Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Matematika: Jurnal Teori dan Terapan Bandung Conference Series: Mathematics
M. Yusuf Fajar
Unknown Affiliation
Education Mathematics Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Program Linear Multi-Objective dengan Fixed-Weight Method Fhani Mulyani Zenis; M. Yusuf Fajar; Yani Ramdani
Matematika Vol 14, No 1 (2015): Jurnal Matematika
Publisher : Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jmtm.v14i1.2498

Abstract

Program linear multi-objective merupakan pengembangan dari program linear biasa yang banyak digunakan dalam persoalan Program Linear yang memiliki fungsi tujuan lebih dari satu dan akan dioptimalkan secara bersamaan. Pada umumnya, masalah optimasi di dunia nyata memiliki multi-objective yang diselesaikan secara simultan dan seringkali fungsi-fungsi tersebut saling bertentangan. Untuk memformulasikan Program Linear Multi-Objective ke dalam bentuk persoalan Program Linear digunakan fixed-weight method yang melalui cara pembobotan. Formula umum diperoleh dari Dinas Pertanian dan Tanaman Pangan Provinsi Jawa Barat. Program Linear diselesaikan dengan Metode Simpleks sehingga diperoleh solusi optimum dengan nilai masing-masing variabelnya. Berdasarkan hasil informasi dari staf ahli di Dinas Pertanian dan Tanaman Pangan Provinsi Jawa Barat, diperoleh nilai dan . Sehingga, fungsi tujuan tunggal memiliki formula Maksimumkan . Dengan menggunakan Metode Simpleks, memperoleh hasil yaitu Luas lahan untuk komoditas padi seluas 70.883,60 hektar, luas lahan untuk komoditas kacang tanah seluas 4.448,70 hektar, dan luas lahan untuk komoditas jagung seluas 9.992,70 hektar. Sedangkan keuntungan yang optimal dari pola tanam tersebut adalah sebesar 886.618,1 juta rupiah.
Faktor Penghambat Transmisi Data Pada Jaringan TCP/IP Erwin Harahap; Farid H. Badruzzaman; M. Yusuf Fajar
Matematika Vol 7, No 1 (2008): Jurnal Matematika
Publisher : Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jmtm.v7i1.2520

Abstract

Jaringan komputer adalah terhubungnya dua komputer atau lebih melalui suatu media untuk mencapai suatu tujuan tertentu. Saat ini jaringan komputer merupakan salah satu solusi untuk meningkatkan efisiensi kerja dimana suatu pekerjaan dapat diselesaikan secara bersama-sama dalam satu satuan waktu. Kecepatan akses data merupakan salah satu faktor terpenting pada kestabilan kinerja jaringan. Seringkali kinerja jaringan terganggu atau tidak efektif bahkan cenderung merugikan pada saat menurunnya kecepatan kinerja sistem. Penurunan ini bisa disebabkan oleh beberapa faktor, diantaranya adalah sistem yang bekerja pada tiap komputer, sistem pengkabelan, mekanisme pemasangan router dan hal lainnya yang mungkin menjadi penghambat kinerja jaringan. Dengan demikian, diperlukan suatu metode untuk memastikan faktor penghambat jaringan, sehingga dapat dilakukan langkah-langkah efektif dalam meningkatkan kinerja jaringan.Kata kunci : lan/wan, jaringan, tcp/ip
Metoda Iteratif Pada Permasalahan Menara Hanoi Erwin Harahap; Farid H Badruzzaman; M. Yusuf Fajar
Matematika Vol 6, No 1 (2007): Jurnal Matematika
Publisher : Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jmtm.v6i1.3370

Abstract

Berikut ini merupakan suatu telaah mengenai kasus teka-teki yang dikenal dengan nama Menara Hanoi yang dikemukakan oleh Eduard Lucas, seorang ahli matematika Perancis pada tahun 1883. Teka-teki ini berdasarkan pada legenda tentang Menara Brahma yang memiliki tiga tiang dan 64 cakram terpasang pada salah satu tiang. Ide utama pemecahan kasus teka-teki ini adalah menentukan banyaknya langkah yang diperlukan untuk memindahkan 8 cakram pada teka-teki Lucas, dari tiang satu ke tiang lainnya dengan aturan bahwa cakram dengan ukuran yang lebih kecil tidak boleh ditempatkan pada cakram yang berukuran lebih besar. Solusi akhir dari pemecahan kasus ini adalah diperoleh pola tertutup untuk menentukan banyaknya langkah pemindahan cakram.Kata kunci: menara hanoi; relasi berulang; rekursif.
Program Tujuan Ganda Dengan Metoda Goal Programming M. Yusuf Fajar; Farid Hirji Badruzzaman
Matematika Vol 4, No 1 (2005): Jurnal Matematika
Publisher : Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jmtm.v4i1.4557

