cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Lyra Yulianti
Contact Email
lyra@sci.unand.ac.id
Phone
-
Journal Mail Official
lyra@si.unand.ac.id
Editorial Address
http://jmua.fmipa.unand.ac.id/index.php/jmua/index
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnal Matematika UNAND
Published by Universitas Andalas
ISSN : 2303291X     EISSN : 27219410     DOI : -
Core Subject : Science, Education,
Computer Science & IT Mathematics
Fokus dan Lingkup dari Jurnal Matematika FMIPA Unand meliputi topik-topik dalam Matematika sebagai berikut : Analisis dan Geometri Aljabar Matematika Terapan Matematika Kombinatorika Statistika dan Teori Peluang.
Arjuna Subject : -
Articles 15 Documents
 1   2 
Search results for , issue "Vol 4, No 2 (2015)" : 15 Documents clear
ALOKASI PORTOFOLIO OPTIMAL DENGAN METODE MOORE PENDROSE Roza Ria Indah
Jurnal Matematika UNAND Vol 4, No 2 (2015)
Publisher : Jurusan Matematika FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmu.4.2.65-72.2015

Abstract

Salah satu permasalahan yang terjadi ketika seorang investor memutuskan untuk berinvestasi adalah bagaimana mendapatkan return yang diharapkan tetapi dengan risiko yang minimum. Implikasi dalam meminimumkan risiko adalah dengan menggunakan metode mean variance pada model Markowitz yang melibatkan matriks kovarian. Ketika matriks kovarian menghampiri matriks singular tetapi ill-conditioned, maka alokasi portofolio optimal dapat ditentukan dengan mengganti invers matriksnya dengan invers Moore Pendrose. Metode Moore Pendrose dapat diaplikasikan untuk menentukan alokasi portofolio pada 43 aset FTSE selama periode waktu terhitung sejak 1 Januari 2008 hingga 30 Desember 2014 yang datanya dapat diakses melalui http://yahoo.finance.com. Matriks kovarian dari aset tersebut menghampiri matriks singular, maka metode Moore Pendrose memberikan solusi yang lebih baik dalam menentukan alokasi portofolio optimal.Kata Kunci: Matriks kovarian, ill-conditioned, invers Moore Pendrose, portofolio optimal
PERBANDINGAN METODE MAXIMUM LIKELIHOOD DAN METODE BAYES DALAM MENGESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA UNTUK DATA BERDISTRIBUSI NORMAL Catrin Muharisa; Ferra Yanuar; Hazmira Yozza
Jurnal Matematika UNAND Vol 4, No 2 (2015)
Publisher : Jurusan Matematika FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmu.4.2.100-107.2015

Abstract

Analisis regresi merupakan salah satu metode untuk melihat hubungan antara variabel bebas (independent) dengan variabel terikat (dependent) yang dinyatakan dalam model regresi. Beberapa metode yang bisa digunakan untuk mengestimasi parameter model regresi, diantaranya adalah metode klasik dan metode Bayes. Salah satu metode klasik adalah metode maximum likelihood. Penelitian ini membahas tentang perbandingan metode maximum likelihood dan metode Bayes dalam mengestimasi parameter model regresi linear berganda untuk data berdistribusi normal. Adapun rumus untuk mengestimasi parameter dengan metode maximum likelihood adalah βˆ=(XTX)-1XTY dan ˆσ2 = 1 n P∞ k=1 ei. Sedangkan untuk mengestimasi parameter dengan metode Bayes adalah dengan menggunakan distribusi prior dan fungsi likelihood. Distribusi prior yag dipilih pada kajian ini adalah f(β, σ2 ) = Qn i=1 f(βj |σ 2 )f(σ 2 ) dengan βj ∼ N(µβj , σ2 ) dan σ 2 ∼ IG(a, b). Distribusi prior konjugat tersebut kemudian dikalikan dengan fungsi likelihood L(β, σ2 ) sehingga membentuk distribusi posterior f(β|σ 2 ). Distribusi posterior inilah yang digunakan untuk mengestimasi parameter model melalui proses Markov Chain Monte Carlo (MCMC). Algoritma MCMC yang digunakan adalah algoritma Gibbs Sampler. Model regresi linear berganda yang diperoleh dengan metode maximum likelihood adalahyˆ = −27, 8210000 + 0, 0307430X1 + 0, 0039211X2 + 0, 0034631X3 + 0, 6537000X4dengan kecocokan modelnya adalah sebesar 95,7 %. Sedangkan model regresi linear berganda yang diperoleh dengan metode Bayes adalahyˆ = −26, 620000 + 0, 029380X1 + 0, 004204X2 + 0, 003321X3 + 0, 656200X4dengan kecocokan modelnya adalah sebesar 99,99 %. Dengan demikian dapat disimpulkan bahwa metode Bayes lebih baik dari pada metode maximum likelihood.Kata Kunci: Model Regresi Linear Berganda, metode Maximum Likelihood, dan metode Bayes
MENENTUKAN AKAR PERSAMAAN NONLINIER DENGAN METODE APPROKSIMASI LINGKARAN Fadli Frayudi; Susila Bahri; Nova Noliza Bakar
Jurnal Matematika UNAND Vol 4, No 2 (2015)
Publisher : Jurusan Matematika FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmu.4.2.38-45.2015

