cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Imam Mukhlash
Contact Email
Imam Mukhlash
Phone
-
Journal Mail Official
imamm@matematika.its.ac.id
Editorial Address
-
Location
Kota surabaya,
Jawa timur
INDONESIA
Limits: Journal of Mathematics and Its Applications
Published by Institut Teknologi Sepuluh Nopember Surabaya
ISSN : 1829605X     EISSN : 25798936     DOI : -
Core Subject : Education,
Mathematics
Limits: Journal of Mathematics and Its Applications merupakan jurnal yang diterbitkan oleh Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia. Limits menerima makalah hasil riset di semua bidang Matematika, terutama bidang Analisis, Aljabar, Pemodelan Matematika, Sistem dan Kontrol, Matematika Diskrit dan Kombinatorik, Statistik dan Stokastik, Matematika Terapan, Optimasi, dan Ilmu Komputasi. Jurnal ini juga menerima makalah tentang survey literatur yang menstimulasi riset di bidang-bidang tersebut di atas.
Arjuna Subject : -
Articles 12 Documents
 1   2 
Search results for , issue "Vol 21, No 3 (2024)" : 12 Documents clear
Evaluasi Kinerja Spectral Biclustering dalam Identifikasi Potensi Produksi Komoditas Hortikultura di Indonesia Lestari P, Merryanty; Sumertajaya, I Made; Erfiani, Erfiani
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.21718

Abstract

Biclustering merupakan metode penggerombolan dua arah untuk menemukan subset baris dan kolom dari suatu matriks data. Spectral biclustering merupakan salah satu algoritma dari biclustering. Algoritma spectral mempunyai tiga metode normalisasi matriks antara lain independent rescaling of rows and columns, bistochastization, dan log. Penerapan spectral biclustering bertujuan untuk mengidentifikasi potensi produksi komoditas hortikultura jenis sayuran di Indonesia. Metode normalisasi bistochastization menghasilkan bicluster optimal dengan nilai rataan mean squared residue terkecil sebesar 0,079593. Bicluster yang dihasilkan sebanyak 5 bicluster. Bicluster 1 dan 2 terdiri dari wilayah Papua dan Sulawesi Tenggara memiliki potensi produksi jenis tanaman sayuran mayoritas kategori rendah di antaranya kentang, bawang merah, bawang putih, dan bawang daun. Bicluster 3 dan 4 terdiri dari sebagian besar wilayah Kalimantan, Riau, Sumatera Selatan, Nusa Tenggara Timur, dan Maluku dengan potensi produksi mayoritas terkategori sedang di antaranya cabai rawit, tomat, buncis, labu siam, dan melinjo. Bicluster 5 merupakan wilayah Jawa, Bali, Nusa Tenggara Barat, sebagian besar wilayah Sumatera dan Sulawesi, serta Kalimantan Selatan. Bicluster 5 memiliki potensi produksi terkategori tinggi pada jenis sayuran sawi, kacang panjang, terung, ketimun, dan jengkol.
Target Baru Pengobatan Meningitis berdasarkan Centrality Measure jaringan protein dan Self Oganizing Map. Amiroch, Siti; Hamim Zajuli al Faroby, Mohammad; Dzulfikar Fauzi, Mohammad
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.21776

Abstract

Meningitis is a serious threat to health with potentially fatal consequences. Understanding protein interactions related to chronic conditions is crucial for the development of effective treatments. In silico analysis is considered to have greater effectiveness because it simulates through computation and tries various possibilities at a lower cost. This study aims to analyze protein-protein interactions related to Meningitis with cluster analysis techniques on undirected graphs. The proposed method is the Self Organizing Map (SOM) algorithm as a cluster. This algorithm can cluster undirected graph-based protein interaction data. Protein data involved in Meningitis disease comes from OMIM. From this data, proteins belonging to the gene locus are explored for their interactions, resulting in interaction data in the form of an undirected graph. The combination of centrality measure is used for feature engineering on undirected graph data. The main protein candidates are potentially located in the Cluster 1 model with the largest silhouette score (0.359) and Davies-Bouldin Index (1.667). The cluster has 18 proteins with the highest significance to Meningitis. From the overall centrality ranking results, the three highest significance proteins are CISH (3.921222), TNFSF10 (3.403541), and ICAM3 (2.623702) which have the potential to become Meningitis target proteins. CISH protein has the highest overall centrality score value compared to the others, so CISH protein may be a new alternative in the treatment of Meningitis.
Analisis Empiris dari Variasi Kontinu dan Lompatan dalam Model Threshold GARCH dengan Ukuran Realized Nugroho, Didit Budi; Hanafi, Fika Maula; Puspitasari, Agnes Dhika; Tita, Faldy; Larwuy, Lennox
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.20426

