cover
Contact Name
Resmawan
Contact Email
resmawan@ung.ac.id
Phone
+6285255230451
Journal Mail Official
info.jjom@ung.ac.d
Editorial Address
Jl. Prof. Dr. Ing. B. J. Habibie, Moutong, Tilongkabila, Kabupaten Bone Bolango, Gorontalo, Indonesia
Location
Kota gorontalo,
Gorontalo
INDONESIA
Jambura Journal of Mathematics
ISSN : 26545616     EISSN : 26561344     DOI : https://doi.org/10.34312/jjom
Core Subject : Education,
Jambura Journal of Mathematics (JJoM) is a peer-reviewed journal published by Department of Mathematics, State University of Gorontalo. This journal is available in print and online and highly respects the publication ethic and avoids any type of plagiarism. JJoM is intended as a communication forum for mathematicians and other scientists from many practitioners who use mathematics in research. The scope of the articles published in this journal deal with a broad range of topics, including: Mathematics; Applied Mathematics; Statistics; Applied Statistics.
Arjuna Subject : -
Articles 165 Documents
Peramalan Pendapatan Asli Daerah Provinsi Kalimantan Timur Menggunakan Model Grey-Markov (1,1) Latipah Latipah; Sri Wahyuningsih; Syaripuddin Syaripuddin
Jambura Journal of Mathematics Vol 1, No 2: Juli 2019
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (498.387 KB) | DOI: 10.34312/jjom.v1i2.2347

Abstract

Model grey (1,1) adalah model peramalan yang digunakan ketika jumlah data yang tersedia sedikit atau terbatas. Model tersebut menggunakan persamaan differensial orde satu dengan satu variabel penelitian. Pada penelitian ini dibahas model grey-Markov (1,1) yang merupakan pengembangan dari model grey (1,1) dan diaplikasikan pada data tahunan realisasi pendapatan asli daerah Provinsi Kalimantan Timur. Tujuan penelitian ini adalah memperoleh hasil dan akurasi peramalan pendapatan asli daerah Provinsi Kalimantan Timur Tahun 2009-2018 yang terdiri dari pajak daerah, retribusi daerah, hasil pengelolaan kekayaan daerah yang dipisahkan, dan lain-lain pendapatan asli daerah yang sah menggunakan model grey-Markov (1,1). Tahap awal dalam penelitian ini yaitu bentuk barisan data aktual, tahap kedua hitung AGO, tahap ketiga hitung MGO, tahap keempat tentukan nilai parameter model grey (1,1), tahap kelima hitung nilai prediksi model grey (1,1), tahap selanjutnya hasil peramalan model grey (1,1) dimodifikasi dengan rantai Markov, sehingga diperoleh hasil peramalan model grey-Markov (1,1). Hasil penelitian menunjukkan bahwa model grey-Markov (1,1) memberikan hasil peramalan cenderung mengikuti pola data. Nilai akurasi peramalan menunjukkan bahwa tingkat akurasi model grey-Markov (1,1) untuk peramalan data hasil pengelolaan kekayaan daerah yang dipisahkan dan data lain-lain pendapatan asli daerah yang sah adalah sangat akurat, sedangkan untuk data pajak daerah dan data retribusi daerah adalah akurat.
Peramalan Harga Emas Saat Pandemi Covid-19 Menggunakan Model Hybrid Autoregressive Integrated Moving Average - Support Vector Regression Drajat Indra Purnama
Jambura Journal of Mathematics Vol 3, No 1: January 2021
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (393.603 KB) | DOI: 10.34312/jjom.v3i1.8430

