Garuda - Garba Rujukan Digital

Prediksi Populasi dengan Matriks Leslie untuk Pemetaan Pemberdayan Perempuan Sindi; Yurika Permanasari
Jurnal Riset Matematika Volume 2, No. 1, Juli 2022, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Abstract. One of the Garut Regency government programs is to manage population growth and empower women, since the role of women is very important for population growth. The main objective of this study is to model and predict the number of female populations in Garut Regency in 2025. The method used in this study is to use the Leslie matrix. The results of modeling predicted that the number of female populations in Garut Regency in 2025 tend to increase. The prediction results for 2025 are 238,710 people for FAD targets, 333,832 people for KIRANA and SIGEMAR REHAT targets, 448,307 people for PUSPAGALING and GEMMAS KB targets, 301,324 people for GESSIT targets, 119,351 people for GERBANG LUNGGUH targets, and 270,549 women have not entered the program age. Abstrak. Salah satu program pemerintah kabupaten Garut adalah untuk mengedalikan pertumbuhan penduduk dan pemberdayaan perempuan, mengingat peran perempuan sangat penting bagi pertumbuhan populasi di masa depan. Tujuan utama dari penelitian ini adalah untuk memodelkan dan memprediksi jumlah populasi perempuan di kabupaten Garut pada tahun 2025. Metode yang digunakan dalam penelitian ini adalah dengan menggunakan matriks Leslie. Dari hasil pemodelan, diprediksi bahwa jumlah populasi perempuan di kabupaten Garut pada tahun 2025 cenderung meningkat. Hasil prediksi tahun 2025 sebesar 238.710 orang sasaran FAD, 333.832 orang sasaran KIRANA dan SIGEMAR REHAT 448.307 orang sasaran PUSPAGALING dan GEMMAS KB, 301.324 orang sasaran GESSIT, 119.351 orang sasaran GERBANG LUNGGUH, serta belum masuk usia program sebesar 270.549 perempuan.

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

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).

Prediksi Jumlah Penumpang Pesawat dengan Backpropagation Neural Network Desy Pitriyani; Yurika Permanasari
Jurnal Riset Matematika Volume 2, No. 2, Desember 2022, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Abstract. The surge in passengers at Soekarno-Hatta International Airport in new normal era, urged the airport to have information about how many passengers in the next several time periods in order to know the proper plan and optimization of airport operations. This paper aims to use Backpropagation Neural Network methods to predict the number of airplane passengers. The data used is monthly data on the number of passengers on domestic flights at Soekarno-Hatta International Airport from January 2006 to April 2022 obtained from Badan Pusat Statistik (BPS). The results showed predictions with Backpropagation Neural Network method produced the best predictions with 19.77% MAPE. The prediction of the number of passengers in the next period, May 2022 is 1.060.500 passengers. Abstrak. Melonjaknya penumpang di Bandara Internasional Soekarno-Hatta pada era new normal, pihak bandara perlu memiliki informasi mengenai berapa banyak penumpang pada beberapa periode waktu ke depan guna mengetahui perencanaan dan pengoptimalan pengoperasian bandara yang tepat. Penelitian ini bertujuan untuk memprediksi jumlah penumpang pesawat menggunakan Backpropagation Neural Network. Data yang digunakan adalah data bulanan jumlah penumpang pesawat penerbangan domestik di Bandara Internasional Soekarno-Hatta mulai Januari 2006 hingga April 2022 yang diperoleh dari Badan Pusat Statistika (BPS). Hasil penelitian menunjukkan prediksi dengan metode Backpropagation Neural Network menghasilkan prediksi yang baik dengan MAPE 19,77%. Prediksi jumlah penumpang pada periode selanjutnya yaitu Mei 2022 adalah sebanyak 1.060.500 penumpang.

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. 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.

Penerapan Metode Cubic Spline Interpolation untuk Menentukan Peluang Kematian pada Tabel Mortalita Sri Sofiyani; Yurika Permanasari
Jurnal Riset Matematika Volume 3, No.1, Juli 2023, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrm.v3i1.1735

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

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

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.

