Article Per Year (5 Year)
p-Index From 2021 - 2026
3.764
P-Index
This Author published in this journals
All Journal BIMASTER ComTech: Computer, Mathematics and Engineering Applications GERVASI: Jurnal Pengabdian kepada Masyarakat JUDIKA (JURNAL PENDIDIKAN UNSIKA) Jurnal Matematika UNAND Jurnal Pengabdian kepada Masyarakat Nusantara Tensor: Pure and Applied Mathematics Journal Jurnal Abdimas Bina Bangsa Jurnal Eurekamatika
NUR’AINUL MIFTAHUL HUDA
Universitas Tanjungpura
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Pelatihan Pembuatan Ujian Online dengan Memanfaatkan Google Form untuk MGMP Matematika SMP Kabupaten Kubu Raya Meliana Pasaribu; Evi Noviani; Yundari Yundari; Mariatul Kiftiah; Helmi Helmi; Nilamsari Kusumastuti; Bayu Prihandono; Yudhi Yudhi; Fransiskus Fran; Nur’ainul Miftahul Huda
GERVASI: Jurnal Pengabdian kepada Masyarakat Vol 6, No 3 (2022): GERVASI: Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/gervasi.v6i3.4070

Abstract

Pendidikan di era industri 4.0 dituntut untuk merespons kebutuhan revolusi industri dengan penyesuaian kurikulum baru, yakni kurikulum yang mampu membuka jendela dunia dengan memanfaatkan internet of things (IoT). Tersedianya teknologi yang mudah untuk digunakan, murah, serta didukung oleh koneksi internet yang stabil menjadi penunjang pendidikan. Salah satu perangkat lunak yang mudah diakses, tidak berbayar, mudah untuk digunakan, serta sederhana dalam pengoperasiannya adalah Google Form. Namun, beberapa guru mengalami kesulitan saat menyusun soal matematika yang memuat persamaan, fungsi dan grafik. Oleh karena itu melalui pelatihan ini diharapkan mampu memperkenalkan dan memberikan informasi kepada guru terkait pembuatan soal ujian matematika dengan menggunakan Google Form dengan extension EquatIO. Pelaksanaan pembuatan soal ujian online dengan memanfaatkan Google Form dimulai dengan pemaparan tentang persiapan Google Form menjadi Form Ujian, dilanjutkan dengan Pelatihan pembuatan/penginputan soal ujian Matematika. Berdasarkan hasil evaluasi sebagian besar peserta mengalami peningkatan nilai yang cukup signifikan dari pre-test dan posttest. Selain itu, berdasarkan hasil survey tanggapan, para peserta merasa puas dan berharap kegiatan pelatihan serupa selalu dilaksanakan secara berkelanjutan.
Pelatihan Akurasi Visualisasi Grafik Menggunakan Aplikasi Desmos untuk MGMP Matematika SMP dan SMA Kubu Raya Bayu Prihandono; Yundari Yundari; Nilamsari Kusumastuti; Yudhi Yudhi; Mariatul Kiftiah; Meliana Pasaribu; Nur’ainul Miftahul Huda; Fansiskus Fran; Helmi Helmi; Evi Novian
GERVASI: Jurnal Pengabdian kepada Masyarakat Vol 6, No 3 (2022): GERVASI: Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/gervasi.v6i3.4318

