Articles

Found 11 Documents
Search

APLIKASI ANALISIS FAKTOR KONFIRMATORI UNTUK MENGETAHUI HUBUNGAN PEUBAH INDIKATOR DENGAN PEUBAH LATEN YANG MEMPENGARUHI PRESTASI MAHASISWA DI JURUSAN MATEMATIKA FMIPA UNSRI Maiyanti, Sri Indra; Dwipurwani, Oki; Desiani, Anita; Aprianah, Betty
Jurnal Pendidikan Matematika Vol 2, No 1 (2008): Jurnal Pendidikan Matematika
Publisher : Program studi magister Pendidikan Matematika FKIP Unsri

Show Abstract | Original Source | Check in Google Scholar | Full PDF (514.37 KB)

Abstract

To know the correlation between indicator variables and latent variables that the influence students’ achieviement in majors of mathematics of FMIPA UNSRI used Confirmatory Factor Analysis by maximum likelihood method to estimate the model parameters. Confirmatory Factor Analysis is one of the methods of multivariate analysis used to confirm whether or not the model that is build is match the hypothesis.  The result of tained that the latent variable of has a background of family could be measured by indicator variables of father’s education (x1), mother’s education (x2) and parent’s income (x3), where indicator variables that give great contribution is mother’s education is 0.84.  The latent variables of learning environment of campus (ξ2) could be measured by indicator variables of time using far house to campus (x4), learning facilities at home (x5) and learning concentration (x8), where indicator variables that give great contribution is learning facilities at home is 0.80.  The latent variables of attitude toward almamater (ξ3) could be measured by indicator variables of classroom facilities in major (x11), library facilities (x12) and computer facilities (x13), where indicator variables that give great contribution is classroom facilities in major is 1.08.  The latent variable of perseption toward lecturers (ξ4) could be measured by indicator of evaluation system given by lecturer (x16), learning system given by lecturer (x17), assigment system given by the lecturer (x18), and the relationship with academic advisor (x19), where indicator variables that give great contribution is learning system is 0.73.
PCA-Based on Feature Extraction and Compressed Sensing for Dimensionality Reduction Desiani, Anita; Maiyanti, Sri Indra; Miraswan, Kanda Januar; Arhami, Muhammad
Computer Engineering and Applications Journal Vol 8 No 2 (2019)
Publisher : Universitas Sriwijaya

Show Abstract | Original Source | Check in Google Scholar | Full PDF (334.541 KB)

Abstract

Compressive sensing reduces the number of samples required to achieve acceptable reconstruction for medical diagnostics, therefore this research will implement dimensional reduction algorithms through compressed sensing for electrocardiogram signals (EKG). dimensional reduction is performed based on the fact that ECG signals can be reconstructed with linear combination coefficients with a bumpy base of small measurements with high accuracy. This study will use PCA for feature extraction on ECG signals. The data used are the ECG patient records on the website page www.physionet.org as many as 1200 with each attribute as many as 256 attributes. The total data dimension used is 1200x256, which means the data has 1200 rows and has as many as 256 columns. To show the accuracy of the dimensional reduction result, so it is performed classification on data using KNN and Naive Bayes. The classification results show that KKN can classify well with 84,02% accuracy rate and the Naive Bayes accuracy is 65,78%. for 100 dimensions The conclusion is those dimensional reductions for ECG data that have large dimensions, it still able to provide valid information like it uses the original data. Principle Component Analysis is a good method for reducing data dimensions by selecting certain features, so the dimensions of the data become smaller but still able to provide good accuracy to the reader.
A Reasoning Technique for Taxonomy Expert System of Living Organisms desiani, anita; Firdaus, Firdaus; Maiyanti, Sri Indra
Annual Research Seminar (ARS) Vol 2, No 1 (2016)
Publisher : Annual Research Seminar (ARS)

Show Abstract | Original Source | Check in Google Scholar | Full PDF (213.798 KB)