Abstract

Volatilitas adalah ukuran fluktuasi harga aset keuangan yang tak terpisahkan dari dinamika pasar, tidak hanya sebagai indikator risiko tetapi juga sebagai sumber informasi tentang peluang dan ketidakpastian bagi investor. Pendekatan utama dalam mengukur risiko pasar keuangan yaitu dengan pemodelan dan estimasi volatilitas. Studi ini fokus pada pemodelan volatilitas menggunakan kerangka Threshold Generalized Autoregressive Conditional Heteroskedasticity (TGARCH). Pertama kali ini mengkonstruksi model TGARCH-X dan Realized TGARCH (RealTGARCH) yang memperhatikan ukuran Realized Volatility (RV) sebagai variabel eksogen. Selanjutnya, model tersebut dikembangkan menjadi model TGARCH-CJ dan RealTGARCH-CJ dengan cara mendekomposisi komponen RV menjadi komponen kontinu dan lompatan. Analisis empiris didasarkan pada hasil estimasi model menggunakan metode Adaptive Random Walk Metropolis untuk data Tokyo Stock Price Index (TOPIX) Jepang. Perbandingan pencocokan model menunjukkan keunggulan yang signifikan untuk model-model dengan komponen kontinu dan lompatan. Dengan pengaplikasian ukuran RV interval waktu 1 dan 5 menit, model terbaik diberikan oleh RealTGARCH-CJ yang mengadopsi ukuran RV 1 menit.
Perbandingan Metode Regresi Multilevel dan Beta Generalized Linear Mixed Models pada Data Longitudinal Capaian IPK Mahasiswa Meilania, Gusti Tasya; Syafitri, Utami Dyah; Sumertajaya, I Made
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.21788

Abstract

Penelitian ini membandingkan kinerja model Beta Generalized Linear Mixed Model (Beta GLMM) dengan Regresi Multilevel pada data Indeks Prestasi Kumulatif (IPK) mahasiswa. Data IPK yang digunakan dalam penelitian ini terlihat miring ke sisi kiri atau memiliki ekor kiri yang lebih panjang yang mencerminkan kecenderungan mahasiswa memperoleh nilai yang lebih besar daripada rata-rata IPK keseluruhan. Hal ini mengindikasikan bahwa data tidak berdistribusi normal, melainkan diduga berdistribusi Beta. Tujuan dari penelitian ini adalah melakukan perbandingan terhadap metode regresi multilevel dan Beta Generalized Linear Mixed Model (GLMM) untuk melihat faktor-faktor yang memengaruhi IPK mahasiswa setiap semester. Data yang digunakan adalah data longitudinal dimana setiap mahasiswa diamati IPK per semester serta beberapa peubah penjelas lainnya. Pendekatan Beta GLMM digunakan karena Beta GLMM menggabungkan antara pendekatan Linear Mixed Model (LMM) dengan Generalized Linear Model (GLM)Berdasarkan analisis yang dilakukan, diperoleh hasil bahwa metode Beta GLMM memiliki nilai Akaike Information Criterion (AIC) yang lebih rendah dibandingkan metode regresi multilevel. Adapun faktor-faktor yang mempengaruhi capaian IPK mahasiswa berdasarkan analisis Beta GLMM diantaranya semester mahasiswa, SKS mahasiswa setiap semester, status perkawinan, jalur masuk kuliah, sumber biaya pendidikan (beasiswa), interaksi semester dengan status perkawinan, interaksi antara semester dengan jalur masuk kuliah, dan interaksi antara semester dengan beasiswa. Selain itu, diketahui bahwa proporsi keragaman IPK yang dapat dijelaskan oleh perbedaan antar mahasiswa adalah sebesar 0.837. Hal ini menunjukkan bahwa 83.7% dari total variasi IPK dapat dijelaskan oleh perbedaan antar mahasiswa (Level 2), sedangkan sisanya 16.3% dijelaskan oleh variasi pada setiap mahasiswa disetiap semester (Level 1).
Pemodelan Kasus Tuberkulosis di Jawa Tengah dengan Geographically Weighted Negative Binomial Regression Mediani, Andini Putri; Saifudin, Toha; Chamidah, Nur
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.20423

