p-Index From 2020 - 2025
13.441
P-Index
This Author published in this journals
All Journal JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Jurnal Pendidikan Matematika dan IPA Jurnal Infinity Kreano, Jurnal Matematika Kreatif-Inovatif EurekaMatika (Jurnal Online Matematika S1) Jurnal Riset Pendidikan Matematika AKSIOMA: Jurnal Program Studi Pendidikan Matematika JIPM (Jurnal Ilmiah Pendidikan Matematika) Jurnal Elemen EDU-MAT: Jurnal Pendidikan Matematika Jurnal Pendidikan: Teori, Penelitian, dan Pengembangan Jurnal Gantang Jurnal Ilmiah KOMPUTASI Al-Jabar : Jurnal Pendidikan Matematika Jurnal Kajian Pembelajaran Matematika Math Didactic: Jurnal Pendidikan Matematika AL ISHLAH Jurnal Pendidikan Union: Jurnal Ilmiah Pendidikan Matematika MaPan : Jurnal Matematika dan Pembelajaran Jurnal Analisa Journal of Mathematics and Mathematics Education (JMME) PRISMA Indonesian Journal of Science and Mathematics Education Juring (Journal for Research in Mathematics Learning) Jurnal SOLMA BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) JURNAL PENDIDIKAN TAMBUSAI Jurnal Cendekia : Jurnal Pendidikan Matematika Prima: Jurnal Pendidikan Matematika Al-Khwarizmi: Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam Symmetry: Pasundan Journal of Research in Mathematics Learning and Education SAP (Susunan Artikel Pendidikan) Tunas: Jurnal Pendidikan Guru Sekolah Dasar M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika JPMI (Jurnal Pembelajaran Matematika Inovatif) (JIML) JOURNAL OF INNOVATIVE MATHEMATICS LEARNING Jurnal Magister Pendidikan Matematika (JUMADIKA) Jurnal Padegogik MATHEMA: JURNAL PENDIDIKAN MATEMATIKA Didaktik : Jurnal Ilmiah PGSD STKIP Subang Range : Jurnal Pendidikan Matematika Journal of Didactic Mathematics Sustainable: Jurnal Kajian Mutu Pendidikan Jurnal Kepelatihan Olahraga Jurnal Math-UMB.EDU Mosharafa: Jurnal Pendidikan Matematika Jurnal Pendidikan Matematika Unpatti These proceedings represent the work of researchers participating in The International Conference on Elementary Education (ICEE) which is being hosted by the Elementary Education Study Programme School of Postgraduate Studies, Universitas Pendidikan EduLine: Journal of Education and Learning Innovation Jurnal Eurekamatika Prisma Sains: Jurnal Pengkajian Ilmu dan Pembelajaran Matematika dan IPA IKIP Mataram Journal of Mathematics Learning Innovation (JMLI) Gunung Djati Conference Series International Journal of Trends in Mathematics Education Research (IJTMER) JNPM (Jurnal Nasional Pendidikan Matematika) International Journal of Mathematics and Mathematics Education (IJMME) Tematik: Jurnal Konten Pendidikan Matematika SIGMA DIDAKTIKA: Jurnal Pendidikan Matematika Jurnal Infinity ALSYSTECH Journal of Education Technology Proceeding International Conference on Mathematics and Learning Research Journal on Mathematics Education Research Jurnal Pendidikan MIPA Jurnal Pendidikan Progresif Journal on Mathematics Education Jurnal Pendidikan Matematika Universitas Lampung
Claim Missing Document
Check
Articles

ANALISIS DISKRIMINAN TERHADAP PERILAKU MAHASISWA DALAM MENGKONSUMSI MAKANAN CEPAT SAJI (Studi Kasus: Para Mahasiswa di UPI, ITB, UNLA, dan UIN Sunan Gunung Djati) TSN, Maria; Dasari, Dadan; Herrhyanto, Nar
Jurnal EurekaMatika (JEM) Vol 1, No 1 (2013): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

