Hasil Pencarian  ::  Simpan CSV :: Kembali

"One of the teaching method is called his jigsaw method that can make the math makes lesson more interesting and increase the result of the test. In this method the student study in group and they solve problems together so that the teaching and learning process will be : exploration , elaboration, confrimation can be seen and applied . and the knowledge that they had got can be fixed in their mind."

"ABSTRAKPrestasi matematika merupakan gambaran obyektif dari kecakapan danketerampilan matematika, yang dalam banyak bagiannya menuntut kecakapandan keterampilan bekerja dengan simbol sebagai suatu bentuk bahasa.Sementara itu diketahui bahwa prestasi matematika dipengaruhi oleh banyakfaktor, antara Iain inteligensi dan status sosial-ekonomi.Beberapa penelitian menunjukkan hasii meningkatnya prestasi matematikasecara umum, serta ingatan numerik dan verbal secara khusus, setelah anakmendapat Iatihan musik secara teratur, sistematis dan terstmktur. Selain itu,sudah sejak lama kegiatan musik digunakan sebagai alat terapi kesulitan belajar.Secara urnum, kegiatan musik dapat merangsang perkembangan kognitif, afektif,motorik, dan sosial anak.Ditinjau dari penjelasan neuro-psikologi, belajar musik berarti mengaktifkanhemisphere kanan otak dan menambah ketebalan corpus callosum, yangmenjembatani hemisphere kanan dan kiri. Pengaktifan hemisphere kanan akanmengakibatkan aktifnya hemisphere kiri, yang merupakan pusat pengolahanbahasa dan Iogika, yang penting untuk belajar matematika. Dilihat dari prosesbelajar menurut Bruner, belajar musik berarti belajar bekerja dan berpikir dengansimbol dalam bentuk notasi musik. Secara alami, sifat musik lebih bebas danmenyenangkan, sehingga diharapkan terjadi transfer sikap dan prinsip berpikirdari bidang musik kepada matematika. Karena belajar sendiri merupakanproses, diduga bahwa lamanya belajar musik memiliki peranan yang cukup besardalam meramalkan prestasi matematika anak. Variabel terikat dalam penelitian ini adalah prestasi matematika yang dilihatdari rata-rata nilai ulangan formatif dan sumatif subyek, sementara variabelbebasnya adalah belajar musik, yang dilihat dari Iamanya subyek mengikutikegiatan belajar musik. Variabel-variabel sekunder yang pada pengolahan datadiperlakukan sebagai variabel bebas tambahan adalah inteligensi yang dilihatdari skor mentah tes Raven's Standard Progressive Matrices, dan status sosial-ekonomi yang dilihat dan besarnya pengeluaran keluarga subyek per bulan.Subyek penelitian adalah murid kelas VI SD yang berusia kira-kira 12 tahun.pernah belajar musik, tapi tidak pernah mengikuti pelajaran tambahanmatematika. Dari 5 Sekolah Dasar di Jakarta, diperoleh 113 subyek. Alatpenggali data yang digunakan adalah tes Raven's SPM, kuesioner yang diisi olehsubyek, kuesioner yang diisi oleh orang tua subyek, dan data nilai matematikadan guru.Pengolahan data dengan teknik perhitungan multiple regression analysissecara hirarkis menunjukkan bahwa lamanya subyek belajar musik tidak dapatsacara signifikan meramalkan prestasi matematika, pada los. 0.05. Namunmelalui perhitungan t-test dengan los. 0.05 diperoleh hasil-hasil: (1) Tidakterdapat perbedaan prestasi matematika antara kelompok subyek yang belajarmusik kurang dari setahun dengan kelompok subyek yang belajar musik selamaminimum satu tahun. (2) Tidak terdapat perbedaan prestasi matematika antarakelompok subyek yang belajar musik kurang dari enam tahun dengan kelompoksubyek yang belajar musik selama minimum enam tahun. (3) Tidak terdapatperbedaan prestasi matematika antara kelompok subyek yang menguasai notbalok dengan kelompok subyek yang tidak menguasai not balok. (4) Terdapatperbedaan prestasi matematika yang signifikan antara kelompok subyek yangmenguasai not balok dan not angka, dengan kelompok subyek yang sama sekalitidak menguasai not balok dan not angka.Diskusi dan saran berdasarkan hasil penelitian ini menyangkut karakteristikdan proporsi subyek, desain penelitian, serta atat ukur untuk masing-masingvariabel yang terkait."

