https://ejournal.unsrat.ac.id/v3/index.php/sinta6/issue/feed Seminar Nasional Sains dan Terapan VI 2022-07-28T13:40:32+08:00 Adelfia Papu adelfia.papu@unsrat.ac.id Open Journal Systems Artikel dalam prosiding telah didiseminasikan di Seminar Nasional Sains dan Terapan (SemNas Sinta) VI, 25 Maret 2022 https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41865 PENGGUNAAN KORELASI COPHENETIC UNTUK PEMILIHAN METODE CLUSTER BERHIERARKI PADA MENGELOMPOKKAN KABUPATEN/KOTA BERDASARKAN JENIS PENYAKIT DI PROVINSI SULAWESI TENGGARA TAHUN 2020 2022-07-08T12:06:07+08:00 Iis . iisstatistik@gmail.com Irma Yahya iisstatistik@gmail.com Gusti Ngurah A. Wibawa iisstatistik@gmail.com Baharuddin . iisstatistik@gmail.com Ruslan . iisstatistik@gmail.com Lilis Laome iisstatistik@gmail.com <p>ABSTRACT<br />Southeast Sulawesi as one of the provinces in Indonesia which is geographically located from one district/city to another, which results in different health level variances. So that in determining policy, the government cannot give equal treatment to all regions, it is necessary to group them. The method used is a hierarchical cluster method (Single Linkage, Average Linkage, Complete Linkage) consisting of 4 clusters, namely districts/cities with low, medium, high, and very high disease cases. The aim is to find out the best cluster method and how the cluster results use the best cluster method. The data used is data on the number of diseases in districts/cities throughout Southeast Sulawesi in 2020 (17 districts/cities) obtained from the Southeast Sulawesi Provincial Health Office. The results showed that the best cluster method was the average linkage method with a cophenetic correlation value of 0.990. cluster results show 14 districts/cities in cluster I, 1 district/city in cluster II, 1 district/city in cluster III, and 1 district/city in cluster IV.<br />Keywords: Cluster Analysis, Cophenetic Correlation, Hierarchical Cluster.<br />ABSTRAK<br />Sulawesi Tenggara sebagai salah satu provinsi di Indonesia yang secara geografis letak Kabupaten/Kota yang satu dengan yang lain berbeda yang mengakibatkan adanya variansi tingkat kesehatan yang berbeda. Dalam menentukan kebijakan, pemerintah tidak bisa memberi perlakuan yang sama pada semua wilayah, sehingga perlu dilakukan pengelompokkan. Metode yang digunakan adalah metode cluster berhierarki (Single Linkage, Average Linkage, Complete Linkage). Tujuannya untuk mengetahui metode cluster terbaik dan bagaimana hasil cluster menggunakan metode cluster terbaik. Terdiri dari 4 cluster yaitu cluster I untuk Kab/Kota dengan rata-rata kasus penyakit Rendah, cluster II untuk Kab/Kota dengan rata-rata kasus penyakit Sedang, cluster III untuk Kab/Kota dengan rata-rata kasus penyakit Tinggi, dan cluster IV untuk Kab/Kota dengan rata-rata kasus penyakit Sangat Tinggi. Data yang digunakan adalah data Jumlah Penyakit di Kab/Kota se-Sulawesi Tenggara tahun 2020 (17 kab/kota) yang diperoleh dari Dinas Kesehatan Provinsi Sulawesi Tenggara. Hasil penelitian menunjukan metode cluster terbaik adalah metode average linkage dengan nilai korelasi cophenetic 0.990. Hasil cluster menunjukan 14 kab/kota pada cluster I, 1 kab/kota pada cluster II, 1 kab/kota pada cluster III, dan 1 kab/kota pada cluster IV.<br />Kata Kunci: Analisis Cluster, Korelasi Cophenetic, Cluster Hierarki.</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41867 PEMODELAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE (DBD) MENGGUNAKAN METODE GENERALIZED POISSON REGRESSION UNTUK MENGATASI OVERDISPERSI 2022-07-08T12:06:08+08:00 Ani Ramayanti anirahmayanty@gmail.com Baharuddin . anirahmayanty@gmail.com Bahridin Abapihi anirahmayanty@gmail.com Makkulau . anirahmayanty@gmail.com Ruslan . anirahmayanty@gmail.com Irma Yahya anirahmayanty@gmail.com <p>Dengue Hemorrhagic Fever (DHF) is a major public health problem in Indonesia, including Southeast Sulawesi Province. One of the regencies/cities in Southeast Sulawesi in 2020 which has the highest number of DHF sufferers is Kendari City with 307 cases. The purpose of this study was to determine the factors that influence the number of DHF patients in Southeast Sulawesi in overcoming overdispersion using generalized Poisson regression. Based on the results of the study, it was found that the percentage of poor people (X1) is a factor that significantly influences the number of DHF sufferers in Southeast Sulawesi in 2020. These results are seen based on the comparison of the Wald Chi Square value and the Chi Square table value. And it can be concluded that the estimation of the generalized Poisson regression model shows that the percentage of poor people (X1) is a factor that significantly influences the number of people with Dengue Hemorrhagic Fever (DHF) in Southeast Sulawesi in 2020.<br />Keywords: Dengue Hemorrhagic Fever, GPR, Overdispersion, Poisson Regression.<br />ABSTRAK<br />Demam Berdarah Dengue (DBD) merupakan masalah kesehatan masyarakat yang utama di Indonesia, termasuk Provinsi Sulawesi Tenggara. Salah satu kabupaten/kota di Sulawesi Tenggara pada tahun 2020 yang memiliki jumlah penderita DBD terbanyak adalah Kota Kendari dengan 307 kasus. Tujuan penelitian ini adalah untuk mengetahui faktor-faktor yang mempengaruhi jumlah penderita DBD di Sulawesi Tenggara dalam mengatasi overdispersi menggunakan regresi poisson umum. Berdasarkan hasil penelitian diketahui bahwa persentase penduduk miskin (X1) merupakan faktor yang berpengaruh signifikan terhadap jumlah penderita DBD di Sulawesi Tenggara tahun 2020. Hasil tersebut dilihat berdasarkan perbandingan Wald Chi Square dan nilai tabel Chi Square. Dan dapat disimpulkan bahwa estimasi model regresi Poisson umum menunjukkan bahwa persentase penduduk miskin (X1) merupakan faktor yang berpengaruh signifikan terhadap jumlah penderita Demam Berdarah Dengue (DBD) di Sulawesi Tenggara tahun 2020.