Article Per Year (5 Year)
p-Index From 2021 - 2026
1.606
P-Index
This Author published in this journals
All Journal Jurnal Karya Pendidikan Matematika Jurnal Matematika Sains dan Teknologi MUST: Journal of Mathematics Education, Science and Technology Mathvision : Jurnal Matematika Delta: Jurnal Ilmiah Pendidikan Matematika EAJ (ECONOMICS AND ACCOUNTING JOURNAL) Jurnal Saintika Unpam : Jurnal Sains dan Matematika Unpam Jurnal Statistika dan Matematika (Statmat) Indonesia Berdaya Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika
Nina Valentika
Universitas Pamulang
Agriculture, Biological Sciences & Forestry Arts Humanities Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Veterinary Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Generalisasi Algoritma Thinning Process pada Proses Poisson Majemuk dengan Komponen Proses Poisson Nonhomogen dan Distribusi Gamma Syarif Abdullah; Sidik Susilo; Miftahul Huda; Nina Valentika; Sri Istiyarti Uswatun Chasanah; Agusyarif Rezka Nuha; Aswata Wisnuadji; Fajri Ikhsan; Yazid Rukmayadi
MUST: Journal of Mathematics Education, Science and Technology Vol 5, No 2 (2020): DECEMBER
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v5i2.6485

Abstract

Proses Poisson majemuk (compound Poissonprocess (CPP)) adalah salah satu pengembangan dari teori stokastik yang digunakan untuk memodelkan fenomena nyata. Proses ini memiliki minimal dua komponen utama, yaitu komponen pada proses Poisson-nya berupa fungsi intensitas konstan atau fungsi tertentu dan komponen besaran akibat berupa distribusi tertentu. Penelitian ini bertujuan untuk membuat model CPP yang memiliki komponen fungsi intensitas nonhomogen pada proses Poisson-nya (non-homogeneous Poisson process (NHPP)) dan komponen besaran akibat yang berdistribusi gamma (gamma distribution (GD)). Selanjutnya dibuat penduga parameter (parameter estimation) dan algoritma untuk membangkitkan CPP yang memiliki komponen fungsi intensitas NHPP dan komponen akibat GD. Metode yang digunakan dalam menentukan penduga parameter yaitu metode moment. Sedangkan pembuatan algoritma pada penelitian ini menggunakan metode acceptance and rejections berupa generalisasi teknik thinning process. Hasil penelitian telah didapatkan rumusan penduga-penduga untuk fungsi nilai harapan dan varian pada CPP dengan komponen NHPP dan komponen GD. Penelitian ini didapatkan pula generalisasi algoritma thinning process pada CPP-NHPP-GD tipe 1 dan 2. Algoritma tipe 1 merupakan hasil modifikasi dan generalisasi algoritma dari model CPP-HPP dengan mengubah komponen pada proses Poisson-nya menjadi bentuk NHPP dan komponen pada bagian besaran akibat berupa distribusi gamma. Algoritma tipe 2 merupaan hasil modifikasi dari tipe 1 dengan melakukan breakdown interval menjadi subinterval.
Pemodelan Suku Bunga, Kurs, Impor dan Ekspor dengan Menggunakan VECM Nina Valentika; Vivi Iswanti Nursyirwan; Muhamad Syazali; Irfani Azis; Syarif Abdullah
MUST: Journal of Mathematics Education, Science and Technology Vol 6, No 1 (2021): JULY
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v6i1.5858

Abstract

Penelitian ini memodelkan variabel tingkat suku bunga, kurs rupiah, jumlah nilai impor dan jumlah nilai ekspor. Analisis metode Vector Error Correction Model (VECM) yang digunakan dalam penelitian ini untuk memodelkan variabel tingkat suku bunga, kurs rupiah, jumlah nilai impor dan jumlah nilai ekspor. Model untuk variabel ekspor, impor, suku bunga dan kurs dalam penelitian ini adalah VECM dengan lag 2, menggunakan trend deterministic dengan asumsi none intercept no trend, dan terdapat 1 kointegrasi. Dengan menggunakan MAPE, diperoleh bahwa model penelitian VECM tersebut sangat baik untuk meramalkan ekspor, kurs dan impor, sedangkan model penelitian VECM tersebut dikatakan layak untuk meramalkan tingkat suku bunga.
PEMODELAN MATEMATIKA UNTUK PRODUKSI ETANOL DARI SARI BUAH NANAS Yeyen Suratning; Tabah Heri Setiawan; Aden Aden; Nina Valentika
MathVisioN Vol 2 No 2 (2020): September 2020
Publisher : Prodi Matematika FMIPA Unirow Tuban