"Moving kelas atau kelas bergerak/berpindah adalah suatu strategi pembelajaran yang diciptakan untuk menjadikan siswa lebih termotivasi dalam mengikuti proses pembelajaran, dimana siswa akan semakin aktif"

"This classroom action research was held at SMAN I Koto Baru Dharmasrya with the aim is to improving student's motivation in laering mathematic through cooperative learning with two stay- two stray model plus hula hoop as a media."

"Di dunia kesehatan, tenaga medis dituntut untuk mengatasi berbagai jenis penyakit dengan gejala yang beragam. Oleh karena itu, diperlukan suatu teknologi untuk membantu mereka menyelesaikannya dengan baik. Penelitian ini mendukung mereka dengan menggunakan machine learning sebagai pemecah masalah. Metode machine learning yang digunakan pada penelitian ini adalah metode klasifikasi. Penulis membahas tentang stroke yang merupakan salah satu penyakit dengan angka kematian tertinggi di dunia. Penelitian ini mengamati perubahan densitas pada otak penderita stroke iskemik. Stroke iskemik merupakan salah satu jenis stroke yang terjadi ketika pembuluh darah tersumbat oleh trombus atau emboli. Penelitian ini menggunakan data CT scan dari Departemen Radiologi, Rumah Sakit Cipto Mangunkusumo, Jakarta, Indonesia. Data yang berupa citra CT scan diubah menjadi data numerik dengan metode Gray Level Co-Occurrence Matrix dan Local Binary Pattern yang dibandingkan performanya pada saat melakukan proses klasifikasi. Penelitian ini menerapkan Support Vector Machines sebagai metode klasifikasi. Didapatkan hasil bahwa Support Vector Machines dengan Local Binary Pattern menghasilkan performa yang lebih baik dibandingkan Support Vector Machines dengan Gray Level Co-Occurrence Matrix.

---

In the health sector, the medical staffs are challenged to overcome many types of diseases with various symptoms. Therefore, a technology is needed to help them solving it well. This study is supporting them by using a machine learning as the problem solver. The machine learning method that is used in this study is classification method. The author discusses about stroke which is one of the diseases with the highest mortality rate in the world. This study observed the density changes in the brain of ischemic stroke sufferers. Ischemic stroke is one of the stroke types that occurs when the arteries are blocked by thrombus or embolism. This study used data of CT scan from Department of Radiology, Cipto Mangunkusumo Hospital, Jakarta, Indonesia. The image data of the CT scan is changed into a numerical data by using the Gray Level Co-Occurrence Matrix method and the Local Binary Pattern which is being compared when processing the classification. This study applies Support Vector Machines as the classification method. The results showed that Support Vector Machines with Local Binary Pattern has a better performance than Support Vector Machines with Gray Level Co-Occurrence Matrix."

