cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Nur Inayah
Contact Email
inprime.journal@uinjkt.ac.id
Phone
+6285280159917
Journal Mail Official
inprime.journal@uinjkt.ac.id
Editorial Address
Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah Jl. Ir H. Juanda No.95, Cemp. Putih, Kec. Ciputat, Kota Tangerang Selatan, Banten 15412
Location
Kota tangerang selatan,
Banten
INDONESIA
InPrime: Indonesian Journal Of Pure And Applied Mathematics
Published by Universitas Islam Negeri Syarif Hidayatullah Jakarta
ISSN : 26865335     EISSN : 27162478     DOI : 10.15408/inprime
Core Subject : Science, Education,
Computer Science & IT Mathematics
InPrime: Indonesian Journal of Pure and Applied Mathematics is a peer-reviewed journal and published on-line two times a year in the areas of mathematics, computer science/informatics, and statistics. The journal stresses mathematics articles devoted to unsolved problems and open questions arising in chemistry, physics, biology, engineering, behavioral science, and all applied sciences. All articles will be reviewed by experts before accepted for publication. Each author is solely responsible for the content of published articles. This scope of the Journal covers, but not limited to the following fields: Applied probability and statistics, Stochastic process, Actuarial, Differential equations with applications, Numerical analysis and computation, Financial mathematics, Mathematical physics, Graph theory, Coding theory, Information theory, Operation research, Machine learning and artificial intelligence.
Arjuna Subject : Matematika - Matematika Terapan
Articles 204 Documents
 17   18   19   20   21 
Scalability and Cost Efficiency Analysis of Distributed Logistic Regression on Low-Power Clusters Using Apache Spark Arjuananta Malik; Taufik Edy Sutanto; Muhaza Liebenlito; Mohamad Irvan Septiar Musti
InPrime: Indonesian Journal of Pure and Applied Mathematics Vol. 8 No. 1 (2026)
Publisher : Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/inprime.v8i1.50999

Abstract

The limited availability of large-scale computing infrastructure, combined with the high acquisition, operational, and energy costs of conventional GPU-based servers, remains a significant challenge for AI model training and big data learning in resource-constrained educational and research environments. To address this issue, this study proposes and evaluates a horizontally scalable low-power cluster architecture based on Apache Spark for distributed logistic regression training. The novelty of this research lies in the integrated evaluation of scalability performance and computational cost efficiency of Single Board Computer (SBC)-based clusters under varying data complexity scenarios. Experiments were conducted using binary and multiclass datasets by varying the number of observations, feature dimensionality through feature hashing, and the number of classes, with cluster configurations ranging from one to four nodes. Performance was assessed using training time, speedup, parallel efficiency, and electricity cost metrics. Results show that increasing dataset size and feature dimensionality substantially increases computational workload; however, horizontal scaling effectively reduces training time, particularly for high-dimensional and multiclass datasets. The best scalability performance was achieved on the multiclass dataset, where training time decreased by up to 46.98% when scaling from one to four nodes. Although parallel efficiency declined due to communication and synchronization overhead, the system maintained low energy consumption and operational cost. These findings demonstrate that low-power distributed clusters provide a scalable and cost-efficient alternative infrastructure for AI and big data learning in institutions with limited computational resources.   Abstrak Keterbatasan ketersediaan infrastruktur komputasi skala besar, yang disertai dengan tingginya biaya pengadaan, operasional, dan konsumsi energi dari server berbasis GPU konvensional, masih menjadi tantangan utama dalam pelatihan model kecerdasan buatan (AI) dan pembelajaran big data pada lingkungan pendidikan dan penelitian yang memiliki sumber daya terbatas. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan dan mengevaluasi arsitektur klaster berdaya rendah yang dapat diskalakan secara horizontal berbasis Apache Spark untuk pelatihan regresi logistik terdistribusi. Kebaruan penelitian ini terletak pada evaluasi terpadu terhadap kinerja skalabilitas dan efisiensi biaya komputasi pada klaster berbasis Single Board Computer (SBC) di bawah berbagai skenario kompleksitas data. Eksperimen dilakukan menggunakan dataset biner dan multikelas dengan memvariasikan jumlah observasi, dimensi fitur melalui teknik feature hashing, serta jumlah kelas, pada konfigurasi klaster yang terdiri dari satu hingga empat node. Kinerja sistem dievaluasi berdasarkan waktu pelatihan, speedup, efisiensi paralel, dan biaya listrik. Hasil penelitian menunjukkan bahwa peningkatan ukuran dataset dan dimensi fitur secara signifikan meningkatkan beban komputasi. Namun, penskalaan horizontal mampu mengurangi waktu pelatihan secara efektif, terutama pada dataset berdimensi tinggi dan multikelas. Kinerja skalabilitas terbaik diperoleh pada dataset multikelas, dengan penurunan waktu pelatihan hingga 46,98% ketika jumlah node ditingkatkan dari satu menjadi empat. Meskipun efisiensi paralel menurun akibat overhead komunikasi dan sinkronisasi, sistem tetap mempertahankan konsumsi energi serta biaya operasional yang rendah. Temuan ini menunjukkan bahwa klaster terdistribusi berdaya rendah merupakan alternatif infrastruktur yang skalabel dan hemat biaya untuk pembelajaran AI dan big data pada institusi dengan sumber daya komputasi yang terbatas. Kata Kunci: Regresi Logistik Terdistribusi; Efisiensi; Skalabilitas horizontal. 2020MSC: 68T09, 68W10.
Metric Dimension of Graphs Djembe (Dj_n) Duratul Hayat; Des Welyyanti; Haripamyu Haripamyu
InPrime: Indonesian Journal of Pure and Applied Mathematics Vol. 8 No. 1 (2026)
Publisher : Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/inprime.v8i1.46894

