Yurika Permanasari
Program Studi Matematika Fakultas MIPA Universitas Islam Bandung

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Bandung Conference Series: Mathematics

Simulasi Perbandingan Perhitungan Kredit Bank Konvensional dan Bank Syariah dengan MATLAB Luthfiani Yasyifa; Onoy Rohaeni; Yurika Permanasari
Bandung Conference Series: Mathematics Vol. 2 No. 2 (2022): Bandung Conference Series: Mathematics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (325.87 KB) | DOI: 10.29313/bcsm.v2i2.3553

Abstract

Abstract. The development of the banking world is increasingly showing progress, especially with the emergence of Islamic banking in addition to conventional banking. The existence of this type of bank is equally aimed at boosting the economy and strengthening economic stability. These two banks certainly have differences in their operations, especially in terms of comparing the implementation of credit agreements and their calculations for conventional banks and Islamic bank financing. This study aims to determine the comparison of calculations and policies on conventional banks and Islamic banks in providing credit to customers. Islamic banks use murabahah contracts, namely contracts with a buying and selling system and the bank takes advantage of the agreement between the seller and the buyer. Meanwhile, conventional banks use interest on the principle of borrowing and borrowing or credit. The results showed that the sliding rate with a decreased profit margin obtained the amount of the difference in interest of 24.28%. Flat rates with flat profit margins have the same total interest, while in annuities there is a difference of 3.9%. Of the three methods, the profit margin of Islamic banks is higher than that of conventional banks. This is because Islamic banks have an agreement or at the beginning so that the margin will not change. Whereas in conventional banks, interest rates will fluctuate following the Basic Loan Interest Rate (SBDK). Abstrak. Perkembangan dunia perbankan semakin menunjukkan kemajuannya, terlebih lagi dengan munculnya perbankan syariah disamping perbankan konvensional. Keberadaan jenis bank ini sama-sama bertujuan untuk mendorong perekonomian serta memperkuat stabilitas ekonomi. Kedua bank ini tentu memiliki perbedaan dalam operasionalnya, khususnya dalam masalah perbandingan pelaksanaan perjanjian kredit dan perhitungannya pada bank konvensional dan pembiayaan bank syariah. Penelitian ini bertujuan untuk mengetahui perbandingan perhitungan dan kebijakan pada bank konvensional dan bank syariah dalam memberikan kredit kepada nasabah. Bank syariah menggunakan akad murabahah yaitu akad dengan sistem jual beli dan bank mengambil keuntungan atas kesepakatan antara penjual dan pembeli. Sedangkan pada bank konvensional menggunakan bunga dengan prinsip pinjam meminjam atau kredit. Hasil penelitian menunjukkan hasil sliding rate dengan margin keuntungan menurun diperoleh jumlah selisih bunga sebesar . Flat rate dengan margin keuntungan flat memiliki total bunga yang sama, sedangkan dalam anuitas terdapat selisih sebesar . Dari ketiga metode, margin keuntungan pada bank syariah lebih besar dibanding dengan kredit bunga pada bank konvensional. Hal tersebut dikarenakan bank syariah memiliki perjanjian atau di awal sehingga margin tidak akan berubah. Sedangkan pada bank konvensional, suku bunga akan berfluktuasi mengikuti Suku Bunga Dasar Kredit (SBDK).
Penerapan Metode Cubic Spline Interpolation untuk Menentukan Peluang Kematian pada Tabel Mortalita Sri Sofiyani; Yurika Permanasari; Onoy Rohaeni
Bandung Conference Series: Mathematics Vol. 3 No. 1 (2023): Bandung Conference Series: Mathematics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcsm.v3i1.6346

