Articles
157 Documents
<![CDATA[Pelabelan Super Graceful pada Graf Caterpillar ]]>
<![CDATA[Nisa Nur Arafah]]>;
<![CDATA[Rismawati Ramdani]]>;
<![CDATA[Arief Fatchul Huda]]>
<![CDATA[ KUBIK Vol 1, No 1 (2015): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v1i1.322
<![CDATA[Misalkan G merupakan suatugraf dengan banyaknya titik pdan banyaknya sisi q. Pelabelan super graceful adalah pemetaan fungsi satu-satu pada f ∶ V(G) ∪ E(G) → {1,2, ... , p + q}sehingga f(uv) = |f(u) − f(v)| berbeda untuk setiap sisi uv ∈ E(G). Sebuah graf G disebut graf super graceful jika graf tersebut dapat dilabeli menurut definisi pelabelan super graceful. Graf caterpillar adalah graf yang jika semua titik pendannya dihilangkan akan menghasilkan lintasan. Pada makalah ini akan ditunjukkan bahwa graf caterpillar Cp n dengan kepala dan ekor yang mempunyai n badan dan 2 kaki pada tiap badan, graf caterpillar Cp n tanpa kepala dan ekor yang mempunyai n badan dan 2 kaki pada tiap badan,dan graf caterpillar Cp m,n tanpa kepala dan ekor yang mempunyai n badan dan m kaki pada tiap badan merupakan graf super graceful.]]>
<![CDATA[Efektifitas Himpunan Bebas Linear dalam Menentukan Solusi Sistem Persamaan Linear di Ruang Norm-3 ]]>
<![CDATA[Sukaesih, Esih]]>;
<![CDATA[Widiastuti, T. Tutut]]>
<![CDATA[ KUBIK Vol 4, No 1 (2019): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v4i1.5678
<![CDATA[Ruang norm-3 didefinisikan sebagai ruang vektor X yang dilengkapi dengan norm-3 . Pada penelitian ini, diambil ruang vektor X dengan dim(X)=5 dan A adalah himpunan m vektor bebas linear di X, untuk m=2,3,4. Pada kondisi tersebut, dipelajari keefektifitasan himpunan bebas linear A dalam mendekati titik tetap dengan membandingkan galat pada setiap kondisi.]]>
<![CDATA[Analisis Simulasi Solusi Numerik Model Lotka-Volterra dengan Metode Runge-Kutta-Fehlberg (Studi Kasus Populasi Musang Luwak (Paradoxurus hermaphroditus) dan Ayam Hutan Merah (Gallus gallus) di Taman Nasional Alas Purwo) ]]>
<![CDATA[Darmawan, Randhi Nanang]]>;
<![CDATA[Hariastuti, Rachmaniah Mirza]]>
<![CDATA[ KUBIK Vol 3, No 2 (2018): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v3i2.4112
<![CDATA[Model mangsa-pemangsa, atau biasa disebut dengan model Lotka-Volterra adalah suatu model dalam bentuk sistem persamaan diferensial biasa non-linier yang menggambarkan interaksi antara dua makhluk hidup yang berhubungan dalam bentuk predasi. Sehingga untuk menyelesaikan model tersebut harus menggunakan metode numerik yaitu metode Runge-Kutta-Fehlberg (RKF45), dikarenakan model tersebut berupa sistem persamaan diferensial non-linier yang mana sulit untuk menentukan solusi analitik, solusi dari sistem persamaan diferensial tersebut adalah berupa profil interaksi antara antara kedua spesies yang saling memangsa dalam suatu ekosistem. Dalam artikel ini, peniliti mengambil studi kasus populasi Musang Luwak (Paradoxurus hermaphroditus) dan Ayam Hutan Merah (Gallus gallus) yang hidup di Taman Nasional Alas Purwo, yang mana keduanya memiliki hubungan predasi. Hasil dari artikel ini adalah profil simulasi model Lotka-Volterra antara kedua spesies dengan melakukan beberapa variasi parameter-parameter sehingga hasil akhirnya adalah suatu profil yang dapat menggambarakan kondisi yang memungkinkan kepunahan antara masing-masing spesies.]]>
<![CDATA[Spektrum Signless-Laplace dan Spektrum Detour Graf Konjugasi dari Grup Dihedral ]]>
<![CDATA[Abdussakir, Abdussakir]]>;
<![CDATA[Khasanah, Rhoul]]>
<![CDATA[ KUBIK Vol 3, No 1 (2018): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v3i1.2729