Abstract

Dalam kehidupan sehari-hari baik dalam perencanaan perusahaan, perencanaan tata kota ataupun dalam bidang lain, umumnya mempunyai tujuan ganda. Makalah ini membahas masalah yang berkaitan apabila pengambil keputusan dihadapkan pada persoalan yang mengandung beberapa tujuan sebagai target dan sasaran, maka formulasi  yang tepat untuk itu adalah program tujuan ganda. Program tujuan ganda dapat diselesaiakan dengan goal programming. Dalam program tujuan ganda berusaha untuk meminimumkan deviasi dari berbagai tujuan, sasaran, atau target yang telah ditetapkan. Dari pembahasan terlihat bahwa diantara fungsi tujuan terjadi konplik, artinya tercapainya target suatu fungsi tujuan akan berakibat buruk pada fungsi tujuan lainnya. Hal ini tergantung dari pembobot yang diberikan
Implementasi Convolutional Neural Network dalam Mengenali Image Angka Tulisan Tangan Andara Najla Jilan; M. Yusuf Fajar; Erwin Harahap
Bandung Conference Series: Mathematics Vol. 4 No. 1 (2024): Bandung Conference Series: Mathematics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcsm.v4i1.15334

Abstract

Abstract. Advances in information technology and artificial intelligence, particularly in the field of machine learning, have had a significant impact on various aspects of daily life. Machine learning's ability to learn from data and experience, identify patterns, make decisions, and even perform tasks previously only possible for humans, has revolutionized numerous industries. Within the realm of machine learning, deep learning stands out as a prominent approach. Deep learning employs artificial neural networks with intricate structures to comprehend and process data. One popular deep learning algorithm is the Convolutional Neural Network (CNN). CNNs have found extensive applications, especially in image recognition tasks. By leveraging CNNs, computers can accurately identify objects and patterns within images. The deep learning process underlying CNNs involves complex mathematical computations. It begins with feature extraction to maximize the significance of features from images, which are transformed into matrices. Subsequently, the available data is trained to develop a highly accurate CNN model. This research delves into the mathematical underpinnings of how deep learning, specifically using CNN algorithms, can recognize handwritten digit images. The employed CNN algorithm achieves an impressive accuracy of 99% in recognizing handwritten digit images. Abstrak. Perkembangan teknologi informasi dan kecerdasan buatan, terutama dalam bidang machine learning, telah memiliki dampak signifikan pada berbagai aspek kehidupan sehari-hari. Kemampuan machine learning memungkinkan komputer untuk belajar dari data dan pengalaman, mengidentifikasi pola, membuat keputusan, dan bahkan melakukan tugas-tugas yang sebelumnya hanya bisa dilakukan oleh manusia.Dalam dunia machine learning, terdapat salah satu pendekatan yaitu deep learning. Deep learning adalah artificial intelligence yang menggunakan neural networks dengan struktur yang lebih kompleks untuk memahami dan memproses data. Salah satu algoritma deep learning yang populer adalah Convolutional Neural Network (CNN). CNN telah digunakan dalam berbagai permasalahan, terutama dalam permasalahan mengenai pengenalan image. Penggunaan CNN memungkinkan komputer untuk mengenali objek dan pola dalam gambar dengan akurasi yang tinggi. Proses deep learning yang terjadi di dalam algoritma CNN merupakan perhitungan matematika. Diawali dari proses feature extraction untuk memaksimalkan fitur-fitur penting dari image yang sudah diubah menjadi matriks dan melatih data yang ada hingga didapatkan model dengan algoritma CNN berakurasi tinggi. Penelitian ini berfokus pada bagaimana deep learning dengan menggunakan algoritma CNN dapat mengenali image angka tulisan tangan. Algoritma CNN yang digunakan dapat menghasilkan model berakurasi 99% dalam mengenali image angka tulisan tangan.
Co-Authors Andara Najla Jilan Erwin Harahap Erwin Harahap Farid H Badruzzaman Farid H. Badruzzaman Farid Hirji Badruzzaman Fhani Mulyani Zenis Yani Ramdani