Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Aplikasi Statistika & Komputasi Statistik Jurnal Riset Pendidikan Matematika Jakarta
Devi Eka Wardani Meganingtyas
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Mathematics

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

Found 2 Documents
Search

 1 
Pemanfaatan Software Cabri, GeoGebra, dan SketchUp sebagai Media Visualisasi Konsep Matematika pada Materi Geometri Ruang Devi Eka Wardani Meganingtyas
Jurnal Riset Pendidikan Matematika Jakarta Vol 3 No 1 (2021): Jurnal Riset Pendidikan Matematika Jakarta Volume 3, Nomor 1, Tahun 2021
Publisher : Program Studi Pendidikan Matematika jenjang Magister, FMIPA, Universitas Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (304.357 KB) | DOI: 10.21009/jrpmj.v3i1.20122

Abstract

Penelitian ini dilakukan untuk mengetahui manfaat dari penggunaan software Cabri, GeoGebra, dan SketchUp sebagai media visualisasi dalam pembelajaran pada materi geometri ruang. Metode yang digunakan dalam penelitian ini adalah studi literatur dengan sumber kajian berupa jurnal ilmiah yang dipublikasikan dan referensi pada website yang diakses melalui internet. Pembahasan yang dipaparkan yakni mengenai penggunaan software Cabri, GeoGebra, dan SketchUp dalam proses pembelajaran pada materi geometri ruang atau dimensi tiga. Berdasarkan pembahasan yang dipaparkan, dapat disimpulkan bahwa ketiga software tersebut dinilai mampu untuk membantu memvisualisasikan bangun dimensi tiga sehingga dapat meningkatkan pemahaman siswa terhadap konsep geometri ruang.
ANALISIS PERBANDINGAN PERFORMA METODE ENSEMBLE DALAM MENANGANI IMBALANCED MULTI-CLASS CLASSIFICATION Qorry Meidianingsih; Devi Eka Wardani Meganingtyas
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.335

Abstract

Penelitian ini fokus pada membandingkan kinerja beberapa metode ensemble dalam mengatasi imbalanced multi-class classification dimana metode dekomposisi one-versus-one (OVO) diterapkan sehingga metode klasifikasi Support Vector Machine yang standar dapat digunakan. Data penelitian merupakan hasil bangkitan software R yang dirancang berdasarkan level persentase kelas minoritas, yaitu menjadi kategori extreme, moderate, dan mild. Selain itu, dirancang pula kombinasi jumlah kelas mayoritas dan minoritas yang mungkin terjadi sehingga terdapat sembilan jenis data simulasi. Hasil penelitian menunjukkan bahwa secara umum rata-rata ketepatan klasifikasi paling rendah diperoleh ketika data simulasi bersifat moderate dengan sebaran gugus data terbagi menjadi 2 kelas mayoritas dan 1 kelas minoritas. Metode safe-level SMOTEBagging memberikan performa yang paling baik bagi semua jenis data simulasi, terutama ketika gugus data bersifat ekstrim, yaitu ditunjukkan dengan nilai rata-rata akurasi yang diperoleh sebesar 98.60 persen. Kinerja metode klasifikasi SVM cukup baik dimana nilai rata-rata tingkat akurasi setiap kelas berkisar antara 67.80-98.60 persen.
Co-Authors Qorry Meidianingsih