Keterbatasan waktu merupakan salah satu alasan bagi orang yang memiliki tingkat kesibukan yang cukup tinggi untuk memilih mengkonsumsi makanan cepat saji, termasuk mahasiswa. Faktor yang mempengaruhi orang dalam mengkonsumsi makanan cepat saji, antara lain: waktu, makanan (kualitas, jenis, dan harga), kesehatan, lokasi rumah makan, acara/kegiatan, fasilitas, dan pelayanan. Faktor tersebut digunakan sebagai dasar dalam penelitian, sehingga dapat mengelompokkan mahasiswa dalam mengkonsumsi makanan cepat saji kedalam kelompok SERING atau kelompok JARANG.Pengelompokan dilakukan menggunakan analisis diskriminan, yaitu teknik multivariat untuk memisahkan objek-objek dalam kelompok yang berbeda dan mengelompokkan objek baru kedalam kelompok-kelompok tersebut. Analisis diskriminan bertujuan untuk mengenali faktor-faktor yang dapat membedakan dua kelompok atau lebih. Berdasarkan hasil dari pengujian terhadap mahasiswa dalam mengkonsumsi makanan cepat saji, didapat faktor-faktor yang mempengaruhinya, yaitu lebih praktis dan cepat, bentuk penyajian yang menarik, harga terjangkau, lokasi strategis, dan pelayanan yang memuaskan.Kata kunci: makanan cepat saji, analisis diskriminan.
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)
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

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  dan Model  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. Kata kunci: Analisis data Capture-Recapture, Estimasi Ukuran Populasi Tertutup, Model , Model .  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  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. Keywords: Analysis of Capture-Recapture Data, Estimation of Closed Population Size, Model , Model .
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

Abstract

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)  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.
REGRESI NONPARAMETRIK BIRESPON SPLINE Nurdiani, Nunung; Herrhyanto, Nar; Dasari, Dadan
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

Abstract

ABSTRAK: Salah satu ciri majunya suatu negara adalah dengan majunya pembangunan manusia. Pembangunan manusia berperan penting dalam suatu negara. Faktor-faktor yang berpengaruh terhadap pembangunan manusia, diantaranya pendidikan dan ekonomi. Salah satu komponen yang berpengaruh terhadap Indeks Pembangunan Manusia adalah tingkat pendidikan yang diukur dengan Angka Melek Huruf dan Rata-Rata Lama Sekolah. Dalam penelitian ini metode yang digunakan untuk memodelkan Angka Melek Huruf dan Rata-Rata Lama Sekolah adalah regresi nonparametrik birespon spline. Metode ini digunakan karena Spline memiliki kelebihan yakni model akan cenderung mencari estimasinya kemanapun data tersebut akan bergerak. Pemilihan model terbaik berdasarkan nilai Generalized Cross Validation (GCV) yang minimum. Model terbaik yang dihasilkan dari penelitian ini adalah model linear dengan satu titik knot. Kata kunci : Pembangunan Manusia, Rata-Rata Melek Huruf, Rata-Rata Lama Sekolah, Regresi Nonparametrik Birespon Spline, GCV. ABSTRACT: One feature of progress of a country is the advancement of Human Development. Human Development plays an important role in a country. Factors that influence Human Development, including education and the economy. One of components that affect the Human Development index is measured by the level of education Literacy Rate and Mean Year School. In this research method is used to model Literacy Rate and Mean Year School is nonparametric biresponse spline regression. This method is used because the spline has the advantage that the model will tend to look for the estimate wherever the data is moved. Selecting the best model is based on the minimum Generalized Cross Validation (GCV). Best model resulting from tis researc is a linear model with one knot. Keywords: Human Development, Literacy Rate, Mean Year School, nonparametric biresponse spline regression, GCV
Ethnomathematics Study: Mathematical Ideas in Malay Weaving Motifs in Pekanbaru City as A Basis for Developing Contextual Learning Hafilah, Putri; Dasari, Dadan; Juandi, Dadang
International Conference on Elementary Education Vol. 3 No. 1 (2021): Proceedings The 3rd International Conference on Elementary Education
Publisher : Elementary Education Study Program School of Postgraduate Studies Universitas Pendidikan Indonesia in collaboration with UPI PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1988.957 KB)