<br />Kata kunci: Demam Berdarah Dengue, GPR, Overdispersi, Regresi Poisson.</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41868 PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI INDONESIA DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION 2022-07-08T12:06:08+08:00 Tony Herbiansyah anirahmayanty@gmail.com Irma Yahya anirahmayanty@gmail.com Baharuddin . anirahmayanty@gmail.com Agusrawati . anirahmayanty@gmail.com Ruslan . anirahmayanty@gmail.com Lilis Laome anirahmayanty@gmail.com <p>Model Geographically Weighted Regression is one of the regression method development by considering the spatial elements in it with a point approach. The existence of spatial effects is something that often occurs between one region and another. Gross Regional Domestic Product (GDP) is an important indicator to determine the economic conditions in a region within a certain period, both on the basis of current prices and on the basis of constant prices. The purpose of this study is to model the GRDP in Indonesia and the factors that influence it by using GWR. With an R2 90,93 %, it shows that GWR is better than the global regression. Geographical factors are also very influential on GRDP in Indonesia so that it will produce different GWR models for each province in Indonesia. By using the variable Minimum Wage (X1), Foreign Investment (X2), Population Density (X3)<br />Keywords: Geographically Weighted Regression, Regression Model, Gross Regional Domestic Product.<br />ABSTRAK<br />Model Geographical Weighted Regression (GWR) merupakan salah satu pengembangan metode regresi dengan mempertimbangkan unsur spasial didalamnya dengan pendekatan titik. Adanya efek spasial merupakan hal yang sering terjadi antara suatu wilayah dengan wilayah lainnya. Produk Domestik Regional Bruto (PDRB) merupakan suatu indikator penting untuk mengetahui kondisi ekonomi di suatu wilayah dalam suatu periode tertentu baik atas dasar harga berlaku maupun atas dasar harga konstan. Tujuan dari penelitian ini adalah memodelkan PDRB di Indonesia serta faktor-faktor yang mempengaruhinya dengan menggunakan GWR. Dengan nilai R2 sebesar 90,93% menunjukkan bahwa GWR lebih baik dibandingkan regresi global. Faktor geografis juga sangat berpengaruh terhadap PDRB di Indonesia sehingga akan menghasilkan model GWR yang berbeda-beda untuk setiap provinsi yang ada di Indonesia. Dengan menggunakan variabel Upah Minimum (X1), Investasi Penanaman Modal Luar Negeri (X2), Kepadatan Penduduk (X3)<br />Kata Kunci: Geographically Weighted Regression, Model Regrasi, Produk Domestik Regional Bruto.</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41869 PEMODELAN INDEKS PEMBANGUNAN MANUSIA DI INDONESIA DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION 2022-07-08T12:06:09+08:00 Faradila Eka Putri faradilaekaputri18@gmail.com Mukhsar . faradilaekaputri18@gmail.com Baharuddin . faradilaekaputri18@gmail.com Bahridin Abapihi faradilaekaputri18@gmail.com Ruslan . faradilaekaputri18@gmail.com Agusrawati . faradilaekaputri18@gmail.com <p>The human development index (HDI) is an important indicator to measure success in efforts to build the quality of human life. The growth of Indonesia's HDI varies from region to region because it is influenced by spatial effects. One of the methods used in cases of spatial heterogeneity and spatial autocorrelation is geographically weighted regression (GWR). The purpose of this study is to model HDI data using GWR. The results of the study concluded that by using the Gaussian Kernel weighting function, the GWR model was obtained which was better in determining the factors that affect HDI, with AIC values of 94,567 and R2 of 96,19%. The existence of geographic factors affects the HDI resulting in 34 GWR models or 5 combinations of significant GWR models, with factors affecting the HDI namely the percentage of the poor (X1), the open unemployment rate (X2), and the average length of schooling (X3).<br />Keywords: HDI, Spatial Regression, GWR<br />ABSTRAK<br />Indeks pembangunan manusia (IPM) merupakan indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia. Pertumbuhan IPM Indonesia antar wilayah satu dengan wilayah lainnya berbeda karena dipengaruhi adanya efek spasial. Salah satu metode yang digunakan pada kasus heterogenitas spasial dan autokorelasi spasial yaitu geographically weighted regression (GWR). Tujuan dari penelitian ini adalah memodelkan data IPM menggunakan GWR. Hasil penelitian menyimpulkan dengan menggunakan fungsi pembobot Kernel Gaussian diperoleh model GWR yang lebih baik dalam menentukkan faktor-faktor yang mempengaruhi IPM, dengan nilai AIC sebesar 94,567 dan R2 sebesar 96,19%. Adanya faktor geografi mempengaruhi IPM sehingga menghasilkan 34 model GWR atau 5 kombinasi model GWR yang signifikan, dengan faktor yang mempengaruhi IPM yaitu persentase penduduk miskin (X1), tingkat pengangguran terbuka (X2), dan rata-rata lama sekolah (X3).<br />Kata Kunci: IPM, Regresi Spasial, GWR.</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41870 ESTIMATOR KURVA PRIESTLEY CHAO MENGGUNAKAN FUNGSI KERNEL TRIANGLE UNTUK DATA RATA-RATA BULANAN BILANGAN SUNSPOT MATAHARI 2022-07-08T12:06:10+08:00 Meilani Nurjaina meilani.nurj15@gmail.com2 Bahriddin Abapihi meilani.nurj15@gmail.com2 Irma Yahya meilani.nurj15@gmail.com2 Baharuddin . meilani.nurj15@gmail.com2 Ruslan . meilani.nurj15@gmail.com2 Makkulau . meilani.nurj15@gmail.com2 <p>This study aims to obtain a Priestley Chao curve estimator by using the Triangle kernel function in a nonparametric regression model for the monthly average solar number data from 1954 to 2008. Based on the results of the analysis and discussion, it can be concluded that the Priestley Chao curve estimator using the triangle kernel function produces a curve regression that almost follows the true curve pattern of the original data. The optimum bandwidth value obtained is 0.9 with a minimum GCV value of 1.0321 and a very small MSE value.