Abstract

Abstract. The mortality table is statistical data from a population that states the probability that someone will die. With the modeling of the mortality table, the probability of someone dying can be known. The mortality table can be estimated by a method, one of which is the Cubic spline Interpolation method to estimate the probability of death for Indonesian people in general. The approximate value of the probability of death for a person at a certain age is obtained from the Cubic spline interpolation followed by the Spline smoothing process. Cubic interpolation is used to estimate the probability value between the values of a person's age at death. The Cubic spline interpolation solution uses a system of linear equations because the cubic function runs from to 1, in this case according to the 2011 mortality table, moves from 0 years old to 111 years old. The solution to a system of linear equations using Gaussian elimination produces a tridiagonal matrix to find out the points as unknown coefficients. The estimated value using the Cubic spline Interpolation method was tested using the MAPE method to determine the accuracy of the approximation value. Abstrak. Tabel mortalita merupakan data statistik dari suatu penduduk yang menyatakan peluang seseorang meninggal. Dengan adanya pemodelan tabel mortalita maka dapat diketahui peluang seseorang meninggal. Tabel mortalita dapat ditaksir oleh sebuah metode, salah satunya dengan metode Cubic spline Interpolation untuk menaksir peluang kematian masyarakat Indonesia secara umum. Nilai pendekatan peluang kematian sesorang pada umur tertentu diperoleh dari interpolasi Cubic spline yang dilanjutkan dengan proses smoothing Spline. Interpolasi kubik digunakan untuk menaksir nilai peluang diantara nilai-nilai rentang umur kematian seseorang. Penyelesaian interpolasi Cubic spline menggunakan sistem persamaan linier karena fungsi kubik berjalan dari hingga , dalam hal ini sesuai dengan Tabel mortalita 2011, bergerak dari usia tahun hingga usia 111 tahun. Solusi sistem persamaan linier menggunakan eliminasi Gauss menghasilkan matrik tridiagonal untuk mengetahui titik-titik sebagai koefisien yang belum diketahui. Nilai hasil taksiran menggunakan metode Cubic spline Interpolation diujikan menggunakan metode MAPE untuk mengetahui akurasi nilai pendekatan.
Penyelesaian Masalah Multiple Criteria Decision Making dalam Pemilihan Supplier Obat Menggunakan Metode WASPAS Annisa Melinia Rahayu; Didi Suhaedi; Yurika Permanasari
Bandung Conference Series: Mathematics Vol. 3 No. 2 (2023): Bandung Conference Series: Mathematics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcsm.v3i2.8778

Abstract

Abstrak. Penilaian supplier dengan pemantauan langsung yang dilakukan apotek untuk memilih supplier obat. Hal ini mempengaruhi pengambilan keputusan yang tidak efektif dan terlalu subjektif. Metode Multiple Criteria Decision Making (MCDM) digunakan untuk menentukan supplier obat terbaik berdasarkan beberapa kriteria yang telah ditentukan dan dianggap mempengaruhi pemilihan supplier terbaik bagi apotek yang bersangkutan. Dalam penelitian ini, metode Weighted Aggregated Sum Product (WASPAS) diterapkan untuk memilih supplier obat terbaik di apotek. Metode WASPAS dipilih karena kemampuannya dalam menangani banyak kriteria dan mempertimbangkan preferensi pembuat keputusan. Terdapat 32 alternatif supplier yang dinilai berdasarkan kriteria harga, waktu pengiriman, penawaran program, dan pelayanan. Dari hasil perangkingan, terdapat 5 supplier obat teratas yang dipilih yaitu supplier Ae, supplier V, supplier T, supplier M, dan supplier F. Perangkingan tersebut diurutkan dari nilai akhir tertinggi, yaitu 2,4131 untuk supplier Ae, hingga nilai akhir terendah, yaitu 1,7395 untuk supplier Q. Dengan demikian, metode WASPAS dapat digunakan sebagai alat bantu pengambilan keputusan dalam memilih supplier obat terbaik. Abstract. The evaluation of suppliers with direct monitoring conducted by pharmacies to select drug suppliers affects ineffective and overly subjective decision-making. The Multiple Criteria Decision Making (MCDM) method is used to determine the best drug supplier based on several predefined criteria considered to influence the selection of the best supplier for the respective pharmacy. In this research, the Weighted Aggregated Sum Product (WASPAS) method is implemented to select the best drug supplier in the pharmacy. WASPAS method was chosen due to its ability to handle multiple criteria and consider decision-makers' preferences. There are 32 alternative suppliers evaluated based on criteria such as price, delivery time, program offerings, and services. From the ranking results, the top 5 drug suppliers selected are supplier Ae, supplier V, supplier T, supplier M, and supplier F. These rankings are arranged from the highest final score, 2.3141 for supplier Ae, to the lowest final score, 1.7395 for supplier Q. Therefore, the WASPAS method can be used as a decision-making tool in selecting the best drug supplier.
Analisis Panjang Populasi dan Banyak Generasi Algoritma Genetika pada Traveling Salesman Problem Muhammad Iqbal Mubarok; Icih Sukarsih; Yurika Permanasari
Bandung Conference Series: Mathematics Vol. 3 No. 2 (2023): Bandung Conference Series: Mathematics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcsm.v3i2.9467

