Articles
<![CDATA[PERANCANGAN MODEL PREDIKSI CURAH HUJAN BULANAN BERDASARKAN SUHU PERMUKAAN LAUT DI KALIMANTAN SELATAN ]]>
<![CDATA[Handiana, Dian]]>;
<![CDATA[Wahyono, Sri Cahyo]]>;
<![CDATA[Susanti, Dewi Sri]]>
<![CDATA[ Jurnal Fisika FLUX Vol 10, No 1 (2013): Jurnal Fisika FLUX Edisi Februari 2013 ]]>
Publisher : <![CDATA[Lambung Mangkurat University Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20527/flux.v10i1.1956
<![CDATA[Abstrak : Kebutuhan akan adanya informasi prediksi curah hujan yang baik sangat diperlukan dalam berbagai sektor. Penelitian ini menentuan keterkaitan Suhu Permukaan Laut (SPL) terhadap curah hujan dan perancangan model prediksi curah hujan bulanan di Kalimantan Selatan. Data masukan yang digunakan adalah data SPL terpilih di sembilan luasan (Samudera Pasifik, Samudera Hindia, Laut Cina Selatan, Perairan Kalimantan Selatan) dan data curah hujan pada sepuluh titik di Kalimantan Selatan. Metode yang digunakan adalah koefisien korelasi dalam menentukan keeratan hubungan antara variabel curah hujan dan SPL dan metode regresi stepwise untuk mendapatkan model prediksi terbaik. Hasil penelitian menunjukkan bahwa terdapat pengaruh yang signifikan SPL di 9 luasan yang dipilih terhadap curah hujan di Kalimantan Selatan. SPL yang banyak berperan pada pembentukan model prediksi curah hujan adalah SPL Samudera Pasifik equator timur yaitu SPL Nino 3,4 dan SPLNino 4. Model prediksi curah hujan terbaik terjadi pada bulan â bulan musim kemarau dan masa transisi kemarau menuju hujan yaitu Juli, Agustus, September dan Oktober, Model prediksi curah hujan yang dihasilkan mampu membaca perilaku hujan pada kondisi ekstrim, sehingga dapat dijadikan peringatan dini terhadap kekeringan atau hujan sepanjang tahun. Nilai korelasi signifikan curah hujan dengan SPL terbaik pada bulan Agustus di Banjarbaru mencapai 0,802, dan model prediksi terbaik bulan Agustus di Banjarbaru yaitu = 335.553 â 72.701 ( ) + 63.863 ( ) dengan hasil pengujian yang signifikan dan model tersebut mampu menjelaskan variasi data sebesar 71,8%.Kata kunci : Prediksi curah hujan, Suhu Permukaan laut, koefisien korelasi, regresi stepwise]]>
<![CDATA[PERANCANGAN MODEL PREDIKSI CURAH HUJAN BULANAN BERDASARKAN SUHU PERMUKAAN LAUT DI KALIMANTAN SELATAN ]]>
<![CDATA[Dian Handiana]]>;
<![CDATA[Sri Cahyo Wahyono]]>;
<![CDATA[Dewi Sri Susanti]]>
<![CDATA[ Jurnal Fisika FLUX Vol 10, No 1 (2013): Jurnal Fisika FLUX Edisi Februari 2013 ]]>
Publisher : <![CDATA[Lambung Mangkurat University Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (330.63 KB)
|
DOI: 10.20527/flux.v10i1.1956
<![CDATA[Abstrak : Kebutuhan akan adanya informasi prediksi curah hujan yang baik sangat diperlukan dalam berbagai sektor. Penelitian ini menentuan keterkaitan Suhu Permukaan Laut (SPL) terhadap curah hujan dan perancangan model prediksi curah hujan bulanan di Kalimantan Selatan. Data masukan yang digunakan adalah data SPL terpilih di sembilan luasan (Samudera Pasifik, Samudera Hindia, Laut Cina Selatan, Perairan Kalimantan Selatan) dan data curah hujan pada sepuluh titik di Kalimantan Selatan. Metode yang digunakan adalah koefisien korelasi dalam menentukan keeratan hubungan antara variabel curah hujan dan SPL dan metode regresi stepwise untuk mendapatkan model prediksi terbaik. Hasil penelitian menunjukkan bahwa terdapat pengaruh yang signifikan SPL di 9 luasan yang dipilih terhadap curah hujan di Kalimantan Selatan. SPL yang banyak berperan pada pembentukan model prediksi curah hujan adalah SPL Samudera Pasifik equator timur yaitu SPL Nino 3,4 dan SPLNino 4. Model prediksi curah hujan terbaik terjadi pada bulan – bulan musim kemarau dan masa transisi kemarau menuju hujan yaitu Juli, Agustus, September dan Oktober, Model prediksi curah hujan yang dihasilkan mampu membaca perilaku hujan pada kondisi ekstrim, sehingga dapat dijadikan peringatan dini terhadap kekeringan atau hujan sepanjang tahun. Nilai korelasi signifikan curah hujan dengan SPL terbaik pada bulan Agustus di Banjarbaru mencapai 0,802, dan model prediksi terbaik bulan Agustus di Banjarbaru yaitu = 335.553 − 72.701 ( ) + 63.863 ( ) dengan hasil pengujian yang signifikan dan model tersebut mampu menjelaskan variasi data sebesar 71,8%.Kata kunci : Prediksi curah hujan, Suhu Permukaan laut, koefisien korelasi, regresi stepwise]]>
