Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

4.699

P-Index

This Author published in this journals

All Journal COPING (Community of Publishing in Nursing) CAUCHY: Jurnal Matematika Murni dan Aplikasi EurekaMatika (Jurnal Online Matematika S1) Journal of the Indonesian Mathematical Society E-Dimas: Jurnal Pengabdian kepada Masyarakat QALAMUNA: Jurnal Pendidikan, Sosial, dan Agama BAREKENG: Jurnal Ilmu Matematika dan Terapan Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Kreativitas PKM JKM (Jurnal Kebidanan Malahayati) Kumawula: Jurnal Pengabdian Kepada Masyarakat Jurnal Keperawatan (JKEP) Jurnal Health Sains Jurnal Cahaya Mandalika International Journal of Engineering, Science and Information Technology Masker Medika Jurnal Eurekamatika Lentera Perawat JEUMPA Jurnal Sehat Indonesia (JUSINDO) Jurnal Ilmiah Kesehatan Delima Jurnal Global Ilmiah Jurnal Medicare Proceeding of International Conference on Multidisciplinary Research Indonesian Trust Health Journal International Research Journal of Business Studies Jurnal Abdimas Kesehatan

Fitriani agustina

Universitas Pendidikan Indonesia

Author-ID : 221963

Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 74 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

MODEL REGRESI DATA PANEL BERGANDA (Contoh Kasus: Data Hubungan Valuasi (Cum Dividen Price (CDP)) yang diduga dipengaruhi oleh Laba (earnings per share (EPS)) dan Nilai Buku Ekuitas (Book Value (BV)) pada Tahun 1991-2000) Kurniawan, Asep Egi; Herrhyanto, Nar; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

ABSTRAKÂ Metode regresi data panel merupakan salah satu metode regresi yang mengikutsertakan pengaruh waktu kedalam model. Model yang diperoleh melalui metode regresi data panel adalah model regresi data panel. Model regresi data panel beranekaragam dan dapat ditaksir melalui dua pendekatan, yakni pendekatan fixed effect dan pendekatan random effect. Model yang dihasilkan dengan pendekatan fixed effect disebut Fixed Effect Model (FEM), sedangkan model yang dihasilkan dengan pendekatan random effect disebut Random Effect Model (REM). Jika kedua pendekatan signifikan, maka pengujian hipotesis yang digunakan untuk memilih model terbaik antara pendekatan fixed effect dan random effect adalah dengan menggunakan uji Hausman. Jika, pada model data panel terdapat variabel prediktor lebih dari satu dan satu variabel respon, maka model regresi data panel tersebut merupakan model regresi data panel dengan bentuk linear berganda. Sehingga, model yang dihasilkan menjadi model regresi data panel berganda.Kata kunci: Data Panel, Pendekatan Fixed Effect, Pendekatan Random Effect, Uji Hausman.ABSTRACTÂ Panel data regression method is one method of regression that includes the influence of time into the model. The model obtained through the method of panel data regression is panel data regression model. Panel data regression models are diverse and can be assessed through two approaches, namely the approach of fixed effect and random effect approach. The resulting model with fixed effect approach is called Fixed Effect Model (FEM), while the resulting models with random effects approach is called Random Effects Model (REM). If both approaches significantly, then the hypothesis testing is used to select the best model among the approaches fixed effect and random effect is to use the Hausman test. If, on the model of panel data there are more than one predictor variables and the response variable, then the panel data regression model is a panel data regression model with linear forms. Thus, the resulting model into multiple panel data regression model.Keywords: Panel Data, Fixed Effect Approach, Random Effect Approach, Hausman Test.