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (226.403 KB)

Abstract

Kelangkaan bahan bakar minyak di Indonesia menuntut solusi alternative terbarukan yang ramah lingkungan. Produksi nanas madu di Indonesia yang melimpah hanya terbatas dimanfaatkan untuk olahan makanan dan dikonsumsi secara langsung. Buah nanas madu didapati memiliki banyak kandungan glukosa yang dapat dirubah menjadi bioethanol melalui proses fermentasi. Dalam hal ini diperlukan model matematika yang tepat untuk mendapatkan kadar etanol yang sesuai (dalam %). Proses produksi etanol dengan cara fermentasi oleh bantuan sel ragi (saccharomyces cerevisiae) untuk sari buah nanas merupakan proses kimia dimana glukosa yang terdapat pada larutan sampel sari buah nanas madu akan menurun akibat konsumsi dari sel ragi dan berkembangnya enzim yang kemudian meningkatkan kadar etanol dalam proses fermentasi. Kenaikan nilai substrat didapat dengan membuat perbandingan antara penurunan kadar glukosa dan peningkatan kadar etanol dalam larutan menggunakan model Michaelis – Menten dan Lineweaver – Burk. Dalam penentuan titik interpolasi dan ekstrapolasi diterapkan model interpolasi ordo 10 x 10 gauss jordan dengan model dengan f(x)=-5.655+25.091x+46.365x^2+46.798x^3-28.166x^4+10.386x^5-2.329x^6+0.305x^7-0.21x^8+0.0006x^9 dengan nilai kesalahan relative sebesar 0.000218 dan kesesuaian model dapat dilihat dengan ketepatan pada grafik.
KLASIFIKASI TINGKATAN LEVEL KUMON DENGAN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Siti Aisyah; Nina Valentika; Aden Aden
MathVisioN Vol 4 No 1 (2022): Maret 2022
Publisher : Prodi Matematika FMIPA Unirow Tuban

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (173.557 KB) | DOI: 10.55719/mv.v4i1.305

Abstract

Kumon is a tutoring place that implements a level-based learning system customized to individual abilities, aims to optimize each individual's abilities and intelligence. With Kumon learning methods many students can learn at up-class level, low-class level, and equivalent class level. Determining the level of Kumon is usually seen in students when attending Kumon classes for approximately six months to one year. However, by looking at several aspects that affect the level of students such as learning motivation, learning interests, learning habits, and gender of students, the Naive Bayes Classifier approach will be easy and fast in predicting kumon level for students. From the research using confussion matrix test, the result show the accuracy value of 70%, class precision of 75% for up-class level, class precision of 100% for low-class level, class precision of 60% for the equivalent of class level, class recall of 100% for up-class level, class recall of 25% low-class level, and class recall of 100% equivalent to class level. As a result, it is possible to conclude that the Naïve Bayes Classifier Algorithm can be used to predict the classification of kumon levels. However, it is hoped that the next research will use other attributes in order to get a more accurate algorithm.
Co-Authors Aden Aden Aden Agusyarif Rezka Nuha Aswata Wisnuadji Choirul Basir Dewi Purnama Sari Epin Nur Cahya Fajri Ikhsan Gerry Sastro Hasanah, Siti Hadijah Hendro Waryanto I ilmadi I Made Sumertajaya Ilmadi Ilmadi Ilmadi Irfani Azis Isnurani Isnurani Isnurani Jenita Aryanti Radjah Miftahul Huda Muhamad Syazali Nunung Kusdaniyama Nursyirwan , Vivi Iswanti Rusdiana, Yulianti Sidik Susilo Siti Aisyah Sri Istiyarti Uswatun Chasanah Sri Istiyarti Uswatun Chasanah Sunardi Sunardi Syarif Abdullah Tabah Heri Setiawan Usfita Kiftiyani Yazid Rukmayadi Yeyen Suratning