Abstract

Ethnomathematics is present as contextual learning that presents mathematical aspects of culture. Culture and mathematics are integrated into aspects of people's lives everywhere, including the Riau Malay ethnic community. One of the traditional arts of the Riau Malay community is songket weaving. Each region has its characteristic motifs. This study aims to explore the mathematical aspects contained in the Riau Malay songket woven motifs in the city of Pekanbaru. The data collection technique used ethnographic principles, namely: (1) interviews; (2) participant observation; (3) documentation; and (4) field notes. The subject of this research is the social situation of the Riau community in Pekanbaru City where there is a place, focusing on the production activities of the Malay Riau songket weaving motif. The findings of this study are that weaving activities have a mathematical aspect, namely the concept of flat plane geometry. This research is expected to contribute to the development of learning that uses local cultural ideas for mathematics learning in schools, especially schools in Riau.
REGRESI NONPARAMETRIK BIRESPON SPLINE Nurdiani, Nunung; Herrhyanto, Nar; Dasari, Dadan
Jurnal EurekaMatika Vol 5, No 1 (2017): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (494.425 KB) | DOI: 10.17509/jem.v5i1.10312

Abstract

ABSTRAK: Salah satu ciri majunya suatu negara adalah dengan majunya pembangunan manusia. Pembangunan manusia berperan penting dalam suatu negara. Faktor-faktor yang berpengaruh terhadap pembangunan manusia, diantaranya pendidikan dan ekonomi. Salah satu komponen yang berpengaruh terhadap Indeks Pembangunan Manusia adalah tingkat pendidikan yang diukur dengan Angka Melek Huruf dan Rata-Rata Lama Sekolah. Dalam penelitian ini metode yang digunakan untuk memodelkan Angka Melek Huruf dan Rata-Rata Lama Sekolah adalah regresi nonparametrik birespon spline. Metode ini digunakan karena Spline memiliki kelebihan yakni model akan cenderung mencari estimasinya kemanapun data tersebut akan bergerak. Pemilihan model terbaik berdasarkan nilai Generalized Cross Validation (GCV) yang minimum. Model terbaik yang dihasilkan dari penelitian ini adalah model linear dengan satu titik knot. Kata kunci : Pembangunan Manusia, Rata-Rata Melek Huruf, Rata-Rata Lama Sekolah, Regresi Nonparametrik Birespon Spline, GCV. ABSTRACT: One feature of progress of a country is the advancement of Human Development. Human Development plays an important role in a country. Factors that influence Human Development, including education and the economy. One of components that affect the Human Development index is measured by the level of education Literacy Rate and Mean Year School. In this research method is used to model Literacy Rate and Mean Year School is nonparametric biresponse spline regression. This method is used because the spline has the advantage that the model will tend to look for the estimate wherever the data is moved. Selecting the best model is based on the minimum Generalized Cross Validation (GCV). Best model resulting from tis researc is a linear model with one knot. Keywords: Human Development, Literacy Rate, Mean Year School, nonparametric biresponse spline regression, GCV.
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)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (641.183 KB) | DOI: 10.17509/jem.v5i1.10297

Abstract

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  dan Model  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. Kata kunci: Analisis data Capture-Recapture, Estimasi Ukuran Populasi Tertutup, Model , Model .  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  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. Keywords: Analysis of Capture-Recapture Data, Estimation of Closed Population Size, Model , Model .
PENERAPAN METODE SCHNABEL DALAM MENGESTIMASI JUMLAH ANGGOTA POPULASI TERTUTUP (Studi Kasus Perhitungan Populasi Ikan Mola-mola) Safitri, Gina; Dasari, Dadan; Agustina, Fitriani
Jurnal EurekaMatika Vol 4, No 1 (2016): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (381.6 KB) | DOI: 10.17509/jem.v4i1.10647

Abstract

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)  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.
KEMAMPUAN REPRESENTASI: IMPLEMENTASI PENGEMBANGAN DESAIN DIDAKTIS PADA PEMBELAJARAN MATEMATIKA DI SEKOLAH MENENGAH ATAS Elsa Komala; Didi Suryadi; Dadan Dasari
AKSIOMA: Jurnal Program Studi Pendidikan Matematika Vol 10, No 4 (2021)
Publisher : UNIVERSITAS MUHAMMADIYAH METRO

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (445.007 KB) | DOI: 10.24127/ajpm.v10i4.3971