ANALISIS PERTUMBUHAN EKONOMI DAN VOLATILITAS DENGAN MENGGUNAKAN METODE WAVELET Fikri, Ahmad; Agustina, Fitriani; Priatna, Bambang Avip
Jurnal EurekaMatika Vol 5, No 1 (2017)
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

ABSTRAK. Pertumbuhan Ekonomi merupakan hal yang paling penting dalam pengkategorian atau keadaan dalam suatu negara di dunia, menjadikan analisis pertumbuhan ekonomi dan volatilitas menjadikan topik yang selalu menarik untuk diteliti. Terdapat beberapa cara dalam analisis ekonomi, tetapi teknik tersebut masih belum dapat memenuhi karakteristik dari indikator-indikator pertumbuhan ekonomi dan volatilitas tersebut, contoh tidak stasioner, analisa jangka panjang ataupun pendek. Metode Wavelet digunakan untuk mengantisipasi hal tersebut, karena sifat wavelet yang dapat men-zoom in ataupun zoom out maka wavelet cocok untuk analisa jangka panjang ataupun pendek, dan tidak adanya asumsi yang perlu di penuhi dalam wavelet termasuk stasioneritas merupakan alasan mengapa wavelet digunakan.Wavelet merupakan suatu metode yang sangat berguna untuk memperlajari karakteristik time â varying pada pertumbuhan ekonomi dengan detail yang sangat terperinci dan juga tidak diperlukannya asumsi stasioneritas. Dengan wavelet, kasus time series dijadikan dua komponen yaitu high frequency dan low frequency, sehingga dapat diidentifikasi fase perlambatan dan fase percepatan dari pertumbuhan ekonomi tanpa menggunakan batasan apapun. Wavelet Varians, Wavelet Korelasi dan WRNN (Wavelet Recurrent Neural Network) menjadi alat utama dalam skripsi ini. Wavelet Variansi yang akan menganalisa volatilitas, Wavelet Korelasi yang akan menganalisa co-movement, dan WRNN yang akan memproyeksi keadaan ekonominya. Berdasarkan hasil pengolah menggunakan software Matlab R2015b, Negara Indonesia merupakan negara yang bervolatilitas dalam pertumbuhan ekonomi jangka pendek, dengan co-movement terjadi dengan negara Jepang, Thailand, Philippine, dan dalam pemproyeksiannya nilai IPI Indonesia akan menaik.Â Kata Kunci: Pertumbuhan Ekonomi, Volatilitas, Wavelet, Wavelet Korelasi, Wavelet Varians, WRNN.Â Â ABSTRACT. Growth Economic known as Growth is one of the most important thing in categorical or describing the condition a country. It happens as growth and volatility analysis is one of interesting topics to be researched. Although there are several method used for growth analysis and volatility, yet those isnt filled the characteristics of growthâs indicator, such stationarity, or short term and long term analysis. Wavelets are used to anticipate it, the ability to zoom in or zoom out are useful in short and long term analysis, and no stationarity assumption is one of the reason wavaelet are used lately.In Time Seriesâs case wavelet present it to be two components such high frequency and low frequency, as the identification of accrelation phase of growth doesnt need to be bounded. Wavelet Varians, Wavelet Correlation, and WRNN (Wavelet Recurrent Neural Network) are a main tools in this undergraduatedâs theses. Wavelet Varians is used for volatility analysis, Wavelet Correlation is used in co-movement analysis, and WRNN will predict the growth condition. Based on the the data proccesing using Matla R2015b, Indonesia is a the volatile country based on growth in short term, with the co-movement happened with Japan, Thailand, and Philippine, and also the proyectory of Indonesiaâs IPI will increase.Â Keywords: Growth, Volatility, Wavelet Varians, Wavelet Correlation, WRNN.

PENERAPAN METODE SCHNABEL DALAM MENGESTIMASI JUMLAH ANGGOTA POPULASI TERTUTUP (Studi Kasus Perhitungan Populasi Ikan Mola-mola) Savitri, Gina; Dasari, Dadan; Agustina, Fitriani
Jurnal EurekaMatika Vol. 4, No. 1 (2016): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

