cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Sugiyarto
Contact Email
jk_math@uad.ac.id
Phone
-
Journal Mail Official
jk_math@uad.ac.id
Editorial Address
Program Studi Mateamtika Univeritas Ahmad Dahlan, Matematika, FMIPA Universitas Ahmad Dahlan, Jl. Ringroad Selatan, Kragilan, Tamanan, Kec. Banguntapan, Bantul, Daerah Istimewa Yogyakarta 55191
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Ilmiah Matematika
Published by Universitas Ahmad Dahlan
ISSN : 20878796     EISSN : 27743241     DOI : http://dx.doi.org/10.26555/konvergensi
Core Subject : Education,
Mathematics
Fuzzy Systems and its Applications Geometry Theories and its Applications Graph Theories and its Applications Real Analysis and its Applications Operation Research and its Applications Statistical Theories and its Applications Dinamical Systems and its Applications Mathematical Modeling and its Applications Discrete Mathematics and its Applications Computer Mathematics and its Applications Actuarial Mathematics and its Application
Arjuna Subject : Matematika - Matematika Terapan
Articles 5 Documents
 1 
Search results for , issue "Vol. 10 No. 2 (2023)" : 5 Documents clear
Analisis Model Epidemik Penyakit Campak Dengan Mempertimbangkan Vaksinasi Nadia Amalia Ichsani; Yudi Ari Adi
Jurnal Ilmiah Matematika Vol. 10 No. 2 (2023)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v10i2.30875

Abstract

Kasus penyakit campak di Indonesia masih terus terjadi tiap tahunnya. Pemerintah Indonesia masih terus mengkampanyekan gerakan vaksinasi campak pada anak-anak usia dibawah 15 tahun. Pada penelitian ini bertujuan untuk mengetahui model epidemik penyebaran penyakit campak dan kestabilan dari sistem serta bagaimana pengaruh vaksinasi terhadap jumlah individu dari setiap kelas. Dari sistem model diperoleh dua titik kesetimbangan, yaitu bebas penyakit dan endemik kemudian mencari bilangan reproduksi dasar menggunakan metode Next Generation Matrix dan melakukan simulasi numerik menggunakan metode Runge-Kutta. Hasil analisis menyimpulkan titik ekuilibrium bebas penyakit stabil asimtotik jika R_0<1 yang memberi makna penyakit campak dalam waktu yang akan datang akan semakin berkurang dan titik ekuilibrium endemik stabil asimtotik jika R_0>1 yang memberi makna penyakit campak akan tetap ada pada populasi dalam jangka waktu tertentu. Laju proporsi orang yang tervaksinasi yang diperbesar dapat berpengaruh dalam menurunkan tingkat penyebaran penyakit campak.
Batik Motifs From Mathematical Model Of Earthquake Waves And Kartini Reactor Sugiyanto; Bariromah; M. Aly Akbar Hakim; Hamas Abdillah; Wida Yaska Andika Yusuf
Jurnal Ilmiah Matematika Vol. 10 No. 2 (2023)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v10i2.30876

Abstract

The batik motif from the mathematical model of earthquake waves and the Kartini Reactor is an innovation in the world of batik that combines elements of art and science. Earthquake waves are complex physical phenomena that occur as a result of the release of energy from earthquake sources that propagate through the layers of the earth in seismic form. The mathematical modeling used to understand the dynamics of wave propagation is partial differential equations and numerical simulation methods. In addition, this research highlights the role of Raktor Kartini, a nuclear reactor located in Yogyakarta, for the development of science and technology in Indonesia. In this research, the earthquake wave propagation pattern and the dynamics of the Kartini Reactor are translated into batik motifs, creating a visual representation of scientific concepts. This approach not only enriches the cultural heritage of batik, but also introduces science to the public. The philosophy of this motif emphasizes the balance between resilience and flexibility, reflecting how technological systems must adapt to dynamic environmental conditions.
Implementasi Metode SVM-PSO Dengan Fitur Selection Variance Threshold Pada Klasifikasi Penyakit Diabetes Mellitus Pratiwi Kistiya Ningrum; Joko Purwadi
Jurnal Ilmiah Matematika Vol. 10 No. 2 (2023)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v10i2.30877