Abstract

Taxonomy of living organisms can help scientists to sort organisms in order and help them to identify new organisms by finding out which their groups. It also is easier to study organisms when they are sorted in groups. Taxonomy of living organisms system is a important basic part of ecology system. Researcher should know about any organisms that they noted in an ecology. Integration between classification taxonomy of Living Organisms and technology  information will have many advantages for researchers and ecology information system. The expert system is one solution to help the problem of classification of living organisms that are authentic and novelty, and can provide advice to the user when the user needs an information about a living organism. One of the important things on the expert system is Reasoning technique. This paper used Production rule as Reasoning technique. Production rule has two reasoning method; forward chaining and backward chaining. Forward chaining method with backward chaining modified is used for inference engine in taxonomy expert system of living organisms. The method is actually forward chaining but in reasoning proccess it takes one hyphothesis of taxonomy level to help the process so the process can be faster to find solution for identification of living organisms.  
Penerapan Analisa Faktor dalam Membentuk Faktor Laten yang Mempengaruhi Prestasi Mahasiswa di Jurusan Matematika FMIPA Universitas Sriwijaya Dwipurwani, Oki; Maiyanti, Sri Indra; Desiani, Anita; Octarina, Shinta
Jurnal Penelitian Sains Vol 12, No 3 (2009)
Publisher : Faculty of Mathtmatics and Natural Sciences

Show Abstract | Original Source | Check in Google Scholar | Full PDF (170.607 KB)

Abstract

Studi ini mengenai penggunaan analisis faktor untuk membentuk faktor laten menggunakan metode Maksimum Likelihood untuk menduga parameternya dan pengaruh prestasi mahasiswa di Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Kesimpulan yang diperoleh dari pengaplikasiannya adalah terbentuknya 8 faktor umum, yaitu Kelengkapan Fasilitas Belajar, Latar Belakang Keluarga, Sistem Pembelajaran, Motivasi dan Teman, Minat dalam Belajar Matematika, Persepsi Terhadap Dosen, Kelengkapan Laboratorium Komputer dan Pelayanan Akademik, dan Kedisiplinan dalam Belajar untuk Mendapatkan Nilai Tinggi. Variansi total yang mampu dijelaskan oleh delapan faktor tersebut adalah 64%. Hal ini menunjukan kebaikan model sudah terpenuhi.
Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Ditinjau dari Karakteristik Lingkungan Kampus (Studi Kasus di Jurusan Matematika FMIPA Unsri) Dwipurwani, Oki; Maiyanti, Sri Indra; Desiani, Anita; Suryati, Sari
Jurnal Penelitian Sains Vol 15, No 1 (2012)
Publisher : Faculty of Mathtmatics and Natural Sciences

Show Abstract | Original Source | Check in Google Scholar | Full PDF (257.088 KB)

Abstract

This Research aim to develop a model which can explain factors influencing student achievement. Variables in this research in the form of laten variable and causal relationship between a set of variables nor modestly, there is direct and indirectly relationship. Therefore, there used a Structural Equation Models (SEM) analyse method. Data in this research is obtained by through questionnaire from Mathematics FMIPA Unsri Majors student sample as much 128 responder. Result of analysis indicate that student perception to dosen variable have an positive effect directly to student motivation variable as well as having an positive effect indirectly through motivation variable to achievement variable which signifikan that is each equal to 0.46 and 0.4784. Furthermore, motivate to learn variable have an positive effect to student achievement variable equal to 1,04.
ANALISIS KEBUTUHAN WAKTU ALGORITMA INSERTION SORT, MERGE SORT, DAN QUICK SORT DENGAN KOMPLEKSITAS WAKTU Pratama, albar; Desiani, Anita; Irmeilyana, Irmeilyana
Annual Research Seminar (ARS) Vol 3, No 1 (2017): ARS 2017
Publisher : Annual Research Seminar (ARS)

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1255.38 KB)

Abstract

Sorting is a crucial problem in data processing or database. Data  processing will be more simple if the data has been sorted. Sorting problem requires special  techniques to make the process of sorting faster. The techniques are named as sorting algorithms. The reliability of an algorithm can be measured by its time complexities. The time complexity T(n) is the number of operations performed in an algorithm for N data input. One of time complexities is Big-O or worst case. The Worst case (Big-O) is a time complexities for the worst condition of an algorithm.   This study will analyze the time complexity of the algorithms Insertion Sort, Merge Sort and Insertion Sort based on their Big-O (worst case). Each algorithm will be calculated its complexity time in two ways. The first is calculated based on their steps in sorting process and the second is calculated based on their coding and running program using C++. The time complexity of Merge Sort is O(n log n) and time complexity of Quick Sort and Insertion Sort is O(n2), it means the time complexity of Merge Sort is less and faster for large N data input than Quick Sort and Insertion Sort. Otherwise Insertion Sort is faster for small N data input than Merge Sort and Quick Sort. Quick sort needs much time to sort data not only for small N data input but also for large N data input. It means Quick Sort doesn’t work well in worst case.
Peng-cluster-an Mahasiswa Berdasarkan IPK dan IP Kelompok Mata Kuliah dan Kelompok Bidang Minat Irmeilyana, Irmeilyana; Sania, Rana; Desiani, Anita; Tanuji, Hadi
Annual Research Seminar (ARS) Vol 3, No 1 (2017): ARS 2017
Publisher : Annual Research Seminar (ARS)

