanan Laboratorium Tugas Matematika dan yangmenjadi prioritas terakhir adalah tingkat Emphaty dengan nilai prioritas 11,19%Kata Kunci: Pelayanan, Kualitas, EFA, QFD, Prioritas

Application Bootstrap to Estimate the Confidence Intervals of NO2 Levels in the Kriging Method Nina Fitriyati; Yanne Irene; Azzahra Benita
Jurnal EurekaMatika Vol 11, No 2 (2023): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v11i2.66241

NO2 levels must be monitored continuously to minimize negative environmental impacts. In general, the estimation of NO2 levels using the Kriging method produces point estimates. In this study, we developed an interval estimate for NO2 levels by applying the quasi-random Bootstrap resampling method. We used data on NO2 levels in 14 areas in South Tangerang City in 2021. The data is stationary, so the appropriate estimation method is ordinary kriging. To develop the 95% confidence interval, we applied 1000 resamplings to the Bootstrap. The estimation results show that the lowest 95% confidence interval for NO2 levels is in the range of 25.23123 – 27.82351 μgr/m3 in Pamulang Timur Village, and the highest 95% confidence interval for NO2 levels is in the range of 45.59886 – 46.08371 μgr/m3 in the Ciater Village.Keywords: Bootstrap, Confidence Interval, Kriging, Quasi-Random. AbstrakKadar NO2 perlu dipantau secara terus menerus untuk meminimalisir dampak negatif terhadap lingkungan. Pada umumnya, estimasi kadar NO2 menggunakan metode kriging menghasilkan estimasi titik. Pada penelitian ini akan dikembangkan estimasi selang untuk kadar NO2 dengan mengaplikasikan metode resampling quasi-random bootstrap. Data yang digunakan adalah kadar NO2 pada 14 wilayah di Kota Tangerang Selatan tahun 2021. Data tersebut stasioner sehingga metode estimasi yang digunakan adalah ordinary kriging. Untuk pembentukan selang kepercayaan 95% diaplikasikan 1000 resampling pada metode bootstrap. Hasil estimasi menunjukkan bahwa selang kepercayaan kadar NO2 terkecil berada pada rentang nilai 25,23123 – 27,82351 yang berlokasi di Kelurahan Pamulang Timur dan selang kepercayaan kadar NO2 terbesar berada pada rentang 45,59886 – 46,08371 yang berlokasi di Kelurahan Ciater.

Co-Authors Abdul Hamid Aisyah Muhayani Azzahra Benita Bambang Ruswandi Bambang Ruswandi Lasmanian Rezekina Muhaza Liebenlito Nina Fitriyati Nur Inayah Ramdhan Fazrianto Suwarman Rizki Hafri Yandera Wijaya, Madona Yunita Wisnu Aribowo

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search