Abstract

Pelatihan ini bertujuan mengenalkan aplikasi matematika berbasis internet kepada guru-guru MGMP Matematika sehingga dapat meningkatkan kemampuan penggunaan software matematika untuk menunjang proses pembelajaran dan penelitian bagi guru-guru matematika. Kegiatan ini dilaksanakan dari bulan Mei hingga Juni 2022 dengan tahapan meliputi perencanaan, pelaksanaan dan evaluasi. Pelatihan dilaksanakan di ruang konferensi Hotel Mercure Pontianak. Metode yang digunakan dalam pelatihan ini adalah ceramah, demonstrasi dan diskusi. Agar dapat mengikuti pelatihan dengan baik, peserta diberikan modul pelatihan yang telah disiapkan oleh nara sumber. Melalui kegiatan ini guru-guru diberikan pengetahuan untuk mengoperasikan dan memanfaatkan aplikasi DESMOS sebagai media pembelajaran. Tingkat keberhasilan pelatihan diukur dari nilai pre-test dan posttest yang diberikan pada 50 peserta yang hadir. Hasil pengabdian menunjukkan bahwa terdapat peningkatan guru dalam menggunakan software matematika dalam menunjang proses pembelajaran dan penelitian matematika
Pelatihan Visualisasi Materi Ajar Matematika dengan Geogebra untuk Mahasiswa Pendidikan Matematika STKIP Pamane Talino Landak Fransiskus Fran; Mariatul Kiftiah; Meliana Pasaribu; Yudhi Yudhi; Nur’ainul Miftahul Huda; Helmi Helmi; Evi Noviani; Yundari Yundari; Nilamsari Kusumastuti; Bayu Prihandono
GERVASI: Jurnal Pengabdian kepada Masyarakat Vol 6, No 2 (2022): GERVASI: Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/gervasi.v6i2.3261

Abstract

Penggunaan media pembelajaran berbasis teknologi sangat mendukung proses pembelajaran di masa pandemi. Pada kegiatan ini diberikan pelatihan visualisasi materi ajar matematika untuk mahasiswa pendidikan matematika STKIP Pamane Talino Landak menggunakan software GeoGebra. Pelatihan bertujuan untuk memberikan pengetahuan dan melatih skill penggunaan software matematika untuk menunjang perkuliahan dan bekal setelah lulus bagi mahasiswa. Tahapan kegiatan meliputi perencanaan, pelaksanaan dan evaluasi. Pelatihan pada kegiatan ini dilaksanakan secara daring menggunakan aplikasi Zoom Meeting. Metode yang digunakan dalam pelatihan ini adalah ceramah, demonstrasi dan diskusi. Selain itu, peserta juga diberikan modul pelatihan, sehingga setelah pelatihan peserta diharapkan dapat mengembangkan penggunaan pada materi lainnya yang terkait. Melalui kegiatan ini mahasiswa diberikan bekal untuk mengoperasikan, menggunakan dan memanfaatkan aplikasi open source GeoGebra sebagai media pembelajaran. Sedangkan untuk mengukur tingkat keberhasilan pelatihan, diberikan pre-test dan posttest pada 64 peserta yang hadir. Berdasarkan uji statistik sederhana yang digunakan yaitu paired sample t-test, dapat disimpulkan bahwa, terdapat perbedaan (kenaikan) nilai pre-test ke posttest. Hal ini berarti adanya peningkatan pengetahuan mahasiswa setelah dilakukannya pelatihan.
Pemodelan STARIMA(1,1,1) pada Log Sinar Gamma Laurens Paskhia Dirda Rusanditia; Yundari Yundari; Nur’ainul Miftahul Huda
Jurnal EurekaMatika Vol 10, No 2 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i2.52896