Abstract

Penelitian ini bertujuan untuk menentukan akar dari suatu persamaaan nonlinier dengan menggunakan Metode Approksimasi Lingkaran. Dengan menggunakan metode ini, akar dari persamaan nonlinier dapat ditemukan melalui dua pendekatan, yaitu Teknik Singgung Luar Lingkaran dan Teknik Perpotongan Ortogonal Lingkaran. Misalkan x0 adalah taksiran awal untuk akar persamaan f(x) = 0, kemudian asumsikan x1 = x0 +h dimana h adalah bilangan positif atau negatif kecil. Pada kasus pertama, sebuah lingkaran C1 dengan jari-jari f(x0) digambarkan dengan pusat pada sebarang titik (x0, f(x0)) terhadap kurva fungsi f(x). Lingkaran yang lainnya yaitu C2 dengan jari-jari f(x0 + h) dan pusat pada (x0 + h, f(x0 + h)), digambarkan terhadap kurva fungsi f(x) sedemikian sehingga menyinggung atau berpotongan dengan lingkaran C1 secara eksternal atau ortogonal. Pada kasus yang kedua, sebuah lingkaran C1 dengan jari-jari f(x0+h) digambarkan dengan titik pusat (x0+h, f(x0+h)) terhadap kurva fungsi f(x). Lingkaran yang lainnya yaitu C2 dengan jari-jari f(x0−h) dan pusat pada(x0−h, f(x0−h)) digambarkan terhadap kurva fungsi f(x) sedemikian sehingga menyinggung atau berpotongan dengan lingkaran C1 secara eksternal atau ortogonal. Proses iterasi pada kedua kasus tersebut bergantung pada nilai taksiran awal (x0) yang diambil, semakin dekat nilai taksiran awal yang diambil dengan akar sejatinya, maka akan semakin cepat proses iterasi dalam menentukan akar dari persamaan nonlinier yang diinginkan.Kata Kunci: Persamaan Nonlinier, Teknik Singgung Luar Lingkaran, Teknik Perpotongan Ortogonal Lingkaran, Metode Approksimasi Lingkaran
POTRET KEMISKINAN KOTA PADANG MENGGUNAKAN METODE WAJAH CHERNOFF Rini Eka Putri; Hazmira Yozza; Izzati Rahmi HG
Jurnal Matematika UNAND Vol 4, No 2 (2015)
Publisher : Jurusan Matematika FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmu.4.2.73-80.2015

Abstract

Metode Wajah Chernoff merupakan suatu upaya untuk merepresentasi data peubah ganda dalam bentuk wajah kartun dengan 20 ciri wajah spesifik. Pada penelitian ini ditunjukkan bagaimana metode wajah Chernoff digunakan untuk melihat potret kemiskinan Kota Padang. Untuk memasangkan ciri wajah Chernoff dengan indikator kemiskinan, maka dilakukan survei peringkat ciri wajah dan Analisis Komponen Utama. Dari 15 indikator kemiskinan Kota Padang, terdapat lima indikator di bawah rata-rata, empat indikator di atas rata-rata, dan selainnya di sekitar rata-rata. Dari 11 wajah Chernoff kecamatan Kota Padang, terdapat empat kandidat kecamatan dengan wajah Chernoff relatif tidak bagus yaitu kecamatan Bungus Teluk Kabung, kecamatan Koto Tangah, kecamatan Lubuk Kilangan, dan kecamatan Padang Selatan; lima kandidat kecamatan dengan wajah Chernoff relatif bagus yaitu kecamatan Padang Barat, kecamatan Padang Utara, kecamatan Nanggalo, kecamatan Lubuk Begalung, dan kecamatan Padang Timur.Kata Kunci: Indikator kemiskinan, Analisis Komponen Utama, Metode wajah Chernof
OBSERVER LINIER POSITIF UNTUK SISTEM LINIER POSITIF Tri Utami; Zulakmal Zulakmal
Jurnal Matematika UNAND Vol 4, No 2 (2015)
Publisher : Jurusan Matematika FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmu.4.2.46-50.2015