Abstract

Tuberkulosis (TB) dianggap sebagai permasalahan kesehatan global yang utama karena menjadi salah satu penyakit menular yang mematikan di seluruh dunia. World Health Organization (WHO) mengategorikan sebanyak 30 negara di dunia dengan beban tinggi kasus TB dengan Negara Indonesia menempati peringkat kedua dalam kategori beban tinggi tersebut. Salah satu provinsi dengan penderita terbanyak kasus TB adalah Provinsi Jawa Tengah. Banyaknya penderita TB di Kabupaten Jawa Tengah menunjukkan bahwa terdapat faktor-faktor yang memengaruhi tingginya kasus TB, sehingga perlu dilakukan analisis secara statistik untuk mengetahui penyebab terjadinya permasalahan tersebut sekaligus mendukung tercapainya target yang berkaitan dengan target SDGs pada poin 3.3, yaitu untuk mengakhiri epidemi TB. Pada jumlah kasus TB yang berupa data diskrit, regresi Poisson merupakan metode yang sesuai untuk memodelkan data diskrit dengan asumsi ekuidispersi yang harus terpenuhi. Namun, untuk kasus TB di Jawa Tengah asumsi tersebut tidak terpenuhi, dengan kata lain terdapat overdispersi. Overdispersi dapat ditangani dengan regresi Binomial Negatif, tetapi dengan mempertimbangkan faktor spasial metode yang sesuai untuk digunakan adalah Geographically Weighted Negative Binomial Regression (GWNBR). Hasil diperoleh fungsi pembobot untuk GWNBR adalah Fixed Gaussian dengan nilai CV terkecil 4427790. Pemodelan dengan GWNBR lebih baik dalam memodelkan jika dibandingkan dengan regresi global. Hal ini diperkuat oleh nilai AIC terkecil, yakni 370,14 sehingga permasalahan overdispersi sudah teratasi. Kemudian, variabel yang berpengaruh signifikan pada setiap kabupaten dan kota di Jawa Tengah adalah persentase rumah tangga yang memiliki sumber air minum layak, jumlah tenaga kesehatan, rasio jenis kelamin, dan jumlah penduduk usia produktif dengan besar pengaruh yang berbedabeda.
Bilangan Kromatik Lokasi Graf Amal(K_n, K_m) Syafrizal Sy, Syafrizal Sy; Ladipa YM, Rizki; Helmi, Monika Rianti
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.20816

Abstract

Misalkan G=(V,E) graf terhubung dan c adalah suatu pemetaan warna pada graf G yang didefinisikan sebagai c:V(G)→{1,2,…,t}, dengan t bilangan asli. Jika u dan v bertetangga di G, maka c(u)≠c(v). Misalkan S_h adalah himpunan titik yang diberi warna h untuk h∈{1,2,… ,t}, maka S_h disebut kelas warna. Misalkan Π={S_1,S_2,… ,S_t} adalah partisi dari himpunan titik V(G) untuk suatu pewarnaan. Kode warna c_Π (v) untuk titik v di G didefinisikan sebagai t-vektor c_Π (v)=(d(v,S_1 ),d(v,S_2 ),… ,d(v,S_t )), dimana d(v,S_h )=min⁡{d(v,x)|x∈S_h} untuk h∈{1,2,… ,t}. Jika setiap titik di G mempunyai kode warna yang berbeda untuk suatu Π, maka c disebut sebagai pewarnaan lokasi. Minimum t sedemikian sehingga G mempunyai pewarnaan lokasi dengan t warna disebut bilangan kromatik lokasi, dinotasikan sebagai χ_L (G). Pada penelitian ini dibahas tentang bilangan kromatik lokasi graf Amal(K_n,K_m). Graf Amal(K_n,K_m) adalah suatu graf yang diperoleh dengan menggabungkan satu titik di setiap K_n ke setiap titik di K_m secara satu-satu, dengan m,n≥2,m,n ∈N. Dengan menentukan batas bawah dan batas atas bilangan kromatik lokasi, diperoleh bahwa bilangan kromatik lokasi graf Amal(K_n,K_m) adalah n+1 untuk m≤n dan m untuk m>n.
Front Cover Vol.21 No.3 2024 Limits, Editor
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.22080

