Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Logika Predikat dalam Pembuktian Matematika: Studi Kasus Terpilih Anti, Yurni; Hutajulu, Abelia Syalomika; Manurung, Thesia; Simbolon, Elisabet L; Noviana, Rosmia
Journal of Education Transportation and Business Vol 2, No 2 (2025): Desember 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jetbus.v2i2.7296

Abstract

Pembuktian matematika merupakan pilar fundamental yang menopang kebenaran setiap teorema dan dalil. Di balik rigorusitas pembuktian tersebut, terdapat struktur logika yang sistematis. Penelitian ini berfokus pada peran sentral logika predikat sebagai alat formal untuk menganalisis dan memvalidasi argumen-argumen dalam pembuktian matematika. Dengan menggunakan pendekatan studi kasus pada beberapa pembuktian dasar, artikel ini mengilustrasikan bagaimana konsep-konsep kunci dalam logika predikat-seperti kuantor universal (∀) dan eksistensial (∃), variabel, dan predikat-diaplikasikan untuk menerjemahkan pernyataan matematis ke dalam bentuk simbolik yang presisi dan bebas ambiguitas. Analisis ini menunjukkan bahwa logika predikat tidak hanya menyediakan kerangka kerja untuk memverifikasi keabsahan suatu bukti, tetapi juga memperjelas alur penalaran dan asumsi yang mendasarinya. Kajian ini merujuk pada materi dari "Modul Dasar Logika dan Matematika" Universitas Pembangunan Jaya dan "Hubungan Antara Logika Proposisi Dengan Logika Predikat" dari Universitas Diponegoro untuk membangun landasan teoretisnya.
Penerapan Metode Least Mean Square (LMS) Untuk Prediksi Harga Saham BBRI (Studi Kasus: Data Harga Penutupan Harian (April 2025 – April 2026)) Bukit, Cindy Christina Br; Rahayu, Fatiha Aini; Anti, Yurni
Jurnal Riksa Cendikia Nusantara Vol. 2 No. 4 (2026): Riksa Cendikia Nusantara - April 2026
Publisher : Jurnal Riksa Cendikia Nusantara

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

Abstract

Penelitian ini membahas penerapan algoritma Least Mean Square (LMS) yang dikembangkan oleh Widrow & Hoff (1960) untuk memprediksi harga saham PT Bank Rakyat Indonesia Tbk (BBRI) berdasarkan data harga penutupan harian. LMS merupakan algoritma adaptif berbasis gradient descent yang memperbarui bobot secara iteratif untuk meminimalkan Mean Squared Error (MSE) antara prediksi dan nilai aktual. Dataset yang digunakan terdiri dari 237 data harian dalam rentang April 2025 hingga April 2026. Data dibagi menjadi 80% data latih (188 sampel) dan 20% data uji (48 sampel). Hasil eksperimen menunjukkan bahwa model LMS mampu menghasilkan prediksi dengan Mean Absolute Percentage Error (MAPE) sebesar 1,38% pada data latih dan 1,57% pada data uji, mengindikasikan tingkat akurasi yang baik untuk prediksi satu langkah ke depan (one-step ahead forecasting).