<![CDATA[Analisa Drainase Sumur Resapan Pada Kampus UNLAM Banjarbaru ]]>
<![CDATA[Chairil Fachrurazie]]>;
<![CDATA[Yulian Firmana Arifin]]>;
<![CDATA[Dewi Sri Susanti]]>
<![CDATA[ INFO-TEKNIK Vol 3, No 1 (2002): INFOTEKNIK VOL. 3 NO. 1 2002 ]]>
Publisher : <![CDATA[Universitas Lambung Mangkurat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20527/infotek.v3i1.454
<![CDATA[One of the enviromental drainage that consider water conservation aspect isdrainage by infiltration rehargr system. Banjarbaru has a high coeffiesient permeability soil and gate on laboratory measurement of soil mechanic, for study area gaied k = 1,23.10 cm/sec dan k = 1,62.10 cm/sec, f = 0,046 m/hr, f = 0,054 m/hr dan f = 0,113 m/hr and ground water level from -7 to -8 meters. According to rainfall intencity measurement, the rainfall intencity is 71,65 m/hr for 5 year return priode with Q = 0,068 A m3/det. Result for infiltration recharge system the dimension is get for H = depth of well, R = radius of well, n = number of wells is drawing in graph.]]>
<![CDATA[ANALISIS RESPON MAHASISWA TERHADAP PENERAPAN PENDEKATAN ETNOMATEMATIKA (POLA KAIN SASIRANGAN) PADA PEMBELAJARAN STRUKTUR ALJABAR ]]>
<![CDATA[Dewi Sri Susanti]]>;
<![CDATA[Na'imah Hijriati]]>;
<![CDATA[Rahmi Hidayati]]>;
<![CDATA[Raihan Nooriman]]>;
<![CDATA[Geofani Setiawan]]>
<![CDATA[ AKSIOMA: Jurnal Program Studi Pendidikan Matematika Vol 11, No 1 (2022) ]]>
Publisher : <![CDATA[UNIVERSITAS MUHAMMADIYAH METRO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (975.209 KB)
|
DOI: 10.24127/ajpm.v11i1.4486
<![CDATA[Penelitian ini bertujuan untuk mengukur efektivitas pembelajaran aljabar dengan menerapkan model discovery learning dengan pendekatan etnomatematika. Konsep etnomatematika yang dimaksud adalah dengan mengaitkan materi tentang grup dengan pola kain sasirangan yang merupakan kain khas dari Kalimantan Selatan. Respon mahasiswa atas proses pembelajaran tersebut diamati dari persepsi selama pembelajaran berlangsung dan hasil penilaian yang diperoleh setelah pembelajaran. Persepsi mahasiswa dirangkum melalui kuesioner yang didalamnya memuat komponen penilaian untuk dosen pengajar yaitu aspek pedagogis dan profesional, sedangkan tingkat pemahaman mahasiswa diukur melalui butir-butir pertanyaan yang memuat aspek afektif dan kognitif. Aspek psikomotorik dievaluasi melalui penilaian video pembelajaran yang dihasilkan mahasiswa. Efektivitas pembelajaran terukur melalui signifikasi peningkatan nilai ujian sebelum dan setelah metode pengajaran diterapkan. Subyek penelitian ini adalah mahasiswa peserta pembelajaran mata kuliah Struktur Aljabar. Dari hasil penelitian menunjukkan bahwa pelaksanaan pembelajaran mata kuliah Struktur Aljabar dengan pendekatan etnomatematika telah memberikan peningkatan kemampuan mahasiswa yang signifikan baik dari sisi kognitif, afektif dan psikomotorik. Hal ini terukur dari respon mahasiswa dalam angket pembelajaran, bukti penyelesaian tugas video pembelajaran dan hasil nilai yang diperoleh mahasiswa. Penilaian untuk dosen pengajar juga memberikan hasil yang positif dari sisi pedagogis dan sisi profesionalitas.Improving the ability of mathematical understanding can be conduted by building different learning