<br />Keywords: Bandwidth, Sunspot Number, Priestley Chao Kernel Estimator, Kernel Triangle Function, Nonparametric Regression<br />ABSTRAK<br />Penelitian ini bertujuan untuk mendapatkan estimator kurva Priestley Chao menggunakan fungsi kernel Triangle pada model regresi nonparametrik untuk data rata-rata bulanan bilangan sunspot matahari dari tahun 1954 sampai 2008. Berdasarkan hasil analisis dan pembahasan dapat diketahui bahwa estimator kurva Priestley Chao dengan menggunakan fungsi kernel triangle menghasilkan kurva regresi yang hampir mengikuti pola kurva data asli yang sebenarnya. Nilai bandwidth optimum yang diperoleh adalah 0,9 dengan nilai GCV minimum sebesar 1,0321 serta nilai MSE yang sangat kecil.<br />Kata Kunci: Bandwidth, Bilangan Sunspot , Estimator Kernel Priestley Chao, Fungsi Kernel Triangle, Regresi Nonparametrik</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41871 PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA DI INDONESIA DENGAN PENDEKATAN REGRESI SPASIAL 2022-07-08T12:06:10+08:00 Miranda Agustina agustinamiranda313@gmail.com Makkulau . agustinamiranda313@gmail.com Bahriddin Abapihi agustinamiranda313@gmail.com Gusti Ngurah Adhi Wibawa agustinamiranda313@gmail.com Ruslan . agustinamiranda313@gmail.com Irma Yahya agustinamiranda313@gmail.com <p>Unemployment is one of the serious problems in development in Indonesia. The indicator used to measure the high unemployment rate is the Open Unemployment Rate (OUR). OUR in an area is estimated to be influenced by OUR in the surrounding area. This may be due to the proximity factor between regions. A regression model that incorporates the spatial relationship between regions into the model, namely the spatial regression model. The purpose of this study was to find out the appropriate model in modeling the factors that affect OUR in Indonesia in 2020 with a spatial regression approach and the factors that influence it. The results of this study indicate that the appropriate model is the Spatial Autoregressive (SAR) model and the influencing factors are the growth rate of Gross Regional Domestic Product (GRDP) based on constant prices (X3) and the labor force participation rate (X4).<br />Keywords: Open Unemployment Rate, Spatial Effect, Spatial Regression, Spatial Autoregressive<br />ABSTRAK<br />Pengangguran merupakan salah satu masalah yang cukup serius dalam pembangunan di Indonesia. Indikator yang digunakan untuk mengukur tingginya angka pengangguran adalah Tingkat Pengangguran Terbuka (TPT). TPT di suatu daerah diperkirakan dipengaruhi oleh TPT di daerah sekitarnya. Hal ini mungkin terjadi karena adanya faktor kedekatan antardaerah. Suatu model regresi yang memasukkan hubungan spasial antardaerah ke dalam model, yaitu dengan model regresi spasial. Tujuan dari penelitian ini adalah untuk mengetahui model yang sesuai dalam pemodelan faktor-faktor yang mempengaruhi TPT di Indonesia 2020 dengan pendekatan regresi spasial dan faktor-faktor yang mempengaruhinya. Hasil penelitian ini menunjukkan bahwa model yang sesuai adalah model Spatial Autoregressive (SAR) dan faktor-faktor yang mempengaruhinya adalah laju pertumbuhan Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan (X3) dan tingkat partisipasi angkatan kerja (X4).<br />Kata Kunci: Tingkat Pengangguran Terbuka, efek spasial, regresi spasial, spasial Autoregressive</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41872 COMBINE UNDERSAMPLING UNTUK MENANGANI DATA TIDAK SEIMBANG PADA LAMA BELAJAR SISWA DI RUMAH 2022-07-08T12:06:11+08:00 Rifaldi Ardiansyah Alqaida rifaldiardiansyah14@gmail.com Gusti Ngurah Adhi Wibawa rifaldiardiansyah14@gmail.com Irma Yahya rifaldiardiansyah14@gmail.com Bahridin Abapihi rifaldiardiansyah14@gmail.com Rasdiyanah . rifaldiardiansyah14@gmail.com Lilis Laome rifaldiardiansyah14@gmail.com Ruslan . rifaldiardiansyah14@gmail.com <p>Due to the Covid-19 pandemic, students were forced to stay home and study online. After conducting a survey in six districts in Southeast Sulawesi province, the data was obtained was not balanced between students who studied ≥3 hours and &lt; 3 hours with ratio of 86% (974 : 14% (164) so it was necessary to apply the resampling method to obtain appropriate conclusions. The objectives to be achieved in this study are (1) to determine the results of unbalanced data classification by logistic regression using the tomek link SMOTE method and combined undersampling. (2) determine the factors that influence the length of time students study at home. The results of the analysis show that when viewed from the sensitivity value produced by the combined undersampling technique is the highest (78.26) where the significant variable is Variable X3 (whether students like online learning or not).<br />Keywords: Student learning time at home<br />ABSTRAK<br />Akibat pandemi Covid 19 siswa sekolah terpaksa dirumahkan dan belajar secara daring. Setelah dilakukan survey pada enam kabupaten di provinsi Sulawesi Tenggara diperoleh data yang tidak seimbang antara siswa yang belajar ≥ 3 jam dan &lt; 3 jam dengan rasio kelas 86% (974) : 14% (164) sehingga perlu diterapkan metode resampling demi memperoleh kesimpulan yang sesuai. Tujuan yang ingin dicapai dalam penelitian ini adalah (1) untuk mengetahui hasil klasifikasi data tidak seimbang dengan regresi logistik menggunakan metode SMOTE tomek link dan combined undersampling. (2) menentukan faktor-faktor yang mempengaruhi lama siswa belajar di rumah. Hasil analisis menunjukkan bahwa jika ditinjau dari nilai sensitivitas yang dihasilkan teknik resampling combine undersampling adalah yang paling tinggi dengan nilai 78,26 dimana variabel signifikan adalah Variabel X3 (apakah siswa suka atau tidak terhadap pembelajaran daring).