Profesionalisme dalam mendidik siswa sangat diperlukan untuk kemajuan suatu bangsa, secara khusus pada mata pelajaran matematika di tingkat SMA/SMK/MA Muhammadiyah. Guru berhak memperoleh kesempatan untuk meningkatkan kompetensi, memperoleh pelatihan, dan mengembangkan profesi dalam bidangnya. Dari sisi kewajiban, guru wajib memiliki kualifikasi akademik, kompetensi, sertifikat pendidik, sehat jasmani dan rohani, serta memiliki kemampuan untuk mewujudkan tujuan pendidikan nasional. Salah satu upaya dalam menyetarakan dan menilai kinerja guru dalam hal keprofesionalan, pemerintah menggelar Uji Kompetensi Guru (UKG), yang bertujuan untuk pemetaan kompetensi. Untuk mencapai keprofesionalan guru dan kelulusan, diperlukan pelatihan kepada guru sebelum melakukan UKG. Pelatihan ini diselenggarakan dalam waktu 2 hari dengan materi Kalkulus dan Statistika. Peserta pada kegiatan ini berasal dari 12 Sekolah di lingkungan Muhammadiyah se-Kota Yogyakarta dan bekerjasama dengan Majelis Pendidikan Dasar dan Menengah PDM Yogyakarta.

I. IntroductionThe Particle swarm Optimization (PSO) [1] is a population-based, self adaptive search optimization method motivated by the observation of simplified animal social behavior. It is becoming very popular due to its simplicity of implementation and ability to quickly converge to reasonably good solution [2]- [4]. Especially, global search capability of the method is very powerful. The particle swam optimization utilizes common knowledge of the group and individual experience effectively. That is, direction for the best estimator that a particle has ever reached, direction for the best one that all particle have ever found and momentum are successfully combined to determine the next iteration. Unfortunately, PSO show some weakness in term of balance between exploitation and exploration during the search [5]. For example in multi-objective problems, the search is not concentrated on the visited areas effectively, and often it shows a premature convergence and lack of diversification during moving from position to another. In order to solve this problem, various techniques have been proposed can be found in the literature [6], [7]. In most of the introduced techniques, extensive and intensive search are controlled by using the parameters setting. However this has an influence on the search for new solutions in case of multi-objective problems [7]. There is a popular technique which is used for evolutionary approaches, it is based on starting the search by an intensive search and then gradually explore other locations until all the search space is covered [8], [9]. However, such techniques make solving of multi-objective problems complicated especially in some situations where the search space contains many local optima.

COVID-19 detection is an interesting field of study in the medical world and the commonly used method is classification. In determining the best detection model, several classification architectures, such as SVM, KNN, and CNN were utilized. The CNN is a changeable architecture due to having combinations of varying numbers of hidden layers or different activation and optimizer functions. Therefore, this study uses a deep CNN architecture with a combination of Leaky ReLU activation functions and 3 different optimizers, which include Adagrad, Adadelta, and Adamax. The results showed that the combination of the Leaky ReLU activation function and the Adamax optimizer produced good and stable accuracy in the CRX and CT datasets.

Salah satu jenis pelabelan pada graf adalah pelabelan jarak yang merupakan pelabelan graf berdasarkan jarak antara titik-titiknya. Pelabelan jarak ini disebut distance magic labeling (pelabelan ajaib jarak) jika setiap titik mempunyai bobot pelabelan jarak  yang sama. Pelabelan jarak ini disebut distance antimagic labeling (pelabelan anti ajaib jarak) jika setiap titik  mempunyai bobot pelabelan jarak yang berbeda. Yang membentuk suatu deret.  Tulisan ini membahas tentang pelabelan anti ajaib jarak pada graf petersen diperumum yaitu G= P(n, m) dengan n ≥ 3, 1 ≤ m <n/2  suatu  graf teratur berderajat 3 yang mempunyai  2n titik  dan 3n sisi. Lebih lanjut, tulisan ini juga membahas tentang pelabelan (a,d)-anti ajaib jarak -{1} pada suatu graf petersen diperumum.

Pelabelan graf merupakan pemberian label pada elemen-elemen graf seperti titik, sisi, titik dan sisi. Pelabelan jarak tak teratur titik merupakan salah satu jenis pelabelan hasil pengembangan dari pelabelan jarak ajaib dan pelabelan jarak (𝑎𝑎, 𝑏𝑏) anti-ajaib. Jika diberikan suatu graf sederhana 𝐺𝐺 = (𝑉𝑉, 𝐸𝐸), maka bobot 𝑣𝑣 dihitung berdasarkan jumlah label dari himpunan titik tetangga terbuka 𝑣𝑣 yaitu 𝑁𝑁(𝑣𝑣). Nilai ketidakteraturan jarak pada graf 𝐺𝐺, dinotasikan dengan 𝑑𝑑𝑑𝑑𝑑𝑑(𝐺𝐺), adalah nilai terkecil dari label terbesar 𝑘𝑘 sehingga 𝐺𝐺 memiliki 𝑘𝑘 −pelabelan jarak tidak teratur titik. Penelitian ini bertujuan untuk mengkonstruksikan bentuk graf persahabatan lengkap diperumum (𝐾𝐾𝑓𝑓 𝑚𝑚,𝑛𝑛 ), menentukan fungsi pelabelan, menentukan nilai jarak ketidakteraturan, kemudian merumuskan dan membuktikan teorema hasil pelabelan tersebut. Objek dari penelitian ini adalah pemberian label pada setiap titik pada graf persahabatan lengkap diperumum. Metode penelitian ini adalah studi pustaka yang diperoleh melalui berbagai sumber. Berdasarkan hasil penelitian, diketahui bahwa graf 𝐾𝐾𝑓𝑓 𝑚𝑚,𝑛𝑛 mempunyai pelabelan jarak tidak teratur titik, dengan fungsi pelabelan 𝜆𝜆(𝑣𝑣 0 ) = 1, 𝜆𝜆�𝑣𝑣 𝑖𝑖,𝑗𝑗 � = 𝑗𝑗 + 2(𝑑𝑑 − 1), 𝑑𝑑 = 1, … , 𝑚𝑚 dan 𝑗𝑗 = 1, … , 𝑛𝑛, untuk suatu bilangan bulat m dan n, 𝑛𝑛 ≥ 3. Nilai ketidakteraturan titik 𝑑𝑑𝑑𝑑𝑑𝑑(𝐺𝐺) pada graf persahabatan lengkap diperumum 𝐾𝐾𝑓𝑓 𝑚𝑚,𝑛𝑛 adalah 2(𝑚𝑚 − 1) + 𝑛𝑛. Kata Kunci: jarak, ketetanggaan terbuka, pelabelan jarak tidak teratur titik, nilai ketidakteraturan titik, graf persahabatan lengkap diperumum,.