cover
Contact Name
Alfi Yusyotis Zakiyyah
Contact Email
alfiyusrotiszakiyah@gmail.com
Phone
-
Journal Mail Official
alfiyusrotiszakiyah@gmail.com
Editorial Address
-
Location
Kab. pamekasan,
Jawa timur
INDONESIA
Zeta - Math Journal
ISSN : 24599948     EISSN : 25795864     DOI : -
Core Subject : Education,
Zeta - Math Journal is a mathematical journal published twice a year by the Mathematics Department, Faculty of Mathematics and Science, Islamic University of Madura. Journal includes research papers, literature studies, analysis, and problem solving in Mathematics (Algebra, Analysis, Statistics, Computing and Applied). It cordially invites contributions from researcher, lecturer, and teacher of related disciplines. The language used in this journal is Indonesian and English.
Arjuna Subject : -
Articles 98 Documents
Implementasi Algoritma K-Nearest Neighbor (K-NN) dalam Mengklasifikasikan Berbagai Jenis Ekspresi Wajah Manusia Khaliqah, Marinatul; Sarifah, Luluk; Khotijah, Siti
Zeta - Math Journal Vol 9 No 1 (2024): Mei
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.1.10-20

Abstract

Ekspresi wajah manusia adalah bentuk respon alami yang ditunjukkan oleh manusia untuk memperlihatkan perasaan yang sedang dirasakan saat berinteraksi sosial, yang mana dalam berinteraksi sosial, kondisi emosi yang baik menjadi penting dalam menjalin komunikasi yang baik. Pentingnya penelitian terkait ekspresi wajah adalah membantu perkembangan teknologi di dunia dalam memainkan peran penting dalam interaksi komputer dan manusia. Adanya penelitian ini bertujuan untuk mengklasifikasikan ekspresi wajah manusia menggunakan algoritma K-Nearest Neighbor dengan dibantu ekstraksi ciri GLCM sebagai variabel yang dijadikan inputan pada proses klasifikasi. Pada penelitian ini dilakukan dua jenis pengujian, yaitu dengan jumlah data yang lebih banyak dan jumlah data yang lebih sedikit dengan penggunaan k=1, k=3, dan k=5 dengan tujuan mengetahui tingkat akurasi yang lebih baik dari algoritma K-Nearest Neighbor. Setelah dilakukan pengujian didapatkan hasil akurasi yang lebih baik dari algoritma K-Nearest Neighbor adalah dengan jumlah data yang lebih banyak dengan penggunaan k=1, yaitu dengan tingkat akurasi mencapai 100%. Jadi dapat disimpulkan bahwa algoritma K-Nearest Neighbor dapat mencapai akurasi terbaiknya dalam mengklasifikasikan jenis ekspresi wajah manusia adalah dengan pengujian data yang lebih banyak dan dengan penggunaan k=1.
Pemahaman Kondisi Kesulitan Mandiri Penduduk Indonesia 2022 dengan Pendekatan Multidimensional Scaling Tagawa, Dustin Nathanael; Amelia, Dita; Mardianto, M. Fariz Fadillah; Ana, Elly; Fortunata, Regina; Aflaha, Nabila Shafa; Wibawa, Yoga Setya
Zeta - Math Journal Vol 9 No 1 (2024): Mei
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.1.21-30

Abstract

Dengan populasi sebanyak 270,20 juta jiwa, Indonesia terus menghadapi dinamika demografi kompleks yang tercermin dalam Sensus Penduduk 2020. Meskipun IPM (Indeks Pembangunan Manusia) 2023 mencapai kategori tertinggi, tantangan mengenai kehidupan sehat dan sejahtera, serta tenaga kerja yang optimal dan produktif masih terus muncul. Ini terbukti dengan adanya 1,43% prevelensi penyandang disabilitias dan 933.833 penduduk yang kesulitan mengurus diri sendiri pada tahun 2022. Dalam mendukung TPB (Tujuan Pembangunan Berkelanjutan) dan Indonesia Emas 2045, penelitian ini menggunakan metode Multidimensional Scaling dalam menganalisis penduduk Indonesia pada tahun 2022 yang memiliki kondisi kesulitan untuk mengurus diri sendiri menurut faktor penyebabnya dan kelompok usia. Tujuan dari penelitian ini adalah untuk memetakan penduduk Indonesia dengan kesulitan mengurus diri sendiri berdasarkan penyebab dan kelompok usia, serta menganalisis keterkaitannya dengan penduduk Indonesia tahun 2022 yang mengalami kondisi kesulitan mengurus diri sendiri. Manfaat dari penelitian yang dilakukan adalah dapat menyumbangkan pemikiran bagi pemerintah agar dapat menentukan langkah-langkah strategis dan tepat dalam meningkatkan IPM 2023 dengan kondisi masyarakat yang mengalami kesulitan mengurus diri sendiri. Hasil penelitian ini bahwa faktor keterbatasan fisik menjadi penyebab utama penduduk Indonesia mengalami kondisi kesulitan mengurus diri sendiri, terutama pada kelompok usia 45 tahun ke atas.
Analisis Peramalan Profitabilitas PT. Samudera Indonesia Tbk Menggunakan Metode Regresi Linear Shiela, Fadia Jasmine Has; Hasanah, Indah Karimatul; Herlambang, Teguh; Ramadhan, Rizky; Hamdani, M. Yusuf; Nafa, Mulya
Zeta - Math Journal Vol 9 No 1 (2024): Mei
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.1.41-49