Abstract

Suatu observer untuk sistemx˙ (t) = Ax(t) + Bu(t),y(t) = Cx(t), t ≥ 0                 (0.1)didefinisikan sebagai suatu persamaan diferensial yang berbentukxb˙ (t) = (A − EC)xb(t) + Bu(t) + Ey(t),                     (0.2)untuk suatu matriks E ∈ Rn×p, dimana xb(t) ∈ Rn berperan sebagai estimator untuk vektor keadaan x(t) dengan estimasi error ε(t) adalahε(t) = xb(t) − x(t).Estimasi yang baik mestilah memenuhi ε(t) → 0 bila t → ∞, atau xb(t) → x(t) bila t → ∞. Jika sistem (0.1) adalah positif, persamaan (0.2) dikatakan observer linier positif untuk sistem (0.1) jika xb(t) ∈ Rn +. Pada makalh ini akan dikaji masalah penentuan observer linier positif untuk sistem linier positif. Akan dikaji syarat yang menjamin eksistensi matriks E ∈ R n×p + sedemikian sehingga xb(t) ∈ Rn + dan ε(t) → 0 bila t → ∞.Kata Kunci: Sistem linier positif, observer, matriks Metzler

Page 2 of 2 | Total Record : 15

 1   2 

Filter by Year

2015 2015


Reset
Filter By Issues
All Issue Vol. 15 No. 1 (2026) Vol. 14 No. 4 (2025) Vol. 14 No. 3 (2025) Vol. 14 No. 2 (2025) Vol. 14 No. 1 (2025) Vol 14, No 1 (2025) Vol 13, No 4 (2024) Vol. 13 No. 4 (2024) Vol. 13 No. 3 (2024) Vol 13, No 3 (2024) Vol. 13 No. 2 (2024) Vol 13, No 2 (2024) Vol 13, No 1 (2024) Vol. 13 No. 1 (2024) Vol 12, No 4 (2023) Vol. 12 No. 4 (2023) Vol 12, No 3 (2023) Vol. 12 No. 3 (2023) Vol 12, No 2 (2023) Vol. 12 No. 2 (2023) Vol 12, No 1 (2023) Vol 11, No 4 (2022) Vol 11, No 3 (2022) Vol 11, No 2 (2022) Vol 11, No 1 (2022) Vol 10, No 4 (2021) Vol 10, No 3 (2021) Vol 10, No 2 (2021) Vol 10, No 1 (2021) Vol 9, No 4 (2020) Vol 9, No 3 (2020) Vol 9, No 2 (2020) Vol 9, No 1 (2020) Vol 8, No 4 (2019) Vol 8, No 3 (2019) Vol 8, No 2 (2019) Vol 8, No 1 (2019) Vol 7, No 4 (2018) Vol 7, No 3 (2018) Vol 7, No 2 (2018) Vol 7, No 1 (2018) Vol 6, No 4 (2017) Vol 6, No 3 (2017) Vol 6, No 2 (2017) Vol 6, No 1 (2017) Vol 5, No 4 (2016) Vol 5, No 3 (2016) Vol 5, No 2 (2016) Vol 5, No 1 (2016) Vol 4, No 4 (2015) Vol 4, No 3 (2015) Vol 4, No 2 (2015) Vol 4, No 1 (2015) Vol 3, No 4 (2014) Vol 3, No 3 (2014) Vol 3, No 2 (2014) Vol 3, No 1 (2014) Vol 2, No 4 (2013) Vol 2, No 3 (2013) Vol 2, No 2 (2013) Vol 2, No 1 (2013) Vol 1, No 2 (2012) Vol 1, No 1 (2012) Vol 1, No 1 (2012) More Issue