Abstract

The lowest rock layer can indicate the earliest period, while the top rock layer can suggest the most recent era. Backcasting, or the prediction of past rock strata, is crucial because it can make drilling operations more cost-, time-, and labor-effective. The objective of this research is to investigate the Space-time Autoregressive Integrated Moving Average (STARIMA) model and apply the STARIMA (1,1,1) model to predict and identify the rock strata. The research process begins with calculating the location weights and parameter estimates. Furthermore, the STARIMA (1,1,1) modeling was carried out on the in-sample data with the parameter estimates that have been obtained. Then the residuals in the model were tested to see the assumptions obtained. After that, predictions were made to obtain the gamma-ray log value for the previous 5 depths. The study's findings indicate that there is a large with the RMSE measuring average values of 21.15 and 32.87, respectively. The smallest gamma ray log value obtained from the prediction results from a depth of 96 m to 96.8 m is 11.5666 API and the largest is 26.1699 API. Overall, the results of the prediction indicate that the rock layers contain coal.Keywords: Backcasting, Gamma Ray Log, Rock Layer.AbstrakLapisan batuan terendah dapat menyatakan waktu tertua dan lapisan batuan tertinggi dapat menyatakan waktu yang lebih muda. Prediksi terhadap lapisan batuan lebih tua (backcasting) menjadi penting karena dapat membantu kegiatan pemboran agar efektif dan efisien dalam waktu, tenaga dan biaya. Tujuan dari penelitian ini adalah mengkaji model Space-time Autoregressive Integrated Moving Average (STARIMA) dan mengaplikasikan model STARIMA(1,1,1) pada data log sinar gamma untuk memprediksi dan mengidentifikasi lapisan batuan. Proses penelitian ini diawali dengan menghitung bobot lokasi dan estimasi parameter. Selanjutnya dilakukan pemodelan STARIMA(1,1,1) pada data in-sample dengan estimasi parameter yang telah diperoleh. Kemudian residual pada model tersebut diuji untuk melihat asumsi yang didapat. Setelah itu, prediksi dilakukan untuk memperoleh nilai log sinar gamma untuk 5 kedalaman sebelumnya. Hasil dari penelitian ini adalah data in-sample dan out-sample menunjukkan terdapat galat yang cukup besar dengan nilai ukur RMSE sebesar 21,15 dan 32,87. Diperoleh nilai log sinar gamma terkecil pada hasil prediksi dari kedalaman 96 m hingga 96,8 m adalah 10,3460 API dan terbesar adalah 26,1699 API. Secara keseluruhan, hasil prediksi menunjukkan terdapat kandungan batubara pada lapisan batuannya.
Pelatihan Pengoptimalan Pembuatan Media Pembelajaran Menggunakan Aplikasi Powtoon Nurainul Mifahul Huda; Yudhi; Fransiskus Fran; Helmi; Meliana Pasaribu; Yundari; Bayu Prihandono; Nilamsari Kusumastuti; Mariatul Kiftiah; Evi Noviani
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 3 No. 2.1 Desember (2022): SPECIAL ISSUE
Publisher : Cv. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (608.626 KB)

Abstract

Pandemi Covid-19 yang saat ini melanda Indonesia memberikan tantangan yang cukup berat di dunia pendidikan. Kegiatan belajar mengajar yang selama ini dilakukan dengan tatap muka secara langsung di sekolah harus berubah menjadi kegiatan belajar mengajar yang dilakukan secara online. Beberapa aktivitas pendidikan yang dilaksanakan secara online diantaranya aktivitas belajar mengajar. Media pembelajaran yang dapat digunakan dalam pembelajaran online yaitu media pembelajaran Powtoon yang dapat membuat peserta didik tidak bosan dalam pembelajaran karena aplikasi web ini memiliki banyak fitur yang menarik. aplikasi web ini juga mempunyai fitur-fitur yang menarik dan memiliki banyak manfaat sehingga dapat memudahkan system pembelajaran. Oleh karena itu, aplikasi Powtoon dapat menjadi solusi media pembelajaran yang digunakan pada masa pandemi Covid-19. Oleh karena itu dengan adanya Kegiatan PKM Pelatihan Pengoptimalan Pembuatan Media Pembelajaran menggunakan Aplikasi Powtoon diharapkan mampu memperkenalkan dan memberikan informasi kepada guru giru terkait Powtoon. Pelaksanaan pengoptimalan pembuatan media pembelajaran menggunakan Powtoon dimulai dengan pretest kemudian pemaparan tentang konsep pengenalan dan penggunaan aplikasi Powtoon secara luring di SMP Negeri 5 Pontianak. Kegiatan dilanjutkan dengan Pelatihan pembuatan media pembelajaran. Setelah kedua sesi tersebut dilaksanakan sesi Tanya jawab. Evaluasi dilakukan setelah kegiatan pelatihan, para guru diminta untuk membuat media pembelajaran sesuai dengan mata pelajaran yang diampu dan mengerjakan soal posttest. Selanjutnya dilakukan monitoring terhadap pelaksanaan pelatihan pembuatan media pembelajaran menggunakan aplikasi Powtoon. Selain itu juga dilakukan survey tanggapan kepada guru-guru terkait tanggapan mereka tentang pelatihan yang dilakukan oleh Program Studi Matematika FMIPA UNTAN dan survey Webqual 4.0 terhadap aplikasi Powtoon. Hasil kuisioner dianalisis dan diambil kesimpulan sebagai bahan pertimbangan untuk kegiatan PKM yang akan datang.
PREDIKSI HARGA SAHAM MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DENGAN INNOVATIONAL OUTLIER Theresia Resi Trydini; Helmi Helmi; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i1.61975