Abstract

Logistics companies contribute significantly to economic growth and play an important role in global supply chains. Profitability is the main indicator of business success. The profit forecasting model helps managers improve financial performance efficiently and effectively. This research optimizes the financial performance of PT Samudera Indonesia Tbk by forecasting net profit using the linear regression method. Financial data from 2018 to 2023 was collected from the IDX website. Simulation analysis using Python shows that the independent variables in linear regression have a significant effect on the profitability of PT Samudera Indonesia Tbk. The regression coefficient shows the strength of the relationship between the independent and dependent variables. Linear regression models can predict profitability based on the variables considered. The aim of this research is so that PT Samudera Indonesia Tbk can carry out better financial planning and decisions based on accurate predictions. This research contributes to improving the operational efficiency and effectiveness of the company's business strategy, which has a positive impact on profitability and long-term growth. Overall, the application of the linear regression method in forecasting, with an RMSE value of 0.0645, is an effective tool for PT Samudera Indonesia Tbk to optimize financial performance amidst complex business competition.
Penerapan Algoritma DBSCAN Untuk Clustering Penjualan di Supermarket Hapsari, Rinci Kembang; Audrey, Talitha Naifa; Widodo, Muhammad Amiruddin; Islamiyah, Mitha
Zeta - Math Journal Vol 9 No 2 (2024): November
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.2.83-89

Abstract

Supermarkets are shopping places that provide various daily necessities. Many customers visit supermarkets to buy necessities. The growth of supermarkets is increasing. Supermarkets have a variety of products with different brands, branches, and types of customers. To create a sales strategy, need to know the products that customers are interested in. In this research, supermarket product clustering was carried out based on sales data. The clustering algorithm used in this research is the DBSCAN algorithm. This algorithm is an algorithm for grouping data objects based on density, which is influenced by input parameters, namely the Eps and MinPts values. The data used in this research is secondary data consisting of 100 supermarket sales data, taking 2 attributes. The clustering results show that using the Eps parameter value = 6 and the MinPts value = 9, the product data is divided into 3 clusters, namely cluster 1 of products that are not in demand, cluster 2 of products that are in demand and cluster 3 of very popular products.
Analisis Korelasi Kanonik Terhadap Hubungan Faktor Meteorologi dengan Produksi Tanaman Perkebunan Baihaqi, Mochammad; Dwiyanto, Adelia Sukma; Rahmada, Indrastanto Oktodian; Pratama, Fachriza Yosa; Mardianto, M. Fariz Fadillah; Amelia, Dita; Ana, Elly
Zeta - Math Journal Vol 9 No 2 (2024): November
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.2.73-82

Abstract

Tanaman perkebunan merupakan tanaman yang hasil panennya bisa berbeda-beda tergantung dengan keadaan udara yang termasuk indikator meteorologi. Untuk mengetahui hal tersebut dapat menggunakan analisis korelasi kanonik. Penelitian yang dilakukan menggunakan data sekunder, yakni data yang berasal dari sumber yang telah ada.Hasil pencatatan dari faktor meteorologi dan produksi tanaman perkebunan menurut Provinsi pada tahun 2015 digunakan sebagai data sekunder yang akan dianalisis. Data yang diambil yaitu data faktor meteorologi yang terdiri dari suhu (Y1), kelembaban (Y2), curah hujan (Y3), penyinaran matahari (Y4), tekanan udara (Y5) dan data produksi tanaman perkebunan yang terdiri dari Kelapa Sawit (X1­), kelapa (X2), karet (X3), kopi (X4), kakao (X5). Tujuan melakukan penelitian ini untuk memberikan informasi adakah atau tidak adakah pengaruh faktor meteorologi dengan produksi tanaman perkebunan dan juga mengetahui faktor meteorologi dengan pengaruh terbesar atau terbaik terhadap produksi tanaman perkebunan. Dari hasil analisis korelasi kanonik diperoleh hasil bahwa hubungan faktor meteorologi dan produksi tanaman perkebunan, variabel indikator pada variabel faktor meteorologi yang paling dominan adalah tekanan udara dengan pengaruhnya terhadap produksi tanaman perkebunan sebesar 96.2%. Sedangkan variabel produksi tanaman perkebunan yang dominan adalah variabel kelapa sawit dengan nilai korelasi yang paling tinggi yaitu sebesar 1.129.
Perbandingan Algoritma KNN pada Nilai K untuk Forecasting Occupancy Room pada Hotel XYZ Hasan, Aldi Age; Herlambang, Teguh; Arief, M. Romli
Zeta - Math Journal Vol 9 No 2 (2024): November
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.2.97-104

