Garuda - Garba Rujukan Digital

Stabilitas Model Matematika Penularan Penyakit Mulut dan Kuku (PMK) Aulia Nurita Sari; Dimas Avian Maulana
MATHunesa: Jurnal Ilmiah Matematika Vol 11 No 2 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v11n2.p295-303

Penyakit Mulut dan Kuku (PMK) adalah penyakit yang disebabkan oleh Foot-and-Mouth Disease Virus (FMDV) dari genus Apthovirus dan keluarga Picornaviridea yang menyerang semua hewan berkuku genap atau belah seperti sapi, kerbau, babi, kambing, domba dan termasuk satwa liar. Penyakit ini bukan termasuk zoonosis (penyakit yang dapat menular pada manusia). Penelitian ini bertujuan untuk memodelkan PMK secara matematis, mengetahui kestabilan, dan melakukan simulasi numerik model penyebaran PMK. Pada penelitian ini, populasi dibagi menjadi empat kompartemen yaitu rentan/suspectible (S), laten/latent (L), terinfeksi/infected (I) dan sembuh/recovered (R). Dari model SLIR ditentukan titik kesetimbangan bebas penyakit dan titik kesetimbangan endemik, kemudian dianalisis kestabilannya dengan menggunakan kriteria Routh-Hurwitz. Selanjutnya ditentukan bilangan reproduksi dasar (R0) dan dilakukan analisis sensitivitas terhadap . Berdasarkan hasil analisis kestabilan pada model SLIR, titik kesetimbangan bebas penyakit stabil jika R0 < 1 yang artinya PMK akan menghilang dan titik kesetimbangan endemik stabil jika R0 > 1 yang artinya PMK akan tetap ada dan menjadi endemik. Hasil simulasi numerik dapat diketahui bahwa terjadi endemik PMK di Provinsi Jawa Timur, hal ini diperkuat dengan nilai R0 = 1,16 yang berarti R0 > 1. Berdasarkan analisis sensitivitas terhadap tingkat masa inkubasi merupakan parameter yang sensitif. Berdasarkan hasil simulasi numerik dengan mengubah nilai parameter tingkat masa inkubasi dapat diketahui bahwa PMK akan menghilang seiring berjalannya waktu apabila hal ini diperkuat dengan R0 = 0,33.

Analisis Pelaksanaan Pelatihan Penulisan Karya Tulis Ilmiah di MGMP Matematika SMP Kabupaten Lumajang Sofro, A'yunin; Khikmah, Khusnia Nurul; Fuad, Yusuf; Maulana, Dimas Avian; Lukito, Agung; Auliya, Elok Rizqi
Aksiologiya: Jurnal Pengabdian Kepada Masyarakat Vol 8 No 2 (2024): Mei
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/aks.v8i2.13610

Wabah Covid-19 merupakan ancaman nyata bagi kesehatan global dan menjadi beban dan tantangan serius bagi semua negara. Covid-19 berdampak pada melemahnya perekonomian, tetapi dampaknya juga dirasakan dalam dunia pendidikan. Keprofresionalan seorang guru sangatlah dibutuhkan untuk menghadapi berbagai tantangan. Guru memegang peranan yang sangat penting dalam mendukung program pemerintah khususnya peningkatan kualitas pendidikan, terutama di masa pandemi saat ini. Seorang guru yang profesional juga diharapkan selalu melakukan penelitian yang dituangkan dalam suatu karya tulis ilmiah. Untuk mendukung kualitas dari karya tulis ilmiah, analisis data dalam penelitian juga sangat diperlukan. Di sisi lain, MGMP Matematika SMP Kabupaten Lumajang membutuhkan pelatihan untuk meningkatkan kinerja guru. Sehingga, menggiatkan guru untuk melakukan penulisan karya ilmiah dengan analisis statistika adalah salah satu solusi yang tepat dilakukan. Dari hasil yang didapatkan bahwa kriteria keberhasilan dari sisi output telah terpenuhi. Lebih dari 90 persen kelompok telah mencapai target kinerja yang ditetapkan. Sedangkan dari sisi proses, sekitar 80 persen lebih peserta memberikan kesan positif terhadap workshop yang telah dilakukan. Dengan adanya pelatihan tersebut juga ada peningkatan kinerja guru dalam penulisan karya ilmiah sebesar 82 persen.

