Article Per Year (5 Year)
p-Index From 2021 - 2026
0.882
P-Index
This Author published in this journals
All Journal Wahana Matematika dan Sains Epsilon: Jurnal Matematika Murni dan Terapan Jurnal KARISMATIKA Numeracy : Jurnal Ilmiah Pendidikan Matematika Jurnal Fibonaci: Jurnal Pendidikan Matematika EduMatika: Jurnal MIPA JS (Jurnal Sekolah)
Hanna Dewi Marina Hutabarat
Universitas Negeri Medan
Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Education Languange, Linguistic, Communication & Media Mathematics Physics Social Sciences Transportation Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
MENENTUKAN SUBGRAF BICLIQUE MAKSIMAL DENGAN PASANGAN POLA TERTUTUP PADA GRAF KNESER Hanna Dewi Marina Hutabarat
KARISMATIKA: Kumpulan Artikel Ilmiah, Informatika, Statistik, Matematika dan Aplikasi Vol 1, No 2 (2015): Karismatika
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/jmk.v1i2.17083

Abstract

ABSTRAKSubgraf biclique maksimal, sering juga disebut sebagai subgraf bipartisi komplit maksimal dapat dimodelkan ke banyak aplikasi dari banyak bidang ilmu.  Dari hubungan antara subgraf biclique maksimal dengan pola tertutup dari suatu matriks adjacency pada graf tidak berarah dan tanpa lup G diperoleh : (1). Banyak pola tertutup pada matriks adjacency G adalah genap; dan (2). Banyak dari pola tertutup adalah tepat dua kali banyak subgraf biclique maksimal dari G. Pada graf khusus seperti halnya graf Kneser terdapat pola khusus sehingga bisa ditentukan jumlah subgraf biclique maksimalnya. Subgraf biclique maksimal dari graf Kneser dapat ditentukan dengan pola tertutup dari matriks adjacencynya.Kata kunci : Subgraf biclique maksimal, graf Kneser, pola tertutup.
MENENTUKAN SUBGRAF BICLIQUE MAKSIMAL DENGAN PASANGAN POLA TERTUTUP DARI MATRIKS ADJACENCY Hanna Dewi Marina Hutabarat
Jurnal Numeracy Vol 1 No 2 (2014)
Publisher : Program Studi Pendidikan Matematika, Universitas Bina Bangsa Getsempena

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (664.606 KB) | DOI: 10.46244/numeracy.v1i2.126

Abstract

Subgraf biclique maksimal, sering juga disebut sebagai subgraf bipartisi komplit maksimal dapat dimodelkan ke banyak aplikasi dari banyak bidang ilmu. Dari hubungan antara subgraf biclique maksimal dengan pola tertutup dari suatu matriks adjacency pada graf tidak berarah dan tanpa lup G diperoleh : (1). Banyak pola tertutup pada matriks adjacency G adalah genap; dan (2). Banyak dari pola tertutup adalah tepat dua kali banyak subgraf biclique maksimal dari G. Dilakukan juga perbandingan hasil dari proses pencarian maksimal biclique subgraf dengan pola tertutup pada matriks adjacency dengan hasil yang dilakukan dengan algoritma konsensus.
DETERMINAN GRAF KNESER Hanna Dewi Marina Hutabarat
JS (JURNAL SEKOLAH) Vol 4, No 3: Juni 2020
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (609.132 KB) | DOI: 10.24114/js.v4i3.18862

Abstract

Abstract : Determinat of Kneser Graph. Kneser Graph is kind of simple graph with no loop and no parallel edge. Kneser Graphs could be present with matrix. In this article, we will discuss about Kneser Graph, how to present  it with adjacency matrix, the determinant of the matrix. We will show that the determinant of the adjacency matrix is always zero. Using cornice determinant, the determinant of Kneser Graphs matrix could counting more easily for nxn matrix with n>4.Keywords : Kneser Graphs, Adjacency Matrix, Determinant.Abstrak : Determinan Graf Kneser. Graf Kneser merupakan graf sederhana karena tidak memiliki lup dan tidak memiliki sisi parallel. Graf Kneser dapat disajikan dalam bentuk matriks. Dalam artikel ini, akan dibahas tentang graf Kneser, penyajiannya dalam matriks ketetanggaan dan determinan dari matriks tersebut. Akan ditunjukkan bahwa determinan dari matriks ketetanggaan sebuah graf Kneser selalu nol. Pencarian determinan graf kneser menggunakan metode cornice determinan, dimana metode ini diperuntukkan untuk  yang merupakan metode tercepat dalam pencarian determinan matriks. Hal ini dikarenakan graf kneser yang cenderung memiliki titik yang banyak.Kata kunci : Graf Kneser, Matriks Ketetanggaan, Determinan
KLASTERISASI GAYA BELAJAR MAHASISWA MATEMATIKA DENGAN FUZZY C-MEANS BERBASIS ATRIBUT VARK DAN HONEY-MUMFORD Didi Febrian; Hanna Dewi Marina Hutabarat; Philips Pasca G Siagian
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 20, No 1 (2026)
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/epsilon.v20i1.17463