<br />Kata Kunci: Lama belajar Siswa di rumah</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41873 PEMODELAN ANGKA MORBIDITAS DENGAN MENGGUNAKAN REGRESI NONPARAMETRIK SPLINE DIINDONESIA 2022-07-08T12:06:11+08:00 Megawati . megawatilamu99@gmail.com Bahriddin Abapihi megawatilamu99@gmail.com Irma Yahya megawatilamu99@gmail.com Ruslan . megawatilamu99@gmail.com Lilis Laome megawatilamu99@gmail.com Mukhsar . megawatilamu99@gmail.com <p>Morbidity is a condition where a person is said to be sick if the perceived health complaints<br />cause disruption of daily activities, namely unable to carry out work activities, take care of the<br />household, and normal activities as usual. The higher the morbidity, the worse the health status<br />of the population. Therefore, a research is needed to find the best model so that it is able to<br />explain related phenomena using an approach that is in accordance with the form of the data.<br />One method that can be used is nonparametric spline regression. A spline is a segmented<br />polynomial that has a common fusion point that shows changes in the behavior of the curve.<br />The purpose of this study was to determine the modeling of morbidity rates using the Spline<br />Nonparametric Regression Method in Indonesia. Based on the best model of morbidity rate in<br />Indonesia, it is at three knot points with a minimum GCV (Generalized Cross-Validation) value<br />of 4.97 and 2 R is 0.62 which means the ability of the response variable to explain the dependent<br />variable is 62% while the rest is influenced by other variables outside the study.<br />Keywords: Morbidity rate, Spline Nonparametric Regression<br />ABSTRAK<br />Morbiditas adalah kondisi seseorang dikatakan sakit apabila keluhan kesehatan yang dirasakan<br />menyebabkan terganggunya aktivitas sehari-hari yaitu tidak dapat melakukan kegiatan bekerja,<br />mengurus rumah tangga, dan kegiatan normal sebagaimana biasanya. Semakin tinggi<br />morbiditas, menunjukkan derajat kesehatan penduduk yang semakin buruk. Oleh karena itu<br />dibutuhkan suatu penelitian untuk mencari model terbaik sehingga mampu menjelaskan<br />fenomena terkait menggunakan pendekatan yang sesuai dengan bentuk data. salah satu metode<br />yang dapat digunakan adalah Regresi nonparametrik spline. Spline merupakan potongan<br />polinomial tersegmen yang memiliki titik perpaduan bersama yang menunjukkan terjadinya<br />perubahan-perubahan perilaku kurva. Tujuan dari penelitian ini adalah untuk mengetahui<br />pemodelan angka morbiditas dengan menggunakan Metode Regresi Nonparametrik Spline<br />diIndonesia. Berdasarkan model terbaik dari Angka Morbiditas di Indonesia adalah pada tiga<br />titik knot dengan nilai GCV (Generalized Cross-Validation) minimum 4.97 serta 2 R adalah<br />0.62 yang berarti kemampuan variabel respon dalam menjelaskan variabel terikatnya sebesar<br />62% sedangkan sisanya dipengaruhi oleh variabel lain diluar penelitian.<br />Kata Kunci: Angka Morbiditas, Regresi Nonparametrik Spline</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41874 PERBANDINGAN AKURASI PENGGUNAAN METODE FUZZY TIME SERIES MARKOV-CHAIN DAN CHENG PADA PERAMALAN JUMLAH KECELAKAAN LALULINTAS DI KOTA KENDARI 2022-07-08T12:06:12+08:00 Milka Biringallo milkab662@gmail.com Bahriddin Abapihi milkab662@gmail.com Baharuddin . milkab662@gmail.com Mukhsar . milkab662@gmail.com Agusrawati . milkab662@gmail.com Ruslan . milkab662@gmail.com <p>The purpose of this study is to compare the method of FTS Markov chain and FTS Cheng based on the mean of absolute percentage error value on forecasting the number of traffic accidents in Kendari City of August-December 2020. The study shows that value of MAPE FTS Markov chain is smaller than the FTS Cheng, which 16,38%. However, when doing forecasting the number of accident on August-December 2020, result of the MAPE method FTS Cheng slightly better than FTS Markov chain is 41,3%. The forecasting number of accidents in Kendari city for the period of August-December 2020 using FTS Cheng in a row is 10, 21, 10,22 and 22 cases and results obtained by using Markov chain FTS method is 10, 19, 10, 28, and 18 cases.<br />Keywords: Traffic accident, Forecasting, Automatic Clustering, Fuzzy Time Series-Markov chain, Fuzzy Time Series-Cheng<br />ABSTRAK<br />Tujuan dari penelitian ini adalah untuk membandingkan metode FTS Markov chain dan FTS Cheng berdasarkan nilai Mean Absolute Percentage Error dalam meramalkan jumlah kecelakaan lalu lintas di Kota Kendari periode Agustus-Desember 2020. Hasil penelitian menunjukkan nilai MAPE FTS Markov chain lebih kecil dibandingkan FTS Cheng, hasil MAPE metode FTS Markov chain yaitu 16,38%. Namun, ketika melakukan peramalan jumlah kecelakaan periode Agustus-Desember 2020 hasil MAPE metode FTS Cheng sedikit lebih baik dari pada FTS Markov chain yaitu sebesar 41,3%. Hasil peramalan jumlah kecelakaan di Kota Kendari untuk periode Agustus-Desember 2020 dengan menggunakan FTS Cheng secara berturut-turut ialah 10, 21, 10, 22 dan 22 kasus dan hasil yang diperoleh dengan menggunakan metode FTS Markov chain ialah 10, 19, 10, 28 dan 18 kasus.