Articles
179 Documents
<![CDATA[PENILAIAN ESAI MENGGUNAKAN MODEL PEMBELAJARAN MESIN ]]>
<![CDATA[Farah Qotrunnada]]>;
<![CDATA[Marcus Wono Setya Budhi]]>;
<![CDATA[Hilda Assiyatun]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1953.389 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.265-270
<![CDATA[Penilaian jawaban esai merupakan metode penilaian yang sering dilakukan oleh guru untuk mengevaluasi pembelajaran para siswa. Namun, pada kenyataannya, penerapan metode ini seringkali justru menghabiskan waktu guru yang seharusnya meluangkan waktu lebih banyak untuk melibatkan siswa dalam proses pembelajaran yang sebenarnya. Selain itu, dalam menilai esai dengan jumlah yang sangat banyak, guru yang merupakan seorang manusia tetap dapat mengalami kelelahan dan memungkinkan terjadinya inkonsistensi penilaian antar siswa. Penilaian jawaban esai menggunakan komputer untuk meningkatkan efisiensi dapat menjadi alternatif penyelesaian permasalahan tersebut. Metode yang digunakan dalam penyusunan penelitian ini adalah metode deskriptif melalui studi literatur dengan mempelajari jurnal. Pada penelitian ini, penilaian jawaban esai menggunakan komputer dibangun menggunakan model pembelajaran mesin Regresi Linear, Regresi Ridge, dan XGBoost. Data jawaban esai yang berupa teks diproses menjadi angka yang termuat dalam fitur-fitur sintaksis dan vektor representasi banyaknya kemunculan gram kata (Bag of Words). Fitur-fitur yang sudah dapat dimengerti oleh komputer tersebut menjadi input bagi pembangunan model. Evaluasi dilakukan untuk mengukur performa model yang telah dibangun yaitu menggunakan Quadratic Weighted Kappa (QWK). Evaluasi ini mengukur seberapa besar akurasi dengan mempertimbangkan bobot yang berbeda pada besar kesalahan yang berbeda. Pada penelitian ini, model telah berhasil dibangun dengan performansi berdasarkan QWK terbaik adalah model XGBoost menggunakan input semua fitur dengan hasil 8 5%. Selanjutnya, berdasarkan efisiensi secara komputasi, model Regresi Linear dan Regresi Ridge lebih baik dari model XGBoost]]>
<![CDATA[PENGEMBANGAN PERANGKAT PEMBELAJARAN BERBASIS ETNOMATEMATIKA BUDAYA MASYARAKAT NEGERI TULEHU PADA MATERI SEGIEMPAT DAN SEGITIGA UNTUK SISWA DI KELAS VII MTS NEGERI I MALUKU TENGAH ]]>
<![CDATA[Heni Rahim]]>;
<![CDATA[W Mataheru]]>;
<![CDATA[J Takaria]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (943.717 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.271-276
<![CDATA[Permasalahan yang melatarbelakangi penelitian ini adalah materi segiempat dan segitiga menyumbangkan nilai rendah untuk siswa, sehingga diperlukan contoh konkrit dalam keseharian siswa agar siswa tertarik terhadap pembelajaran. Peneliti mengembangkan perangkat pembelajaran berbasis etnomatematika pada budaya masyarakat Tulehu, sehingga siswa tertarik karena apa yang dipelajari ada dalam kegiatan kesehariannya. Penelitian ini bertujuan untuk mengetahui kevalidan, kepraktisan, dan keefektifan pengembangan perangkat pembelajaran berbasis etnomatematika budaya masyarakat Negeri Tulehu pada materi segiempat dan segitiga di kelas VII MTs Negeri 1 Maluku Tengah. Dalam mengembangkan perangkat pembelajaran, model pengembangan perangkat yang dikembangkan dalam penelitian ini adalah model pengembangan 4-D (four-D) yang dikembangkan oleh Thiagarajan. Perangkat pembelajaran yang dikembangkan berbasis etnomatematika budaya masyarakat Negeri Tulehu adalah RPP, Bahan Ajar (BA) dan LKS. Teknik pengumpulan data dalam penelitian ini adalah dokumentasi, observasi, dan