Abstract

Let G=(V,E) be a connected graph. For an ordered set A⊆V(G), the representation of a vertex with respect to A is defined by its distance vector to the vertices of A. A set A is called a resolving set if every pair of distinct vertices in G has distinct representations with respect to A. The minimum cardinality of a resolving set is called the metric dimension of G. In this paper, we determine the metric dimension of the Djembe graph D_(j_n ) for n≥3. By constructing appropriate resolving sets and proving their minimality, we obtain an exact formula for the metric dimension. The obtained value depends on the congruence class of n modulo 4, with a special case occurring when n=7. These results provide a new contribution to the study of metric dimensions for cycle-based graph families and extend the existing literature on graph resolvability. AbstrakMisalkan G=(V,E) adalah suatu graf terhubung. Untuk suatu himpunan terurut A⊆V(G), representasi sebuah simpul terhadap A didefinisikan sebagai vektor jarak simpul tersebut ke setiap simpul dalam A. Himpunan A disebut himpunan pembeda (resolving set) jika setiap pasangan simpul yang berbeda dalam Gmemiliki representasi yang berbeda terhadap A. Kardinalitas minimum dari himpunan pembeda disebut dimensi metrik (metric dimension) dari graf G. Pada artikel ini ditentukan dimensi metrik dari graf Djembe D_(j_n ) untuk n≥3. Metode yang digunakan adalah konstruksi himpunan pembeda dan pembuktian minimalitasnya untuk memperoleh batas atas dan batas bawah yang berimpit. Hasil penelitian menunjukkan bahwa dimensi metrik graf Djembe dapat dinyatakan secara eksak dalam bentuk formula tertutup yang bergantung pada kelas kongruensi n modulo 4, dengan satu kasus khusus ketika n=7. Hasil ini memberikan kontribusi baru dalam kajian dimensi metrik pada keluarga graf berbasis siklus yang belum pernah diteliti sebelumnya serta memperkaya perkembangan teori resolvabilitas graf.Kata Kunci: Dimensi metrik, Himpunan pembeda, Representasi simpul, Graf Djembe, Resolvabilitas graf. 2020MSC: 05C12, 05C76.
The Influence of the Binary Process Threshold on the BCBimax Algorithm in Finding Optimal BC Femmy Diwidian; I Made Sumertajaya; Indahwati Indahwati; Hari Wijayanto; Bagus Sartono
InPrime: Indonesian Journal of Pure and Applied Mathematics Vol. 8 No. 1 (2026)
Publisher : Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/inprime.v8i1.50887

