Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JRIIN :Jurnal Riset Informatika dan Inovasi
Nurmala, Mega
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Jumlah Kepala Sekolah Dan Guru Menurut Kelompok Umur Provinsi Papua Barat, Sulawesi Barat, Kalimantan Utara, Dan Luar Negeri Tahun 2023/2024 SD Fatimach , Izmi; Nurmala, Mega; Dwi Andra, Jibran; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini menganalisis jumlah kepala sekolah dan guru di tingkat Sekolah Dasar (SD) sekolah Negeri maupun Swasta berdasarkan kelompok umur di beberapa wilayah Indonesia, yaitu Papua Barat, Sulawesi Barat, Kalimantan Utara, dan di Luar Negeri,untuk ajaran tahun 2023/2024. Metode yang digunakan dalam penelitian ini adalah dengan menggunakan metode studi literatur review. Penelitian ini bertujuan untuk memberikan gambaran kelompok umur para kepala sekolah dan guru di daerah-daerah tersebut, serta mengidentifikasi penyebaran umur jumlah kepala sekolah dan guru sebagai tenaga pendidik . Data diperoleh dari Direktorat Jenderal Pendidikan Dasar dan Menengah Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbud Ristek). Hasil analisis menunjukkan variasi dalam kelompok umur guru dan kepala sekolah di setiap provinsi, dengan kecenderungan konsentrasi umur lebih tinggi pada kelompok umur 40 tahun ke atas. Analisis ini memberikan wawasan bagi pembuat kebijakan dalam merumuskan strategi peningkatan jumlah dan regenerasi tenaga pendidik, khususnya di daerah-daerah yang memiliki akses terbatas terhadap guru-guru muda. Kesimpulan ini diharapkan dapat berkontribusi terhadap pemerataan kualitas pendidikan di seluruh wilayah Indonesia.
Pengenalan Angka Tulisan Tangan (MNIST) Menggunakan SVM vs Convolutional Neural Network Alfatih, Aby; Nurmala, Mega; Marius, Zukhruf Gharrick; Alfaris, Muhammad Rifqi; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 3 No 8 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Pengenalan angka tulisan tangan merupakan tantangan dalam pengolahan citra karena variasi gaya tulis antar individu. Penelitian ini bertujuan membandingkan kinerja Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) pada dataset MNIST. SVM merupakan metode machine learning tradisional yang efektif untuk pemisahan kelas pada data berdimensi tinggi, sementara CNN mampu mengekstraksi fitur secara otomatis melalui arsitektur berlapis untuk pola visual yang kompleks. Eksperimen dilakukan melalui tahapan preprocessing, pelatihan model, dan evaluasi akurasi. Hasil menunjukkan bahwa CNN mencapai akurasi yang lebih tinggi dibandingkan SVM dalam mengenali angka tulisan tangan, menunjukkan efektivitas pendekatan deep learning untuk tugas ini.
Co-Authors Alfaris, Muhammad Rifqi Alfatih, Aby Dwi Andra, Jibran Fatimach , Izmi Marius, Zukhruf Gharrick Perani Rosyani