angket. Hasil penelitian menunjukkan bahwa perangkat pembelajaran berkatagori valid, praktis dan digunakan di lapangan dengan sedikit revisi sedangkan keefektifan perangkat pembelajaran ditinjau dari beberapa hal berikut. Keterlaksanaan sintaks dengan rata-rata keterlaksanaan (3,65), presentase keterlakasanaan 91,65% dikatagorikan efektif. Respons siswa positif, dan hasil belajar siswa dinyatakan tuntas 86% artinya siswa telah mencapai indikator kompetensi yang sudah ditetapkan sehingga dapat dikatakan perangkat pembelajaran efektif untuk digunakan]]>
<![CDATA[PENERAPAN FUZZY LINEAR PROGRAMMING UNTUK OPTIMASI PRODUKSI TAHU ]]>
<![CDATA[Anisa Wahyu Illahi]]>;
<![CDATA[Agustina Pradjaningsih]]>;
<![CDATA[Abduh Riski]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1050.758 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.277-284
<![CDATA[Permasalahan yang terjadi pada industri tahu yang ada di desa Tanjungrejo antara lain menentukan jumlah tahu yang akan diproduksi, kendala terkait bahan baku, dan biaya produksi yang tinggi. Permasalahan-permasalahan tersebut jika tidak ditangani dengan tepat bukan keuntungan yang didapat melainkan kerugian. Hal ini tentunya berkaitan dengan optimasi serta efisiensi penyediaan modal, bahan baku, waktu, pegawai dan gaji pegawai agar mendapatkan keuntungan yang optimal. Tujuan dari penelitian ini adalah pengoptimalan hasil produksi pada industri tahu yang ada di desa Tanjungrejo dengan menggunakan metode fuzzy linear programming. Fuzzy linear programming adalah pengembangan dari program linear yang diaplikasikan dengan lingkungan fuzzy untuk mencapai tujuan memaksimalkan atau meminimumkan suatu masalah. Dengan menggunakan fuzzy linear programming dapat diperoleh nilai optimum jumlah produk tahu mentah dan tahu goreng yang diproduksi sesuai permintaan dan ketersediaan sumber daya produksi. Sumber daya yang diteliti adalah keuntungan, waktu kerja, dan bahan baku. Penyelesaian metode fuzzy linear programming dilakukan menggunakan software Lindo. Hasil yang diperoleh pada penelitian ini menunjukkan bahwa keempat industri mendapatkan keuntungan optimal dengan catatan ada penambahan bahan baku, dan λ merupakan nilai keanggotaan fuzzy yang berada direntang 0 sampai 1]]>
<![CDATA[PENENTUAN SOLUSI FISIBEL AWAL MASALAH TRANSPORTASI DENGAN MINIMUM DEMAND METHOD ]]>
<![CDATA[Ulniyatul Ula]]>;
<![CDATA[Siti Khabibah]]>;
<![CDATA[Robertus Heri S U]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (918.717 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.285-292
<![CDATA[Masalah transportasi merupakan masalah pendistribusian suatu barang dari beberapa sumber ke beberapa tujuan untuk mendapatkan total biaya transportasi yang minimum. Masalah transportasi umumnya diselesaikan dengan dua tahap yaitu menggunakan metode solusi fisibel awal dan metode solusi optimal. Penelitian terkait metode untuk menentukan solusi fisibel awal sangat beragam dan sampai sekarang masih terus dikembangkan. Dibutuhkan suatu metode untuk menentukan solusi fisibel awal yang efisien dan akurat sehingga memudahkan dalam proses penyelesaiaan masalah transportasi. Pada tulisan ini, dibahas metode baru untuk menemukan solusi fisibel awal masalah transportasi, yaitu metode Minimum Demand Method. Metode ini membantu untuk menyelesaikan masalah transportasi dengan iterasi yang lebih sedikit dan mendapatkan hasil solusi fisibel awal yang mendekati solusi optimal. Dalam Minimum Demand Method untuk menentukan solusi fisibel awal berfokus pada baris permintaan