<![CDATA[Misalkan G graf berhingga yang tidak memuat loop dan sisi rangkap. Matriks keterhubungan titik A(G) dari graf G adalah matriks dengan entri aij = 1 jika vi terhubung langsung dengan vj dan aij = 0 untuk lainnya. Matriks derajat D(G) dari graf G adalah matriks diagonal dengan entri dii merupakan derajat titik vi di G. Matriks signless-Laplace dari graf G adalah L+(G) = D(G) + A(G). Matriks detour DD(G) dari graf G adalah matriks dengan entri ddij merupakan panjang lintasan terpanjang dari vi ke vj. Spektrum dari suatu matriks merupakan matriks yang memuat nilai eigen pada baris pertama dan multiplisitas masing-masing nilai eigen pada baris kedua. Spektrum yang diperoleh dari matriks L+(G) disebut spektrum signless-Laplace sedangkan spektrum yang diperoleh dari matriks DD(G) disebut spektrum detour. Penelitian ini menyajikan rumus untuk menghitung spektrum signless-Laplace graf konjugasi dari grup dihedral D2n untuk n ganjil (n ³ 5) dan spektrum detour graf konjugasi dari grup dihedral D2n untuk  ganjil (n ³ 3) dan  genap (n ³ 6).]]>
<![CDATA[Perbandingan Penerapan Metode Agglomerative dengan Metode K-Means pada Data Curah Hujan di Wilayah Bogor ]]>
<![CDATA[Budi Nurani Ruchjana]]>;
<![CDATA[Hera Khoirunnisa]]>;
<![CDATA[iin Irianingsih]]>;
<![CDATA[Bambang Suhandi]]>
<![CDATA[ KUBIK Vol 5, No 2 (2020): KUBIK: Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v5i2.7581
<![CDATA[Bogor merupakan salah satu wilayah di Jawa Barat yang dijuluki sebagai kota hujan karena memiliki curah hujan relatif lebih besar dibandingkan dengan wilayah lain sehingga perlu diadakannya pengelompokan wilayah berdasarkan tinggi rendahnya curah hujan sebagai acuan pemerintah dalam penanganan bencana. Teknik statistika multivariat yang bertujuan untuk mengelompokan objek berdasarkan karakteristiknya adalah analisis cluster. Metode analisis cluster yang digunakan penelitian ini yaitu Agglomerative dan K-Means. Perbedaan yang signifikan dari kedua metode tersebut terdapat pada proses pembentukan cluster. Oleh karena itu, tujuan pada penelitian ini adalah membandingkan metode yang tebaik berdasarkan kerapatan cluster. Data yang digunakan dalam penelitian ini adalah data agregat curah hujan bulanan musim basah dari 24 stasiun pos hujan di wilayah Bogor. Hasil penelitian ini adalah wilayah Bogor dapat dibagi menjadi 2 cluster yaitu cluster 1 kategori curah hujan sedang dan cluster 2 kategori curah hujan tinggi dengan perbandingan nilai kerapatan cluster kedua metode menghasilkan nilai yang sama yaitu sebesar 49,4% sehingga kedua metode tersebut baik untuk digunakan dalam pembentukan cluster curah hujan di wilayah Bogor dan bisa dijadikan sebagai rekomendasi bagi instansi terkait penggunaan data curah hujan seperti LAPAN dan BMKG.]]>
<![CDATA[Penyelesaian Masalah Transportasi Untuk Mencari Solusi Optimal Dengan Pendekatan Minimum Spanning Tree (Mst) Menggunakan Algoritma Kruskal Dan Algoritma Prim ]]>
<![CDATA[Dili, Yusufiani Nurlinawati]]>;
<![CDATA[Wulan, Elis Ratna]]>;
<![CDATA[Ilahi, Fadilah]]>
<![CDATA[ KUBIK Vol 6, No 1 (2021): KUBIK: Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v6i1.13907