Abstract

Identifying student learning-style profiles is important for designing more adaptive instruction. However, prior studies on learning styles have mostly remained descriptive or correlational, while clustering-based mapping that integrates the VARK and Honey-Mumford models is still limited, particularly for Mathematics Study Program students. This study aimed to map student learning-style profiles using the Fuzzy C-Means (FCM) algorithm based on eight dimensions: Visual, Auditory, Read/Write, Kinesthetic, Activist, Reflector, Theorist, and Pragmatist. This study employed a descriptive quantitative approach involving 168 students of the Mathematics Study Program, FMIPA Universitas Negeri Medan. Data were collected through an online questionnaire; scores on the eight dimensions were averaged and combined as the input attributes for clustering. Cluster validity was evaluated using the Partition Coefficient (PC), Partition Entropy (PE), and Modified Partition Coefficient (MPC). The validity indices indicated that the two-cluster solution produced the best numerical values; however, the three-cluster solution was retained because it yielded more interpretable and less redundant profiles. For the three-cluster model, the values obtained were PC = 0.5222, PE = 0.8147, and MPC = 0.2834. The clustering results produced three profiles: Adaptive Multimodal (35.1%), Passive Kinesthetic (24.4%), and Practical Auditory (40.5%). These findings indicate that most students tend to learn more effectively through a combination of listening and direct practice.
Pengembangan Bahan Ajar Berbasis Aplikasi R Dalam Penerapan OBE Untuk Meningkatkan Kemampuan Computational Thinking Berdasarkan Gender Katrina Samosir; Erlinawaty Simanjuntak; Hanna Dewi Marina Hutabarat
Jurnal Fibonaci: Jurnal Pendidikan Matematika Vol. 6 No. 1 (2025): Jurnal Fibonaci: Jurnal Pendidikan Matematika
Publisher : Prodi Pendidikan Matematika FMIPA Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/jfi.v6i1.66353

Abstract

Penelitian ini bertujuan untuk mengembangkan bahan ajar digital berbasis aplikasi R yang mendukung penerapan pendekatan Outcomes-Based Education (OBE) dalam pembelajaran mata kuliah Metode Statistika. Fokus utama penelitian ini adalah peningkatan kemampuan computational thinking mahasiswa dengan mempertimbangkan perbedaan gender. Model pengembangan yang digunakan adalah Research and Development oleh Lee & Owens yang meliputi tahap analisis kebutuhan, perancangan instruksional, pengembangan multimedia, dan evaluasi. Penelitian dilakukan pada mahasiswa Jurusan Matematika Universitas Negeri Medan pada semester genap 2023/2024. Hasil penelitian menunjukkan bahwa e-book interaktif yang dikembangkan valid, praktis, dan efektif dalam meningkatkan keterampilan berpikir komputasional. Selain itu, data survei menunjukkan bahwa mahasiswa cenderung lebih menyukai bahan ajar digital, dengan wanita menunjukkan tingkat keterlibatan teknologi yang lebih tinggi dibandingkan pria. Analisis juga mengindikasikan bahwa ilustrasi, visualisasi, dan perangkat lunak memainkan peran penting dalam meningkatkan pemahaman konsep kompleks. Temuan ini menegaskan pentingnya pengembangan bahan ajar yang responsif terhadap karakteristik gender dan kebutuhan pembelajaran berbasis capaian. 
Analisis Spasial Persebaran, Kepadatan, dan Pola Distribusi Rumah Sakit di DKI Jakarta Tahun 2022 Menggunakan Pendekatan ESDA pada Tingkat Kecamatan Femi Ezrani Sianturi; Febi Hijriana; Kartini Bago; Nur Maulydia Rizky; Raihan Riyadi Siregar; Vincencia Cahyani Pandiangan; Hanna Dewi Marina Hutabarat
Wahana Matematika dan Sains: Jurnal Matematika, Sains, dan Pembelajarannya Vol. 20 No. 1 (2026): April 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/wms.v20i1.113514