"Berdasarkan data hasil survey Trends in International Mathematics and Sains Study (TIMSS) tahun 2003, tingkat kemampuan siswa kelas 2 SMP seluruh Indonesia dalam bidang matematika sangat rendah karena berada pada urutan ke 35 dari 45 negara. Hal ini sangat menarik diteliti tentang hubungan antara sikap siswa terhadap matematika dan prestasi belajar matematika siswa karena sebagian besar siswa beranggapan bahwa hasil pelajaran matematika sangat sulit sehingga dapat berpengaruh terhadap hasil belajar siswa yang rendah.Survey dilaksanakan dengan menggunakan alat ukur yang terdiri atas skala sikap terhadap matematika dan tes prestasi belajar matematika dengan bentuk soal pilihan ganda, isian, dan uraian.Hasil uji psikometrik data yang dilakukan pada tugas akhir ini menunjukan bahwa analisis item kuesioner dengan program Iteman dan SPSS untuk uji psikometrik secara klasik menghasilkan nilai reliabilitas (Alpha) sebesar 0.7, dan analisis faktor dilakukan dengan LISREL menunjukan bahwa pada setiap indikator memiliki faktor loading > 0,5 dan r-value > 2. Sedangkan analisis item tes prestasi belajar dengan menggunakan program Quest menunjukkan bahwa item-item pada tes memiliki daya pembeda yang baik.Hubungan antara sikap dan prestasi belajar siswa diuji dengan menggunakan tiga model pengujian. Pengujian model struktural 1 menghasilkan x2 = 1.39, df = 1, p-value = 0.24; RMSEA= 0,013; GFI = 1 dengan T-value = 1,34 Model struktural 2 menghasilkan x2 = 2,40, df = 3, p-value = 0.49; RMSEA= 0,00; GFI = I dan T-Value = 0,38. Kedua model ini dikategorikan fit. Sedangkan model struktural 3 menghasilkan x2 = 886,46, df = 3, p-value = 0.00; RMSEA= 0,33; GFI = 0,86 dan T-Value = 0,38 dan 0,83. Model ketiga ini tidak fit Berdasarkan data tersebut sikap terhadap matematika memberikan kontribusi lerhadap prestasi belajar matematika secara stalistik tidak signifikan. Untuk siswa di Indonesia sikap terhadap matematika tidak berpengaruh pada prestasi belajar."

"ABSTRACTKanker telah dikenal sebagai penyakit yang terdiri dari beberapa jenis berbeda. Kanker adalah penyakit yang mengancam jiwa di dunia saat ini. Ada begitu banyak jenis kanker di dunia, salah satunya adalah kanker usus besar, di mana kanker ini adalah salah satu pembunuh nomor satu di dunia. Banyak pembelajaran mesin telah diterapkan dalam klasifikasi kanker. Penulis membandingkan model Naïve Bayes Classifier dan Support Vector Machine (SVM) dalam klasifikasi kanker usus besar. Naïve Bayes Classifier adalah teknik prediksi berbasis probabilitas sederhana berdasarkan pada penerapan teorema Bayes (atau aturan Bayes) dengan asumsi kemandirian yang kuat. Sedangkan konsep dasar metode SVM adalah membentuk bidang atau hyperplane optimal yang memisahkan data menjadi bidang-bidang yang memisahkan data ke dalam setiap kelas. Kedua metode menghasilkan akurasi tinggi hingga 95,24% untuk Naïve Bayes Classifier dan 94,05% untuk SVM dengan kernel linier.

---

ABSTRACTCancer has been known as a disease that consists of several different types. Cancer is a life-threatening disease in the world today. There are so many types of cancer in the world, one of which is colon cancer, where this cancer is one of the number one killers in the world. Much machine learning has been applied in the classification of cancer. The author compares the Naïve Bayes Classifier and Support Vector Machine (SVM) models in the classification of colon cancer. Naïve Bayes Classifier is a simple probability-based prediction technique based on the application of the Bayes theorem (or Bayes rule) with a strong assumption of independence. While the basic concept of the SVM method is to form an optimal plane or hyperplane that separates data into fields that separate data into each class. Both methods produce high accuracy up to 95.24% for Naïve Bayes Classifier and 94.05% for SVM with linear kernels."