Abstract

Data harga saham merupakan salah satu data deret waktu yang dapat diprediksi dengan model Autoregressive Integrated Moving Average (ARIMA). Harga saham berfluktuasi setiap harinya karena dipengaruhi oleh berbagai faktor. Data yang berfluktuasi secara ekstrim seringkali menimbulkan outlier sehingga perlu dilakukan deteksi outlier untuk mendapat analisis yang lebih baik. Pada analisis ini dilakukan deteksi outlier dengan prosedur iteratif  pada model ARIMA. Data yang digunakan merupakan data harga saham PT. Aneka Tambang Tbk mulai dari 2 Januari 2020 hingga 6 Januari 2021. Tujuan dari analisis ini adalah melakukan pemodelan ARIMA dengan faktor outlier pada data harga saham serta memprediksi harga saham. Langkah awal proses analisis yaitu memodelkan ARIMA melalui data in-sample dan menentukan residual.  Selanjutnya dilakukan deteksi outlier berdasarkan residual dengan prosedur iteratif. Kemudian outlier yang terdeteksi ditambahkan pada model ARIMA. Prosedur iteratif akan berhenti ketika |λT| < C  yang artinya tidak ada lagi outlier yang terdeteksi, dengan λT sebagai parameter deteksi outlier dan C adalah konstanta. Hasil dari analisis ini adalah model ARIMA (1,1,0) dengan penambahan 11 outlier tipe Innovational Outlier (IO). Berdasarkan analisis yang dilakukan dapat disimpulkan model ARIMA dengan penambahan 11 outlier adalah model peramalan terbaik dengan nilai AIC sebesar -4086,35 dan nilai MAPE sebesar 7,30%. Oleh karena itu, nilai harga saham PT Aneka Tambang Tbk untuk lima hari kedepan diprediksi menggunakan model ARIMA dengan IO. Kata Kunci : ARIMA, outlier, innovational outlier
PENERAPAN MODEL DCC-MGARCH PADA DATA RETURN KURS JUAL DOLAR DAN YUAN Fahiza Syanaya; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i1.63004