<br />Kata Kunci: Kecelakaan lalu lintas, Peramalan, Automatic Clustering, Fuzzy Time Series-Markov chain, Fuzzy Time Series-Cheng</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41875 PENERAPAN REGRESI NONPARAMETRIK SPLINE DALAM MEMODELKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KASUS TUBERKULOSIS DI SULAWESI TENGGARA 2022-07-08T12:06:13+08:00 Rini Asriyanti riniasriyanti999@gmail.com Irma Yahya riniasriyanti999@gmail.com Bahriddin Abapihi riniasriyanti999@gmail.com Gusti Ngurah Adhi Wibawa riniasriyanti999@gmail.com Rasdiyanah . riniasriyanti999@gmail.com Lilis Laome riniasriyanti999@gmail.com <p>Tuberculosis is a direct infectious disease caused by the bacteria Myctobacterium tuberculosis. This study aims to model the factors that influence the number of tuberculosis cases in Southeast Sulawesi using the Spline. By using data sourced from BPS Southeast Sulawesi and the Health Office of Southeast Sulawesi, with the unit of observation used are 17 districts/cities in Southeast Sulawesi Province, the results showed that the best model of nonparametric regression Spline is with a knot point of two with a GCV value of 0,003662, and the determination value obtained is 91,88% with all variables having a significant effect.<br />Keywords - GCV, Knot, Spline, Tuberculosis<br />Abstrak<br />Tuberculosis merupakan penyakit menular langsung yang disebabkan oleh kuman Myctobacterium Tuberculosis. Penelitian ini bertujan untuk memodelkan faktor-faktor yang mempengaruhi jumlah kasus tuberkulosis di Sulawesi Tenggara menggunakan metode regresi nonparametrik Spline. Dengan menggunakan data yang bersumber dari BPS Sulawesi Tenggara dan Dinas Kesehatan Sulawesi Tenggara, dengan unit observasi yang digunakan yaitu 17 Kabupaten/Kota yang ada di Provinsi Sulawesi Tenggara, didapatkan hasil penelitian bahwa model terbaik regresi nonparametrik Spline yaitu dengan titik knot dua dengan nilai GCV 0,003662, serta nilai determinasi yang didapatkan adalah 91,88% dengan seluruh variabel berpengaruh secara signifikan.<br />Kata Kunci - GCV, Knot, Spline, Tuberkulosis</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41876 FILTER CITRA SKETSA WAJAH MENGGUNAKAN DETEKSI TEPIAN PREWITT FACE SKETCHING FILTER USING PREWITT EDGE DETECTION 2022-07-08T12:06:13+08:00 Raymond Manapa 17101106010@student.unsrat.ac.id Benny Pinontoan 17101106010@student.unsrat.ac.id Jullia Titaley 17101106010@student.unsrat.ac.id <p>A sketch is generally known as a chart or plan for a painting and also known as preliminary plan of drawing. Sketching has been used for architecture, medical, art, even mathematics. In art, a sketch refers to a quick, informal drawing, that is typically done from life. A sketch be very useful to artists for a variety of reasons.Therefore, author plans to make a face Image conversion to face sketches application. In this research, author will used Matlab using Prewitt edge detection method by creating an inverted image from a grayscale image. The main test of the face sketch image is to find the Precision value of the edge detection by using the Prewitt operation to detect the edges of the face, The success of the test is measured by the Precision value of edge detection according to different image brightness data. To find the Precision Value author using phyton with opencv library.<br />Keywords : Edge Detection, Prewitt, Face Image, Face Sketches, Illuminance Meter<br />ABSTRAK<br />Sketsa umumnya dikenal sebagai bagan atau rencana lukisan atau sebagai rencana awal menggambar. Sketsa banyak digunakan untuk arsitektur, medis, seni, bahkan matematika. Dalam seni, sketsa mengacu pada gambar informal yang cepat, yang biasanya dibuat dari kehidupan. Sketsa menjadi sangat berguna bagi seniman karena berbagai alasan. Oleh karena itu, penulis berencana untuk membuat aplikasi konversi foto wajah ke sketsa wajah. Dalam penelitian ini, penulis akan menggunakan Matlab menggunakan metode deteksi tepi Prewitt dengan membuat citra terbalik dari citra skala abu - abu. Pengujian utama citra sketsa wajah adalah mencari nilai presisi deteksi tepi dengan menggunakan operasi Prewitt untuk mendeteksi tepi wajah. Keberhasilan tes diukur dengan nilai presisi deteksi tepi menurut data kecerahan gambar yang berbeda. Untuk menemukan nilai presisi penulis menggunakan phyton dengan perpustakaan open cv.<br />Kata Kunci : Deteksi Tepian, Prewitt, Citra Wajah, Sketsa Wajah, Pengukur Pencahayaan</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41877 GRAF IDENTITAS GRUP SIMETRIS 2022-07-08T12:06:14+08:00 Maria Vianney Any Herawati any@usd.ac.id <p>Group theory is a branch of mathematics which is called Abstract Algebra. Because of its abstract nature, so students often have difficulty in learning the material in group theory course. The past few years developed a way of describing group with the aim of being able to explained and learned through its picture that is through the graph of group. By definition, the graph consists of vertex (vertices) and edge(s) or can be just consists of vertices only without edge. There are several types the graph of a group, as Cayley graph, commuting graph, coprime graph, and identity graph.of group. Which will be discussed here is the identity graph of a group, especially symmetric group 𝑆𝑛, that is a group consisting of all permutations of the set {1,2, …, n}. More specifically in this paper will prove a general formula for calculate number of lines and triangles in the identity graph of all symmetric groups.<br />Keywords: group, symmetric group, graf, identity graf.