"Demam Berdarah Dengue (DBD) masih menjadi masalah kesehatan yang utama di Indonesia.  Berdasarkan data dari Kemenkes RI, pada tahun 2022 jumlah insiden DBD dicatat sebanyak 131.265 yang mana sekitar 40% adalah anak-anak usia 0 sampai 14 tahun dengan jumlah kasus kematian mencapai 1.135 jiwa dengan 73% terjadi pada anak-anak usia 0 sampai 14 tahun. DBD disebabkan oleh virus dengue yang disebarkan melalui gigitan nyamuk Aedes aegypti  dan Aedes albopictus.. Selain faktor kebersihan lingkungan dan kebiasaan masyarakat, tingginya insiden DBD di Indonesia juga dipengaruhi oleh beberapa faktor iklim seperti curah hujan, temperatur, dan kelembapan. Memaksimalkan proses pencegahan DBD oleh pemerintah dan masyarakat dapat menekan tingginya kasus DBD di Indonesia. Salah satu cara untuk memaksimalkan proses pencegahan DBD adalah dengan melakukan prediksi jumlah insiden DBD yang akan terjadi kedepannya. Dengan mengetahui hasil prediksi jumlah insiden DBD, diharapkan masyarakat dan pemerintah dapat memaksimalkan proses pencegahan DBD. Pada tugas akhir ini, dilakukan prediksi jumlah insiden DBD menggunakan convolutional neural network dan extreme gradient boosting, dengan jumlah insiden sebelumnya dan faktor cuaca sebelumnya yang terdiri dari temperatur, curah hujan, dan kelembapan relatif sebagai variabel prediktor. Variabel prediktor yang digunakan ditentukan berdasarkan time lag dari masing-masing variabel prediktor terhadap jumlah insiden DBD menggunakan korelasi silang. Model convolutinal neural network dan extreme gradient boosting yang dibentuk dievaluasi dan dibandingkan berdasarkan nilai Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan waktu simulasi. Pada tugas akhir ini, convolutional neural network memberikan performa yang lebih baik dibandingkan dengan extreme gradient boosting berdasarkan nilai RMSE dan MAE dengan rata-rata 13,3586 untuk RMSE dan 9,2249 untuk MAE. Berdasarkan waktu simulasi, extreme gradient boosting memberikan performa yang lebih cepat dibandingkan convolutional neural network.

---

Dengue Hemorrhagic Fever (DHF) remains a major health problem in Indonesia. Based on data from the Ministry of Health of Indonesia, in 2022, the number of DHF incidents recorded was 131,265, of which approximately 40% were children aged 0 to 14 years, with a total of 1,135 deaths, 73% of which occurred in children aged 0 to 14 years. DHF is caused by the dengue virus, which is transmitted through the bites of Aedes aegypti and Aedes albopictus mosquitoes. In addition to environmental cleanliness and societal habits, the high incidence of DHF in Indonesia is also influenced by several climate factors such as rainfall, temperature, and humidity. Maximizing the DHF prevention process by the government and the community can help reduce the number of DHF cases in Indonesia. One way to maximize the DHF prevention process is by predicting the future number of DHF incidents. By knowing the predicted number of DHF incidents, it is hoped that the community and the government can maximize the DHF prevention process. In this final project, the prediction of the number of DHF incidents is carried out using convolutional neural network and extreme gradient boosting, with the previous incident counts and previous weather factors consisting of temperature, rainfall, and relative humidity as predictor variables. The predictor variables used are determined based on the time lag of each predictor variable on the number of DHF incidents using cross-correlation. In this final project, the convolutional neural network outperforms extreme gradient boosting based on the RMSE and MAE values, with an average of 13.3586 for RMSE and 9.2249 for MAE. However, in terms of simulation time, extreme gradient boosting demonstrates faster performance compared to the convolutional neural network."