Abstract

ABSTRAKInvestasi emas merupakan salah satu investasi yang menjadi favorit dimasa pandemi Covid 19 seperti sekarang ini. Hal ini dikarenakan harga emas yang nilainya relatif fluktuatif tetapi menunjukkan tren peningkatan. Investor dituntut pandai dalam berinvestasi emas, mampu memprediksi peluang dimasa yang akan datang. Salah satu model peramalan data deret waktu adalah model Autoregressive Integrated Moving Average (ARIMA). Model ARIMA baik digunakan pada data yang berpola linear tetapi jika digunakan pada data data nonlinear keakuratannya menurun. Untuk mengatasi permasalahan data nonlinear dapat menggunakan model Support Vector Regression (SVR). Pengujian linearitas pada data harga emas menunjukkan adanya pola data linear dan nonlinear sekaligus sehingga digunakan kombinasi ARIMA dan SVR yaitu model hybrid ARIMA-SVR. Hasil peramalan menggunakan model hybrid ARIMA-SVR menunjukkan hasil lebih baik dibanding model ARIMA. Hal ini dibuktikan dengan nilai MAPE model hybrid ARIMA-SVR lebih kecil dibandingkan nilai MAPE model ARIMA. Nilai MAPE model hybrid ARIMA-SVR sebesar 0,355 pada data training dan 4,001 pada data testing, sedangkan nilai MAPE model ARIMA sebesar 0,903 pada data training dan 4,076 pada data testing.ABSTRACTGold investment is one of the favorite investments during the Covid 19 pandemic as it is today. This is because the price of gold is relatively volatile but shows an increasing trend. Investors are required to be smart in investing in gold, able to predict future opportunities. One of the time series data forecasting models is the Autoregressive Integrated Moving Average (ARIMA) model. The ARIMA model is good for use on linear patterned data but if it is used on nonlinear data the accuracy decreases. To solve the problem of nonlinear data, you can use the Support Vector Regression (SVR) model. The linearity test on the gold price data shows that there are linear and nonlinear data patterns at the same time so that a combination of ARIMA and SVR is used, namely the ARIMA-SVR hybrid model. Forecasting results using the ARIMA-SVR hybrid model show better results than the ARIMA model. This is evidenced by the MAPE value of the ARIMA-SVR hybrid model which is smaller than the MAPE value of the ARIMA model. The MAPE value of the ARIMA-SVR hybrid model is 0.355 on the training data and 4.001 on the testing data, while the MAPE value of the ARIMA model is 0.903 in the training data and 4.076 in the testing data.
Penerapan Metode Suksesif Interval pada Analsis Regresi Linier Berganda Setia Ningsih; Hendra H. Dukalang
Jambura Journal of Mathematics Vol 1, No 1: Januari 2019
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (809.777 KB) | DOI: 10.34312/jjom.v1i1.1742

Abstract

Dalam menggunakan model regresi linier disyaratkan data yang digunakan hendaknya berskala interval atau rasio. Akan tetapi jika skala dalam bentuk ordinal tetap dipaksakan menggunakan model regresi linier, maka akan diperoleh koefisien korelasi yang kecil dan tidak memenuhi syarat sebagaimana yang diharapakan dalam model regresi. Tujuan dari penelitian ini adalah melihat bagaimana melakukan pemodelan regresi linier berganda dengan menggunakan data berskala ordinal yang ditransformasi menjadi data interval. Data yang digunakan adalah data mengenai tingkat kepatuhan pembayaran pajak di Provinsi Gorontalo. Data hasil penelitian ini berskala ordinal sehingga dilakukan transformasi data menjadi skala interval dengan menggunakan metode suksesif interval. Setelah dilakukan transformasi, diperoleh model regresi dengan menggunakan data interval maka asumsi model regresi linier berganda terpenuhi, dan mempunyai kooefisien determinasi yang lebih tinggi, sedangkan model regresi linier dengan menggunakan data ordinal maka asumsi regresi linier tidak terpenuhi.
Perbandingan Model ARCH (1) dan GARCH (1,1) Ditinjau dari Perilaku Kurtosis dan Fungsi Autokorelasi Isran K Hasan; Ismail Djakaria; Demas Novaleda Abdul Karim
Jambura Journal of Mathematics Vol 2, No 2: Juli 2020
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (343.374 KB) | DOI: 10.34312/jjom.v2i2.4642