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1583.832 KB)

Abstract

Penelitian ini bertujuan untuk menganalisis pengelompokan mahasiswa berdasarkan IPK dan IP pada kelompok MK (Mata Kuliah), dengan menggunakan analisis cluster melalui pendekatan berhirarki dengan metode pautan tunggal dan pautan lengkap.  Penelitian ini juga bertujuan untuk menginterpretasikan pengaruh IP pada KBM (Kelompok Bidang Minat) terhadap pengelompokan dan penyebaran mahasiswa yang terbentuk, sehingga dapat dilihat kecenderungan karakter IPK mahasiswa pada suatu KBM. Berdasarkan analisis cluster pada variabel, masing-masing metode menghasikan 7 cluster yang anggota-anggotanya sama. Cluster variabel yang anggotanya terbanyak adalah IPK, IP Kelompok MK Umum, MK Dasar, MK Wajib, dan IP KBM Statistika. Berdasarkan analisis cluster pada objek, sebagaian besar mahasiswa Jurusan Matematika FMIPA Unsri angkatan 2011 mempunyai IPK dan IP setiap kelompok MK dan KBM yang relatif mendekati rata-rata.  Hanya sebagian kecil mahasiswa yang mempunyai IPK yang tinggi ataupun rendah dapat tercermin dari IP Kelompok MK Umum, Dasar, dan IP setiap KBM.  Mahasiswa peminat KBM Statistika cenderung mempunyai nilai IPK yang tinggi.  
Aplikasi Analisis Faktor Konfirmatori untuk Mengetahui Hubungan Peubah Indikator dengan Peubah Laten yang Mempengaruhi Prestasi Mahasiswa di Jurusan Matematika FMIPA UNSRI Maiyanti, Sri Indra; Dwipurwani, Oki; Desiani, Anita; Aprianah, Betty
Jurnal Penelitian Sains Vol 12, No 3 (2009)
Publisher : Faculty of Mathtmatics and Natural Sciences

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1046.668 KB)

Abstract

Analisis Faktor Konfirmatori adalah salah satu metode pada analisis multivariat yang digunakan untuk mengkonfirmasikan apakah model yang dibangun sesuai dengan yang dihipotesiskan. Untuk mengetahui hubungan peubah indikator dengan peubah laten yang mempengaruhi prestasi mahasiswa di Jurusan Matematika FMIPA UNSRI digunakan Analisis Faktor Konfirmatori dengan metode kemungkinan maksimum untuk menduga parameter modelnya. Hasil yang diperoleh bahwa peubah laten untuk latar belakang keluarga (Ԑ1) diukur oleh peubah indikator Pendidikan ayah (x1), Pendidikan ibu (x2) dan Penghasilan orang tua (x3), di mana peubah indikator yang memberikan kontribusi terbesar adalah Pendidikan ibu (0,84). Peubah laten lingkungan belajar di luar kampus (Ԑ2) diukur oleh peubah indikator waktu tempuh dari rumah ke kampus (x4), fasilitas belajar di rumah (x5) dan konsentrasi belajar (x8), di mana peubah indikator dengan kontribusi terbesar adalah fasilitas belajar di rumah (0,80). Peubah laten sikap terhadap almamater (Ԑ3) diukur oleh peubah indikator Fasilitas ruang belajar di jurusan (x11), Fasilitas perpustakaan (x12) dan Fasilitas komputer (x13), di mana peubah indikator dengan kontribusi terbesar adalah Fasilitas ruang belajar di jurusan (x11) (1,08). Peubah laten Persepsi terhadap dosen (Ԑ4) diukur oleh peubah indikator Sistem evaluasi oleh dosen (x16), Sistem pembelajaran oleh dosen (x17), Sistem penugasan oleh dosen (x18) dan Hubungan dengan pembimbing akademik (x19), di mana peubah indikator dengan kontribusi terbesar adalah Sistem pembelajaran oleh dosen (x17) (0,73). 
Hubungan Jadual dan Lama Trip dengan Lama Waktu Kerja Harian Sopir BRT Amran, Ali; Desiani, Anita; Meilensa, Maya; Irmeilyana, Irmeilyana; Verdya Alvionita, Indah
Annual Research Seminar (ARS) Vol 4, No 1 (2018): ARS 2018
Publisher : Annual Research Seminar (ARS)

