Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal LOGIK@
Nurmaleni Nurmaleni
Unknown Affiliation
Computer Science & IT Mathematics

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

Found 3 Documents
Search

 1 
KLASIFIKASI JENIS PENYAKIT ERYTHEMATO-SQUAMOUS BERDASARKAN CIRI KLINIS DAN HISTOPATOLOGIS MENGGUNAKAN METODE ANALISIS DISKRIMINAN VERTEX Nurmaleni Nurmaleni; Ayu Puji Rahayu; Nina Fitriyati
LOGIK@ Vol 8, No 2 (2018): Vol.8 No.2 Tahun 2018
Publisher : Universitas Islam Negeri Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (343.128 KB)

Abstract

Penelitian ini membahas mengenai klasifikasi jenis penyakit erythemato-squamous menggunakan metode Vertex Discriminant Analysis (VDA) berdasarkan hasil pemeriksaan klinis dan histopatologis. Digunakan 3 pinalti pada metode VDA yaitu Euclidian, Lasso, dan Ridge dan kesalahan klasifikasi dinilai menggunakan Apparent Rate Error (APER). Data yang digunakan berjumlah 366 terdiri dari 34 buah peubah hasil pemeriksaan klinis dan histopatologis yang berasal dari 6 kelompok penyakit: psoriasis, seboreic dermatits, lichen planus, pityriasis rosea, cronic dermatitis, dan pityriasis rubra pilaris. Hasil menunjukkan bahwa setiap pinalti pada metode VDA membentuk 5 buah fungsi diskriminan untuk membedakan 6 kelompok penyakit. VDA dengan pinalti Euclidian berhasil mengklasifikasikan dengan tepat 104 data dari 110 data training dengan 27 peubah penjelas yang terdiri dari 12 ciri klinis dan 15 ciri hispatologis. VDA dengan pinalti Lasso berhasil mengklasifikasikan dengan tepat 102 data dari 110 data training dengan 25 peubah penjelas yang terdiri dari 11 ciri klinis dan 14 ciri hispatologis. Sedangkan VDA dengan pinalti Ridge berhasil mengklasifikasikan dengan tepat 107 data dari 110 data training dengan 34 peubah penjelas yang terdiri dari 12 ciri klinis dan 22 ciri hispatologis.
PENERAPAN MODEL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) DALAM PRAKIRAAN DATA SUKU BUNGA PUAB (PASAR UANG ANTAR BANK) Dwi Hartini; Nurmaleni Nurmaleni
LOGIK@ Vol 8, No 1 (2018): VOL.8 NO.1 TAHUN 2018
Publisher : Universitas Islam Negeri Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (7681.065 KB)

Abstract

Masalah pemeliharaan kestabilan ekonomi serta masalah pertumbuhan ekonomi sudah lama dihadapi oleh negara–negara maju maupun berkembang. Salah satunya adalah negara Indonesia, pada tahun1998 Indonesia mengalami krisis moneter yang mengakibatkan krisis perbankan serta krisis lainya. Berbagai kebijakan moneter telah dilakukan oleh lembaga-lembaga pemerintah maupun swasta dalam rangka membangun kembali keterpurukan kondisi ekonomi Indonesia. Salah satu target operational kebijakan moneter adalah suku bunga jangka pendek seperti PUAB karena mempengaruhi tingkat kestabilan harga. Tingkat suku bunga PUAB cenderung bersifat fluktuatif sehingga suku bunga di masa yang akan datang sulit dipastikan. Padahal prakiraan suku bunga PUAB penting sebagai acuan dalam melakukan kegiatan PUAB. Pada penelitian ini, peneliti akan mengkaji model terbaik pada data suku bunga PUAB dalam kurun waktu tahun 2000-2009. Berdasarkan plot ACF yang turun secara lambat (hiperbolik) diketahui bahwa data suku bunga PUAB memiliki ketergantungan jangka panjang. Hal ini dipertegas dengan hasil perhitungan uji statistik Hurst. Salah satu model yang dapat digunakan adalah model ARFIMA. Berdasarkan metode Geweke dan Porter Hudak diperoleh model ARFIMA dengan nilai parameter d = 0.3773139, dan berdasarkan nilai AIC terkecil model terbaik adalah ARFIMA (0; 0.37773139; 1). Prakiraan menggunakan model terbaik untuk data suku bunga PUAB berturut-turut untuk periode kuartal I, II, dan III tahun 2010 adalah 6.27363%, 6.21931%, dan 6.14422% dengan nilai MAPE sebesar 0.9%.
PERBANDINGAN HASIL KLASIFIKASI JENIS PENYAKIT ERYTHEMATO-SQUAMOUS MENGGUNAKAN ANALISIS DISKRIMINAN FISHER DENGAN PEREDUKSIAN ANALISIS KOMPONEN UTAMA KERNEL LINEAR DAN ANALISIS KOMPONEN UTAMA KERNEL GAUSSIAN Khoeria Rosa; Nurmaleni Nurmaleni; Nur Inayah
LOGIK@ Vol 8, No 2 (2018): Vol.8 No.2 Tahun 2018
Publisher : Universitas Islam Negeri Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (413.374 KB)

Abstract

Penelitian ini membahas mengenai klasifikasi jenis penyakit erythemato-squamous menggunakan Analisis Diskriminan Fisher (ADF) dengan pereduksian Analisis Komponen Utama (AKU) Kernel linear dan AKU Kernel Gaussian. Kami menggunakan 366 data dermatologi dengan 34 peubah yang merupakan hasil pemeriksaan terhadap pasien yang menderita penyakit erythematosquamous. Data dibagi menjadi data latih dan data uji dengan proporsi masingmasing 80% dan 20%. Proporsi kumulatif yang digunakan untuk pereduksian menggunakan AKU adalah 75% sampai dengan 95% dan kesalahan klasifikasi dinilai menggunakan Apparent Rate Error (APER). Hasil menunjukkan bahwa, berdasarkan proporsi kumulatif, terdapat 18 komponen utama terpilih untuk membentuk fungsi diskriminan Fisher pada AKU Kernel linier dan terdapat 19 komponen utama terpilih untuk membentuk fungsi diskriminan Fisher pada AKU Kernel Gaussian. Selain itu, AKU Kernel linear berhasil mengklasifikasikan dengan tepat 98,63% data latih dan 60,27% data uji. Sedangkan AKU Kernel Gaussian berhasil mengklasifikasikan dengan tepat 98,98% data latih dan 82,19% data uji. Oleh karena itu, untuk jenis penyakit erythemato-squamous klasifikasi lebih tepat menggunakan ADF dengan AKU Kernel Gaussian dibandingkan dengan AKU Kernel linier.
Co-Authors Ayu Puji Rahayu Dwi Hartini Khoeria Rosa Nina Fitriyati Nur Inayah