Abstract

Pemodelan Kasus Tuberkulosis di Indonesia dengan Metode GWPR Guna Mendukung SDGs 2030 Saifudin, Toha; Victory, Johanna Tania; Firmansyah, Mochamad; Aisharezka, Mutiara
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.17041

Abstract

Tuberculosis (TB) is the second leading cause of death after coronary heart disease. The bacterium type Humanus of Mycobacterium tuberculosis causes the infectious illnessTB. According to WHO, in 2018 Indonesia had 8% of TB cases, the third highest after India (27%) and China (9%). Therefore, efforts are needed to reduce the number of cases and deaths due to TB, in line with efforts to achieve point 3 of target 3 of the SDGs, namely ending the TB pandemic. This study uses the Geographically Weighted Poisson Regression (GWPR) model approach with the aim of analyzing the factors that influence TB, so that preventive interventions to reduce TB cases can be carried out. The data used in this study is secondary data in the form of data on the number of TB cases in 2018 obtained from the Ministry of Health (Kemenkes RI) and the Central Agency of Statistics (BPS). The observation unit is 34 provinces in Indonesia. Based on the smallest Akaike Information Criteria (AIC) value, the best GWPR model is obtained with Adaptive Bisquare weighting. Each province has a different model. The GWPR model in West Java Province which has the highest number of TB cases in Indonesia is . The results of the analysis show that the number of poor people has a very significant influence in almost all provinces in Indonesia. While this is going on, a considerable impact can be seen in the proportion of unfit homes and the percentage of unsanitary food processing facilities (TPM). Provincial governments in Indonesia can consider the results of modeling with GWPR in formulating strategies to reduce the number of TB sufferers in their regions
Bilangan Kromatik Lokasi Amalgamasi Graf Theta Welyyanti, Des; Angryanof, Uthary Putri; Yulianti, Lyra
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.21582

Abstract

Misalkan adalah suatu pewarnaan titik pada graf dimana , untuk dan yang bertetangga di . Kode warna dari adalah pasang terurut dimana untuk . Jika setiap titik memiliki kode warna yang berbeda, maka disebut pewarnaan lokasi dari . Banyaknya warna minimum yang digunakan untuk pewarnaan lokasi termasuk bilangan kromatik lokasi dari dan dinotasikan dengan Pada artikel ini akan dibahas mengenai bilangan kromatik lokasi amalgamasi graf theta. 
Editor dan Daftar Isi Limits, Editor
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.22081

Abstract

Page 1 of 2 | Total Record : 12

 1   2 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 21, No 3 (2024) Vol 21, No 2 (2024) Vol 21, No 1 (2024) Vol 20, No 3 (2023) Vol 20, No 2 (2023) Vol 20, No 1 (2023) Vol 19, No 2 (2022) Vol 19, No 1 (2022) Vol 18, No 2 (2021) Vol 18, No 1 (2021) Vol 17, No 2 (2020) Vol 17, No 1 (2020) Vol 16, No 2 (2019) Vol 16, No 1 (2019) Vol 15, No 2 (2018) Vol 15, No 2 (2018) Vol 15, No 1 (2018) Vol 14, No 2 (2017) Vol 14, No 1 (2017) Vol 14, No 1 (2017) Vol 13, No 2 (2016) Vol 13, No 2 (2016) Vol 13, No 1 (2016) Vol 13, No 1 (2016) Vol 12, No 1 (2015) Vol 12, No 1 (2015) Vol 9, No 1 (2012) Vol 8, No 2 (2011) Vol 7, No 2 (2010) Vol 7, No 2 (2010) Vol 6, No 1 (2009) Vol 6, No 1 (2009) Vol 5, No 1 (2008) Vol 4, No 2 (2007) Vol 4, No 2 (2007) Vol 4, No 1 (2007) Vol 4, No 1 (2007) Vol 3, No 2 (2006) Vol 3, No 1 (2006) Vol 3, No 1 (2006) Vol 2, No 2 (2005) Vol 2, No 2 (2005) Vol 2, No 1 (2005) Vol 2, No 1 (2005) Vol 1, No 2 (2004) Vol 1, No 1 (2004) Vol 1, No 1 (2004) More Issue