PERAMALAN HARGA MINYAK MENTAH JENIS WEST TEXAS INTERMEDIATE MENGGUNAKAN GEOMETRIC BROWNIAN MOTION TERMODIFIKASI KALMAN FILTER Ramadhan, Rafi Rachmad; Maulana, Dimas Avian
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 3 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n3.p558-568

Harga minyak mentah memiliki pengaruh yang signifikan terhadap perekonomian global. Hal ini dikarenakan kenaikan harga minyak akan meningkatkan biaya produksi, sehingga harga produk meningkat. Harga produk yang tinggi dapat menyebabkan stagnansi pasar. Oleh karena itu, pemahaman berkelanjutan tentang pergerakan harga minyak mentah dunia penting untuk pengembangan dan pertumbuhan ekonomi. Beberapa model matematika dapat digunakan dalam memprediksi pergerakan harga minyak, salah satunya adalah Geometric Brown Motion termodifikasi Kalman Filter. Dalam penelitian ini metode yang digunakan adalah Geometric Brown Motion (GBM) dan Geometric Brown Motion termodifikasi Kalman Filter (GBM-KF). Metode tersebut digunakan untuk memprediksi data harga minyak mentah per barel jenis West Texas Intermediate. Hasil dari penilitian ini menunjukkan bahwa metode GBM-KF menghasilkan MAPE sebessar 2,586460%. MAPE tersebut lebih kecil dari lintasan terbaik GBM yang menghasilkan MAPE sebesar 2,621398%. Kedua metode tersebut menghasilkan MAPE < 10% yang mengindikasikan bahwa kedua metode tersebut mempunyai tingkat akurasi peramalan yang tinggi untuk kasus ini.

PENERAPAN MODEL GEOMETRIC BROWNIAN MOTION TERMODIFIKASI KALMAN FILTER DALAM PREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA SERIKAT DAN YUAN CHINA Hanifah, A'idah Nur; Maulana, Dimas Avian
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 3 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n3.p671-680

Adanya kenaikan suku bunga The Fed oleh Amerika Serikat dan devaluasi yuan China terhadap dolar Amerika Serikat menyebabkan melemahnya nilai tukar rupiah, yang mana merupakan indikator penting dalam menentukan kondisi perekonomian Indonesia. Perubahan nilai tukar rupiah dapat dipengaruhi oleh faktor internal dan eksternal yang bersifat acak setiap saat sehingga sulit diprediksi. Model Geometric Brownian Motion (GBM) yang selanjutnya akan dimodifikasi dengan metode filtering, Kalman Filter (KF) akan digunakan untuk memprediksi nilai tukar rupiah terhadap dolar Amerika Serikat dan yuan China di masa depan berdasarkan data dari periode sebelumnya. GBM merupakan model waktu kontinu yang terjadi karena adanya pergerakan acak nilai volatilitas yang mengikuti proses stokastik. Penambahan metode filtering pada model GBM diharapkan dapat meminimalkan kovariansi error dan meningkatkan akurasinya. Kedua model menghasilkan rata-rata nilai Mean Absolute Percentage Error (MAPE) < 10%, sehingga akurasi prediksinya termasuk dalam kategori sangat baik. Berdasarkan simulasi menggunakan data out sample nilai tukar rupiah terhadap dolar Amerika Serikat (USD/IDR) dan rupiah terhadap yuan China (CNY/IDR), model Geometric Brownian Motion termodifikasi Kalman Filter (GBM-KF) lebih akurat dari model GBM dengan rata-rata nilai MAPE berturut-turut sebesar 0,66% dan 0,40%.

PREDIKSI HARGA SAHAM PT. GOTO GOJEK-TOKOPEDIA MENGGUNAKAN GEOMETRIC BROWNIAN MOTION TERMODIFIKASI KALMAN FILTER DENGAN KONSTRAIN Rasyidah, Salma Azmi; Maulana, Dimas Avian
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 3 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n3.p704-713

Saham adalah salah satu instrumen pasar modal paling populer saat ini yang berpengaruh untuk kemajuan ekonomi negara. Saham didefinisikan sebagai kepemilikan investor atas investasinya atau sejumlah dana yang diinvestasikan pada suatu emiten. Harga saham terus mengalami fluktuasi setiap harinya tetapi banyak investor yang tetap berminat untuk melakukan investasi. Salah satu emiten yang memiliki peminat sangat banyak adalah PT. GoTo Gojek Tokopedia Tbk (GOTO). Model Geometric Brownian Motion (GBM) berguna untuk memodelkan harga saham jika nilai return dari suatu saham di masa lalu berdistribusi normal tetapi pada jangka waktu yang lama cenderung menghasilkan error yang cukup besar. Oleh karena itu, ditambahkan metode filtering Kalman Filter dan konstrain yaitu batasan sesuai dengan auto rejection untuk meminimalkan error. Berdasarkan simulasi dengan 100, 500, dan 1000 iterasi menggunakan model GBM menghasilkan nilai MAPE berturut-turut 10,19%, 9,46%, dan 8,09%. Hasil terbaik diperoleh pada 1000 iterasi dengan nilai MAPE 8,09%, tetapi hasil prediksi model GBM-KF menghasilkan nilai MAPE yang jauh lebih kecil yaitu 2,56%. Penambahan konstrain ke dalam model GBM-KF tidak berpengaruh secara signifikan namun diperoleh nilai MAPE yang berbeda yaitu 2,96%. Ketiga model memiliki akurasi peramalan tinggi dibawah 10%. Model GBM-KF adalah metode yang paling baik untuk memprediksi harga saham GOTO.