Abstract

Tulisan ini membahas tentang perbandingan model ARCH (1) dan GARCH (1,1) dengan melihat perilaku kurtosis dan fungsi autokorelasi baik secara analitik maupun menggunakan simulasi. Metode yang digunakan adalah studi literatur. Hasil yang diperoleh menunjukkan bahwa secara analitik kedua model memiliki kurtosis lebih dari tiga yang berarti model tersebut merupakan model dengan distribusi ekor tebal serta kedua model tersebut mempunyai fungsi autokorelasi return kuadrat yang turun secara perlahan. Hasil simulasi numerik perbandingan MSE nilai kurtosis data dan kurtosis model menunjukkan bahwa model GARCH (1,1) memiliki MSE terkecil dengan nilai 3,702. Selanjutnya, hasil numerik perbandingan MSE untuk fungsi autokorelasi diperoleh GARCH (1,1) memiliki MSE terkecil pada dua data yaitu SMGR.JK dan JMSR.JK masing masing memiliki nilai 0,0025 dan 0,0015, sedangkan untuk data MNCN.JK MSE terkecilnya adalah model ARCH (1) dengan distribusi  dengan nilai 0,0048.
Modifikasi Varian Metode Abbasbandy dengan Orde Konvergensi Tujuh Tanpa Turunan Kedua Tuti Adawiyah; Muhamad Nizam Muhaijir
Jambura Journal of Mathematics Vol 2, No 1: Januari 2020
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (365.041 KB) | DOI: 10.34312/jjom.v2i1.2407

Abstract

Varian metode Abbasbandy tanpa turunan kedua merupakan salah satu metode iterasi yang memiliki orde konvergensi empat yang digunakan untuk menyelesaikan persamaan nonlinear. Penelitian ini memodifikasi varian Abbasbandy menjadi metode iterasi tiga langkah. Turunan yang terdapat pada metode iterasi tersebut diaproksimasi menggunakan interpolasi polinomial, interpolasi Hermit orde dua dan interpolasi Lagrange orde tiga. Secara analitik, metode baru ini mempunyai konvergensi orde tujuh dengan melibatkan empat evaluasi fungsi sehingga indeks efisiensi .  Simulasi numerik dilakukan menggunakan beberapa fungsi untuk membandingkan metode ini dengan beberapa metode lain seperti  metode Newton, metode  Abbasbandy, metode Halley, metode Arif-Muhaijir, dan metode Wartono-Rosela untuk menunjukkan performa metode iterasi yang ditemukan.
Algoritma Ant Colony Optimization pada Quadratic Assignment Problem Oni Soesanto; Pardi Affandi; Nurul Dasima Astuti
Jambura Journal of Mathematics Vol 1, No 2: Juli 2019
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (310.11 KB) | DOI: 10.34312/jjom.v1i2.2353

Abstract

Quadratic Assignment Problem (QAP) is one extension of the assignment problem by setting n facilities to n certain locations to minimize the total assignment costs. QAP is also a combinatorial optimization problem that is a problem that has a finite set of solutions. Basically the solution of combinatorial problems can be obtained with the right results but for complex problems with larger data sizes it is quite difficult to calculate because the time used is long enough for the completion process. One of the algorithms implemented in the completion of QAP is the Ant Colony Optimization (ACO) algorithm is an algorithm that mimics the behavior of ants in finding food from the nest to a food source with the help of indirect communication called pheromone, so that pheromone is used to find optimal solutions with quite a short time. in this research ACO is used to solve the QAP problem by using a random proportional of rule formula then getting the smallest solution and renewing the pheromone until the assignment is stable and the solution obtained is fixed until the maximum assignment solution. The results obtained to complete the Quadratic Assignment Problem with the Ant Colony Optimization algorithm to get a solution to the QAP problems tested in the Nugent case resulted in a more minimal solution and the placement of appropriate location facilities through pheromone assistance and stored in a taboo list so that all facilities get a decent location with a worth it short time in completion.
Analisis Dinamik Model Transmisi COVID-19 dengan Melibatkan Intervensi Karantina Resmawan Resmawan; Agusyarif Rezka Nuha; Lailany Yahya
Jambura Journal of Mathematics Vol 3, No 1: January 2021
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (609.878 KB) | DOI: 10.34312/jjom.v3i1.8699