Abstract

Abstrak Kemampuan representasi matematis merupakan salah satu tujuan pembelajaran matematika di sekolah yang digunakan sebagai alat bantu untuk menemukan solusi dari masalah matematika, akan tetapi siswa masih kesulitan dalam melakukan kemampuan representasi matematis dan minim kemampuan representasi yang baik. Tujuan dari penelitian ini adalah untuk menganalisis hasil implementasi dari desain didaktis hasil pengembangan untuk meminimalisir learning obstacle yang terjadi terkait kemampuan representasi pada pembelajaran matematika. Penelitian ini menggunakan metode kualitatif dengan studi fenomenologi dan pengembangan dengan Didactical Design Research (DDR). Subjek terdiri dari 38 siswa kelas X beserta 3 orang guru matematika. Soal tes kemampuan representasi dan studi dokumentasi digunakan pada saat implementasi desain didaktis. Hasil dari penelitian menunjukan bahwa berdasarkan learning obstacle yang terjadi terkait kemampuan representasi siswa yang diperoleh selanjutnya dibuat dan dikembangkan desain didaktis berdasarkan learning obstacle yang telah teridentifikasi sebagai pendahuluan kemudian diimplementasikan, sehingga pelaksanaan pembelajaran matematika dengan menggunakan desain didaktis terlaksana dengan baik akibatnya kemampuan representasi matematis siswa dapat diminimalisir kesalahannya terutama pada proses membuat pemodelan matematika, selain itu proses visual dan pembuatan kata-kata tertulis.Kata kunci: Desain Didaktis, Kemampuan Representasi. AbstractMathematical representation ability is one of the objectives of learning mathematics in schools which is used as a tool to find solutions to mathematical problems, but students still have difficulty in performing mathematical representation skills and lack good representation skills. The purpose of this study is to analyze the results of the implementation of the didactic design as a result of the development to minimize learning obstacles that occur related to representational abilities in mathematics learning. This research uses qualitative methods with phenomenological studies and development with Didactical Design Research (DDR). The subjects consisted of 38 students of class X and 3 mathematics teachers. Representational ability test questions and documentation studies are used during the implementation of the didactic design. The results of the study show that based on the learning obstacle that occurs related to the student's representation ability obtained, then a didactic design is made and developed based on the learning obstacle that has been identified as an introduction and then implemented, so that the implementation of mathematics learning by using a didactic design is carried out properly as a result, students' mathematical representation abilities can be achieved. errors are minimized, especially in the process of making mathematical modeling, in addition to the visual process and the creation of written words.Keywords: Didactic Design, Representation Ability.
Peramalan Harga Batubara Acuan Menggunakan Metode PSOSVR Dan IPSOSVR Alliseu Umiyati; Dadan Dasari; Fitriani Agustina
Jurnal EurekaMatika Vol 9, No 1 (2021): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (646.791 KB) | DOI: 10.17509/jem.v9i2.40064