<br />ABSTRAK<br />Teori grup adalah salah satu bagian dari ilmu Matematika yang disebut Aljabar Abstrak. Karena sifatnya yang abstrak, maka mahasiswa sering kesulitan dalam mempelajari materi dalam kuliah teori grup. Beberapa tahun belakangan ini dikembangkan cara menggambarkan grup dengan tujuan agar dapat dijelaskan dan dipelajari lewat gambarnya, yaitu graf dari grup tersebut. Menurut definisinya, graf terdiri dari titik dan busur atau bisa berupa titik-titik saja tanpa busur. Ada beberapa macam graf dari suatu grup, seperti graf Cayley, graf commuting, graf coprime maupun graf identitas dari suatu grup. Yang akan dibahas di sini adalah graf identitas dari suatu grup, khususnya grup simetris 𝑆𝑛, yaitu grup yang terdiri atas semua permutasi dari himpunan {1,2, …, n}. Lebih khusus lagi dalam tulisan ini akan dibuktikan rumus umum untuk menghitung banyaknya garis dan segitiga dalam graf identitas dari semua grup simetris.<br />Kata Kunci: grup, grup simetris, graf, graf identitas.</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41878 SISTEM INFORMASI OBJEK WISATA BERBASIS WEB DI KABUPATEN BOLAANG MONGONDOW UTARA 2022-07-08T12:06:14+08:00 Gabriella Zenia Karundeng 17101106029@student.unsrat.ac.id Jullia Titaley 17101106029@student.unsrat.ac.id Marline S. Paendong 17101106029@student.unsrat.ac.id <p>Web-based information systems are needed as a tool of information storage for those who want to know what include inside it without come first to the location. North Bolaang Mongondow Regency is one of the areas in North Sulawesi with natural beauty that not many tourist know. This information system will make it easy for local and foreign tourist to get information about the location of tourist objects in North Bolaang Mongondow Regency. In this research the method used is waterfall method. Starting from requirements analysis, system design, writing program code, program testing, and system implementation. This tourist attraction information system in North Bolaang Mongondow Regency provides information to the public about the location of the object and the supporting facilities. The information presented on this website includes information on tourist attractions, tourist maps, lodging and restaurants.<br />Keywords: Information system, North Bolaang Mongondow, Tourism Attraction, Waterfall<br />ABSTRAK<br />Sistem Informasi berbasis web sangat diperlukan sebagai sarana penyimpanan informasi kepada masyarakat yang ingin mengetahui apa saja yang terdapat didalamnya tanpa harus datang terlebih dahulu ketempat yang akan di kunjungi. Kabupaten Bolaang Mongondow Utara adalah salah satu wilayah yang ada di Sulawesi Utara dengan keindahan alam yang tidak banyak diketahui oleh wisatawan. Dengan adanya sistem informasi ini dapat mempermudah para wisatawan local maupun mancanegara untuk mendapatkan informasi letak objek wisata yang ada di Kabupaten Bolaang Mongondow Utara. Dalam penelitian ini metode yang digunakan adalah metode waterfall yang dimulai dari analisa kebutuhan, desain sistem, penulisan kode program, pengujian program, dan implementasi sistem. Sistem informasi objek wisata di Kabupaten Bolaang Mongondow utara ini memberikan informasi kepada masyarakat mengenai lokasi objek beserta fasilitas pendukungnya. Informasi yang disajikan pada web ini meliputi informasi objek wisata, peta wisata, penginapan dan rumah makan.<br />Kata Kunci: Bolaang Mongondow Utara, Objek Wisata, Sistem Informasi, Waterfall</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41879 PENERAPAN ALGORITMA NAÏVE BAYES UNTUK PENENTUAN RESIKO KREDIT BANK 2022-07-08T12:06:15+08:00 Harun Deppalallo harundeppalallo@gmail.com Jullia Titaley harundeppalallo@gmail.com Djoni Hatidja harundeppalallo@gmail.com <p>This study aims to classify in determining the value of bank credit risk. The data is obtained from a data bank with a population of 900 data where this data is divided into 800 training data and 100 testing data. The attributes used are 5 namely, annual income, Active KPR, Loan Duration, Number of Dependents and Average Overdue. The method used in this research is the nave Bayes algorithm which is processed using R Studio software. For manual calculation of training data used 100 data from 800 training data, and testing data taken 5 data from 100 testing data. Meanwhile, the data processed by R Studio has an accuracy of 0.997 or 99%. Sensitivity class 1 100%, Sensitivity class 2 98%, Sensitivity class 3 100%, Sensitivity class 4 100% and Sensitivity class 5 100%. Specificity class 1 100%, Specificity class 2 100%, Specificity class 3 100%, Specificity class 4 100% and Specificity class 5 99%.<br />Keywords: Naïve Bayes, Credit Risk<br />ABSTRAK<br />Penelitian ini bertujuan untuk melakukan klasifikasi dalam menentukan nilai resiko kredit bank. Data didapat dari data bank dengan populasi 900 data dimana data ini dibagi menjadi 800 data training dan 100 data testing. Atribut yang digunakan sebanyak 5 yaitu, pendapatan setahun, KPR Aktif, Durasi Pinjaman, Jumlah Tanggungan dan Rata-rata Overdue. Metode yang digunakan dalam penelitian ini adalah algoritma naïve bayes yang di proses menggunakan software R Studio. Untuk perhitungan manual data training yang digunakan 100 data dari 800 data training, dan data testing diambil 5 data dari 100 data testing. Sedangkan data yang di proses dengan R Studio memiliki accuracy 0.997 atau 99%. Sensitivity class 1 100%, Sensitivity class 2 98%, Sensitivity class 3 100%, Sensitivity class 4 100% dan Sensitivity class 5 100%. Specificity class 1 100%, Specificity class 2 100%, Specificity class 3 100%, Specificity class 4 100% dan Specificity class 5 99%.