<![CDATA[Penelitian ini membahas tentang penyelesaian masalah transportasi dengan pendekatan Minimum Spanning Tree (MST) menggunakan algoritma Kruskal dan algoritma Prim untuk mencari solusi optimal. Algoritma Kruskal dan algoritma Prim merupakan algoritma dalam teori graf untuk mencari Minimum Spanning Tree (MST). Langkah algoritma Kruskal yaitu mengurutkan biaya dari yang terkecil hingga terbesar. Selanjutnya, pilih biaya yang paling terkecil. Kemudian, lakukan perhitungan dengan melihat sumber persediaan dan permintaan di setiap tujuan sampai semuanya terpenuhi, sehingga terlihat bentuk Minimum Spanning Tree (MST) dari algoritma Kruskal. Sedangkan langkah algoritma Prim yaitu dengan memilih sembarang titik atau sumber. Selanjutnya, pilih active edge dengan biaya terkecil. Kemudian, lakukan perhitungan dengan melihat sumber persediaan dan permintaan di setiap tujuan sampai semuanya terpenuhi, sehingga terlihat bentuk Minimum Spanning Tree (MST) dari algoritma Prim. Bentuk dari Minimum Spanning Tree (MST) menghasilkan solusi yang optimal. Dari hasil penelitian ini, pendekatan Minimum Spanning Tree (MST) dengan algoritma Prim yang lebih unggul. ]]>
<![CDATA[Analisis Kestabilan Model Matematika Pada Penyebaran Penyalahgunaan Napza Dengan Memperhatikan Tipe Rehabilitasi ]]>
<![CDATA[Reza Umami Khoirunisa']]>;
<![CDATA[Tjang Daniel Chandra]]>
<![CDATA[ KUBIK Vol 6, No 1 (2021): KUBIK: Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v6i1.12525
<![CDATA[Napza merupakan singkatan dari narkotika, psikotropika, dan zat adiktif lainnya. Napza diciptakan untuk kebutuhan medis dan pengobatan serta memiliki efek yang sangat, sehingga peredarannya diatur oleh pemerintah. Jika napza disalahgunakan akan berakibat buruk terhadap kesehatan karena ketergantungan. Untuk mengatasi masalah tersebut, pemerintah melaksanakan program rehabilitasi sebagai upaya pencegahan peningkatan jumlah napza. Tujuan dari penelitian ini adalah untuk menganalisis model kestabilan matematika pada penyebaran napza dengan memperhatikan tipe rehabilitasi dan mensimulasikan model berdasarkan data yang diperoleh dari buku Press Release Akhir Tahun 2020 Badan Narkotika Nasional. Model matematika tersebut membagi populasi atas lima kelompok individu. Dari hasil analisa, didapatkan dua titik kesetimbangan yaitu titik kesetimbangan bebas napza dan endemik. Jika nilai Maka titik kesetimbangan bebas napza dikatakan stabil asimtotik lokal, dan jika nilai nilai maka titik ekuilibrium endemik dikatakan stabil asimtotik lokal. Kasus pencarian napza di Indonesia tahun 2020, diperoleh bilangan dasar mengartikan catatan napza tidak lagi menjadi endemik dalam waktu tertentu.]]>
<![CDATA[Penyelesaian Metode Quick Simplex Terhadap Metode Dua Fase dengan Dua Elemen secara Simultan pada Kasus Minimum ]]>
<![CDATA[Elfira Safitri]]>;
<![CDATA[Sri Basriati]]>;
<![CDATA[Mohammad Soleh]]>;
<![CDATA[Ade Novia Rahma]]>
<![CDATA[ KUBIK Vol 6, No 1 (2021): KUBIK: Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v6i1.12259
<![CDATA[Linear programming is a way to solve the problemof allocating limiter resources optimally. One of the methods used in solving the simplex method for mixed constraints is the two-phase method. There is a new approach to solve linear programming problems, namely the quick simplex method is carried out using a matrix to reduce the number of iterations needed to achieve the optimal solution. Completion step for the minimum case are the same as for the maximum case, the difference is only taking the entering variable, namely taking a positive value on the zj-cj line minimum case. The method used in this research is the two-phase quick simplex method. The purpose this study to find out the optimal solution for solving the quick simplex method in the two-phase method for the minimum case. Based on the research result, the quick simplex metode of entering variables and leaving variables can be taken two elements at simultaneously,resulting in fewer iterations than the usual two-phase method.]]>