yang nilainya paling kecil atau paling sedikit. Formulasi matematika untuk meminimumkan biaya transportasi menggunakan metode MDM juga disajikan. Prosedur dalam mendapatkan solusi fisibel awal dijelaskan dalam simulasi numerik. Minimum Demand Method diaplikasikan untuk menyelesaikan permasalahan transportasi pada studi kasus UD Indah Mandiri. Pada studi kasus didapatkan solusi fisibel awal yang sama dengan solusi optimal. Dengan pembuktian menggunakan Teorema didapatkan solusi fisibel awal yang sudah optimal sehingga tidak perlu dicari solusi optimalnya menggunakan metode MODI. Penggunaan Minimum Demand Method untuk mencari solusi fisibel awal pada UD Indah Mandiri diperoleh total biaya transportasi minimum dan mengalami penurunan sebesar 45,3%.]]>
<![CDATA[OPTIMALISASI RUTE DAN PENJADWALAN PENGANGKUTAN SAMPAH DENGAN METODE INSERTION HEURISTIC DAN INTRAROUTE IMPROVEMENT ]]>
<![CDATA[Fara El Nandhita Pratiwi]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (941.846 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.293-298
<![CDATA[Jadwal pengangkutan sampah di lingkungan Universitas Brawijaya Malang (UB) bertabrakan dengan jam padat lalu lintas kendaraan. Selain itu, pihak kebersihan UB belum mempertimbangkan penggunaan kapasitas kendaraan yang ada dalam pengangkutan sampah. Salah satu metode heuristik untuk menyelesaikan permasalahan yang dihadapi pihak kebersihan UB adalah metode insertion heuristic. Rute yang diperoleh dengan metode insertion heuristic kemudian diperbaiki kembali dengan menggunakan metode intra-route improvement, yaitu metode 2-opt dan Or-opt. Setelah didapatkan rute minimum dan kendaraan yang menghasilkan biaya operasional paling minimum, selanjutnya dilakukan penjadwalan pengangkutan sampah. Hasil dari penelitian ini adalah terbentuknya 6 rute baru dengan total jarak 18,22 km dan penggunaan satu buah Pick Up untuk melakukan pengangkutan sampah. Biaya operasional awal pengangkutan sampah sebesar Rp 1.199.600 menjadi Rp 1.015.200 atau berkurang sebesar Rp 184.400 per bulannya (berkurang sebesar 15,372% dari biaya operasional awal). Penjadwalan pengangkutan sampah yang dibuat dapat menjadi acuan bagi pihak kebersihan UB agar tidak bertabrakan dengan jam padat lalu lintas di lingkungan UB sehingga bisa meminimalisir kemacetan.]]>
<![CDATA[ANALISIS KLASTER KABUPATEN/KOTA INDONESIA BERDASARKAN INDEKS PEMBANGUNAN MANUSIA DENGAN MODEL MIXTURE SKEW-T ]]>
<![CDATA[Kristoforus Exelsis Pratama]]>;
<![CDATA[Irwan Susanto]]>;
<![CDATA[Yuliana Susanti]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (913.267 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.381-388
<![CDATA[Indonesia merupakan salah satu negara dengan jumlah penduduk yang besar. Penduduk Indonesia yang besar dapat menjadi modal kemajuan bangsa. Indeks pembangunan manusia (IPM) merupakan ukuran yang dapat digunakan untuk mengetahui kualitas manusia di suatu wilayah. Capaian IPM Indonesia dinilai cukup rendah jika dibandingkan negara lainnya. Hal itu terjadi karena adanya disparitas pembangunan manusia antar wilayah. Diperlukan pengelompokkan wilayah sehingga terjadi peningkatan dan pemerataan dalam pembangunan manusia di Indonesia. Penelitian ini akan menggunakan data indeks pembangunan manusia kabupaten/kota di Indonesia pada tahun 2019. Model finite mixture dengan distribusi skew-t tepat digunakan karena dapat mengatasi karakteristik multimodal, kemencengan, heavy-tailed, serta outlier yang sering ditemukan pada data. Estimasi parameter model dilakukan dengan