Abstract

Kurs merupakan nilai tukar harga mata uang suatu negara terhadap mata uang negara asing. Kurs seringkali memiliki perubahan volatilitas bervariasi yg tidak konstan (heteroskedastisitas) dari waktu ke waktu sehingga asumsi varians konstan tidak dapat digunakan. Model yang biasanya digunakan untuk mengatasi heteroskedastisitas adalah model GARCH. Namun untuk menganalisis data time series dengan melibatkan lebih dari satu variabel yang conditional varians dan conditional correlation bergantung terhadap waktu, maka dapat menggunakan model Dynamic Conditional Correlation MGARCH. Tujuan dalam penelitian ini adalah melihat korelasi dinamis antara return kurs jual dolar dan yuan dan memperoleh model terbaik yang sesuai untuk mengestimasi return kurs menggunakan model DCC-MGARCH. Langkah-langkah pemodelan DCC-MGARCH adalah pembentukan model ARMA dilanjutkan dengan pemodelan GARCH lalu pemodelan MGARCH untuk mendapatkan model DCC-MGARCH.  Data yang digunakan adalah data return kurs harian terhadap dolar dan yuan dari tanggal 5 Maret 2019 hingga 6 April 2022. Hasil penelitian ini menunjukkan bahwa terdapat korelasi dinamis sebesar 0,976345 antara nilai return kurs dolar dan yuan, ini menunjukkan bahwa perubahan return kurs dolar memberikan pengaruh terhadap perubahan return kurs yuan, begitu pula sebaliknya. Model GARCH(1,1) yang telah dibentuk diterapkan sebagai dasar pemodelan multivariat, oleh karena itu model multivariat yang dihasilkan adalah model DCC-MGARCH(1,1). Model DCC-MGARCH(1,1) dianggap baik digunakan untuk memodelkan nilai return kurs dolar dan yuan dengan nilai MAPE return kurs dolar sebesar 10% dan yuan 18%.  Kata Kunci: DCC- MGARCH, return, kurs, korelasi dinamis.
The Implementation of Control Charts as a Verification Tool in a Time Series Model for COVID-19 Vaccine Participants in Pontianak Nurfitri Imro'ah; Nur'ainul Miftahul Huda; Abang Yogi Pratama
ComTech: Computer, Mathematics and Engineering Applications Vol. 14 No. 1 (2023): ComTech
Publisher : Bina Nusantara University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21512/comtech.v14i1.8462

Abstract

Vaccines are the primary weapon used to stop the outbreak, especially amid the COVID-19 pandemic. Thus, supplying vaccines to control the COVID-19 pandemic is essential, especially in minimizing the incidence and achieving herd immunity to break the chain of COVID-19. West Kalimantan has taken firm anticipatory steps to prevent COVID-19 in the form of a vaccination program in Indonesia. The highest vaccination achievement occurs in Pontianak City, the province’s capital. The research analyzed data on vaccine participants in Pontianak using time series analysis. In addition, the residuals from the time series model were used as observations in constructing the control chart. The research also analyzes the accuracy of the time series model using the Individual Moving Range (IMR) control chart. The results show that the ARIMA model (5,0,2) is the best because it fulfills the assumption of white noise. However, the ARIMA (5,0,2) model is inaccurate in making predictions because the residuals from the ARIMA (5,0,2) model are out of control (based on the IMR control chart). Hence, it is necessary to evaluate in determining the time series model. It can be analyzed using a control chart. Therefore, measuring the model’s accuracy on the best model is essential in predicting several subsequent periods.
ANALISIS BOOTSTRAP AGGREGATING MULTIVARIATE ADAPTIVE REGRESSION SPLINES UNTUK AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT Muhammad Septian; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65267

Abstract

Multivariate Adaptive Regression Splines (MARS) adalah metode dengan pendekatan multivariate nonparametrik. MARS adalah teknik klasifikasi yang mudah serta fleksibel untuk mengetahui variabel respon dan variabel prediktor. MARS adalah penggabungan dari RPR dengan Spline yang dapat memberikan perkiraan  yang tepat. Tingkat akurasi klasifikasi model MARS bisa dilakukan peningkatan dengan memakai metode resampling, diantaranya adalah bagging. Bagging merupakan metode yang melakukan penggabungan banyaknya angka  prediktor serta respon untuk  mendapatkan agregat melalui angka Generalized Cross Validation (GCV). Data yang digunakan yakni data akreditasi sekolah SMA/MA di Kalimantan Barat. Jumlah variabel yang digunakan sebanyak 8 variabel prediktor yaitu standar isi (X1), standar proses (X2), standar lulusan (X3), standar pengajar dan tenaga kerja (X4), sarana dan prasarana (X5), standar pengelolaan (X6), standar pembiayaan (X7), dan standar penilaian (X8), dan variabel respon yaitu akreditasi A dan B (Y0.), akreditasi C dan sekolah tidak terakreditasi (Y1). Penelitian ini mengidentifikasi dan memodelkan komponen penilaian yang menjadi pengaruh dalam penentuan akreditasi sekolah dengan menggunakan Bagging MARS. Memperoleh model Bagging MARS diperlukan Bootstrap yang dikombinasikan dengan BF, MI, dan MO pada MARS.  Hasil penelitian menggunakan metode Bagging MARS dengan GCV minimum didapatkan sebesar 0,038. Variabel yang berpengaruh yaitu sarana dan prasarana (X5), standar pengajar dan tenaga kerja (X4), standar pengelolaan (X6), standar proses (X2), standar pembiayaan (X7), standar lulusan (X3), standar penilaian (X8), dan standar isi (X1). Tingkat kepentingan variabel pada model berturut – turut sebesar 100%, 37,515%, 36,290%, 34,542%, 22,300%, 16,180%, 12,183%, dan 5,214%. Ketepatan klasifikasi pada Bagging MARS sebesar 96,07%. Kata Kunci : MARS, Bagging MARS, Klasifikasi.
METODE GRAPH CONTRACTION TECNIQUE (GCT) DALAM MENYELESAIKAN MASALAH TRANSPORTASI SEIMBANG Yusi Sania; Mariatul Kiftiah; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65270