Abstract

Selecting an appropriate threshold is crucial in the binarization process because it directly affects the quality of biclusters generated by the BCBimax algorithm. However, studies comparing thresholding strategies for optimal bicluster formation are still limited. Therefore, this study proposes an ASR-based evaluation framework to analyze the effect of several thresholding methods on biclustering performance. This study uses 2024 fruit production data from 34 provinces and three special regions in Indonesia, with 25 variables representing fruit commodities. Data preprocessing includes scaling and threshold determination using global and variable-based statistical approaches. The novelty of this research lies in the comparative analysis of threshold selection strategies in BCBimax biclustering using Average Spearman’s Rho (ASR) to evaluate bicluster quality. The results show that the variable-wise median produces patterns similar to the global median, while the variable-wise mean yields the same ASR value as the global mean (0.56909). Although the system-generated threshold yields the smallest ASR (0.09533), it produces only one bicluster. These findings highlight the significant influence of threshold selection on the quality and interpretability of biclustering.   Abstrak Pemilihan nilai ambang batas yang tepat sangat penting dalam proses binarisasi karena secara langsung mempengaruhi kualitas bicluster yang dihasilkan oleh algoritma BCBimax. Namun, studi yang membandingkan strategi penentuan ambang batas untuk pembentukan bicluster optimal masih terbatas. Oleh karena itu, penelitian ini mengusulkan kerangka evaluasi berbasis ASR untuk menganalisis pengaruh beberapa metode penentuan ambang batas terhadap kinerja biclustering. Penelitian ini menggunakan data produksi buah tahun 2024 dari 34 provinsi dan tiga daerah khusus di Indonesia, dengan 25 variabel yang mewakili komoditas buah. Praproses data meliputi penskalaan dan penentuan ambang batas menggunakan pendekatan statistik global dan berbasis variabel. Kebaruan penelitian ini terletak pada analisis komparatif strategi pemilihan ambang batas dalam biclustering BCBimax menggunakan Average Spearman’s Rho (ASR) untuk mengevaluasi kualitas bicluster. Hasil menunjukkan bahwa median per variabel menghasilkan pola yang mirip dengan median global, sedangkan rata-rata per variabel menghasilkan nilai ASR yang sama dengan rata-rata global (0,56909). Meskipun ambang batas yang dihasilkan sistem menghasilkan nilai ASR terkecil (0,09533), ambang batas tersebut hanya membentuk satu bicluster. Temuan ini menyoroti pengaruh signifikan pemilihan ambang batas terhadap kualitas dan interpretasi biclustering. Kata Kunci: Algoritma BcBimax; Binerisasi; Ambang batas.   2020MSC: 62H30
Fair Secure Roman Dominating Function in Graphs Leomarich Casinillo; Emily L. Casinillo
InPrime: Indonesian Journal of Pure and Applied Mathematics Vol. 8 No. 1 (2026)
Publisher : Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/inprime.v8i1.50904