metode maksimum likelihood menggunakan algoritma Expectation-Maximization. Ukuran berbasis Akaike Information Criterion digunakan untuk memilih jumlah komponen mixture. Berdasarkan hasil penelitian diperoleh jumlah komponen optimal model finite mixture distribusi skew-t sebanyak tiga komponen mixture. Hal itu menunjukan kabupaten/kota di Indonesia berdasarkan indeks pembangunan manusia dapat dibagi menjadi tiga klaster. Klaster pertama berisi 80 kabupaten/kota dengan rata-rata IPM sebesar 78,317, klaster kedua berisi 415 kabupaten/kota dengan rata-rata IPM sebesar 70,856, dan klaster ketiga berisi 19 kabupaten/kota dengan rata-rata IPM sebesar 56,247]]>
<![CDATA[ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN BURU SELATAN DENGAN MENGGUNAKAN REGRESI LINIER BERGANDA ]]>
<![CDATA[Muhidin Jariyah]]>;
<![CDATA[Inayah P F Solong]]>;
<![CDATA[Juan C S Jamco]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (973.353 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.389-396
<![CDATA[ndeks Pembangunan Manusia (IPM) mengukur capaian pembangunan berbasissejumlah komponen dasar kualitas hidup.Sebagai ukuran kualitas hidup, IPM dibangunmelalui pendekatan tiga dimensi dasar.Dimensi tersebut mencakup umur panjang dan sehat,pengetahuan dan kehidupan yang layak.IPM di Kabupaten Buru Selatan dari tahun ke tahunmengalami peningkatan.Tujuan penelitian ini adalah untuk mengetahui seberapa besarpengaruh persentase jumlah penduduk, pegeluaran perkapita dan pertumbuhan implisitterhadap indeks pembangunan manusia (IPM) di Kabupaten Buru Selatan. Dalam penelitianini digunakan data sekunder, dengan non probability sampling sebagai teknik pengambilansampel. Hasil penelitian menunjukkan persentase jumlah penduduk berpengaruh negatif dantidak signifikan terhadap IPM, pengeluaran perkapita berpengaruh positif dan signifikanterhadap IPM dan pertumbuhan implisit berpengruh negatif dan tidak signifikan terhadapIPM.]]>
<![CDATA[TINJAUAN KEPUTUSAN HIPOTESA FUZZY BERBASIS P-VALUE FUZZY (STUDI KASUS DATA COVID-19 DI NUSA TENGGARA BARAT) ]]>
<![CDATA[Wahidaturrahmi Wahidaturrahmi]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (983.146 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.397-404
<![CDATA[Riset ini membahas aplikasi teori fuzzy dalam bidang statistik yakni hipotesa yang memiliki pernyataan fuzzy. Statistik uji yang digunakan untuk menaganalisa data adalah pvalue fuzzy yang dibandingkan dengan tingkat signifikansi fuzzy. Aplikasi data diterapkan pada data covid-19 di Nusa tenggara Barat. Kesimpulan dari uji hipotesa fuzzy memberikan keputusan yang lebih rasional daripada uji hipotesa klasik. Jika hipotesa nol fuzzy tidak berlaku pada data sampel, maka hipotesa nol fuzzy ditolak sampai derajat tertentu;]]>
<![CDATA[PENERAPAN METODE AUTO SINGULAR SPECTRUM ANALYSIS PADA PERAMALAN DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA ]]>
<![CDATA[Andreas Reza Chrisantama]]>;
<![CDATA[Winita Sulandari]]>;
<![CDATA[Sugiyanto Sugiyanto]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (954.36 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.405-410