<br />Kata Kunci: Naïve Bayes, Resiko Kredit</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41880 KLASIFIKASI NAIVE BAYES DALAM MEMPREDIKSI TINGKAT KEPUASAN MAHASISWA TERHADAP PENGAJARAN DOSEN DI PROGRAM STUDI MATEMATIKA FMIPA UNIVERSITAS SAM RATULANGI MANADO 2022-07-28T13:40:32+08:00 Roy Hendra Tinambunan 18101103002@student.unsrat.ac.id Jullia Titaley 18101103002@student.unsrat.ac.id Charles E. Mongi 18101103002@student.unsrat.ac.id <p>This research aims to classification students in predicting the level of student satisfaction with the teaching of lecturers in the FMIPA study program of Sam Ratulangi University. The data was obtained from a questionnaire with a sample of 300 data where this data was divided into 200 training data and 100 testing data. The attributes used as many as 4 are Communication, Building a Learning Atmosphere, Assessment of Students, and Delivery of Materials. The method used in this study is naïve bayes which is processed using R-Studio software. For manual calculation of training data used 50 data from 200 training data, and data testing taken 5 data from 100 data testing. While the data processed with R-Studio has an accuracy of 0.96 or 96%, sensitivity of 1.0 or 100%.<br />Keywords: Naïve Bayes, satisfaction level<br />ABSTRAK<br />Penelitian ini bertujuan untuk melakukan klasifikasi dalam memprediksi tingkat kepuasan mahasiswa terhadap pengajaran dosen di program studi FMIPA Universitas Sam Ratulangi. Data didapat dari kuisioner dengan sampel 300 data dimana data ini dibagi menjadi 200 data training dan 100 data testing. Atribut yang digunakan sebanyak 4 yaitu Komunikasi, Membangun Suasana Belajar, Penilaian Terhadap Mahasiswa, dan Penyampaian Terhadap Materi . Metode yang digunakan dalam penelitian ini adalah naïve bayes yang di proses menggunakan software R-Studio. Untuk perhitungan manual data training yang digunakan 50 data dari 200 data training, dan data testing diambil 5 data dari 100 data testing. Sedangkan data yang di proses dengan R-Studio memiliki accuracy 0.96 atau 96%, sensitivity 1,0 atau 100% .<br />Kata kunci: Naïve Bayes, tingkat kepuasan</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41881 PENGUJIAN UNSUR MINERAL PADA BATUAN BEKU, SEDIMEN, DAN METAMORF DI DAERAH JAYAPURA 2022-07-08T12:06:16+08:00 Bodian Davin Panggabean panggabean65@yahoo.com Frans Simbol Tambing panggabean65@yahoo.com <p>Rocks are a collection of several types of minerals. All minerals have a certain chemical composition, so each type of mineral has its own physical/chemical properties. By knowing these properties, each type of mineral can be recognized, and at the same time we know its chemical composition within certain limits. Sampling was carried out randomly at several points in the Jayapura City area, Papua Province. The sampling method was carried out by taking fresh rock with a weight of about 2 Kg at each point. The sampling point is 5 points where the distance between the points is about 50 meters with the point of collection leading to hilly areas. Samples that have been taken will be taken to the laboratory for analysis. The sample is first ground until it is smooth like flour, then the quatering method is carried out, which is a method in which the finely ground samples are combined and then divided by quarter. The division process was carried out several times until a representative number of samples was obtained for analysis in the laboratory using the XRD method. The results of this laboratory analysis are then continued with the data processing process by directly reading the graph of the reading tool which directly shows the various mineral contents contained in the rock. The mineral content in the research area is Calcite, Magnesite, Serpentine, Sericite, Smelkit, Horblend, Pyroxene, Feldspar, and Magnesian minerals. Elements of ion content in minerals found in the study area are dominated by calcium and magnesium, and a little silica. The mineral content in the Jayapura area will later be mapped and inventoried to be used as an authentic industrial mineral resource data that can later be used for development and increasing the economic value of the community.<br />Key words : Rock, Mineral Content, XRD<br />Abstrak<br />Batuan merupakan kumpulan dari beberapa jenis mineral. Semua mineral mempunyai susunan kimiawi tertentu, maka setiap jenis mineral mempunyai sifat-sifat fisik/kimiawi tersendiri. Dengan mengenal sifat-sifat tersebut maka setiap jenis mineral dapat dikenal, sekaligus kita mengatahui susunan kimiawinya dalam batas-batas tertentu.Tujuan pelaksanaan penelitian ini adalah untuk mengetahui kandungan mineral pada batuan dan jenis kandungan mineral apa saja yang dominan terdapat di daerah tersebut. Pengambilan sampel dilakukan secara random di beberapa titik daerah kota jayapura provinsi papua. Metode pengambilan sampel dilakukan dengan cara pengambilan batuan yang masih segar dengan berat sekitar 2 Kg setiap titik. Titik pengambilan sampel sebanyak 5 titik dimana jarak antar titik sekitar 50 meter dengan titik pengambilan mengarah pada daerah perbukitan. Sampel yang telah diambil akan dibawa ke laboratorium untuk dilakukan analisa. Sampel terlebih dahulu digerus hingga halus seperti tepung, kemudian dilakukan metode quatering yaitu metode dimana sampel yang sudah digerus halus disatukan kemudian di bagi dengan cara kwarter. Proses pembagian tersebut dilakukan beberapa kali sampai diperoleh jumlah sampel yang mewakili untuk di analisa di laboratorium dengan metode XRD. Hasil dari analisa laboratorium ini kemudian dilanjutkan dengan proses pengolahan data dengan membaca langsung grafik hasil pembacaan alat yang langsung menunjukkan berbagai kandungan mineral yang terkandung dalam batuan tersebut. Kandungan mineral di daerah penelitian berupa jenis mineral Kalsit, Magnesit, Serpentine, Serisit, Smelkit, Horblend, Piroksen, Feldspar, dan Magnesian. Unsur kandungan ion pada mineral yang terdapat didaerah penelitian lebih didominasi berupa calcium dan magnesium, serta sedikit silica. Kandungan mineral yang ada di daerah jayapura ini nantinya akan dipetakan dan diinventarisir untuk dijadikan suatu data autentik sumber daya mineral industri yang kelak dapat dimanfaatkan untuk pembangunan maupun peningkatan nilai ekonomi masyarakat.