ABSTRAK. Jumlah populasi baik manusia, hewan, tumbuhan berubah setiap waktu. Informasi mengenai jumlah populasi ini dibutuhkan untuk mengetahui keragaman dan kemelimpahan makhluk hidup agar tetap terjaga kelestariannya. Statistika telah mengembangkan sebuah metode dalam mengestimasi jumlah anggota populasi hewan pada populasi tertutup yaitu metode Capture Mark Release Recapture (CMRR) yaitu metode estimasi populasi yang dilakukan dengan cara menangkap, menandai, melepaskan dan menangkap kembali sampel sebagai metode pengamatan populasi.Teknik Capture Mark Release Recapture (CMRR) terdiri dari 3 metode, yaitu metode Licoln-Petersen, metode Schnabel dan metode Schumacher-Eschmeyer. Metode yang paling sederhana dalam Capture Mark Release Recapture (CMRR) adalah metode Licoln-Petersen. Metode Licoln-Petersen merupakan metode yang dilakukan dengan satu kali penandaan (marking) dan satu kali penangkapan ulang (recapture). Karena estimasi yang diperoleh dari metode ini dinilai kurang akurat, maka untuk mengatasi kekurangan tersebut muncul sebuah metode baru yaitu metode Schnabel. Metode Schnabel merupakan metode estimasi jumlah anggota populasi dalam teknik Capture Mark Release Recapture (CMRR) dimana pengambilan sampel dan penandaan sampelnya dilakukan lebih dari dua kali. Dalam penulisan karya tulis ilmiah ini penulis mencoba mengaplikasikan metode Schnabel dalam menghitung populasi ikan mola-mola. Berdasarkan hasil perhitungan diperoleh bahwa estimasi jumlah anggota populasi ikan mola-mola adalah sebanyak 450 ikan.Kata Kunci: Populasi hewan, ikan mola-mola, Capture Mark Release Recapture (CMRR), metode Schnabel.ABSTRACT. The number of human, animal and plant population changes every time.The most accurate method to determine the density of population is by counting the number of the entire individual (cencus), but it is getting hard to conducted due to various constraints such as the natural situation, the locations of research, the funding and the time.Statistics have developed a method to estimate the number of animal populations in the covered population. The technique is Capture Mark Release Recapture (CMRR). The population estimation in this technique is done by capturing, marking, releasing and recapturing sample population as a method of observation.In Capture Mark Release Recapture (CMRR) there is 3 methods, Licoln-Petersen Method, Schnabel Method and Schumacher-Eschmeyer method. Licoln-Petersen is the simplest method in Capture Mark Release Recapture (CMRR). Licoln Petersen is the method which is performed with one marking and one recapture. Because of the estimates obtained from this method was considered less accurate, then to overcome these deficiencies, the method od Schnabel arose. Schnabel method is a method of estimating the number of closed population in Capture Mark Release Recapture (CMRR)Â which is sampling and marking more than twice. In writing this paper, the researcher tried to apply Schnabel method in calculating the population of sunfish. Based on the calculations, the estimation number of the sunfish population is 450 fish.Keyword: Animal population, Sunfish, Capture Mark Release Recapture (CMRR), Schnabel Method.

HUBUNGAN PENGETAHUAN PASIEN TENTANG INFORMASI PRE OPERASI DENGAN KECEMASAN PASIEN PRE OPERASI DI RUANG RAWAT INAP Agustina, Fitriani
Masker Medika Vol 7 No 2 (2019): Masker Medika
Publisher : IKesT Muhammadiyah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Latar belakang: Operasi merupakan tindakan pengobatan yang banyak menimbulkan kecemasan. Operasi yang ditunggu pelaksanaannya akan menyebabkan kecemasan pada pasien . Operasi yang akan dilakukan membutuhkan persiapan mental dan bergantung pada keperawatan pre operatif. Tujuan penelitian: ini adalah untuk mengetahui hubungan pengetahuan pasien tentang informasi pre operasi dengan kecemasan pasien pre operasi diruang Rawat Inap Terpadu IV Dr. Ibnu Sutowo Baturaja Tahun 2017. Metode: Jenis penelitian yang digunakan adalah Deskriptif dengan metode penelitian cross sectional. Tehnik pengambilan sampel dalam penelitian ini menggunakan accidental sampling. Penelitian ini dilakukan dengan menggunakan analisa bivariat untuk mencari hubungan antara variabel independen (pengetahuan) dan variabel dependen (kecemasan). Hasil: penelitian antara pengetahuan dengan kecemasan menunjukkan p value 0.001 (p < 0.05) maka hubungan antara kedua variabel tersebut bermakna. Simpulan: ada hubungan antara Pengetahuan tentang informasi preoperatif terhadap dengan kecemasan pasien. Introduction: Surgery is a treatment that causes a lot of anxiety. The operation that awaited its implementation will cause anxiety in the patient. The operation to be performed requires mental preparation and depends on preoperative nursing. The purpose: of this study was to determine the relationship of patient knowledge about preoperative information with preoperative patient anxiety in the Integrated Inpatient Room IV Dr. Ibnu Sutowo Baturaja in 2017. Method: This type of research is descriptive with cross sectional research methods. The sampling technique in this study uses accidental sampling. This research was conducted using bivariate analysis to look for the relationship between the independent variable (knowledge) and the dependent variable (anxiety). Results: of research between knowledge and anxiety showed a p value of 0.001 (p <0.05), the relationship between the two variables was significant. Conclution: relationship between Knowledge about preoperative information with patient anxiety.