Prediksi Curah Hujan di Kota Bandung Menggunakan Model Logika Fuzzy Time Series Dinda Salsabilla Nur Aliana; Yurika Permanasari
Jurnal Riset Matematika Volume 1, No.1, Juli 2021, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrm.v1i1.220

Rainfall prediction is useful for life activities, such as public safety, agricultural prodaction, animal husbandry, fisheries, aviation, etc. This study aims to determine the prediction of rainfall in Bandung using the Fuzzy Time Series Logic model and its level of accuracy using Mean Absolute Error (MAE). The rainfall data in January 2010-December 2019 from BMKG was used to build the model and predict the rainfall in January 2020. Based on the results, the predicted rainfall in January 2020 is 225mm or moderate rainfall. The error using MAE is 3.848583 mm. The error shows that the prediction value using Fuzzy Time Series Logic is less accurate which may be caused by several factors, such as the raw data have error and missing values so that the data is not normally distributed, also the occurrence of El Nino and La Nina in 2015, 2016 and 2019. Informasi prediksi curah hujan diperlukan bagi berbagai macam aktivitas kehidupan, seperti keselamatan masyarakat, produksi pertanian, peternakan, perikanan, penerbangan dan lain sebagainya. Penelitian ini bertujuan untuk mengetahui proses penerapan dalam memprediksi curah hujan di Kota Bandung dan tingkat akurasi model Logika Fuzzy Time Series dalam memprediksi curah hujan di Kota Bandung menggunakan Mean Absolute Error (MAE). Data yang digunakan adalah data curah hujan Januari 2010-Desember 2019 yang berasal dari BMKG. Berdasarkan hasil analisis prediksi curah hujan Kota Bandung menggunakan Logika Fuzzy Time Series, nilai prediksi curah hujan Januari 2020 sebesar 225mm atau akan terjadi hujan menengah (sedang) nilai error menggunakan MAE sebesar MAE = 3,848583. Nilai error yang dihasilkan menunjukkan bahwa nilai prediksi menggunakan Logika Fuzzy Time Series kurang akurat dikarenakan terdapat beberapa faktor yang mempengaruhi seperti banyaknya data yang bernilai error dan tidak tercatat sehingga data tidak berdistribusi normal, peristiwa El Nino dan La Nina pada tahun 2015, 2016 dan 2019

Prediksi Jumlah Penumpang Pesawat dengan Backpropagation Neural Network Desy Pitriyani; Yurika Permanasari
Jurnal Riset Matematika Volume 2, No. 2, Desember 2022, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrm.v2i2.1327

Abstract. The surge in passengers at Soekarno-Hatta International Airport in new normal era, urged the airport to have information about how many passengers in the next several time periods in order to know the proper plan and optimization of airport operations. This paper aims to use Backpropagation Neural Network methods to predict the number of airplane passengers. The data used is monthly data on the number of passengers on domestic flights at Soekarno-Hatta International Airport from January 2006 to April 2022 obtained from Badan Pusat Statistik (BPS). The results showed predictions with Backpropagation Neural Network method produced the best predictions with 19.77% MAPE. The prediction of the number of passengers in the next period, May 2022 is 1.060.500 passengers. Abstrak. Melonjaknya penumpang di Bandara Internasional Soekarno-Hatta pada era new normal, pihak bandara perlu memiliki informasi mengenai berapa banyak penumpang pada beberapa periode waktu ke depan guna mengetahui perencanaan dan pengoptimalan pengoperasian bandara yang tepat. Penelitian ini bertujuan untuk memprediksi jumlah penumpang pesawat menggunakan Backpropagation Neural Network. Data yang digunakan adalah data bulanan jumlah penumpang pesawat penerbangan domestik di Bandara Internasional Soekarno-Hatta mulai Januari 2006 hingga April 2022 yang diperoleh dari Badan Pusat Statistika (BPS). Hasil penelitian menunjukkan prediksi dengan metode Backpropagation Neural Network menghasilkan prediksi yang baik dengan MAPE 19,77%. Prediksi jumlah penumpang pada periode selanjutnya yaitu Mei 2022 adalah sebanyak 1.060.500 penumpang.

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. 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.

Title

Found 24 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 24 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 24 Documents
Search