PENERAPAN GEOMETRIC BROWNIAN MOTION YANG TERMODIFIKASI KALMAN FILTER (GBM-KF) UNTUK MEMPREDIKSI HARGA EMAS Hunaifi, Muhammad Arif; Maulana, Dimas Avian
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 3 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n3.p714-725

Pemahaman pergerakan harga komoditas menjadi penting untuk memahami dunia ekonomi dan keuangan global. Salah satu komoditas yang digunakan sebagai alat lindung adalah emas, yang dianggap sebagai alat investasi yang sering digunakan di tengah ketidakpastian pergerakan ekonomi. Emas sering digunakan sebagai alat investasi karena harganya yang cenderung stabil dan fluktuasinya relatif kecil. Harga emas menjadi salah satu indikator penting dalam stabilitas perkonomian global. Dalam penelitian ini, dilakukan penerapan model Geometric Brownian Motion dengan Kalman Filter untuk memprediksi harga emas berdasarkan data historis harian emas dari situs website https://finance.yahoo.com/ selama tahun 2023. Dengan menggunakan bantuan bahasa pemrograman python, diperoleh hasil running program dengan banyak iterasi (lintasan) yang digunakan yakni 100, 500, 1000, dan 5000 lintasan. Dengan nilai minimal MAPE yang dihasilkan oleh masing masing lintasan tersebut yakni sebesar 2,80%, 2,27%, 2,17%, dan 1,69%. Hasil dari konstruksi model GBM termodifikasi Kalman Filter menunjukkan hasil prediksi yang lebih efektif dibandingkan dengan konstruksi model GBM. Hal ini ditunjukkan dengan penurunan nilai MAPE model GBM sebesar 1,6976 % menjadi 0,4165 % untuk model GBM yang telah termodifikasi Kalman Filter. Penambahan algoritma Kalman Filter membantu meminimalkan nilai error sehingga menghasilkan prediksi harga emas yang lebih akurat.

Analisis Pelaksanaan Pelatihan Penulisan Karya Tulis Ilmiah di MGMP Matematika SMP Kabupaten Lumajang Sofro, A'yunin; Khikmah, Khusnia Nurul; Fuad, Yusuf; Maulana, Dimas Avian; Lukito, Agung; Auliya, Elok Rizqi
Aksiologiya: Jurnal Pengabdian Kepada Masyarakat Vol 8 No 2 (2024): Mei
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/aks.v8i2.13610

Wabah Covid-19 merupakan ancaman nyata bagi kesehatan global dan menjadi beban dan tantangan serius bagi semua negara. Covid-19 berdampak pada melemahnya perekonomian, tetapi dampaknya juga dirasakan dalam dunia pendidikan. Keprofresionalan seorang guru sangatlah dibutuhkan untuk menghadapi berbagai tantangan. Guru memegang peranan yang sangat penting dalam mendukung program pemerintah khususnya peningkatan kualitas pendidikan, terutama di masa pandemi saat ini. Seorang guru yang profesional juga diharapkan selalu melakukan penelitian yang dituangkan dalam suatu karya tulis ilmiah. Untuk mendukung kualitas dari karya tulis ilmiah, analisis data dalam penelitian juga sangat diperlukan. Di sisi lain, MGMP Matematika SMP Kabupaten Lumajang membutuhkan pelatihan untuk meningkatkan kinerja guru. Sehingga, menggiatkan guru untuk melakukan penulisan karya ilmiah dengan analisis statistika adalah salah satu solusi yang tepat dilakukan. Dari hasil yang didapatkan bahwa kriteria keberhasilan dari sisi output telah terpenuhi. Lebih dari 90 persen kelompok telah mencapai target kinerja yang ditetapkan. Sedangkan dari sisi proses, sekitar 80 persen lebih peserta memberikan kesan positif terhadap workshop yang telah dilakukan. Dengan adanya pelatihan tersebut juga ada peningkatan kinerja guru dalam penulisan karya ilmiah sebesar 82 persen.

