Claim Missing Document
Check
Articles

PENERAPAN PEWARNAAN GRAF PADA PENEMPATAN BAHAN KIMIA MUDAH MENYALA Studi Kasus: Laboratorium Kimia FMIPA UNTAN Meliana Pasaribu, Risa Damayanti, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): 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.v10i3.47436

Abstract

Laboratorium Kimia Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (UNTAN) memiliki bahan kimia mudah menyala. Bahan tersebut memerlukan pengaturan penyimpanan yang tepat untuk meminimalisir kecelakaan kerja di Laboratorium. Bahan kimia mudah menyala yang tersedia di Laboratorium Kimia FMIPA UNTAN berjumlah 17 bahan yang terdiri dari Asetonitril, Etanol, Metanol, Ether, Acetic Anhydrida, Tert-Butanol, Ethyl Asetat, Butanol, Aseton, Cycloheksan, Petroleum Benzen, Pyridin, Asetaldehydrad, 2 Propanol, 1 Propanol, Benzen, dan Benzol. Teori pewarnaan graf (graph colouring) dapat digunakan dalam pengaturan penyimpanan bahan kimia mudah menyala. Salah satu algoritma yang dapat digunakan yaitu algoritma Welch-Powell. Algoritma ini digunakan untuk mengetahui bilangan kromatik dari suatu graf. Bilangan kromatik akan menentukan jumlah minimum lemari pada penyimpanan bahan kimia mudah menyala. Berdasarkan hasil penelitian, bahan kimia mudah menyala di Laboratorium Kimia FMIPA UNTAN dapat dikonstruksikan ke dalam bentuk graf bipartit dengan bilangan kromatik yang diperoleh yaitu dua. Oleh karena itu jumlah minimum lemari penyimpanan yang diperlukan di Laboratorium Kimia FMIPA UNTAN yaitu dua lemari.  Kata Kunci: Bilangan kromatik, kecelakaan kerja, graf.
Invertibility of Generalized Space-Time Autoregressive Model with Random Weight Yundari, Yundari; Rizki, Setyo Wira
CAUCHY Vol 6, No 4 (2021): CAUCHY: Jurnal Matematika Murni dan Aplikasi
Publisher : Mathematics Department, Maulana Malik Ibrahim State Islamic University of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/ca.v6i4.11254

Abstract

The generalized linear process accomplishes stationarity and invertibility properties. The invertibility property must be having a series of convergence conditions of the process parameter. The generalized Space-Time Autoregressive (GSTAR) model is one of the stationary linear models therefore it is necessary to reveal the invertibility through the convergence of the parameter series. This article studies the invertibility of model GSTAR(1;1) with kernel random weight. The result shows that the model GSTAR(1;1) under kernel random weight fulfills the invertibility property and obtains a finite order of Generalized Space-Time Moving Average (GSTMA) process. The other result obtained is the time order of the finite orde  . On the Triangular kernel resulted in the relatively great value n, so that it does not apply to the kernel with a finite value n.
PREDIKSI OUTFLOW UANG KARTAL DI KALIMANTAN BARAT DENGAN METODE SINGULAR SPECTRUM ANALYSIS (SSA) Yundari, Ageng Wicaksono, Helmi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v8i3.33903

Abstract

Uang merupakan komponen penting dalam perekonomian yang digunakan sebagai alat pembayaran dalam melakukan transaksi jual dan beli. Banyaknya uang yang beredar di masyarakat berpengaruh pada kondisi perekonomian suatu negara. Dalam kewenangan untuk mengatur transaksi arus keluar/masuk uang kartal, diperlukan Rencana Kebutuhan Uang (RKU). Banyak aspek yang menjadi dasar pembuatan RKU, salah satunya data historis aliran uang masuk (inflow) dan aliran uang keluar (outflow). Agar perencanaan tersebut tepat maka peramalan outflow sangat diperlukan. Data outflow pada umumnya memuat pola musiman dan trend sehingga dapat dimodelkan dengan analisis deret waktu. Metode SSA merupakan metode yang menggunakan pendekatan nonparametrik. Artinya dalam pengaplikasiannya, metode ini tidak membutuhkan uji asumsi-asumsi parametrik. Metode SSA menguraikan data deret waktu ke dalam komponen-komponen, yaitu trend, musiman, siklis dan noise. Pada penelitian ini metode SSA yang digunakan adalah metode recurrent (R-forecasting). Penelitian ini dilakukan dengan mengelompokkan data sebanyak 3 kelompok yang menggambarkan fluktuasi data untuk 9 periode peramalan. Tingkat akurasi peramalan diukur menggunakan kriteria Mean Absolute Percentage Error (MAPE) dan Tracking Signal. MAPE dan Tracking Signal   pada   peramalan SSA terhadap data aktual sebesar 18,63% dan 0,6377. Hal ini mengakibatkan metode SSA dapat dikatakan baik dan valid untuk meramalkan outflow uang kartal di Kalimantan Barat periode November 2018 sampai Juli 2019.Kata Kunci: singular spectrum analysis, R-forecasting, MAPE, tracking signal
THE APPLICATION OF THE SEMIPARAMETRIC GSTAR MODEL IN DETERMINING GAMMA-RAY LOG DATA ON SOIL LAYERS Yundari, Yundari; Martha, Shantika
MEDIA STATISTIKA Vol 14, No 2 (2021): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/medstat.14.2.108-117