PENERAPAN MODEL THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (TGARCH) DALAM PERAMALAN HARGA EMAS DUNIA Darmawan, Ryaneka; Puspita, Entit; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

ABSTRAKÂ Ekonomi merupakan aspek penting suatu negara, beragamnya bentuk kegiatan ekonomi menggambarkan pentingnya ekonomi bagi masyarakat. Salah satu kegiatan ekonomi adalah investasi, investasi saat ini sangat beragam salah satunya investasi emas. Emas merupakan barang berharga dan memiliki nilai jual yang tinggi, selain itu emas juga lebih mudah didapatkan untuk saat ini. Oleh karena itu diperlukan suatu cara menentukan harga emas pada masa yang akan datang, sehingga investasi yang dilakukan mendapatkan keuntungan. Model runtun waktu terbagi dua kondisi, pertama kondisi dengan variansi konstan (homoskedastisitas) dan kedua kondisi variansi tidak konstan (heteroskedastisitas). Model runtun waktu dengan variansi konstan biasa disebut dengan model Box-Jenkinâ€™s. Harga emas dunia merupakan data yang memiliki variansi tidak konstan, oleh karena itu peramalan harga emas dunia dengan menggunakan model Box-Jenkinâ€™s kurang tepat sehingga model runtun waktu dengan kasus heteroskedastisitas lebih cocok digunakan. Banyak model runtun waktu untuk kondisi heteroskedastisitas, salah satu model terbaik yaitu model Threshold Generalized Autoregressive Conditional Heteroscedastic (TGARCH). Identifikasi model TGARCH dengan cara trial dan error, setelah dilakukan estimasi dan verifikasi maka didapatkan model TGARCH(2,1) sebagai model terbaik untuk peramalan. Hasil peramalan dengan model TGARCH(2,1) memiliki nilai Mean Squared Error (MSE) sebesar 723,032 dan nilai The Mean Absolute Percentage Error (MAPE) yang relatif kecil sebesar 1,4952%.Kata kunci: Investasi, Emas, TGARCH, MSE, MAPEABSTRACTÂ Economics is an important aspect of a country, the diversity of forms of economic activity illustrate the economic importance for the community. One of the economic activity is investment, now investment is diverse one of them gold investment. Gold is valuable and has a high resale value, moreover gold more readily available for the moment. Therefore we need a way to determine the price of gold in the future, so that the investment will be getting profit. Time series models is divided into two conditions, the first condition with constant variance (homoscedastic) and the second condition is variance not constant (heteroscedastic). Time series models with constant variance commonly called the Box-Jenkin's models. World gold prices is data that has variance is not constant, therefore the world gold price forecasting using models Box-Jenkin's not quite right so the model time series with heteroskedastic case more suitable. Many models for time series heteroskedastic conditions, one of the best model is a model Threshold Generalized Autoregressive Conditional Heteroscedastic (TGARCH). Identification TGARCH model using by trial and error, after the estimation and verification of the obtained models TGARCH (2.1) as the best model for forecasting. Results forecasting model TGARCH (2.1) has a value of Mean Squared Error (MSE) of 723.032 and the value of the Mean Absolute Percentage Error (MAPE) is relatively small as 1.4952%.Keywords : Investment, Gold, TGARCH, MSE, MAPE

Model Vector Autoregressive-Generalized Space Time Autoregressive Winata, Hilma Mutiara; Puspita, Entit; Agustina, Fitriani
Jurnal EurekaMatika Vol 5, No 2 (2017): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