Abstract

Abstrak. Traveling Salesman Problem (TSP) adalah masalah optimasi yang penting dalam bidang ilmu komputer dan matematika. Tujuan utama dari TSP adalah mencari rute terpendek yang melibatkan kunjungan ke sejumlah titik atau kota tertentu oleh seorang salesman. Algoritma Genetika (AG) telah menjadi salah satu pendekatan populer dalam menyelesaikan Traveling Salesman Problem karena kemampuannya untuk menghasilkan solusi yang mendekati optimum. Pada penelitian ini, dilakukan analisis mengenai panjang populasi dan banyak generasi pada Algoritma Genetika dalam menyelesaikan Traveling Salesman Problem. Tujuan penelitian ini adalah untuk menganalisis pengaruh kedua parameter tersebut terhadap kinerja Algoritma Genetika dalam mencapai solusi yang mendekati optimal. Digunakan studi kasus pendistribusian suatu produk UMKM (Usaha Mikro Kecil dan Menengah) di Bandung. Evaluasi dilakukan berdasarkan panjang rute terpendek yang ditemukan oleh Algoritma Genetika dalam jumlah iterasi tertentu. Hasil eksperimen menunjukkan bahwa dengan peningkatan panjang populasi pada Algoritma Genetika dapat meningkatkan kemampuan algoritma untuk menemukan solusi yang lebih baik. Dengan jumlah individu dalam populasi yang lebih besar, algoritma memiliki lebih banyak kesempatan untuk menjelajahi ruang solusi dan menemukan rute terpendek yang memenuhi kriteria Traveling Salesman Problem. Abstract. The Traveling Salesman Problem (TSP) is an important optimization problem in the fields of computer science and mathematics. Its main objective is to find the shortest route that involves visiting a specific set of points or cities by a salesman. Genetic Algorithms (GA) have become a popular approach in solving the Traveling Salesman Problem due to their ability to generate solutions that approximate optimality. In this study, an analysis was conducted on the population size and number of generations in the Genetic Algorithm for solving the Traveling Salesman Problem. The aim of this research was to analyze the influence of these two parameters on the performance of the genetic algorithm in achieving near-optimal solutions. A case study was conducted on the distribution of a small and medium-sized enterprise (SME) product in Bandung. The evaluation was based on the shortest route length discovered by the the Genetic Algorithms within a specified number of iterations. The experimental results indicated that increasing the population size in the Genetic Algorithms can enhance the algorithm's ability to find better solutions. With a larger number of individuals in the population, the algorithm had more opportunities to explore the solution space and discover the shortest routes that met the the Traveling Salesman Problem criteria.
Algoritma Deeplearning menggunakan Backpropagation Neural Network Angga Aditya Pratama; Yurika Permanasari; Didi Suhaedi
Bandung Conference Series: Mathematics Vol. 4 No. 1 (2024): Bandung Conference Series: Mathematics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcsm.v4i1.15299

Abstract

Abstract. The Backpropagation method is a technique used to minimize errors in output values by updating weights and biases. This process is crucial to ensure that the Neural Network's computations result in an output value with minimal error. This article focuses on the form of the Backpropagation Neural Network algorithm, aiming to understand the role of Backpropagation in Neural Network calculations. Based on the MSE graph in this study, the MSE values decreased but did not reach the minimum error value, as the case was limited to up to the 100th iteration. In this study, Backpropagation influences the attainment of an output value with minimal error, even though the minimum error value has not yet been reached. It is observed that in subsequent iterations, the error values will continue to decrease, approaching the minimum error value. With increasingly optimal error values, the prediction error decreases, leading to more accurate predictions. Abstrak. Metode Backpropagation adalah sebuah metode yang akan meminimalkan kesalahan dalam sebuah nilai Output, dengan cara memperbarui nilai bobot dan bias. Hal tersebut penting dilakukan dengan tujuan hasil yang didapatkan dari perhitungan Neural Network menghasilkan suatu nilai Output dengan nilai error yang minimum. Artikel ini difokuskan pada bagaimana bentuk Algoritma Backpropagation Neural Network, dengan tujuan untuk mengetahui bagaimana peranan Backpropagation dalam perhitungan Neural Network. Berdasarkan grafik MSE pada penelitian ini, nilai MSE yang dihasilkan menurun akan tetapi belum mencapai nilai error minimum, karena kasus tersebut dibatasi hanya sampai iterasi ke-100. Backpropagation dalam penelitian ini berpengaruh untuk mendapatkan nilai Output dengan nilai error yang minimum meskipun nilai error minimum belum tercapai. Terlihat bahwa untuk iterasi selanjutnya nilai error yang akan dihasilkan juga akan terus menurun sampai mendekati nilai error minimum. Dengan nilai Error yang semakin optimal, maka semakin kecil kesalahan yang dikeluarkan untuk menentukan prediksi tersebut.