Abstract

Batubara adalah salah satu jenis bahan bakar fosil yang seringdimanfaatkan oleh perusahaan industri. Fluktuasi harga batubaramengakibatkan perusahaan industri sulit untuk memperkirakan hargabatubara. Dengan demikian dibutuhkan alokasi anggaran dana berupaperkiraan harga batubara. Sebuah model prediksi harga batubara acuanuntuk melihat harga batubara acuan di masa yang akan datang sangatdiperlukan, sehingga perusahaan industri dapat mengalokasikan danadengan tepat untuk memaksimalkan keuntungan dan meminimumkanbiaya produksi. Terdapat beberapa studi yang membahas tentang prediksiharga batubara acuan menggunakan machine learning yang salah satunyayaitu menggunakan support vector regression (SVR). Namun, metodetersebut masih memiliki kekurangan pada penentuan nilai parameter yangtepat. Diperlukan algoritma optimasi untuk membantu menentukan nilaiparameter yang tepat. Oleh karena itu, pada penelitian ini bertujuan untukmelakukan peramalan harga batubara acuan menggunakan data historisperiode bulan Januari 2009 sampai dengan bulan Oktober 2019, denganmenggunakan metode support vector regression (SVR) yang dioptimasidengan particle swarm optimization (PSO) dan improved-particle swarmoptimization (IPSO), yang dievaluasi hasil peramalannya menggunakanMAPE. Berdasarkan penelitian yang telah dilakukan, prediksi hargabatubara acuan menggunakan metode PSOSVR menghasilkan nilaiMAPE sebesar 3,911% dan metode IPSOSVR menghasilkan nilai MAPEsebesar 3,916%. Sedangkan untuk prediksi menggunakan parameter SVRyang tidak dioptimasi menghasilnya nilai MAPE sebesar 13,388%
Co-Authors Aan Hasanah Abdurrahman do muhamad Naser Abdurrahman Do. Muhamad Naser AHMAD LUTFI Ahmad Lutfi Ahmad Mukhibin Alliseu Umiyati Ambarwati, Dela Arili, Neza Zakiya Aswin Aswin Atika Defita Sari Bahar, Afipa Amalia bambang avip Priatna Budi Rianto Christina Monika Christina Monika Samosir Dadang Juandi Dadang Juandi Dadang Junadi Darhim Darhim Dela Ambarwati Desy Lusiyana, Desy Dewi, Niken Shofiana Didi Suryadi Didi Suryadi Didi Suryadi Didi Suryadi Didi Suryadi Dika Faiz Himmawan Drajat, Widi Rahmawati Edi Supriyadi Eka Khairani Hasibuan Elah Nurlaelah Elah Nurlaelah Elsa Komala Elsa Komala, Elsa Enjun Junaeti Erika Yohanna Seventina Siahaan Fadhil Zil Ikram Fatmiyati, Novita Febrianti, Tri Sedya Fitri, Rahmia Mulya Fitria Maghfiroh, Fitria Fitria, Nida Fitriani agustina Fitriasari, Putri Fitriyah, Yuni Freddy Prasetyo Freddy Prasetyo, Freddy Gita Rani Putri Mangiri Gita Safitri Gunadi, Farid Hafilah, Putri Harahap, Maulana Al Aziz Hendriyanto, Agus Hidayat, Azhar Majid Himmawan, Dika Faiz Husna Fatwana Ilham Muhammad Ilham Muhammad Inayah, Clara fadhilah Inayah, Sarah Jarnawi Afgani Dahlan Jozua Sabandar Junaeti, Enjun Khofifa Romaito Siregar Laia, Harun Onesimus Lethulur, Nelma Dortje Lia Ardiansari Lina Nurhayati Lomri, Yani Astika Lubis, Asep Ridwan Lucky Heriyanti Jufri, Lucky Heriyanti Lukman hakim muhaimin Lukman Lukman Lutfi, Jasmine Salsabila Magdalena Wangge Mansyur, Azizul Jabbar Marchy, Febrinna Mardliyah, Syifa Marhami Marhami Marhami, Marhami Maria TSN Ma’ulfi Kharis Abadi Mitrayana Mitrayana Muhammad Fajar Anugrah Mulia Putra Nanang Priatna Nar Herrhyanto Naser, Abdurrahman Do. Muhamad ningrum, yunia jumita Nisa Azzahra Novita Fatmiyati Nurdiani, Nunung Nurdiani, Nunung Nurhayati, Hanifah Nurhayati, Lina Palupi Sri Wijayanti, Palupi Sri Panjaitan, M. Azhari Patrisius Afrisno Udil, Patrisius Afrisno Pujia Siti Balkist Putri, Mei Radia Rahmat Fitra Rahmat Kusharyadi Raisya Hizkiya Syabina Ramdhan Fazrianto Suwarman Rani Sugiarni Rayinda Khaerul Wiladah Bahrun Rianto, Budi Ridho, Muhamat Hidayatul Riki Andriatna Rita Novita Ritmayanti, Indah Rahmania Rizqi Dwi Maharani Rusyid, Husnul Khatimah Saffanah Pertiwi Safitri, Gina safitri, gita Sahara, Sani Samosir, Christina Monika Sani Sahara Saputra, Andari Saputri, Veni Sari, Atika Defita Sari, Merisa Ammelia Savitri, Gina Scristia, Scristia sholikhakh, Rizqi Amaliyakh Siahaan, Erika Yohanna Seventina Silitonga, R. H. Yanti Simanjuntak, Sinitta Simbolon, Asep Siswanto, Rizki Dwi Siti Fatimah Solehudin Solehudin Sri Hastuti Noer Sufyani Prabawanto, Sufyani Surya Kurniawan Swasti Maharani Syafdi Maizora Syaiful Syifa Mardliyah Tarmudi, Tarmudi Tatang Herman, Tatang Tri Nova Hasti Yunianta Turmudi Tuti Hartati Wahab A, Abdul Wangge, Magdalena Widyastuti Widyastuti Yani Astika Lomri Yaya S Kusumah Yaya S. Kusumah Yaya Sukjaya Kusumah