nuances. If so far the learning process has focused more on the teacher/lecturer (teacher center), a solution is needed to improve student understanding, one of which is by applying discovery learning learning techniques, where students can find their own formulas in learning & reasoning. Along with the desire to raise cultural values in the learning process, the ethnomathematical approach to learning is one of the best solutions to motivate students. This method is a collaborative discovery learning model with an ethnomathematical approach. namely the sasirangan cloth. After taking an ethnomathematical approach in the learning process, especially on topic of special groups, students are asked to provide an assessment of the learning process. The implementation of the Algebraic Structure learning course with an ethnomathematical approach has provided a significant increase in student abilities in terms of cognitive, affective and psychomotor. This is measured from student responses in learning questionnaires, evidence of completion of learning video assignments and the test results. Assessment for teaching lecturers also gave positive results from the pedagogical and professional side.]]>
<![CDATA[PERKIRAAN SELANG KEPERCAYAAN UNTUK PARAMETER PROPORSI PADA DISTRIBUSI BINOMIAL ]]>
<![CDATA[Jainal Jainal]]>;
<![CDATA[Nur Salam]]>;
<![CDATA[Dewi Sri Susanti]]>
<![CDATA[ EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 10, No 2 (2016): JURNAL EPSILON VOLUME 10 NOMOR 2 ]]>
Publisher : <![CDATA[Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (202.571 KB)
|
DOI: 10.20527/epsilon.v10i2.32
<![CDATA[Selang kepercayaan adalah sebuah selang antara dua angka yang diperoleh dari perkiraan titik sebuah parameter. Karena besar nilai parameter tidak diketahui, sehingga yang dipakai dalam perkiraan adalah sebuah peluang. Nilai parameter yang diperkirakan adalah proporsi. Tujuan penelitian ini adalah menentukan perkiraan selang kepercayaan untuk parameter proporsi pada distribusi Binomial. Hasil dari penelitian ini adalah perkiraan selang kepercayaan untuk parameter proporsi pada distribusi Binomial dengan menggunakan metode besaran pivot dengan ukuran sampel ????????≥30 dan ????????<30.Kata Kunci: Selang Kepercayaan (1−????????), Distribusi Binomial, Proporsi, Metode Kemungkinan Maksimum, Metode Besaran Pivot]]>
<![CDATA[TEKNIK PERAMALAN MENGGUNAKAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS ]]>
<![CDATA[Siti Nur Hamidah]]>;
<![CDATA[Nur Salam]]>;
<![CDATA[Dewi Sri Susanti]]>
<![CDATA[ EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 7, No 2 (2013): JURNAL EPSILON VOLUME 7 NOMOR 2 ]]>
Publisher : <![CDATA[Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (251.799 KB)
|
DOI: 10.20527/epsilon.v7i2.97
<![CDATA[Time series forecasting is a method used to determine what might happen in the future based on information obtained in the past. One method used in time series forecasting is a Holt-Winters exponential smoothing method. This method can be used for time series data with trend and seasonality components. This method is based on three smoothing equations: overall smoothing, trend, and seasonal components. Holt-Winters exponential smoothing method consists of multiplicative and additive seasonality models. The method of this research is literature study by collecting and studying references that are relevant to the idea of this research, and then applying the Holt-Winters exponential smoothing method into data. The results of this research show that the multiplicative seasonality model of Holt-Winters exponential smoothing method can be used if data represent an increase in long-term and seasonal fluctuations which is the increasingly bigger with the increasing of observation time