p-Index From 2021 - 2026
8.243
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Indonesia Indonesian Journal of Mathematics and Natural Sciences Jurnal Penelitian Pendidikan Kreano, Jurnal Matematika Kreatif-Inovatif Pedagogi : Jurnal Penelitian Pendidikan AKSIOMA: Jurnal Program Studi Pendidikan Matematika Journal of Mathematics and Mathematics Education Scientific Journal of Informatics Suska Journal of Mathematics Education Educational Management HISTOGRAM: Jurnal Pendidikan Matematika Journal of Mathematics and Mathematics Education (JMME) PRISMA BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Cendekia : Jurnal Pendidikan Matematika Prima: Jurnal Pendidikan Matematika Jurnal Pendidikan Matematika (Jupitek) Unnes Journal of Mathematics Education Research ANARGYA: Jurnal Ilmiah Pendidikan Matematika Gema Wiralodra JPMI (Jurnal Pembelajaran Matematika Inovatif) Unnes Journal of Mathematics Education Unnes Journal of Mathematics MATHunesa: Jurnal Ilmiah Matematika Edukasia: Jurnal Pendidikan dan Pembelajaran Jurnal Pendidikan Indonesia (Japendi) Jurnal Pendidikan dan Pengabdian Masyarakat Circle: Jurnal Pendidikan Matematika Prosiding Seminar Nasional Pascasarjana Proceeding of International Conference on Science, Education, and Technology JME (Journal of Mathematics Education) Indonesian Journal of Mathematics Education Polyhedron International Journal in Mathematics Education Jurnal Meteorologi dan Geofisika Unnes Journal of Mathematics Education Hipotenusa: Journal of Mathematical Society The International Journal of Mathematics and Sciences Education Mathematics Education Journal Unnes Journal of Mathematics
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Unnes Journal of Mathematics

ANALISIS PROSES ANTRIAN SINGLE CHANNEL SINGLE PHASE PADA LOKET PENJUALAN TIKET KERETA API KALIGUNG DI STASIUN PONCOL SEMARANG Ikrimah, Annisa; Supriyono, Supriyono; Kharisudin, Iqbal
Unnes Journal of Mathematics Vol 1 No 1 (2012)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v1i1.646

Abstract

Fenomena menunggu merupakan hal yang mendasari adanya suatu antrian untuk bisa mendapatkan pelayanan. Dalam artikel ini akan dikaji model antrian dan proses pelayanan pelanggan pada loket penjualan tiket kereta api Kaligung di Stasiun Poncol Semarang. Metode penelitian yang digunakan meliputi beberapa tahap, yaitu studi pustaka, merumuskan masalah, pengambilan data, analisis dan pemecahan masalah, serta penarikan simpulan. Pengambilan data dilakukan selama 3 hari dengan metode observasi. Data yang diperoleh kemudian dianalisis melalui beberapa langkah, yaitu menentukan distribusi peluang dari data dengan uji kebaikan suai (goodness of fit test) – chi square, menentukan model antrian, dan menentukan efektifitas proses pelayanan pelanggan dengan menghitung ukuran-ukuran kinerja dari model antrian. Dari hasil analisis diperoleh bahwa sistem antrian pada loket penjualan tiket kereta api Kaligung memiliki laju kedatangan yang berdistribusi Poisson, laju pelayanan yang berdistribusi general (umum), memiliki satu pelayan, dan kapasitas sistem serta sumber yang tak terbatas. Simpulan yang diperoleh dari hasil penelitian ini adalah sistem antrian pada loket penjualan tiket kereta api Kaligung di Stasiun Poncol Semarang mengikuti model (M/G/1/~/~). Proses pelayanan pelanggan berlangsung efektif dilihat dari kriteria rata-rata waktu pelayanan standar untuk kapasitas maksimal kereta selama kurun waktu pelayanan loket.
Model ARFIMA untuk analisis data kecepatan angin di bandara internasional Ahmad Yani Akbar, Mohammad Jefrie Ilham; Kharisudin, Iqbal
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.38037