ABSTRAK. Data volume kendaraan yang masuk ke Kota Bandungmelalui gerbang tol yang berada di Kota Bandung adalah data runtun waktumultivariate berpola musiman. Untuk memperoleh prediksi volumekendaraan yang masuk melalui gerbang tol dimasa yang akan datangdibutuhkan suatu model peramalan. Salah satu model runtun waktumultivariat yang menghubungkan keterkaitan antara waktu dan lokasi,dimana data runtun waktu tersebut berpola musiman adalah model VectorAutoregressive-Generalized Space Time Autoregressive (VAR-GSTAR).Model ini terdiri dari 2 orde yaitu orde waktu yang diperoleh dari modelVAR dan orde spasial yang diperoleh dari model GSTAR. Keterkaitanantar ruang pada model ini ditunjukkan dengan pembobotan lokasi. Dalampenelitian ini digunakan bobot lokasi normalisasi korelasi silang. Hasilramalan yang diperoleh dari model VAR-GSTAR pada data volumekendaraan yang masuk ke Kota Bandung melalui gerbang tol yang beradadi Kota Bandung adalah mengikuti pola data yang sebelumnya, yaituberfluktuasi dengan kecenderungan yang naik.Kata Kunci: VAR-GSTAR, Bobot lokasi normalisasi korelasi silang,Peramalan.ABSTRACT. Volume of vehicles coming into the city of Bandung throughtoll gates in the city of Bandung is the seasonal multivariate time seriesdata. To obtain a prediction volume of vehicles that go through the tollbooths in the future requires a forecasting model. One of modelmultivariate time series that connects between the time and the location,where the data of the time series data is seasonally namely VectorAutoregressive-Generalized Space Time Autoregressive (VAR-GSTAR)models. This model has two orders, the order of the time obtained from theVAR model and order the space obtained from GSTAR. connectionbetween the space on this model is indicated by the weighting of thelocation. This research used a weight normalized cross correlation.Forecast results obtained from the VAR-GSTAR model on the data volumeof vehicles coming into the city of Bandung through toll gates in the cityof Bandung is to follow the pattern of previous data, which fluctuates withrising tendency.Keywords: VAR-GSTAR, Weights location normalized cross correlation,Forecasting.

PENERAPAN METODE WEIGTHED LEAST SQUARE UNTUK MENGATASI HETEROSKEDASTISITAS PADA ANALISIS REGRESI LINEAR Hanifah, Nurul; Herrhyanto, Nar; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

ABSTRAKÂ Analisis regresi merupakan analisis statistik yang mempalajari bagaimana memodelkan regresi linear. Jika model regresi linear memenuhi uji asumsi klasik dengan metode OLS maka mempunyai sifat BLUE (Beast Linear Unbiased Estimator). Uji heteroskedastisitas,yaitu varian error pada setiap nilai variabel bebas bernilai tidak konstan. Akibat dari heteroskedastisitas yaitu nilai parameter yang diperoleh tetap tidak bias tetapi varian penaksir yang diperoleh menjadi tidak efisien, artinya uji hipotesis yang dilakukan tidak akan memberikan hasil yang baik (tidak valid) atau prediksi koefisien-koefisien populasinya akan keliru. Oleh karena itu untuk mengetahui apakah terdapat heteroskedastisitas dilakukan uji White. Karena terdapat heteroskedastisitas pada skripsi ini, maka harus dilakukan transformasi dengan metode kuadrat terkecil tertimbang (Weighted Least Square).Kata Kunci: Uji Asumsi Klasik, Weighted least Square, Uji White.Â ABSTRACTÂ Regression analysis is a statistical analysis that learn how to model linear regression. If a linear regression model meets the Classic Assumption Test by OLS method, it has the nature of BLUE (Best Linear Unbiased Estimator). Error variance at each independent variable value is not constant. It means that heteroskedasticity test is unfulfilled andÂ Â the classical assumption is not met.The result of heteroskedastisitas is thatÂ the parameter value remains biased but variance estimator becomes inefficient.Â It means thata hypothesis test wouldnâ€™t give good results (not valid) or predictions coefficients of the population would be mislead. Therefore,Â to knowÂ whether there are heteroskedasticity, White testÂ is conducted. Because heteroskedasticity exists in this thesis, transformation with weighted least squares method (Weighted Least Square) must be carried out.Keyword: Classic Assumption Test, Weighted least Square, White Test.