"Demam Berdarah Dengue (DBD) adalah penyakit yang disebabkan oleh virus dengue yang termasuk anggota genus Flavivirus dan keluarga Flaviviridae yang menyebar melalui nyamuk Aedes (Stegomyia). Jumlah kasus DBD di seluruh dunia dilaporkan meningkat lebih dari 8 kali lipat selama dua dekade terakhir, dari 505.430 kasus pada tahun 2000, menjadi lebih dari 2,4 juta pada tahun 2010, dan 5,2 juta pada tahun 2019. Peningkatan insiden DBD dipengaruhi oleh berbagai faktor, baik itu faktor alam, kebiasaan manusia, hingga jenis virus penyebab DBD itu sendiri. Faktor alam yang dimaksud disini antara lain faktor iklim, seperti curah hujan (mm), temperatur rata-rata (℃), dan kelembapan rata-rata (%). Peningkatan insiden DBD dapat dicegah dengan upaya pencegahan yang dilakukan sedini mungkin oleh pemerintah dan masyarakat. Informasi prediksi tren insiden DBD dapat menjadi masukan bagi masyarakat dan pemerintah untuk meningkatkan kewaspadaan terhadap peningkatan insiden DBD di DKI Jakarta. Dalam melakukan prediksi tren insiden DBD, dapat dilakukan dengan berbagai pendekatan, salah satu diantaranya adalah machine learning. Pada tugas akhir ini, implementasi machine learning menggunakan model The Attention Mechanism-Enhanced LSTM (LSTM-ATT) dan Poisson Regression, akan digunakan untuk memprediksi tren insiden DBD dari waktu ke waktu. LSTM-ATT adalah sebuah model machine learning yang digunakan untuk memproses data sequence. Poisson Regression adalah model regresi yang dapat digunakan pada data yang variabel responnya berdistribusi Poisson dan bertipe diskrit. Prediksi yang akan dilakukan didasarkan pada jumlah insiden DBD sebagai variabel respon, serta faktor iklim seperti curah hujan, suhu, dan kelembapan sebagai variabel prediktor. Untuk proporsi data, kedua model tersebut menggunakan proporsi data training sebesar 80% dan data testing sebesar 20%. Model yang dibentuk ini dievaluasi dengan nilai dari Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE). Hasil implementasi terbaik pada skrips ini dihasilkan oleh model LSTM-ATT dengan evaluasi di setiap wilayah DKI Jakarta: Jakarta Pusat RMSE: 9,5727, MAE: 6,6946; Jakarta Timur RMSE: 21,5288, MAE: 15,6365; Jakarta Barat RMSE: 16,3683, MAE: 12,4908; Jakarta Utara RMSE: 23,5911, MAE: 15,2969; Jakarta Selatan RMSE: 18,3811, MAE: 14,0262.

---

Dengue Hemorrhagic Fever (DHF) is a disease caused by the dengue virus, which belongs to the Flavivirus genus and Flaviviridae family, transmitted through Aedes mosquitoes (Stegomyia). The number of DHF cases worldwide has reported an increase of more than 8 times over the past two decades, from 505,430 cases in 2000 to over 2.4 million in 2010 and 5.2 million in 2019. The increase in DHF incidence is influenced by various factors, including natural factors, human behavior, and the type of dengue virus itself. Natural factors include climate factors such as rainfall (mm), average temperature (℃), and average humidity (%). The increase in DHF incidence can be prevented through early prevention efforts by the government and the community. Predicting the trend of DHF incidence can provide input for the community and the government to increase vigilance against the increasing incidence of DHF in Jakarta. Various approaches can be used for predicting the trend of DHF incidence, one of which is machine learning. In this final project, the implementation of machine learning using the LSTM-ATT and Poisson Regression models will be used to predict the trend of DHF incidence over time. LSTM-ATT is a machine learning model used to process sequential data, such as time series data. On the other hand, Poisson Regression is a regression model that can be used for data with Poisson-distributed response variables and discrete types. The prediction will be based on the number of DHF incidents as the dependent variable, and climate factors such as rainfall, temperature, and humidity as independent variables. The performance of the models will be evaluated using the Root Mean Square Error (RMSE) and Mean Absolute Error (MAE). The best implementation results in this thesis were produced by the LSTM-ATT model with evaluation in each area of DKI Jakarta: Central Jakarta RMSE: 9.5727, MAE: 6.6946; East Jakarta RMSE: 21.5288, MAE: 15.6365; West Jakarta RMSE: 16.3683, MAE: 12.4908; North Jakarta RMSE: 23.5911, MAE: 15.2969; South Jakarta RMSE: 18.3811, MAE: 14.0262."