Abstract

Penelitian ini bertujuan untuk pemodelan ARFIMA pada data kecepatan angin di Bandara Internasional Ahmad Yani dalam frekuensi harian. Pada penelitian ini dilakukan identifikasi long memory pada data kecepatan angin di Bandara Internasional Ahmad Yani yang memberikan hasil bahwa data diindikasikan mempunyai sifat long memory. Selanjutnya dilakukan pembentukan model ARFIMA(p,d,q) dengan menentukan nilai estimasi parameter menggunakan metode Geweke and Porter-Hudak (GPH) dan Rescaled Range Statistics (R/S). Model terbaik dipilih berdasarkan nilai AIC terkecil. Model terbaik untuk ARFIMA(p,d,q) dengan dGPH = 0,346 adalah model ARFIMA(0,d,[2]) dengan nilai AIC -1384,527. Model terbaik untuk ARFIMA(p,d,q) dengan dR/S = 0,224 adalah model ARFIMA(0,d,1) dengan nilai AIC -1385,62. Tingkat akurasi peramalan didasarkan pada nilai RMSE, MAE, dan MAPE. Nilai eror validasi peramalan model ARFIMA (0,d,[2]) dengan adalah RMSE 0,74966754, MAE 0,593468, dan MAPE 10,45511. Nilai eror pada validasi peramalan model ARFIMA(0,d,1) dengan adalah RMSE 0,7898162, MAE 0,6295811, dan MAPE 10,75531.
Analisis sentimen data ulasan menggunakan metode naive bayes studi kasus the Wujil Resort & Conventions pada situs tripadvisor Rahanto, Faris Febri; Kharisudin, Iqbal
Unnes Journal of Mathematics Vol 10 No 1 (2021)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v10i1.44683

Abstract

The tripadvisor site provides information on visitor reviews of The Wujil Resort & Conventions. Each visitor can provide a review in the form of criticism, suggestions, or ratings of the hotel. The number of incoming reviews, it requires a special technique to extract information from these reviews. This study aims to analyze the sentiment of the review data using the Naive Bayes Classifier method. Web scraping is used to get data online on website pages, namely collecting visitor review data for The Wujil Resort & Conventions. The process of classifying the review data will be carried out using machine learning using the Naive Bayes Classifier method. Furthermore, the classification results will be analyzed using the text mining method, the main concept is to carry out extensive exploration and extraction with a large and growing number of data. So that we find facts and information that are considered important and can be useful for various fields of purpose. The classification using the Naive Bayes method shows an accuracy rate of 76.6%. In general, with the text mining method, information is obtained that there are more visitors who give positive ratings than visitors who give negative ratings.
Analisis sentimen aplikasi gojek menggunakan support vector machine dan k nearest neighbor Muttaqin, Muhammad Nurul; Kharisudin, Iqbal
Unnes Journal of Mathematics Vol 10 No 2 (2021)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v10i2.48474

Abstract

Gojek merupakan perusahaan decacorn dari Indonesia yang berkembang sangat pesat. Dengan semakin banyaknya pengguna aplikasi Gojek membuat perusahaan harus senantiasa menjaga dan meningkatkan mutu pelayanannya. Analisis sentimen merupakan solusi untuk mengekstrak sebuah sumber informasi dalam bentuk teks dengan jumlah data yang besar dalam waktu yang singkat. Tujuan penelitian ini adalah melakukan klasifikasi pada ulasan Aplikasi Gojek menggunakan metode Support Vector Machine (SVM) dan K Nearest Neighbor (KNN). Sumber data terbaik untuk mendapatkan dataset dalam penelitian analisis sentimen adalah Google Playstore, dikarenakan data yang diperoleh lebih bersih dan tidak mengandung unsur iklan atupun promosi. Diperoleh hasil akurasi menggunakan Metode KNN dengan nilai K=22 memperoleh nilai akurasi, presisi, dan recall berturut-turut sebesar 82,14%, 82,28%, dan 95,43%, sedangkan metode SVM dengan kernel linear dan parameter C=1 memperoleh nilai akurasi, presisi, dan recall berturut-turut sebesar 87,98%, 88,55%, dan 95,43%. Dapat disimpulkan bahwa metode SVM melakukan klasifikasi dengan lebih baik dibandingkan metode KNN dalam melakukan analisis sentimen pada ulasan aplikasi Gojek di Google Playstore.
PEMODELAN HARGA SAHAM MENGGUNAKAN METODE LONG SHORT TERM MEMORY Jannatun Khustia Lubis; Iqbal Kharisudin
Unnes Journal of Mathematics Vol 11 No 2 (2022)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v11i2.59758