Abstract

Metode transportasi dikembangkan untuk memecahkan masalah pendistribusian produk dari berbagai sumber ke berbagai tujuan untuk meminimumkan biaya distribusi. Pada penelitian ini digunakan metode Graph Contraction Technique (GCT) untuk menentukan solusi optimal dari masalah transportasi dengan beberapa contoh kasus transportasi seimbang. Masalah transportasi seimbang merupakan model transportasi dengan kondisi jumlah persediaan pada sumber bernilai sama dengan jumlah permintaan pada tujuan. Metode GCT diterapkan dengan merepresentasikan masalah transportasi ke dalam graf bipartit dan diselesaikan dengan proses iterasi. Pada proses iterasi dilakukan dengan menentukan biaya terkecil dari pengiriman unit sebagai acuan untuk alokasi pertama dan penghapusan simpul ditentukan dengan kuantitas yang ada pada simpul sumber dan tujuan yang mana yang lebih kecil. Untuk menentukan solusi optimal dengan metode GCT diterapkan pada tiga contoh kasus transportasi seimbang dengan ukuran yang berbeda. Ukuran yang dimaksud ialah ukuran (m)dari banyaknya jumlah sumber (n) dan jumlah tujuan  atau dilambangkan dengan (mxn). Berdasarkan hasil penelitian, dengan penerapan metode GCT diperoleh biaya pendistribusian yang minimum. Pada kasus berukuran (3x3) diperoleh biaya sebesar Rp4.283.000,-. Pada kasus berukuran (5x4) diperoleh biaya sebesar Rp10.200,-. Pada kasus berukuran (4x5), diperoleh biaya sebesar Rp29.000,-. Solusi yang diperoleh metode GCT dapat menghasilkan biaya yang minimum dari pengujian tiga contoh kasus yang diberikan dengan ukuran yang berbeda.   Kata Kunci : masalah  transportasi, metode GCT, biaya pendistribusian.
Co-Authors Abang Yogi Pratama Ahmad Fernanda Arini, Nani Fitria Bayu Prihandono Dadan Kusnandar Daniel Happy Putra Dea Rizki Darmawanti Eligia Helvianti Tri Lina P ERNA YULIANTI Evi Novian Evi Noviani Fahiza Syanaya Fansiskus Fran Fransiskus Fran Fransiskus Fran Helmi Helmi Helmi Imro'ah, Nurfitri Laurens Paskhia Dirda Rusanditia Mariatul Kiftiah Meliana Pasaribu Mudinillah, Adam Muhammad Septian Nani Fitria Arini Naomi Nessyana Debataraja Nilamsari Kusumastuti Nurfitri Imro&#039;ah Nurfitri Imro'ah Nurfitri Imroah NURFITRI IMRO’AH Nurfitri Imro’ah Rika Mailanda Sari Devi Asri Shantika Martha Theresia Resi Trydini Umairah, Tarisa Utami, Dewi Setyo Wirda Andani Yudhi Yundari, Yundari Yusi Sania