<br />Kata kunci : Batuan, Kandungan Mineral, XRD</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41884 PERANCANGAN MESIN PEMBUBUT KELAPA MUDA SUMBU VERTIKAL 2022-07-08T12:06:17+08:00 Revqi Mastana mrevqi@gmail.com Haryadi . mrevqi@gmail.com Dhimas Satria mrevqi@gmail.com <p>Coconut (Cocos nucifera) is a tropical plant that belongs to the betel nut tribe (Arecaceae). Coconut plants generally thrive productively on the waterfront coast. But currently it has been widely cultivated coconut plants in various regions. The Thai-style young coconut business has added culinary activity in the archipelago. Young coconuts are generally priced at Rp7.000 per piece to Rp25.000 per piece. Peeling coconut coir is aimed at reducing the weight of coconut so that it is easy to carry. The process of formation in coconuts has often been done manually by the household industry using a machete. This process has risks with high work accidents, long stripping times, and non-uniform forms. The purpose of this study is to produce a vertical axis young coconut speeding machine. The research methodology used is the Pahl and Beitz design method with the QFD method. The result of this study is the design of a vertical axis young coconut speeding machine. From the results of the study, it was concluded that it has two pulley sizes, namely 50,8 mm, 254 mm, the size of the shaft diameter is 30 mm, the knife material used is stainless steel with a knife thickness of 1 mm and electric motor power of 0,5 HP. The result of the voltage simulation is 7,901 Mpa, displacement is 0,00262 mm and safety factor value is 25,81.<br />Keywords: Young Coconut, Pahl and Beitz, QFD, V-Belt, Electric Motor<br />ABSTRAK Kelapa (Cocos nucifera) merupakan tumbuhan tropis yang termasuk kedalam suku pinang-pinangan (Arecaceae). Tanaman kelapa umumnya berkembang produktif di pesisir tepi laut. Tetapi saat ini telah banyak dibudidayakan tanaman kelapa di bermacam wilayah. Bisnis kelapa muda ala Thailand sudah menambah geliat kuliner di nusantara. Kelapa muda yang umumnya dengan harga Rp7.000 per buah jadi Rp25.000 per buah. Kupasan sabut kelapa ini bertujuan kurangi berat kelapa sehingga mudah untuk dibawa. Proses pembentukan pada kelapa sudah sering dilakukan secara manual oleh industri rumah tangga menggunakan sebilah parang. Pada proses ini memiliki resiko dengan kecelakaan kerja tinggi, waktu pengupasan yang lama, serta bentuk yang tidak seragam. Tujuan dari penelitian ini yaitu menghasilkan mesin pembubut kelapa muda sumbu vertikal. Metodologi penelitian yang digunakan yaitu metode perancangan Pahl and Beitz dengan metode QFD. Hasil dari penelitian ini adalah rancangan mesin pembubut kelapa muda sumbu vertikal. Dari hasil penelitian disimpulkan bahwa rancangan alat memiliki dua buah ukuran pulley yaitu 50,8 mm, 254 mm, ukuran diameter poros 30 mm, material pisau yang digunakan yaitu stainless steel dengan ketebalan pisau 1 mm dan daya motor listrik sebesar 0,5 HP. Adapun hasil dari simulasi tegangan sebesar 7,901 Mpa, displacement sebesar 0,00262 mm dan nilai safety factor sebesar 25,81.<br />Kata Kunci: Kelapa Muda, Pahl and Beitz, QFD, V-Belt, Motor Listrik</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan https://ejournal.unsrat.ac.id/v3/index.php/sinta6/article/view/41885 UJI AKTIVITAS ANTIOKSIDAN EKSTRAK BIJI ALPUKAT (Persea americana Mill.) ASAL ENREKANG SULAWESI SELATAN DENGAN METODE DPPH 2022-07-08T12:06:17+08:00 Nur Alim nuralim1983@yahoo.com Tahirah Hasan nuralim1983@yahoo.com Rusman . nuralim1983@yahoo.com Jasmiadi . nuralim1983@yahoo.com <p>Avocado seeds are known for containing secondary metabolites that have the potential as antioxidants. Research on antioxidant activity testing of avocado seed extract (Persea americana Mill.) from several regions in Indonesia has been carried out but from Enrekang, South Sulawesi Province, it has not been carried out so that in this study a study was conducted to test the antioxidant activity of avocado seeds from Enrekang, South Sulawesi Province. This study aims to determine the IC50 value of avocado seed extract from Enrekang, South Sulawesi Province. Antioxidant assay by binding DPPH free radicals using a visible spectrophotometer at a wavelength of 515 nm. The results of the antioxidant activity test of the ethanol extract of avocado seeds (Persea americana Mill.) with the DPPH method had an IC50 value of 37.7475±0.0441 ppm. Based on the results obtained, it can be concluded that the ethanolic extract of avocado seeds has the potential as an antioxidant with a very strong category<br />Keywords: Antioxidant, DPPH, Persea americana Mill.<br />ABSTRAK<br />Biji alpukat diketahui memiliki kandungan metabolit sekunder yang berpotensi sebagai antioksidan. Penelitian uji aktivitas antioksidan ekstrak biji alpukat (Persea americana Mill.) asal beberapa daerah di Indonesia telah dilakukan namun Asal Enrekang Provinsi Sulawesi selatan belum dilakukan sehingga pada penelitian ini dilakukan penelitian uji aktivitas antioksidan biji alpukat asal Enrekang Provinsi Sulawesi Selatan. Penelitian ini bertujuan untuk menentukan nilai IC50 ekstrak biji alpukat Asal Enrekang Provinsi Sulawesi Selatan. Pengujian antioksidan dengan pengikatan radikal bebas DPPH menggunakan spektrofotometer visibel pada panjang gelombang 515 nm. Hasil uji aktivitas Antioksidan ekstrak etanol biji alpukat (Persea americana Mill.) dengan metode DPPH memiliki nilai IC50 sebesar 37,7475±0,0441 ppm. Berdasarkan hasil yang diperoleh dapat disimpulkan bahwa ekstrak etanol biji alpukat berpotensi sebagai antioksidan dengan kategori sangat kuat<br />Kata Kunci: Antioksidan, DPPH, Persea americana Mill.</p> 2022-07-08T00:00:00+08:00 Copyright (c) 2022 Prosiding Seminar Nasional Sains dan Terapan