Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal JMT (Jurnal Matematika dan Terapan)
Med Irzal
Program Studi Ilmu Komputer, Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Negeri Jakarta
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengembangan Program Pecahan Linier dengan Transformasi Aljabar Bobby Reynaldo; Ratna Widyati; Med Irzal
JMT : Jurnal Matematika dan Terapan Vol 1 No 1 (2017): JMT (Jurnal Matematika dan Terapan)
Publisher : Program Studi Matematika Universitas Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/jmt.1.1.1

Abstract

Abstrak Penyelesaian program pecahan linier pada penelitian ini menggunakan transformasi secara aljabar menjadi bentuk program linier yang lebih mudah didefi- nisikan. Setelah menjadi bentuk program linier kemudian diselesaikan menggu- nakan metode simpleks direvisi yang memiliki kelebihan dalam mengindentifi- kasi kasus khusus. Hasil optimal yang telah didapat ditransformasikan kembali dalam bentuk program pecahan linier. Juga dibuat sebuah aplikasi penyele- saiannya menggunakan metode tersebut untuk membantu perhitungan dengan cepat. Dari hasil pengujian untuk menyelesaikan permasalahan program pecahan linier dengan 10 variabel, 10 fungsi kendala, dan 10 kali iterasi, aplikasi mampu menyelesaikan seluruh proses hanya sekitar 0.026 detik. Kata kunci : Optimasi, program pecahan linier, rasio, transformasi, program linier, metode simpleks direvisi.
Peramalan Indeks Harga Saham Gabungan (IHSG) dengan Metode Extreme Learning Machine (ELM) Afifah Arifianty; Mulyono Mulyono; Med Irzal
JMT : Jurnal Matematika dan Terapan Vol 1 No 1 (2017): JMT (Jurnal Matematika dan Terapan)
Publisher : Program Studi Matematika Universitas Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/jmt.1.1.4

Abstract

Abstrak Indeks Harga Saham Gabungan (IHSG) merupakan suatu nilai untuk mengukur kinerja seluruh saham. IHSG mencerminkan perkembangan pasar secara keseluruhan. Jika IHSG mengalami kenaikan dari hari kemarin maka dapat disimpulkan beberapa saham yang berada pada bursa efek mengalami kenaikan. Oleh karena itu, peramalan harga akan sangat bermanfaat untuk para investor, sehingga mereka dapat mengetahui prospek investasi saham di masa datang. Ada banyak metode untuk peramalan. Tetapi, metode-metode yang telah ada sebelumnya membutuhkan waktu komputasi yang relatif lebih lama. Metode Jaringan Syaraf Tiruan(JST) dikhawatirkan akan semakin ditinggalkan karena diperlukan waktu yang lama dalam pengambilan keputusan. Untuk mengatasi masalah, Huang (2004) menemukan sebuah metode pembelajaran dalam JST bernama Extreme Learning Machine (ELM). ELM merupakan jaringan syaraf tiruan feedforward dengan satu hidden layer atau lebih dikenal dengan istilah Single hidden Layer Feedforward neural Networks(SLFNs) (Sun et al, 2008). Pada metode ini, faktor yang digunakan dalam peramalan hanya faktor data masa lalu, bukan disebabkan faktor lain seperti politik, ekonomi dan lain-lain. Kata kunci: Indeks Harga Saham Gabungan, Peramalan, Jaringan Syaraf Tiruan, Extreme Learning Machine.
Pengenalan Citra Tulisan Tangan Dengan Metode Backpropagation Alphien Andana; Ratna Widiyati; Med Irzal
JMT : Jurnal Matematika dan Terapan Vol 2 No 1 (2018): JMT (Jurnal Matematika dan Terapan)
Publisher : Program Studi Matematika Universitas Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Backpropagation merupakan salah satu metode pada jaringan syaraf tiruan yang sangat baik dalam menangani masalah pengenalan pola-pola kompleks, salah satunya adalah pengenalan citra tulisan tangan. Permasalahan yang diangkat dalam penelitian ini adalah pembuatan sistem dengan menggunakan jaringan metode backpropagation untuk pengenalan citra tulisan tangan, proses analisis masalah yang dilakukan adalah dengan menentukan masalah, studi pustaka, mengumpulkan data-data penelitian, merancang sistem, membuat sistem dan menguji sistem. Dari hasil pengujian sistem diperoleh tingkat akurasi sistem dalam mengenali citra tulisan tangan dengan metode Backpropagation adalah sebesar 96%. Arsitektur jaringan yang digunakan adalah dengan variasi jumlah iterasi 22, learning rate 0,05 dan jumlah neuron hidden layer 40. Untuk kasus yang dibahas, arsitektur jaringan tersebut menghasilkan Mean Square Error (MSE) sebesar 4:48e-14 dengan waktu training 123 detik.
Co-Authors Afifah Arifianty Alphien Andana Bobby Reynaldo Mulyono Mulyono Ratna Widiyati Ratna Widyati