LOGISTIC AND PROBIT REGRESSION MODELING TO PREDICT THE OPPORTUNITIES OF DIABETES IN PROSPECTIVE ATHLETES Ariyanto, Danang; Sofro, A'yunin; Hanifah, A’idah Nur; Prihanto, Junaidi Budi; Maulana, Dimas Avian; Romadhonia, Riska Wahyu
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 18 No 3 (2024): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol18iss3pp1391-1402

Diabetes is among the most prevalent chronic diseases globally, posing significant health risks to individuals. The identification of individuals at risk of developing these conditions is of paramount importance, particularly in high-stress and physically demanding activities such as athletic training. To find out the chances of a prospective athlete suffering from diabetes or not, models for binary data can be used, including logistic regression and probit models. The data used is primary data from prospective athletes in East Java, including prospective athletes from the State University of Surabaya and East Java Koni Athletes. This study aimed to develop an early prediction model for diabetes in prospective athletic candidates using a bivariate logistic and probit regression approach while considering the influence of socio-demographic and anthropometric factors. To selecting the best model between logistic regression and probit regression using Akaike’s Information Criterion (AIC) value, the smaller the AIC value gets means that the model is closer to the actual value or being the best model. Logistic regression has a smaller AIC value (129,85) than probit regression, this means that the logistic model is the best model. In this paper, an attempt is made to explore the use of logistic and probit regression to determine the factors which significantly influence the diabetes disease and we got that the logistic model as the best model because it has a smaller AIC value than the probit model. Based on the result of analysis and discussion, it can be concluded that there are two factors called mother’s job and finance which are influenced to the response variable, diabetes disease at significance level of 5%.

STOCK PRICE PREDICTION AND SIMULATION USING GEOMETRIC BROWNIAN MOTION-KALMAN FILTER: A COMPARISON BETWEEN KALMAN FILTER ALGORITHMS Maulana, Dimas Avian; Sofro, A'yunin; Ariyanto, Danang; Romadhonia, Riska Wahyu; Oktaviarina, Affiati; Purnama, Mohammad Dian
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 1 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss1pp97-106

Stocks have high-profit potential but also have high risk. Many people have ways to forecast stock prices. The Geometric Brownian Motion (GBM) method forecasts stock prices. The data used in this study are closing stock price data from July 1, 2021 to August 31, 2021 taken from Yahoo! Finance. The stocks used in this research are Bank Rakyat Indonesia (BBRI), Indofood Sukses Makmur (INDF), and Telkom Indonesia (TLKM). A strategy is carried out to improve prediction accuracy by utilising the Kalman Filter (KF). This research will compare the mean absolute percentage error (MAPE) value between GBM-KF, which was manually computed and computed using the Python library. As an example of this research, for BBRI stock, the high GBM MAPE value of 9.02% can be reduced to 3.52% with manually computed GBM-KF and 3.68% with Python library computed GBM-KF. Similarly, INDF and TLKM stocks are showing a significant reduction in MAPE values to deficient levels in some cases. The GBM-KF method employing manual computing may enhance the overall precision of stock price forecasting. Future research may enhance this study by using the GBM-KF model on alternative financial instruments, integrating supplementary market data, or evaluating its efficacy under extreme market conditions.

Penerapan Model Predictive Control (MPC) pada Desain Pengendalian Robot Mobil Beroda Empat Maulana, Dimas Avian
Zeta - Math Journal Vol 3 No 2 (2017): November
Publisher : Universitas Islam Madura

Robot mobil adalah salah satu contoh dari wahana nir awak (WaNA) yang dapat dikendalikan dari jauh atau memiliki sistem pengendali otomatis untuk bergerak dan berpindah haluan. Robot mobil menjadi salah satu sarana yang digunakan oleh pihak militer untuk untuk melakukan pengintaian, penjelajahan, dan pengawasan ke tempat-tempat yang berbahaya bagi manusia. Pada penerapannya ada beberapa lintasan yang dianggap berbahaya untuk dilalui, didefinisikan suatu lintasan terlebih dahulu agar robot mobil bergerak sesuai lintasan tersebut. Robot mobil tidak bisa mengikuti lintasan dengan baik tanpa diberi perintah terlebih dahulu dan dikendalikan. Untuk itu, diperlukan suatu metode untuk mengendalikan robot mobil agar dapat bergerak mengikuti lintasan dalam misinya untuk melakukan pengintaian, penjelajajahan dan pengawasan. Dari hasil simulasi diperoleh bahwa dengan mengambil horizon prediksi N=3, waktu sampling t=1s dan iterasi sebanyak 10 kali diperoleh nilai x(k) yang mendekati dengan nilai x_r(k)

Title

Found 25 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 25 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 25 Documents
Search