Abstract

Penelitian ini bertujuan untuk mengetahui peramalan harga saham PT XL Axiata Tbk, PT Indosat Tbk, dan PT Telkom Indonesia Tbk menggunakan Long Short Term Memory (LSTM) dan Automatic ARIMA (auto ARIMA) melalui program python. Data harga penutupan saham mulai tanggal 01 Januari 2015 sampai 31 Desember 2020 dibagi menjadi dua, yaitu 80% data training dan 20% data testing. Data diproses menggunakan masing-masing metode secara terpisah. Tahapan penelitian pada metode LSTM yaitu, data preprocessing, build model, model selection, dan peramalan. Paramater fokus pada metode LSTM yaitu jumlah epoch dan jumlah neuron. Tahapan penelitian pada metode auto ARIMA yaitu, data preparation, build model, dan peramalan. Setelah kedua data diramalkan, data dibandingkan dengan metriks akurasi MSE dan RMSE. Pada penelitian ini, disimpulkan bahwa metode auto ARIMA lebih baik dibandingkan dengan metode LSTM untuk meramalkan saham PT XL Axiata Tbk dan PT Telkom Indonesia Tbk, serta metode LSTM lebih baik dibandingkan dengan metode auto ARIMA untuk meramalkan saham PT Indosat Tbk.
Co-Authors achilla, Silky Achmad, Fariz Adi Nur Cahyono Akbar, Mohammad Jefrie Ilham Alfath, Maliki Alifatul Muyasaroh Amin Suyitno Anis Shihafiyatal Abida Anisa Rosdiana, Anisa Arief Agoestanto Arissinta, Insyiraah Oxaichiko Ashim, Muhammad Asih, Tri Sri Noor Astutiningtyas, Luthfiyah Aulia, Sabrina Aziz Ayu Andira Risnawati Aziiza Andanawarih Utoyo Bambang Eko Susilo Budi Waluya Dani, Muhamad Abdul Qodir Ditasari, Dwi Dian Dwijanto Dwijanto Ellya Masturina Hamid Emi Pujiastuti Faujiyah, Siti Fauzi, Fatkhurokhman Gunawan Gunawan Habibie, Zulqoidi R. Hardi Suyitno Iis Widya Harmoko Ikrimah, Annisa Isnarto Isnarto Iwan Junaedi Iwan Junaedi Iwan junaedi Jannatun Khustia Lubis Kartono Kartono , Kartono, Wardono Khoirunnisa, Farah Dina Korkor, Sarah Lavicza, Zsolt Lina Lutfiyana Luluk Ulfa Chasania Masri'an, Hera Masrukan Masrukan Miftahudin Moh Khubaib Tamami Mohammad Asikin Muhammad Ainuddin Daahiljabir Muhammad Ghozian Kafi Ahsan Muhammad Iqbal Muhammad Iqbal Mulyono Mulyono Mulyono Muna, Trimurtini, Nur Aizatun Mutik, Rossa Muttaqin, Muhammad Nurul Nike Yustina Oktaviani Noviana Dini Rahmawati Nur Fitrianingsih, Riska Nur Hasanah Nurfaidah Nurfaidah Nurhasanah, Rizki Ahid Nurkaromah Dwidayati, Nurkaromah Nurochmah, Yeni Nuryadi Nuryadi Pandi, Eunike Cantika Kusuma Petronela Ivoni Susantya Putri, Sanianajiba Nugroho Radika Widiatmaka Rahanto, Faris Febri Rahman, Alif Aulia Rahmawati, Rofiqo Rizki Ahid Nurhasanah Rochdi Wasono Rochmad Rochmad Ruamba, Marthinus Yohanes S B Waluya Safrudiannur Safrudiannur Sarah, Caecillia Rafika SB Waluya SB Waluya Scolastika Mariani Sebastianus Fedi St. Budi Waluya Sufah Iliya Manazila Sugiman Sugiman Sukestiyarno Sukestiyarno Sukestiyarno, Yulius Leonardus Supriyono Supriyono Sutrisno, Hendrik Tiani Wahyu Utami Tsania Rahma Azzahra Utami, Mira Dwi Utoyo, Aziiza Andanawarih Vera Dewi Susanti Vera Dewi Susanti Wahyu Arif Setyo Pambudi Wahyu Nur Annisa Wahyu Nur Annisa Walid Walid Walid, Walid Wardono Wardono Wardono Wijaya, Galih Kusuma Y. L. Sukestiyarno YL Sukerstriyarno YL Sukestiyarno YL Sukestriyarno Zaenuri Zaenuri M Zaenuri Mastur Zaenuri Zaenuri Zikir, Al Zulkardi