periods. These patterns identify the non-stationary of mean and variance. While, the additive seasonality model can be used if data show an increase in long-term and seasonal fluctuations that are relatively constant with the increasing of observation time. Time series forecasting is a method used to determine what might happen in the future based on information obtained in the past. One method used in time series forecasting is a Holt-Winters exponential smoothing method. This method can be used for time series data with trend and seasonality components. This method is based on three smoothing equations: overall smoothing, trend, and seasonal components. Holt-Winters exponential smoothing method consists of multiplicative and additive seasonality models. The method of this research is literature study by collecting and studying references that are relevant to the idea of this research, and then applying the Holt-Winters exponential smoothing method into data. The results of this research show that the multiplicative seasonality model of Holt-Winters exponential smoothing method can be used if data represent an increase in long-term and seasonal fluctuations which is the increasingly bigger with the increasing of observation time periods. These patterns identify the non-stationary of mean and variance. While, the additive seasonality model can be used if data show an increase in long-term and seasonal fluctuations that are relatively constant with the increasing of observation time]]>
<![CDATA[PERKIRAAN SELANG KEPERCAYAAN UNTUK NILAI RATA-RATA PADA DISTRIBUSI POISSON ]]>
<![CDATA[Randy Toleka Ririhena]]>;
<![CDATA[Nur Salam]]>;
<![CDATA[Dewi Sri Susanti]]>
<![CDATA[ EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 10, No 1 (2016): JURNAL EPSILON VOLUME 10 NOMOR 1 ]]>
Publisher : <![CDATA[Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (244.707 KB)
|
DOI: 10.20527/epsilon.v10i1.54
<![CDATA[Confidence interval is an interval between two value, where we believe that the parameter value lay within those interval. To express it, approximate interval were conducted. If the parameter value is unknown, probability will be use rather than exact value. Approximation that conduct express probability that an interval contain parameter value that we estimate. One of parameter value to compute is mean. One of well-known distribution is Poisson ditribution. The purpose of this study is to find approximate interval for the mean of random variable with Poisson distribution. The result of research is confidence interval for poisson distribution by using pivotal quantity method. Based on pivotal quantity method, approximate interval for the mean of poisson distribution with the size of a large sample is???????? ???? ????????????− ????????????????/2 ???????????????? ???????? < ???????? < ???????????? + ????????????????/2 ???????????????? ???????? ???? = 1− ????????]]>
<![CDATA[MODEL MANGSA-PEMANGSA DENGAN FUNGSI RESPON HOLLING DAN PEMANENAN ]]>
<![CDATA[Mustika Khadijah]]>;
<![CDATA[Yuni Yulida]]>;
<![CDATA[Dewi Sri Susanti]]>
<![CDATA[ EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol. 15(2), 2021 ]]>
Publisher : <![CDATA[Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (235.698 KB)
|
DOI: 10.20527/epsilon.v15i2.4593