Abstract

This research examines the semiparametric Generalized Space-Time Autoregressive (GSTAR) spacetime modeling and determines its spatial weight. In general, the spatial weights used are uniform, binary weights, and based on the distance, the result is a fixed weight. The GSTAR model is a stochastic model that takes into account its random variables. Thus, it is necessary to study the random spatial weights. This study introduced a new method to estimate the observed value of the GSTAR model semiparametric with a uniform kernel. The data involved the Gamma Ray (GR) log data on four coal drill holes. The semiparametric GSTAR modeling aimed to predict the amount of log GR in the unobserved soil layer based on the observation data information on the layer above it and its surrounding location. The results revealed that semiparametric GSTAR modeling could predict the presence of coal seams and their thickness of drill holes. The results also highlight the validity test on the out-sample data that the error in each borehole results in a small error. In addition, the error tends to approach the actual observed value at a depth of 1 meter down.
BILANGAN AKROMATIK PADA GRAF BINTANG, GRAF POHON PISANG DAN GRAF KEMBANG API Fransiskus Fran, Darul Ihsan, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.52189

Abstract

Pewarnaan lengkap adalah pewarnaan simpul sehingga untuk setiap pasangan warna (a,b) terdapat sisi e=(v1,v2) sedemikian sehingga v1 diwarnai a dan v2 diwarnai b. Permasalahan yang dikaji pada pewarnaan lengkap adalah mencari bilangan akromatik yaitu maksimum banyaknya warna yang digunakan pada pewarnaan lengkap. Bilangan akromatik dinotasikan dengan lambang ѱ(G). Pada penelitian ini dibahas tentang bilangan akromatik pada graf khusus yaitu graf bintang Sn, graf pohon pisang B2,n, graf pohon pisang B3,n, graf kembang api F2,n dan graf kembang api F3,n dengan n≥3. Graf bintang Sn adalah graf dengan n+1 simpul, dengan satu simpul berdejarat n yang dinamakan simpul pusat, dan n simpul berderajat satu yang dinamakan daun. Graf Pohon pisang Bm,n adalah graf yang diperoleh dengan menghubungkan satu daun dari setiap m salinan graf bintang Sn ke sebuah simpul baru yang disebut simpul akar. Graf kembang api Fk,n adalah graf yang diperoleh dari k salinan graf bintang dengan cara menghubungkan sebuah daun dari setiap Sn melalui sebuah lintasan. Berdasarkan penelitian diperoleh bilangan akromatik pada graf bintang adalah 2. Bilangan akromatik pada graf pohon pisang B2,n dan B3,n  berturut-turut adalah 4 dan 5. Bilangan akromatik pada graf kembang api F2,n dan B3,n adalah 4 dan 5. Kata kunci:  pewarnaan graf, pewarnaan simpul, pewarnaan lengkap.
MODEL ARIMA SEMIPARAMETRIK Helmi, Rosi Pratiwi, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.52192

Abstract

Pada pemodelan stokastik asumsi error diperlukan untuk memvalidasi suatu model. Error yang baik adalah error yang kecil, berdistribusi normal dan memenuhi sifat keacakan. Metode Autoregressive Integrated Moving Average (ARIMA) merupakan salah satu model stokastik yang memperhatikan asumsi error tersebut. Pada penelitian ini, error model dimodifikasi agar diperoleh error yang lebih kecil namun tetap memenuhi asumsi error. Model yang diusulkan adalah model ARIMA Semiparametrik. Model ARIMA semiparametrik merupakan teknik pemodelan yang menggabungkan model ARIMA parametrik (konvensional) dengan model nonparametrik. Tujuan dari penelitian ini adalah untuk membandingkan hasil pemodelan ARIMA semiparametrik dengan model ARIMA parametrik pada data Indeks Harga Saham Gabungan (IHSG). Langkah-langkahnya diawali dengan metode ARIMA secara parametrik, selanjutnya dilakukan pemodelan nonparametrik pada error yang dihasilkan oleh metode ARIMA parametrik. Hasil penelitian menunjukkan bahwa analisis data deret waktu menggunakan model ARIMA semiparametrik ini menghasilkan model estimasi yang lebih baik dari model ARIMA parametrik. Hal ini dapat dilihat dari nilai RMSE yang diperoleh yaitu senilai 59,224. Kata Kunci : estimasi, deret waktu, regresi kernel, ARIMA
PENENTUAN SEMUA MINIMUM SPANNING TREE (MST) DENGAN MENGGUNAKAN ALGORITMA ALL MST Fransiskus Fran, Sri Pariyani, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): 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.v11i1.52711

