Search Articles & Publications

Showing 62 articles found for "Precision"
Gudang Jurnal Multidisiplin Ilmu (Vol. 2, No. 10, 2024)

Implementasi Metode CNN Untuk Klasifikasi Status Stunting Pada Balita

Abrori, Syariful, Zaehol Fatah
Abstract: Stunting pada balita merupakan permasalahan kesehatan masyarakat yang serius dan memerlukan penanganan segera melalui deteksi dini yang akurat. CNN (Convolutional Neural Network) merupakan metode yang akurat, efektif dan… tepat sasaran dalam memberikan hasil yang akurat dan presisi. Implementasi metode CNN dapat mengklasifikasikan status stunting pada balita berdasarkan parameter antropometri dan karakteristik kesehatan. Dataset yang digunakan terdiri dari 6.500 sampel data balita dengan 8 variabel meliputi jenis kelamin, usia, berat lahir, panjang lahir, berat badan, panjang badan, riwayat ASI eksklusif, dan status stunting. Metodologi yang digunakan melibatkan serangkaian tahapan preprocessing data termasuk standardisasi fitur menggunakan StandardScaler, pemisahan data training (80%) dan testing (20%), serta penggunaan arsitektur CNN yang terdiri dari layer konvolusi 1D dengan 32 filter, max pooling, dan dense layer. Model dilatih menggunakan optimizer Adam dengan fungsi loss categorical crossentropy selama 10 epoch dan batch size 32. Evaluasi performa model dilakukan menggunakan berbagai metrik termasuk accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mencapai performa yang sangat baik dengan akurasi 90%, precision 89%, recall 92%, dan F1-score 91%. Analisis confusion matrix mengkonfirmasi kemampuan model dalam mengklasifikasikan kedua kelas yaitu pada stunting dan non-stunting secara seimbang. Temuan ini mengindikasikan bahwa implementasi CNN efektif dalam mengidentifikasi status stunting pada balita dan berpotensi menjadi alat bantu yang berharga dalam screening stunting di fasilitas kesehatan.
Global Research Implementasi Metode Untuk Klasifikasi Status Stunting Pada Balita
76 views
Journal Of Global Research Publications (Vol. 2, No. 2, 2025)

Analysis Error Student In Learning Geometry As Base Understanding Non-Euclidean Geometry : An Overview Literature Based on Newman's Error Analysis

Siregar, Dosta Ernauli, Purba, Lasvina Br., Chyntia, Jesica Dhea, Fauzi, KMS Muhammad Amin
Abstract: This study aims to identify the dominant error patterns of students in geometry learning based on Newman's Error Analysis (NEA) and to examine their implications for readiness to understand Non-Euclidean Geometry. The method… thod employed is a Systematic Literature Review (SLR) of 10 empirical articles published between 2019 and 2026. Data were extracted based on the five stages of NEA — reading, comprehension, transformation, process skill, and encoding — and subsequently analyzed through narrative synthesis, percentage comparison, and descriptive effect size. The results indicate that comprehension errors and encoding errors are the most dominant categories, with the highest percentages of 56.92% and 50%, respectively, followed by transformation errors, which consistently fall within a moderate effect range (20–40%), while reading errors and process skill errors are classified as low. The primary causes of errors include weak understanding of geometric concepts, inability in spatial visualization, limited mathematical language, and lack of procedural precision. The findings contribute as a diagnostic foundation for designing more effective geometry learning, while simultaneously serving as a conceptual bridge toward higher-level geometry
Global Research Analysis Error Student Learning Geometry Base Understanding Euclidean Overview Literature Based Newman
94 views