Abstract

ABSTRAKMakalah ini membahas dinamika transmisi COVID-19 dengan melibatkan intervensi karantina. Model dikonstruksi dengan melibatkan tiga kelas penyebab infeksi, yaitu kelas manusia terpapar, kelas manusia terinfeksi tanpa gejala klinis, dan kelas manusia terinfeksi disertai gejala klinis. Variabel yang merepresentasikan intervensi karantina untuk menekan pertumbuhan infeksi juga dipertimbangkan pada model. Selanjutnya, analisis model difokuskan pada eksistensi titik kesetimbangan dan simulasi numerik untuk menunjukkan dinamika populasi secara visual. Model yang dikonstruksi membentuk model SEAQIR yang memiliki dua titik kesetimbangan, yaitu titik kesetimbangan bebas penyakit dan titik kesetimbangan endemik. Analisis kestabilan menunjukkan bahwa titik kesetimbangan bebas penyakit bersifat stabil asimtotik lokal pada saat R01 dan tidak stabil pada saat R01. Simulasi numerik menunjukkan bahwa peningkatan intervensi berupa karantina dapat berkontribusi memperlambat transmisi COVID-19 sehingga diharapkan dapat mencegah terjadinya wabah pada populasi.ABSTRACTThis paper discusses the dynamics of COVID-19 transmission by involving quarantine interventions. The model was constructed by involving three classes of infectious causes, namely the exposed human class, asymptotically infected human class, and symptomatic infected human class. Variables were representing quarantine interventions to suppress infection growth were also considered in the model. Furthermore, model analysis is focused on the existence of equilibrium points and numerical simulations to visually showed population dynamics. The constructed model forms the SEAQIR model which has two equilibrium points, namely a disease-free equilibrium point and an endemic equilibrium point. The stability analysis showed that the disease-free equilibrium point was locally asymptotically stable at R01 and unstable at R01. Numerical simulations showed that increasing interventions in the form of quarantine could contribute to slowing the transmission of COVID-19 so that it is hoped that it can prevent outbreaks in the population.
Analisis Regresi COX Proportional Hazard pada Pemodelan Waktu Tunggu Mendapatkan Pekerjaan Hendra H. Dukalang
Jambura Journal of Mathematics Vol 1, No 1: Januari 2019
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (702.124 KB) | DOI: 10.34312/jjom.v1i1.1744

Abstract

Analisis Survival merupakan suatu metode statistika yang memperhatikan waktu hingga terjadinya suatu kejadian (event). Tujuan dari analisis survival adalah menaksir probabilitas kelangsungan hidup, kematian, dan peristiwa lainnya sampai periode tertentu. Salah satu Analisis Survival yang paling popular digunakan adalah regresi Cox proportional hazard. Regresi Cox proportional hazard merupakan salah satu regresi semiparametrik yang bertujuan mengetahui kombinasi faktor-faktor yang berpengaruh terhadap variable respon yang berupa waktu survival. Dalam penelitian ini waktu survival yang digunakan adalah selang waktu tunggu sarjana dalam mendapatkan pekerjaan pertamanya. Data yang digunakan adalah data mengenai faktor-faktor yang mempengaruhi sarjana matematika tahun 2016 dan 2017 dalam memperoleh pekerjaan pertamanya. Berdasarkan hasil analisis dan pengujian, diiperoleh variable yang berpengaruh adalah asal sekolah SMA dan SMK, informasi lowongan pekerjaan, kesesuaian pekerjaan dengan bidang ilmu dan pengalaman kerja dari sarjana tersebut.
Peramalan Nilai Tukar Petani Subsektor Peternakan Menggunakan Fuzzy Time Series Lee Mahadi Muhammad; Sri Wahyuningsih; Meiliyani Siringoringo
Jambura Journal of Mathematics Vol 3, No 1: January 2021
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (648.747 KB) | DOI: 10.34312/jjom.v3i1.5940