Abstract

Minimum spanning tree (MST) pada graf berbobot  adalah graf terhubung yang memuat semua titik pada graf  tanpa sirkuit dan memiliki jumlah bobot paling minimum dari semua sisi. Untuk menentukan MST dari suatu graf terhubung berbobot, terdapat beberapa algoritma yang dapat digunakan, salah satunya adalah algoritma Kruskal. Dengan menggunakan algoritma Kruskal, diketahui hanya mampu menghasilkan satu MST sedangkan terdapat graf terhubung berbobot yang memungkinkan memiliki MST yang tidak tunggal. Oleh karena itu, algoritma Kruskal dimodifikasi menjadi algoritma All MST yang dapat digunakan untuk menentukan semua MST. Pada artikel ini dibahas tentang penentuan semua MST pada graf berbobot dengan menggunakan algoritma All MST. Artikel ini dimulai dengan menentukan MST awal menggunakan algoritma Kruskal, dengan bobot MST totalnya dinotasikan sebagai . MST awal inilah yang akan menghasilkan kemungkinan-kemungkinan MST lainnya pada setiap submasalah. Kemudian, dengan menggunakan algoritma Depth First Search (DFS), semua submasalah ini akan dibentuk menjadi pohon berakar. Berdasarkan hasilnya, menunjukkan bahwa algoritma All MST dapat digunakan untuk mendapatkan semua MST. Selain itu, diperoleh bahwa semua submasalah dapat dibentuk menjadi pohon berakar dengan pola kunjungan setiap submasalah yaitu DFS. Selanjutnya, untuk semua MST yang terbentuk dari algoritma All MST menghasilkan masing-masing MST yang berbeda. Kata Kunci : algoritma Kruskal, pohon berakar, algoritma Depth First Search
PEMODELAN DATA COVID-19 KASUS PASIEN TERKONFIRMASI DI KALIMANTAN BARAT MENGGUNAKAN FUZZY TIME SERIES CHENG Nurfitri Imro’ah, Riswi Maulidya Syahfutri, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): 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.v11i02.53281

Abstract

Fuzzy Time Series (FTS) merupakan kecerdasan buatan dalam peramalan, dimana data historis dibentuk ke dalam nilai-nilai linguistik. FTS termasuk salah satu soft computing yang telah digunakan dan dikembangkan oleh banyak peneliti, salah satunya adalah FTS yang dikembangkan oleh Cheng dimana FTS Cheng menggunakan prinsip-prinsip fuzzy sebagai dasarnya.  Penelitian ini menganalisis data COVID-19 di Kalimantan Barat pada periode 1 Desember 2020 hingga 31 Maret 2021 menggunakan pemodelan FTS Cheng. Pada peramalan FTS Cheng penentuan interval menggunakan metode strugges, kemudian menggunakan matriks pembobot ternormalisasi untuk analisis FTS Cheng dan diperoleh hasil prediksi 1 April 2021 yaitu 41 kasus terkonfirmasi COVID-19. Hasil ketepatan peramalan yang dihitung menggunakan Mean Absolute Percentage Error (MAPE) adalah 44,8%.Kata Kunci: Metode Strugges, Prediksi, COVID-19
BILANGAN DOMINASI LOKASI PADA LINE PAN GRAPH DAN MIDDLE PAN GRAPH Fransiskus Fran; Elishabet Yohana; Yundari Yundari
EduMatSains : Jurnal Pendidikan, Matematika dan Sains Vol 6 No 1 (2021): Juli
Publisher : Fakultas Keguruan dan Ilmu Pendidikan, Universitas Kristen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33541/edumatsains.v6i1.2928