<![CDATA[The mathematical model of prey-predator interaction is one of the stages of solving mathematical problems by simplifying events that occur in mathematical form. In this research, we discuss a prey-predator model using a type II Holling response function without harvesting and a prey-predator model using a type II Holling response function with harvesting. The purpose of this research was to explain the formation of a prey-predator model with a type II Holling response and a preypredator model with a type II Holling response with harvesting, to determine the stability at the equilibrium point of the model, and to create a model simulation using several sample parameters. The results obtained were three equilibrium points for the prey-predator model with type II Holling response without harvesting and two equilibrium points for the prey-predator model with type II Holling response with harvesting. The stability at two equilibrium points of the prey-predator model using the type II Holling response function without harvesting was asymptotically stable and the stability at one equilibrium point in the prey-predator model using the type II Holling response function in the presence of harvesting in the prey population was asymptotically stable. The comparison of numerical simulations showed that the number of predator population without harvesting was greater than the number of predator population with harvesting.]]>
<![CDATA[ASURANSI JOINT LIFE SEUMUR HIDUP ]]>
<![CDATA[Bizaini Bizaini]]>;
<![CDATA[Dewi Sri Susanti]]>;
<![CDATA[Yuni Yulida]]>
<![CDATA[ EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 10, No 2 (2016): JURNAL EPSILON VOLUME 10 NOMOR 2 ]]>
Publisher : <![CDATA[Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (201.674 KB)
|
DOI: 10.20527/epsilon.v10i2.33
<![CDATA[Salah satu jenis asuransi jiwa adalah asuransi jiwa seumur hidup. Asuransi tersebut berlaku kondisi single life dan joint life. Kondisi joint life berlaku ketika jumlah tertanggung lebih dari satu orang. Pada asuransi joint life seumur hidup, jangka waktu perlindungan asuransi diberikan selama semua tertanggung masih hidup atau sampai sedikitnya satu tertanggung meninggal dengan jumlah tertanggung sebanyak m orang. Pada penelitian ini diperoleh rumusan anuitas hidup berjangka dan asuransi jiwa seumur hidup pada kondisi joint life dalam bentuk simbol komutasi.Kata kunci : Asuransi jiwa seumur hidup, Anuitas, Joint life.]]>
<![CDATA[METODE PUC DAN ILP UNTUK PERHITUNGAN AKTUARIA DAN ASET PASAR PROGRAM PENSIUN ]]>
<![CDATA[Noor Baitirahmah]]>;
<![CDATA[Dewi Sri Susanti]]>;
<![CDATA[Aprida Siska Lestia]]>
<![CDATA[ EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 12, No 2 (2018): JURNAL EPSILON VOLUME 12 NOMOR 2 ]]>
Publisher : <![CDATA[Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (244.557 KB)
|
DOI: 10.20527/epsilon.v12i2.313
<![CDATA[Program dana pensiun merupakan badan hukum yang mengelola dan menjalankan program yang menjanjikan manfaat pensiun bagi pesertanya. Manfaat pensiun merupakan pembayaran berkala yang dibayarkan kepada peserta di waktu pensiun. Besar dan cara pendanaan suatu program pensiun dapat ditentukan dengan menggunakan metode perhitungan aktuaria dengan tujuan menentukan iuran normal (????????????????????????) dan kewajiban aktuaria (????????????????????????). Penelitian ini bertujuan menjelaskan rumus dan perhitungan aktuaria, serta proses perhitungan aset pasar dengan metode PUC dan ILP. Formula perhitungan aktuaria metode ???????????????????? dan ???????????? , untuk iuran normal didapatkan dari penjabaran definisi dalam metodenya, sedangkan formula kewajiban aktuarianya didapatkan dari persamaan awal kerajiban aktuaria. Aset pasar merupakan total aset yang dimiliki suatu program pensiun. Proses perhitungan aset pada waktu t dilakukan dengan menghitung unfunded liability, supplementary contribution, dan contribution pada waktu ????????−1. Dari nilai aset pasar didapatkan loss, dimana nilai loss mengindikasikan pendanaan program pensiun mengalami kerugian atau tidak. Jika ???????????????????????????????? bernilai positif maka program pensiun mengalami kerugianKata kunci : Program Dana Pensiun, Santunan Definit, Perhitungan Aktuaria, Aset Pasar, PCU dan ILP]]>