PENYELESAIAN MASALAH PENUGASAN DOSEN PADA MATA KULIAH MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS DI DEPARTEMEN PENDIDIKAN MATEMATIKA FPMIPA UPI) Dewanti, Rossy; Novianingsih, Khusnul; Agustina, Fitriani
Jurnal EurekaMatika Vol 6, No 1 (2018): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

ABSTRAK. Latar belakang dari penelitian ini adalah terdapatnya beberapa masalah dalam hal penugasan dosen-dosen pada mata kuliah, antara lain penumpukan beban sks pada seorang dosen, penugasan dosen pada mata kuliah yang tidak sesuai dengan keahliannya, dan beban sks yang diampu oleh dosen melebihi batas sks maksimumnya. Pada penelitian ini, Algoritma Genetika diterapkan untuk menyelesaikan permasalahan penugasan dosen pada mata kuliah di Departemen Pendidikan Matematika FPMIPA UPI. Algortima Genetika merupakan salah satu metode heuristik yang merupakan cabang dari Algortima Evolusi, yaitu suatu teknik untuk memecahkan masalah-masalah optimisasi yang rumit dengan menirukan proses evolusi mahluk hidup yang melibatkan proses seleksi didalamnya dan operasi genetika yang melibatkan proses crossover dan mutasi. Hasil implementasi menunjukkan Algoritma Genetika telah berhasil diterapkan untuk menyelesaikan permasalahan penugasan dosen pada mata kuliah di Departemen Pendidikan Matematika FPMIPA UPI, dan algoritma tersebut mampu memberikan penugasan dosen pada mata kuliah dengan persebaran total SKS yang hampir merata.Â Kata Kunci: Penugasan, Model Optimisasi, Algoritma Genetika, Solusi Optimal.Â Â ABSTRACT. In the previous course, there are some problems in assigning lecturer to courses. The problems include the overload of credit hour accumulation of lecturer and incompetence of lecturer skill to the assignment. In this research Genetic Algorithm is used to solve the problems. Genetic Algorithm is one of the heuristic methods branch of Evolutionary Algorithm. That works with seguence processes that are selection, crossover, and mutation. The implementation result shows that Genetic Algorithm has been successfull to solve the lecturer assignment problem in Departement of Mathematics Education FPMIPA UPI. The results also give good solutions which is the lecturer schedule with the total credit hour that almost similar for every lecturer.Â Keywords: Assignment, Optimization Model, Genetic Algorithm, Optimal Solution.

PENERAPAN MODEL M_o DAN MODEL M_t UNTUK MENGESTIMASI UKURAN POPULASI TERTUTUP PADA DATA CAPTURE-RECAPTURE Lubis, Asep Ridwan; Dasari, Dadan; Agustina, Fitriani
Jurnal EurekaMatika Vol 5, No 1 (2017): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