Abstract

Let G is a simple, connected, and undirected graph. A set D is a subset of V. If every node of V adjacent to at least one node D, then D is a dominating set of the graph G . One of the topics from dominating set is locating dominating set. Locating dominating set is dominating set on condition if every two vertices u,v elements of V-D satisfy the intersection of N(v) and D not equal to the intersection of N(u) and D with u not equal to v. The locating domination number of a graph G is the minimum cardinality of a locating dominating set in a graph G . In this study discussed the locating domination number on line pan graph (L(Tn,1)) and middle pan graph (M(Tn,1)). Locating domination number was obtained by finding dominating set from some graph. Then, does the dominating set meet the condition of locating dominating set? If it meets locating dominating set condition, then we can find the locating domination number of the graphs. In the last procedure, we get pattern location domination number of line pan graph and middle pan graph. The results of the study obtained the locating domination number of (L(Tn,1)) and (M(Tn,1)) consecutive are floor function of (2n/5)+1 and floor function of ((2n+1)/3)+1.
Error Assumptions on Generalized STAR Model Yundari Yundari; Udjianna Sekteria Pasaribu; Utriweni Mukhaiyar
Journal of Mathematical and Fundamental Sciences Vol. 49 No. 2 (2017)
Publisher : Institute for Research and Community Services (LPPM) ITB

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5614/j.math.fund.sci.2017.49.2.4

Abstract

For GSTAR models, the least squares estimation method is commonly used since errors are assumed be uncorrelated. However, this method is not appropriate when errors are correlated, either in time or spatially. For these cases, the generalized least squares (GLS) method can be applied. GLS is more powerful since it has an error parameter that can act as a controller of the model to produce an efficient estimator. In this study, R Software was used to estimate GSTAR parameters. The resulted model was applied to real data, i.e. the monthly tea production of five plantations in West Java, Indonesia. The best model for forecasting was the GSTAR(1;1) model with temporally correlated error assumption.
Co-Authors Adrian, Ferry Ahmad Yani T Alexander Ananda, Adelia Angraini, Wanda Aprizkiyandari, Siti Ariani, Prisilia Arizal, Arizal Asyrad, Adam Ayu Lestari Ayu Sri Utami Bambang Poniman Barita Riana Sitours Bayu Prihandono Brella Glysentia Vilgalita Chintya, Yuni Daniel Happy Putra Daska, Hipin Dea Rizki Darmawanti Dede Suratman Deni Winda Sari Desi Desi Ditanti Putri Shofia Eka Febrianti, Eka Eligia Helvianti Tri Lina P Elishabet Yohana Enis Rahayu Erlando Erlando Ervina Febyolga Evangelista, Gitta Evi Novian Evi Noviani Evy Sulistianingsih Fajria, Intan Luthfiani Fansiskus Fran Fikadila, Lisa Firhan Januardi Firmansyah, Dimas Fran, Fransiskus Fransiskus Fran Fransiskus Fran Hamdani Hamdani Hanssen, Calvin Helmi Helmi Helmi Helmi Helmi Helmi Helmi Hendra Perdana Hengki, Marius Henny Priandini Amalia Huda, Nur'ainul Miftahul HUDA, NUR’AINUL MIFTAHUL Huda, Nur’ainul Miftahul Ikbal Muhaimin Jonathan, Ryan Juwita, Dia Prima Laksono Trisnantoro Lauren, Nover Laurens Paskhia Dirda Rusanditia Lina Astuti Mariatul Kiftiah Martha, Shantika Meisita, Cheril Meliana Pasaribu Melinda Mareta Sari Mohamad Rif'at Mudinillah, Adam Muhammad Ilyas Mujiarti, Eka May Muslimah (F54210032) Nadia Putri Kurniawati Neno Juli Triami Neva Satyahadewi Nilamsari Kusumastuti Ningrum, Runi Aisyah Diyah Novia Kristefany Kabang Nurfadilah, Kori’ah NURFITRI IMRO’AH Nurfitri Im’roah Nurliantika, Nurliantika NUR’AINUL MIFTAHUL HUDA Pranata Anggi Priyatna, Tegar Rama Puspita, Urfila Dian Putra, Fajar Rahmana Putri Romanda Rachmawati, Febby Rahmah, Mhaulia Ramadhan, Rahul Ramadhanti, Tasya Redika Rif'at, Mohammad Rifatullah, Rohit Riski Apriadi Rivaldi, Syahrul Rizki, Setyo Wira Ryan Jonathan Safitri, Fauziah Sasqia Aklysta Antaristi Setyo Wira Rizki Setyo Wira Rizki Shantika Martha Shantika Martha Silvia, Elma Silvy Heriyanti Suryani Suryani Takuan, Julianus Tambunan, Ayu Oktavia Tamtama, Ray Udjianna Sekteria Pasaribu Utriweni Mukhaiyar Venti, Monalisa Wele, Bruno Sala Winanda Epriyanti Yudhi Yulis Jamiah Zada Almira Zubaidah Zubaidah