<![CDATA[Keinginan dari seseorang untuk memenuhi kebutuhan serta permintaan dalamaktivitasnya setiap hari akan semakin banyak, apalagi sekarang di dalam masa kehidupanpandemik ini banyak masyarakat yang ingin meningkatkan kembali ekonomi mereka. Makadari itu diperlukan penanda dari pergerakan pasar saham untuk mengukur kinerja seluruhsaham yang tercatat di papan utama, yang merupakan asal terciptanya dari Indeks HargaSaham Gabungan (IHSG). Peramalan indeks harga saham ini penting bagi masyarakat yangingin mengukur kinerja portofolio dari investasi mereka serta bagi negara yangmengandalkan IHSG dalam menunjukkan pertumbuhan ekonomi Indonesia. Tujuan daripenelitian ini adalah menerapkan metode autoSSA yang merupakan pembuatan grup barusecara otomatis pada data yang sudah direkonstruksi untuk melihat nilai prediksi yang akandatang dari indikator yang sudah diambil. Metode autoSSA dipilih karena teknik projektifsecara tradisional tidak dapat langsung diterapkan pada sinyal one-dimensional., yangmerupakan kasus time series. Indikator IHSG yang digunakan adalah data Indeks mingguanpada tahun 2018 hingga 2020. Tahap-tahap untuk melakukan prediksi dengan metode iniantara lain membuat serta memeriksa plot data deret waktu yang telah diambil, melakukantahap dekomposisi serta merekonstruksi kembali data time series yang baru, dan akandilakukan peramalan data time series dalam 50 minggu ke depan dari model data yang telahdidapatkan untuk melihat pergerakan IHSG ke depannya. Hasil prediksi yang didapatkandari metode ini menunjukkan adanya pergantian fluktuasi secara musiman (seasonal)dengan nilai tertinggi berada di minggu ke-29 dan nilai terendah berada di minggu ke-50.]]>
<![CDATA[PERAMALAN JUMLAH PRODUKSI PERIKANAN DI KABUPATEN BURU SELATAN MENGGUNAKAN METODE PEMULUSAN EKSPONENSIAL ]]>
<![CDATA[Asrul Irfanullah]]>;
<![CDATA[Claudia Sumanik]]>;
<![CDATA[Romy Makatita]]>
<![CDATA[ Pattimura Proceeding 2021: Prosiding KNM XX ]]>
Publisher : <![CDATA[Pattimura University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (863.703 KB)
|
DOI: 10.30598/PattimuraSci.2021.KNMXX.411-418
<![CDATA[Rata-rata konsumsi ikan di Indonesia mencapai 45,99 kg/kapita dalam 6 tahunterakhir. Hal ini mengakibatkan pemerintah harus bekerja keras untuk mencukupi kebutuhanikan tersebut. Indonesia sebagai Negara kepulauan (archipelagic state) terbesar di dunia,terdiri atas lautan dan pulau-pulau kecil yang memiliki sumber daya ikan yang banyakseperti Maluku yang memiliki potensi sumber daya perikanan sebesar 1.640.160 ton/tahunsesuai dengan hasil kajian Badan Riset Kelautan dan Perikanan yang bekerjasama denganPusat Penelitian dan Pengembangan Oceanologi Lembaga Ilmu Pengetahuan (LIPI) padatahun 2001. Penelitian ini bertujuan untuk mengetahui/meramalkan kondisi produksiperikanan yang akurat pada tahun 2020 di salah satu kabupaten penghasil sumber daya ikanyang cukup banyak di Maluku yaitu Kabupaten Buru Selatan. Metode yang digunakan yaitumetode Pemulusan Eksponensial. Data yang digunakan yaitu data produksi perikanan diKabupaten Buru Selatan periode 2013 sampai 2019 yang didapat dari Kabupaten BuruSelatan dalam Angka. Peramalan dilakukan dengan membandingkan beberapa model padametode pemulusan eksponensial. Evaluasi hasil hasil peramalan dengan beberapa modeltersebut dilakukan dengan menghitung nilai rata-rata error dengan menggunakan metodeMean Absolute Percentage Error (MAPE), Root Mean Square Error (RMSE) dan MeanAbsolute Error (MAE) untuk memperoleh model terbaik. Hasil penelitian menunjukan bahwamodel terbaik untuk meramalkan produksi perikanan kabupaten Buru Selatan tahun 2021adalah Brown Linear Trend Exponential Smoothing ditunjukan dengan nilai MAPE (5,410),RMSE (928,170) dan MAE (642,354) sehingga diperoleh Jumlah Produksi PerikananKabupaten Buru Selatan pada tahun 2021 diperkirakan sebanyak 20.943,41 Ton. Dengan interval yang berada di antara 18.672,26 sampai dengan 23.214,56 ton]]>