Abstract

Hotel memainkan peran penting sebagai faktor penunjang ekonomi sektor pariwisata di Indonesia. Menurut data Badan Pusat Statistika (BPS) Jawa Timur pada April 2023, kunjungan wisatawan mancanegara ke Jawa Timur melalui Bandara Juanda, Surabaya, meningkat 74% dibandingkan tahun sebelumnya di bulan yang sama. Tingkat hunian hotel, yang merupakan indikator jumlah kamar terisi oleh tamu, menjadi kritis dalam mengelola sumber daya seperti listrik.Penelitian ini membahas metode prediksi tingkat hunian hotel, dengan fokus pada algoritma Regresi K-NN. KNN memiliki konsistensi kuat dan efektivitas terhadap dataset pelatihan dengan banyak noise, meskipun kinerjanya dipengaruhi oleh nilai k yang menentukan sejauh mana pencarian berlangsung. Hasil yang diberikan pada penelitian ini ialah pada pembagian data training 70% dan data testing 30%, mendapatkan hasil dengan nilai K=3 dan K=4 memiliki nilai RMSE 0.204, lalu pada pembagian data 80:20 ada di nilai K=3 memiliki nilai RMSE 0.127 dan hasil pada pembagian data 90:10 pada nilai K=3 memiliki nilai RMSE 0.080
Preferensi Generasi Z Surabaya dalam Keputusan Pemilihan Umum 2024 Berdasarkan Structural Equation Modeling-Partial Least Squares Putri, Larisa Mutiara; Maulidya, Utsna Rosalin; Purba, Gaby Valenia Rosa; Sulaiman, Faizah Jauhar; Mardianto, M. Fariz Fadillah
Zeta - Math Journal Vol 9 No 2 (2024): November
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.2.60-72

Abstract

Hasil pemilu menentukan pemimpin yang kebijakannya berpengaruh besar pada Indonesia. Generasi Z akan memegang peran penting dalam pemilu karena diprediksi akan menggantikan dominasi politik Generasi Milenial. Berdasarkan Komisi Pemilihan Umum 2023, jumlah suara Generasi Z mencapai 22,85 persen dari total penduduk Indonesia, dengan Jawa Timur sebagai provinsi dengan populasi Generasi Z terbesar kedua. Julukan kota metropolitan tidak bisa terlepas dari ibukota Jawa Timur, walaupun peringkatnya masih di urutan kedua, kota Surabaya memiliki Generasi Z mencakup 28,8 persen dari total pemilih pada Pemilu 2024. Sehingga, penting untuk menganalisis preferensi unik Generasi Z dalam pemberian suara pada Pemilu 2024 di Surabaya. Metode Structural Equation Modeling-Partial Least Squares (SEM-PLS) dipilih karena kemampuannya menguji hubungan kompleks antara berbagai variabel laten dan indikatornya secara simultan. Hasil riset menunjukkan beberapa hasil variabel yang saling berpengaruh yaitu antara faktor internal dan voting choices, faktor eksternal terhadap faktor internal, serta faktor eksternal terhadap preferensi Generasi Z. Temuan ini mengindikasikan bahwa faktor internal seperti pendapatan dan pendidikan, serta faktor eksternal seperti pengaruh teman sebaya dan tokoh terkenal, berperan penting dalam memengaruhi keputusan pemilih Generasi Z di Pemilu 2024 Surabaya. Maka dari itu, pemerintah dapat merumuskan strategi kampanye yang lebih efektif dan inklusif, dengan mempertimbangkan preferensi dan karakteristik khusus dari Generasi Z.
Prediksi Produksi Kelapa di Kabupaten Banyuwangi Dengan Algoritma Neural Network Herlambang, Teguh; Nurhadi, Hendro; Ermavitalini, Dini; Huda, Miftahul; Oktavianto, Lucky; Saputro, Triono Bagus; Arief, M. Romli
Zeta - Math Journal Vol 9 No 2 (2024): November
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.2.90-96

