Study of Traffic Flow using CETD Matrix

Kuppuswami, G.; Sujatha, R.; Kandasamy, W. B. Vasantha

doi:10.17485/ijst/2015/v8i24/80191

Cited by 3 publications

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The maximum sum gives the group of accession number which is giving a better secondary prediction. Lastly, we combine all the RTD matrices and get a Combined Effective Time Dependent Data Matrix (CETD matrix) Porchelvi, S. R. and Vanitha, R. (2011), Narayanamoorthy et al, 2013 and Kuppuswami et al, 2015). The row sum is obtained for CETD matrix and conclusions are made using the CETD matrix.…”

Section: Methodsmentioning

confidence: 99%

See 1 more Smart Citation

Studying the secondary structure of accession number using CETD matrix

Dutta¹,

Das²

2016

J Proc Manag New Tech

View full text Add to dashboard Cite

This paper, we have tried to analyze about the Secondary Structure of nucleotide sequences of rice. The data have been collected from NCBI (National Centre for Biotechnology Information) using Nucleotide as data base. All the programs were developed using R programming language using "sequinr" package. Here, we have used CETD matrix method to study the prediction. The conclusions are drawn accordingly.

show abstract

Section: Methodsmentioning

confidence: 99%

“…Here we have tried to study the secondary structure of accession number for rice (Molina et al, 2011) using CETD matrix (Kuppuswami et al, 2015). We have considered 24 accession numbers for rice from the paper Cho et al, where the accession number were already been used for other studies (Cho et al, 2000).…”

Section: Introductionmentioning

confidence: 99%

Studying the secondary structure of accession number using CETD matrix

Dutta¹,

Das²

2016

J Proc Manag New Tech

View full text Add to dashboard Cite

show abstract

“…Konsep dasar matriks fuzzy diperkenalkan oleh Smarandache, Florentin;Illanthenral, 2007). Berbagai penelitian menggunakan model matriks fuzzy telah dilakukan, diantaranya tentang masalah cardiovascular yang dialami buruh tani akibat pencemaran kimia Smarandache, Florentin;Illanthenral, 2007); penerapan model matriks fuzzy untuk masalah arus lalulintas (Kuppuswami et al, 2015);model matriks fuzzy untuk masalah bahaya kesehatan pada wanita pemulung (Madhuri & Amudhambigai,21 C.E. ); penerapan model matriks fuzzy untuk menganalisis pemilihan pakan ikan yang sesuai (Radhika et al, 2017); penerapan model matriks fuzzy untuk masalah kualitas air (Jackson et al, 2018); mempelajari tentang keberlanjutan wanita dalam kewirausahaan (Suvitha, 2021); dan (Deshmukh, 2021) menerapkan model matriks fuzzy untuk menganalisis masalah pemasaran di sektor pertanian.…”

Section: Pendahuluanunclassified

Model Matriks Fuzzy untuk Masalah Kesehatan Mata Anak Sekolah Dasar Akibat Pembelajaran Daring di Masa Pandemi Covid-19

Sukarsih

Rifai²,

Indrasari³

2022

statistika

View full text Add to dashboard Cite

Pembelajaran daring dimasa pandemi Covid-19 mengakibatkan meningkatnya intensitas penggunaan komputer atau gadget oleh siswa. Penggunaan komputer dalam waktu yang lama dapat menyebabkan kelelahan mata digital yang disebut dengan Computer Vision Syndrome (CVS). Penelitian ini bertujuan untuk menganalisis batas usia maksimum anak Sekolah Dasar mengalami gangguan kesehatan mata akibat pembelajaran daring dimasa pandemi covid-19. Kondisi kesehatan mata yang diamati dalam penelitian ini adalah gejala CVS yang dialami oleh siswa sebelum dan sesudah pandemi. Populasi dalam penelitian ini adalah siswa SD Islam Ibnu Sina Bandung tahun 2021 dengan jumlah sampel 180 orang. Metoda yang digunakan dalam penelitian ini adalah model matriks fuzzy. Model matriks fuzzy merupakan model sederhana yang mentransformasikan data mentah dari suatu permasalahan nyata ke dalam bentuk matriks fuzzy dengan menggunakan teknik rata-rata dan standar deviasi. Berdasarkan hasil analisis, diperoleh bahwa usia maksimum siswa memiliki gejala CVS berada pada kelompok usia 10 - 11 tahun. Kelompok lain yang juga memiliki gejala CVS yang harus mendapat perhatian adalah kelompok usia 12 – 13 tahun. Hal ini disebabkan karena durasi penggunaan gadget untuk pembelajaran daring pada anak usia 10 - 13 tahun lebih lama dibandingkan kelompok usia di bawahnya, yaitu antara 6 – 7 jam per hari. Disamping itu lebih dari 50% anak pada kelompok usia ini menggunakan smartphone untuk kegiatan daring.

show abstract