Abstract

Let G=(V(G),E(G)) be a graph and let ϕ:V(G)→{0,1,2} be a function on G. For each i∈{0,1,2}, let V_i={v∈V(G):ϕ(v)=i}. Then ϕ can be represented as ϕ=(V_0,V_1,V_2). A function ϕ is a fair secure Roman dominating function (FScRDF) on G provided that for every v∈V_0, there exists u∈V_2 such that d_G (u,v)=1, ϕ^*=(V_0∖{v}," " V_1∪{v,u}," " V_2∖{u}) is a Roman dominating function (RDF) on G, and for every x,y∈V_0, ∣N_G (x)∩V_2∣=∣N_G (y)∩V_2∣≥1. The weight of FScRDF ϕ on G, denoted by ω_G^FScR (ϕ), is defined as the sum ω_G^FScR (ϕ)=∑_(x∈V(G))▒〖ϕ(x)=∣〗 V_1∣+2∣V_2∣. The fair secure Roman domination number of G is defined as the minimum weight of an FScRDF ϕ on G, and is denoted by γ_FScR (G), that is, γ_FScR (G)=min⁡{ω_G^FScR (ϕ):ϕ" is an FScRDF on " G}. Every FScRDF ϕ on G that satisfies ω_G^FScR (ϕ)=γ_FScR (G) is called a γ_FScR-function on G. In this paper, the authors introduce the idea of fair secure Roman domination in graphs as a new parameter and discuss some important combinatorial results. AbstrakMisalkan G=(V(G),E(G)) adalah graf dan ϕ:V(G)→{0,1,2} adalah fungsi di G. Untuk setiap i∈{0,1,2}, misalkan V_i={v∈V(G):ϕ(v)=i}. Fungsi ϕ dapat disajikan dalam bentuk ϕ=(V_0,V_1,V_2). Fungsi ϕ dikatakan suatu fungsi mendominasi Roman aman cukup (fair secure Roman dominating function; FScRDF) di G apabila untuk setiap v∈V_0, terdapat u∈V_2 sehingga d_G (u,v)=1, ϕ^*=(V_0∖{v}," " V_1∪{v,u}," " V_2∖{u}) adalah suatu fungsi mendominasi Roman (Roman dominating function; RDF) di G, dan untuk setiap x,y∈V_0, ∣N_G (x)∩V_2∣=∣N_G (y)∩V_2∣≥1. Bobot dari FScRDF ϕ di G, dinotasikan dengan ω_G^FScR (ϕ), didefinisikan sebagai jumlah ω_G^FScR (ϕ)=∑_(x∈V(G))▒〖ϕ(x)=∣〗 V_1∣+2∣V_2∣. Bilangan dominasi Roman aman cukup dari G didefinisikan sebagai bobot minimum dari suatu FScRDF ϕ di G, dan dinotasikan dengan γ_FScR (G), yakni, γ_FScR (G)=min⁡{ω_G^FScR (ϕ):ϕ" adalah suatu FScRDF di " G}. Setiap FScRDF ϕ di G yang memenuhi ω_G^FScR (ϕ)=γ_FScR (G) disebut suatu fungsi-γ_FScR di G. Dalam paper ini, penulis memperkenalkan gagasan dominasi Roman aman cukup pada graf sebagai suatu parameter baru dan mendiskusikan beberapa hasil kombinatorial penting.Kata Kunci: Dominasi cukup; Fungsi mendominasi Roman aman cukup, Bilangan dominasi Roman aman cukup, Fungsi mendominasi Roman, Dominasi aman. 2020MSC: 05C69 

Page 21 of 21 | Total Record : 204

 17   18   19   20   21 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 8 No. 1 (2026) Vol 7, No 2 (2025) Vol. 7 No. 2 (2025) Vol. 7 No. 1 (2025) Vol 7, No 1 (2025) Vol 6, No 2 (2024) Vol. 6 No. 2 (2024) Vol. 6 No. 1 (2024) Vol 6, No 1 (2024) Vol 5, No 2 (2023) Vol. 5 No. 2 (2023) Vol 5, No 1 (2023) Vol. 5 No. 1 (2023) Vol. 4 No. 2 (2022) Vol 4, No 2 (2022) Vol 4, No 1 (2022) Vol. 4 No. 1 (2022) Vol. 3 No. 2 (2021) Vol 3, No 2 (2021) Vol. 3 No. 1 (2021) Vol 3, No 1 (2021) Vol 2, No 2 (2020) Vol 2, No 1 (2020) Vol 1, No 2 (2019) Vol 1, No 1 (2019) More Issue