Abstract

Salah satu daerah penghasil kelapa terbesar di Indonesia adalah Banyuwangi, yang terletak di ujung timur Pulau Jawa. Perkebunan kelapa di Banyuwangi tidak hanya meningkatkan pendapatan petani, tetapi juga memajukan industri pengolahan lokal. Banyuwangi memiliki area potensial yang akan membantu pertumbuhan bisnis kelapa dan agroindustri lainnya. Potensi budidaya kelapa tersebar di berbagai wilayah Banyuwangi, dengan beberapa kecamatan yang menonjol dalam hal produksi dan pengolahan kelapa. Banyuwangi juga memiliki tanah yang subur, iklim yang mendukung, dan sumber daya manusia yang berpengalaman dalam budidaya kelapa Tujuan dari penelitian ini adalah untuk meramalkan produksi kelapa di Kabupaten Banyuwangi dan memberikan informasi yang akurat tentang perkiraan jumlah produksi di masa depan. Diharapkan hasil ini akan membantu petani dan pemangku kebijakan membuat keputusan yang tepat tentang manajemen produksi, distribusi, dan pengembangan industri kelapa di daerah tersebut untuk meningkatkan keberlanjutan, keuntungan, dan efisiensi. Pada penelitian ini menggunakan algoritma Neural Network guna menunjukkan kinerja terbaik pada pengujian dengan pembagian data pelatihan (Tr) sebesar 70%, 80%, dan 90%, serta data pengujian (Ts) sebesar 30%, 20%, dan 10%. Hasil pada implementasi algoritma Neural Network sebagai peramalan produksi kelapa pada banyuwangi menghasilkan RMSE berturut-turut sebesar 0,039, 0,036, dan 0,036.
Pengelompokkan Kemiskinan di Provinsi Jawa Timur Menggunakan Fuzzy Geographycally Weighted Clustering Anisa, Anisa; Yulianto, Tony; Kuzairi, Kuzairi; Faisol, Faisol
Zeta - Math Journal Vol 9 No 2 (2024): November
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.2.105-114

Abstract

Masalah kemiskinan menjadi isu global yang menarik untuk dibahas karena berdampak pada kondisi sosial ekonomi, pendidikan, kesehatan, maupun stabilitas politik suatu wilayah. Berdasarkan data Badan Pusat Statistik (BPS), jumlah penduduk miskin di Provinsi Jawa Timur sebanyak 4,19 juta orang pada Maret 2023 mengalami penurunan sebanyak 47,7 ribu orang dari September 2022. Namun Jawa Timur masih menjadi Provinsi dengan jumlah penduduk miskin tertinggi di Indonesia. Upaya yang dapat dilakukan dalam pengentasan kemiskinan yaitu mengetahui daerah dengan tingkat kemiskinan tertinggi, sedang atau rendah di Provinsi Jawa Timur dengan cara mengelompokkan Kabupaten/Kota berdasarkan indikator kemiskinan. Dalam penelitian ini pengelompokan Kabupaten/Kota berdasarkan indikator kemiskinan dilakukan dengan mempertimbangkan efek geografis menggunakan metode Fuzzy Geographically Weighted Clustering (FGWC). Hasil Penelitian diperoleh 3 cluster yang optimum dengan karakteristik cluster yang berbeda berdasarkan indikator kemiskinan. Cluster 1 dengan kemiskinan rendah, cluster 2 dengan kemiskinan sedang dan cluster 3 dengan kemiskinan tinggi.
Analysis and Forecasting of PT. Bank Rakyat Indonesia (BRI) Stock Price After Covid-19 using Multiple Linear Regression Method Arief, M. Romli; Herlambang, Teguh
Zeta - Math Journal Vol 10 No 1 (2025): May
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2025.10.1.61-69

Abstract

The Covid-19 pandemic that has occurred for approximately two years since 2020 in Indonesia has had a tremendous impact on the domestic economy. The impact is felt by many sectors, including the banking sector. In the banking sector, the economic downturn is also felt by investors, especially stock investors. Due to fluctuating stock price conditions, it also increases the number of uncertainties. This needs to be taken seriously by business people in the banking sector and investors so that companies are still able to operate in the midst of post-pandemic conditions. In times of crisis like today, investors, especially stock investors, have begun to adapt to the development of stock prices by taking an approach using advances in information technology. Updates from the field of information technology such as the use of machine learning with a technical approach or forecasting method have now begun to be utilized. This study aims to Analyze and forecast the closing price of shares of PT Bank Rakyat Indonesia Tbk using the Multiple Linear Regression method using reference stock data before and after covid-19 with a time span between 2018 and 2022. The forecasting results produced an RMSE value of 0.0256 in the condition of 90% training data and 10% test data.

Page 9 of 10 | Total Record : 98