<![CDATA[Peramalan Konsentrasi Particulate Matter 2.5 (PM2.5) menggunakan Model Vector Autoregressive dengan Metode Maximum Likelihood Estimation ]]>
<![CDATA[Budi Nurani Ruchjana]]>;
<![CDATA[Atika Tresna Arianto]]>;
<![CDATA[Kankan Parmikanti]]>;
<![CDATA[Bambang Suhandi]]>
<![CDATA[ KUBIK Vol 6, No 1 (2021): KUBIK: Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v6i1.8046
<![CDATA[Particulate Matter 2.5 yang selanjutnya disingkat PM2.5 merupakan partikel udara yang memiliki ukuran . Paparan PM2.5 dapat mempengaruhi fungsi paru-paru dan memperburuk kondisi kesehatan seperti asma, bronkitis hingga kanker paru-paru. PM2.5 berasal dari berbagai sumber seperti hasil pembakaran bahan bakar kendaraan bermotor, hingga kebakaran hutan. Untuk meramalkan Konsentrasi PM2.5 dapat digunakan model time series univariat, salah satunya model Autoregressive yang selanjutnya disingkat AR. Data Konsentrasi PM2.5 memiliki pola stasioner, sehingga dapat dibangun model AR. Konsentrasi PM2.5 di suatu wilayah dipengaruhi oleh Konsentrasi PM2.5 wilayah di sekitarnya pada waktu-waktu sebelumnya, sehingga dapat dibentuk model Vector Autoregressive yang selanjutnya disingkat VAR. Metode yang digunakan untuk menaksir model VAR dalam penelitian ini adalah metode Maximum Likelihood Estimation yang selanjutnya disingkat MLE dengan bantuan software R dan Microsoft Excel. Model VAR diterapkan untuk peramalan jangka pendek Konsentrasi PM2.5 di Kab. Cirebon, Kab. Kuningan, dan Kab. Majalengka. Hasil penelitian menunjukkan bahwa konsentrasi PM2.5 di ketiga kabupaten memiliki korelasi yang cukup tinggi dan satu sama lain saling mempengaruhi, sehingga penggunaan model VAR dapat memberikan rekomendasi untuk peramalan konsentrasi PM2.5 pada waktu mendatang dengan memperhitungkan pengaruh konsentrasi PM2.5 dari lokasi-lokasi terdekat di sekitar lokasi tertentu.]]>
<![CDATA[Peramalan Jumlah Wisatawan Mancanegara Yang Datang Ke Sumatera Utara Dengan Fuzzy Time Series ]]>
<![CDATA[Didi Febrian]]>;
<![CDATA[Dinda Kartika]]>;
<![CDATA[Debora Agnes Jessica Nainggolan]]>
<![CDATA[ KUBIK Vol 6, No 1 (2021): KUBIK: Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v6i1.10604
<![CDATA[Pariwisata merupakan sektor ekonomi yang secara langsung menyentuh dan melibatkan masyarakat. Akibatnya, perubahan sektor pariwisata akan berdampak langsung bagi parekonomian masyarakat. Berdasarkan data BPS, jumlah wisatawan mancanegara yang datang ke Sumatera Utara berfluktuasi, artinya jumlahnya dapat meningkat maupun menurun setiap bulan dan tahun. Berfluktuasinya perubahan jumlah wisatawan ini akan memberikan dampak bagi pelaku pariwisata. Oleh sebab itu, diperlukan suatu cara untuk meramalkan perkiraan jumlah wisatawan, khususnya mancanegara yang datang. Pada penelitian ini, peneliti meramalkan jumlah wisatawan mancanegara yang datang ke Sumatera Utara dengan metode Fuzzy Time Series Markov Chain Model. Pada tahapan penentuan banyak dan panjang interval, digunakan dua rumusan yaitu rumus Sturges dan average based length untuk diperbandingkan hasil peramalannya. Dengan rumus Sturges diperoleh banyak interval 7. Sedangkan rumus average based length diperoleh 20. Penelitian ini menggunakan Data Training sebanyak 85 data dan data uji 23 data. Data-data tersebut merupakan data sekunder yang diambil dari BPS Sumatera Utara. Nilai MAPE dari hasil peramalan dengan banyak interval 7 adalah 6.66 % dan dengan interval 20 adalah 9.87 %.]]>