ABSTRAK. Statistika merupakan keilmuan yang bertujuan mengumpulkan, mengolah, menyajikan, dan menarik kesimpulan berdasarkan analisis data. Salah satu kajian yang terus dikembangkan dalam statistika yaitu analisis data Capture-Recapture. Analisis data Capture-Recapture memiliki ciri yaitu mengumpulkan data dengan teknik Capture, Mark, Release, Recapture (CMRR). Permasalahan yang akan dibahas karya tulis ini yaitu mengestimasi ukuran populasi pada data tersebut. Estimasi populasi merupakan proses pendekatan matematis untuk menaksir ukuran populasi. Populasi merupakan objek yang memiliki karakteristik tertentu yang akan dipelajari dan ditarik kesimpulannya. Banyak anggota suatu populasi disebut ukuran populasi. Berdasarkan karakteristik ukuran, populasi dikelompokkan menjadi dua yaitu populasi tertutup dan populasi tidak tertutup. Populasi tertutup berarti banyak anggota dalam populasi dari waktu ke waktu konstan, sedangkan populasi tidak tertutup berarti banyak anggota dalam populasi dari waktu ke waktu tidak konstan. Estimasi ukuran populasi tertutup dipengaruhi oleh nilai peluang penangkapan pada setiap kesempatan penangkapan. Apabila nilai peluang penangkapan selama penelitian tidak berbeda secara signifikan maka estimasi populasi akan dimodelkan dengan Model . Sedangkan, apabila nilai peluang penangkapan selama penelitian berbeda secara siginifikan maka estimasi populasi akan dimodelkan dengan Model . Dalam penulisan karya tulis ilmiah ini, penulis mencoba mengestimasi populasi pada Model Â dan Model Â serta mengaplikasikan kedua model tersebut dalam menghitung populasi paus bungkuk (Megaptera novaeangliae) dan populasi tupai (Eutamias Minimus). Berdasarkan hasil penghitungan diperoleh bahwa estimasi ukuran populasi paus bungkuk adalah sebanyak 121 paus. Sedangkan estimasi ukuran populasi tupai adalah sebanyak 50 tupai.Â Kata kunci: Analisis data Capture-Recapture, Estimasi Ukuran Populasi Tertutup, Model , Model . Â ABSTRACT. Statistics is a science that aims to collecting, processing, presenting, and draw the conclusions based on the analysis of data. One of study is developing in statistical is Analysis of Capture-Recapture Data. Analysis of Capture-Recapture Data has a characteristic which collects data by using technics : Capture, Mark, Release, Recapture (CMRR). The Problems will discussed this paper is how about estimate the closed population size. Estimating the population is a mathematical approach to estimate the population size. Population is an object which has certain characteristics that will be studied and drawn conclusions. The number of all members on population is called the size of population. Based on the characteristics of size, population has grouping into two : closed population and open population. Closed population means the size of population is constant during over time, while open population means the size of population is not constant during over time. Estimating the size of closed population are affected by probability of captured on each occasion the arrest. If the probability of captured during the study is not significantly differ then the estimating process modeled by Model . Otherwise, if the probability of captured is significantly different the estimating process modeled by Model . In this paper, will be shown the estimating process on closed population modeled by Model Â and Model . The application of each models is applied to calculate the population of humpback whales (Megaptera novaeangliae) and the population of squirrels (Eutamias minimus). Based on the calculation results, obtained that the humpback whale population size estimates are 121 whales and the squirrel population size estimates are 50 squirrels.Â Keywords: Analysis of Capture-Recapture Data, Estimation of Closed Population Size, Model , Model .

ANALISIS PENGARUH FAKTOR KEPUTUSAN KONSUMEN DENGAN STRUCTURAL EQUATION MODELING PARTIAL LEAST SQUARE Gita Alfa, Alodya Ann; Rachmatin, Dewi; Agustina, Fitriani
Jurnal EurekaMatika Vol 5, No 2 (2017): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

ABSTRAK. Persaingan yang ketat diantara pengusaha kuliner yangterdapat di Kota Bandung, menimbulkan harapan bagi para pengusaha agarmampu bertahan dan terus berkembang dalam menjalankan usahanya.Faktor yang mempengaruhi keputusan konsumen diperlukan untukmenentukan target pemasaran. Faktor-faktor yang mempengaruhikeputusan konsumen (Y) menurut Engel, dkk (1994) adalah faktorlingkungan (X1), faktor perbedaan individu (X2) dan faktor prosespsikologis (X3). Metode yang dapat digunakan dalam penelitian ini adalahdengan menggunakan analisis Structural Equation Modeling (SEM) yangberbasis varians yaitu Partial Least Square (PLS). SEM dengan PLSberbasis varians sehingga mampu menangani dua kondisi yaitu kondisidengan faktor yang tidak dapat ditentukan dan kondisi dimana solusi tidakdapat diterima. Penelitian ini menggunakan program computer smart PLS3.0 dan menentukan variabel yang signifikan terhadap keputusankonsumen (Y) tempat makan di Kota Bandung. Berdasarkan hasilpenelitian yang telah dilakukan, variabel yang diperoleh mempengaruhikeputusan konsumen (Y) adalah variable factor lingkungan (X1) danvariable factor perbedaan individu (X2).Kata Kunci: Keputusan Konsumen, Structural Equation Modeling PartialLeast Square (SEMPLS).ABSTRACT. The intense competition among culinary entrepreneurslocated in Bandung raised hopes for them to be able to survive and continueto thrive in business. Factors that influence the consumer's decision isneeded to determine the target marketing. Factors that influence consumerdecision (Y) according to Engel, et al (1994) is an environmental factor(X1), individual differences factors (X2) and the psychological processfactor (X3). Method that can be used in this research is to use analysis ofStructural Equation Modeling (SEM) based variance Partial Least Square(PLS). SEM with PLS is method is based on the variance to be able tohandle two conditions, is factor indeterminacy and inadmissible solution.This study used a computer program smart PLS 3.0 and determine thesignificant variables to the consumerâ€™s decision (Y) where to eat in the cityof Bandung. Based on the research that has been done, variables derivedinfluencing consumerâ€™s decision (Y) is variable environmental factors (X1)and the variable factors of individual differences (X2).Keywords: Consumerâ€™s Decision, Structural Equation Modeling PartialLeast Square (SEM PLS).