Abstract

Pemerataan fasilitas kesehatan merupakan faktor penting dalam mendukung kesejahteraan masyarakat. Penelitian ini bertujuan untuk menganalisis persebaran, kepadatan, dan pola distribusi rumah sakit di DKI Jakarta tahun 2022 menggunakan pendekatan Exploratory Spatial Data Analysis (ESDA) pada tingkat kecamatan. Data yang digunakan meliputi lokasi rumah sakit, batas administrasi, dan jumlah penduduk. Analisis dilakukan menggunakan statistik deskriptif, perhitungan densitas, serta metode Kernel Density Estimation (KDE), Nearest Neighbor Analysis (NNA), dan uji autokorelasi spasial Moran’s I serta LISA. Hasil penelitian menunjukkan bahwa distribusi rumah sakit masih belum merata dan cenderung terkonsentrasi di wilayah tertentu. Pola distribusi yang terbentuk bersifat mengelompok dan tidak acak, serta masih terdapat wilayah dengan keterbatasan akses layanan kesehatan. Temuan ini menunjukkan adanya ketimpangan dalam penyediaan fasilitas kesehatan yang perlu menjadi perhatian dalam upaya pemerataan layanan.
Penerapan Model Regresi Spasial pada Data Tingkat Pengangguran Terbuka di Seluruh Provinsi Indonesia Naomi Sitompul; Riris Apriani Simarmata; Angelica Carolina Tambunan; Aura Patresia Naibaho; Lirana Sapriani Gulo; Muhammad Fazra; Hanna Dewi Marina Hutabarat
Wahana Matematika dan Sains: Jurnal Matematika, Sains, dan Pembelajarannya Vol. 20 No. 1 (2026): April 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/wms.v20i1.113559

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh Upah Minimum Provinsi (UMP) dan Indeks Pembangunan Manusia (IPM) terhadap Tingkat Pengangguran Terbuka (TPT) di seluruh provinsi Indonesia tahun 2024 menggunakan pendekatan regresi spasial. Data sekunder diperoleh dari Kemnaker dan BPS tahun 2024, mencakup 38 provinsi dengan data spasial berbasis shapefile dari LapakGIS. Metode analisis yang digunakan meliputi uji autokorelasi spasial dengan Indeks Moran's I, matriks pembobotan spasial berbasis k-nearest neighbor (KNN), serta perbandingan tiga model regresi: Ordinary Least Squares (OLS), Spatial Autoregressive Model (SAR), dan Spatial Error Model (SEM). Hasil pengujian Moran's I menunjukkan tidak adanya autokorelasi spasial yang signifikan pada data TPT (p-value = 0,1202 pada k = 2), sehingga model OLS terpilih sebagai model terbaik berdasarkan nilai AIC terendah dan R² sebesar 29,26%. Hasil estimasi OLS menunjukkan bahwa UMP berpengaruh positif dan signifikan terhadap TPT (p = 0,0013), mengindikasikan bahwa kenaikan upah minimum cenderung meningkatkan angka pengangguran melalui mekanisme efisiensi tenaga kerja oleh pelaku usaha. Sementara itu, IPM menunjukkan pengaruh positif yang tidak signifikan secara statistik. Implikasi penelitian ini menegaskan perlunya kebijakan penetapan upah minimum yang mempertimbangkan daya serap tenaga kerja secara sektoral, agar tidak kontraproduktif terhadap upaya penurunan pengangguran di Indonesia.
Mapping of District-Based Poverty Levels Using Spatial Analysis in Medan City Feyza Zaki Nandana; Christiani Joice Siallagan; Laura Annisa Purba; Elang Putri Sekar Arum; Brian Hardiwan Gea; Hanna Dewi Marina Hutabarat
EduMatika: Jurnal MIPA Vol. 6 No. 2 (2026): EduMatika: Jurnal MIPA
Publisher : Lembaga Riset Mutiara Akbar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56495/emju.v6i2.1596

Abstract

This study aims to map poverty levels based on sub-districts in the City of Medan using a descriptive quantitative approach and spatial analysis. The data used consists of population numbers, the number of poor people, and poverty percentages in 21 sub-districts in 2023, obtained from the Medan City BPS. Analysis was conducted through descriptive statistics, Natural Breaks (Jenks) classification, and choropleth map visualization. The results of the study show that the average poverty level in Medan City is 10.10% with a clear spatial clustering pattern. Northern areas such as Medan Belawan, Medan Labuhan, Medan Marelan, and Medan Deli have high to very high poverty levels, while central and southern areas tend to be lower. These findings indicate spatial disparities between regions and can serve as a basis for more targeted poverty alleviation policies.
Co-Authors Angelica Carolina Tambunan Aura Patresia Naibaho Brian Hardiwan Gea Christiani Joice Siallagan DIdi Febrian Elang Putri Sekar Arum Erlinawaty Simanjuntak Febi Hijriana Femi Ezrani Sianturi Feyza Zaki Nandana Kartini Bago Katrina Samosir Laura Annisa Purba Lirana Sapriani Gulo Muhammad Fazra Naomi Sitompul Nur Maulydia Rizky Philips Pasca G Siagian Raihan Riyadi Siregar Riris Apriani Simarmata Vincencia Cahyani Pandiangan