Abstract

ABSTRAKFuzzy time series (FTS) Lee adalah suatu metode peramalan yang digunakan ketika jumlah data historis yang tersedia sedikit, serta tidak mensyaratkan asumsi-asumsi tertentu yang harus terpenuhi. Metode ini menggunakan data historis berupa himpunan fuzzy yang berasal dari bilangan real atas himpunan semesta pada data aktual. FTS Lee adalah perkembangan dari FTS Song dan Chissom, FTS Cheng, serta FTS Chen. Pada penelitian ini dibahas penerapan FTS Lee pada data Nilai Tukar Petani Subsektor Peternakan (NTPT) di Kalimantan Timur. Tujuan penelitian ini adalah memperoleh hasil peramalan NTPT di Kalimantan Timur pada bulan Januari 2020 dengan menggunakan FTS Lee. Langkah awal dalam penelitian ini yaitu menentukan himpunan semesta pembicaraan, langkah kedua menentukan banyaknya himpunan fuzzy, langkah ketiga mendefinisikan derajat keanggotaan himpunan fuzzy terhadap  dan melakukan fuzzyfikasi pada data aktual, langkah keempat membuat fuzzy logical relationship, langkah kelima membuat fuzzy logical relationship group, langkah keenam melakukan defuzzyfikasi sehingga diperoleh hasil peramalan, serta dilanjutkan dengan menghitung nilai mean absolute percentage error. Hasil penelitian menunjukkan bahwa peramalan menggunakan FTS Lee pada bulan Januari 2020 adalah 110,25. Nilai mean absolute percentage error pada  hasil peramalan dengan menggunakan FTS Lee adalah sangat baik.  ABSTRACTLee’s Fuzzy time series (FTS) is a forecasting method that is used when the number of historical data that available was small and does not require certain assumptions to be fulfilled. This method uses historical data in the form of fuzzy sets derived from real numbers over the set of universes in the actual data. FTS Lee is a development of FTS Song and Chissom, FTS Cheng, and FTS Chen. This research discusses the application of FTS Lee to the Exchange Rate of Farmers Subsectors Farm (ERFSF) in Kalimantan Timur. The purpose of this study was to obtain the results of ERFSF forecasting in Kalimantan Timur in January 2020 using FTS Lee. The first step during research is to determine the set of speech universes, the second step is to determine the number of fuzzy sets, the third step is to define the degree of fuzzy association membership and fuzzification on the actual data, the fourth step is to create a fuzzy logical relationship, the fifth step is to create a fuzzy logical relationship group, the sixth step is to perform defuzzification in order to obtain forecasting results, and continue by calculating the mean absolute percentage error value. The results showed that forecasting using FTS Lee in January 2020 was 110,25. The mean absolute percentage error value in forecasting results using FTS Lee is very good.
Peramalan Jumlah Penumpang Berangkat Melalui Transportasi Udara di Sulawesi Tengah Menggunakan Support Vector Regression (SVR) Drajat Indra Purnama; Oki Prasetia Hendarsin
Jambura Journal of Mathematics Vol 2, No 2: Juli 2020
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (304.484 KB) | DOI: 10.34312/jjom.v2i2.4458

Abstract

Sulawesi Tengah memiliki tujuh bandara sebagai akses transportasi udara keluar atau masuk. Jumlah penumpang berangkat menggunakan transportasi udara melalui ketujuh bandara tersebut mengalami fluktuasi setiap bulannya. Oleh karena itu, dibutuhkan teknik peramalan yang tepat untuk melihat fluktuasi dan meramalkan jumlah penumpang di masa depan. Hasil pengujian data jumlah penumpang berangkat melalui transportasi udara di Sulawesi Tengah menunjukkan bahwa data memiliki pola nonlinear sehingga diperlukan metode peramalan yang dapat mengatasi permasalahan pola data nonlinear. Dalam artikel ini digunakan model SVR. Hasil peramalan data jumlah penumpang berangkat melalui  transportasi udara di Sulawesi Tengah menggunakan SVR menunjukkan akurasi peramalan yang baik dengan nilai MAPE 7,28 persen untuk data training dan 18,67 persen untuk data testing.

Page 2 of 17 | Total Record : 165