Co-Authors Abdurahman Abdurrahman Achmad, Puteri Ressiana Dewi Adelia, Suci Aida Fitriani, Aida Alliseu Umiyati Anggi Diandra Sayrua AS, Emilda Asep Egi Kurniawan, Asep Egi Asyifa Nurbaiti Saepudin AULIA, SITI bambang avip Priatna Berta Afriani, Berta Dadan Dasari Darussalam, Handry Desti Pertiwi Setiawati Dewanti, Rossy Dewi Achmad, Puteri Ressiana Dewi Rachmatin Dimas Ardiansyah Ema Nur Luthfiyani Entit puspita Entit Puspita Erlina Erlina Faiza, Nola Fauzi, M Jamil Fauzi, M. Jamil Febriany, Nadra Febriany, Nadya Ferdi, Roni Fikri, Ahmad Fitri, Ghaisani Fildjah Ghaida Azzahra Gita Alfa, Alodya Ann Gultom, Yunisar Hamid, Syahabuddin Harahap, Lili Kartika Sari Hayati, Mawar Ika Friscila, Ika Indah Julia Ismail, Diauddin Ismailinar Ismailinar, Ismailinar Jamil Fauzi, M Jarnawi Afgani Dahlan Karunia Eka Lestari Khusnul Novianingsih Krisna Yetti Kuntjoro Adji Sidarto Lia Malihah, Lia Lilia, Deli Lubis, Asep Ridwan Lukman ., Lukman Lukman Lukman Lukman Lukman Majid, Abu Bakar Faris Abdul Mardiah Annur, Mardiah Marlina Marlina Marlina Mustafa, Marlina Masfuri - Masyudi Masyudi Mawar Hayati Mia Kusmiati Mokhammad Ridwan Yudhanegara Muhammad Naufal Atalla Mursiti, Mustofa, Handry Darussalam, Titik Nuryastuti, Mursiti, Mutia Dwi Haryanti, Mutia Dwi Nar Herrhyanto Novalia Efrianty Novianti, Neera Puri Novriana Sumarti Nugraha, Edwin Setiawan Nurul Hanifah Prahesti, Danica Dwi Prahesti, Danica Dwi Pratama, Egi Puspasari, Andini Rahayu, Rima Aulia Raihan Ayita Putri Raspati, Rifqy Sayidi Ria Oktarina Rianita Citra Tri Sartika Rini Marwati Ririn Sispiyati Rizky Ardhani Ryaneka Darmawan, Ryaneka Safitri, Gina Said Taufiq Savitri, Gina Sisilia Sylviani Sulaiman Sulaiman Sulaiman Syahabuddin Syahputra, Anda Syamsul Arifin Taufiq, Said US, Hafsah Winata, Hilma Mutiara Winda Sari Sukarna Wulan Dian Pramiesti Yukeu S Febriani Yusnidaryani, Yusnidaryani Yusra, Ainil Yusrawati Yusrawati Zahra, Tamela

Title

Found 74 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 74 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 74 Documents
Search