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1580.701 KB)

Abstract

Kinerja dan pelayanan dari BRT tidak terlepas dari peranan sopir bis. Tulisan ini menganalisis hubungan antara lama kerja harian sopir dengan jam awal kedatangan sopir dan lama trip. Metode yang digunakan adalah analisis korespondensi sederhana. Data yang digunakan adalah jam kedatangan sopir, lama perjalanan sopir pada setiap trip pulang-pergi, yang berawal dari Terminal Albar dan kembali lagi ke Terminal Albar, serta lama jam kerja sopir dalam sehari. Setiap variabel yang digunakan dibagi dalam 4 kategori untuk digunakan dalam menyusun tabel kontingensi. Faktor yang mempunyai hubungan terhadap lama kerja sopir dalam sehari adalah jam awal kedatangan sopir dan lama perjalanan (trip) pertama. Sopir yang datangnya di periode jam 06.00-06.50 cenderung mempunyai lama kerja 10-11 jam. Sedangkan sopir yang datangnya di awal waktu mempunyai lama kerja harian yang lebih singkat. Sopir yang lama trip pertamanya lebih atau sama dengan 3,5 jam cenderung mempunyai lama kerja yang paling tinggi. Sedangkan sopir yang lama trip pertamanya selama 2,5 – 3 jam, lama kerjanya 10 – 10,5 jam. Sopir yang lama trip pertamannya kurang dari 2,5 jam cenderung mempunyai lama kerja kurang dari 10 jam
Sistem Pendukung Keputusan Penerimaan Karyawan Baru dengan Menggunakan Metode Analytic Network Process (ANP) (Sudi Kasus di PT Batavia Prosperindo Finance Palembang) Desiani, Anita; Primartha, Rifkie; Yahdin, Sugandi; Kartila, Kartila
Annual Research Seminar (ARS) Vol 4, No 1 (2018): ARS 2018
Publisher : Annual Research Seminar (ARS)

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1325.621 KB)

Abstract

PT. Batavia Prosperindo Finance adalah perusahaan publik yang bergerak di bidang pembiayaan konsumen untuk kendaraan. Di perusahaan untuk karyawan rekrutmen, ada tiga kriteria yang harus dihadapi oleh calon karyawan. Kriteria yang digunakan adalah kriteria seleksi administrasi, kriteria wawancara dan tes keterampilan. Kandidat akan menerima jika mereka dapat melewati minimal 2 kriteria. Perusahaan harus mengadakan pertemuan terlebih dahulu untuk menentukan siapa kandidat yang akan diterima. Salah satu metode yang dapat digunakan sebagai keputusan adalah Analytic Network Process. Studi ini meneliti bagaimana ANP dapat digunakan untuk mendukung dukungan keputusan di PT. Batavia Prosperindo Finance untuk karyawan rekrutmen. Hasil perhitungan ANP menunjukkan peringkat kriteria yang mempengaruhi rekrutmen karyawan. Kriteria pertama adalah kriteria keterampilan dengan 0,56 eigen velue. Kriteria kedua adalah wawancara dengan 0,25 nilai eigen. Kriteria ketiga adalah pemilihan administrasi dengan nilai eigen 0,189. Membandingkan hasil rekrutmen karyawan di PT. Batavia Prosperindo Finance pada tahun 2015 dengan hasil ANP menunjukkan bahwa karyawan diterima oleh perusahaan adalah sama dengan hasil ANP untuk 15 orang (dalam daftar pertama). Metode ANP cukup baik untuk mendukung keputusan di PT Batavia Prosperindo Finance untuk karyawan rekrutmen.