Abstract

Pada penelitian ini membahas tentang kasus klasifikasi pada data penyakit diabetes. Metode yang digunakan dalam penelitian ini adalah metode Support Vector Machine yang dioptimalkan dengan algoritma Particle Swarm Optimization guna memperoleh parameter terbaik dengan kombinasi seleksi fitur menggunakan Variance Threshold. Penelitian ini bertujuan untuk mengetahui cara kerja dan hasil akurasi dari metode Support Vector Machine dengan optimasi Particle Swarm Optimization menggunakan seleksi fitur Variance Threshold. Hasil penelitian menggunakan kombinasi metode tersebut menunjukkan hasil akurasi sebesar 80%. Hasil akurasi tersebut lebih tinggi jika dibandingkan dengan metode Support Vector Machine tunggal tanpa optimasi dan seleksi fitur dengan akurasi sebesar 76%. Meningkatkan akurasi sebesar 4% dari 76% menjadi 80%.
Penggunaan Metode Classification And Regression Tree (CART) Dalam Mengklasifikasikan Faktor Yang Mempengaruhi Penyakit Diabetes Fariskha Aninda Nurdifa
Jurnal Ilmiah Matematika Vol. 10 No. 2 (2023)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v10i2.30878

Abstract

Diabetes adalah penyakit kronis yang ditandai oleh tingginya kadar gula (glukosa) dalam darah. Kondisi ini terjadi ketika tubuh tidak mampu memproduksi atau menggunakan insulin dengan baik. Ada banyak faktor yang bisa mempengaruhi seseorang terkena penyakit diabetes, karenanya diperlukan klasifikasi faktor apa saja yang paling sering menyebabkan penyakit diabetes. Dalam skripsi ini penulis melakukan klasifikasi menggunakan metode Classification and Regression Tree (CART). Data yang digunakan dalam penelitian ini yaitu data penderita diabetes yang bersumber dari kaggle. Hasil penelitian menunjukkan bahwa diperoleh tingkat keakurasian algoritma Decision Tree Classification and Regression Tree (CART) dengan menggunakan confusion matrix menunjukkan bahwa tingkat sensitivity atau ketepatan prediksi pada kelas diabetes sebesar 100%, sedangkan tingkat specificity atau tingkat ketepatan prediksi pada kelas tidak diabetes sebesar 94.4%. Kemudian tingkat akurasi yang diperoleh mencapai 96.6%. Berdasarkan ketiga hasil tersebut, maka metode CART dapat digunakan untuk mengklasifikasikan penyakit diabetes secara optimal dengan hasil yang cukup baik.
Analisis Perbandingan Model Regresi Logistik Dan Probit Dengan K-Fold Cross Validation Dalam Mengidentifikasi Faktor Signifikan Pada Penyakit Diabetes Melitus Aqilla Khairunnisa
Jurnal Ilmiah Matematika Vol. 10 No. 2 (2023)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v10i2.30879

Abstract

Statistika adalah cabang matematika yang berkaitan dengan pengumpulan, analisis, interpretasi, presentasi, dan organisasi data. Statistika digunakan dalam berbagai disiplin ilmu untuk membuat keputusan berdasarkan data. Terdapat dua jenis utama statistika, yaitu statistika deskriptif dan statistika inferensial. Salah satu metode statistika inferensial yang biasa digunakan adalah Analisis Regresi Logistik dan Regresi Probit. Regresi Logistik dan Regresi Probit merupakan teknik dalam statistika inferensial yang digunakan untuk menemukan hubungan di antara variabel prediktor dan variabel respons yang bersifat dikotomus (memiliki dua kategori) atau polikotomus (memiliki lebih dari dua kategori). Regresi logistik menggunakan fungsi distribusi kumulatif dari distribusi logistik sedangkan Regresi Probit menggunakan fungsi distribusi kumulatif dari distribusi normal. Tujuan dari penelitian ini adalah mengetahui model terbaik antara model logit dan model probit berdasarkan validasi model menggunakan k-fold cross validation. Data yang digunakan adalah data sekunder tentang prediksi diabetes yang tersedia dalam Kaggle. Berdasarkan hasil yang diterapkan pada data tersebut didapatkan faktor faktor yang berpengaruh signifikan terhadap penyakit diabetes adalah jenis kelamin, usia, riwayat hipertensi, riwayat penyakit jantung, riwayat merokok, BMI, kadar HbA1c, dan kadar gula darah. Hasil perbandingan model didapatkan dari rata-rata akurasi yang sama menggunakan k-fold cross validation untuk model logit dan probit yaitu sebesar 93.7%. Perbandingan ini diperkuat dengan empat kriteria dalam pemilihan model terbaik yaitu AIC, Pseudo-R2, AUC, Logloss keakuratan klasifikasi, dan uji kesesuaian model (Goodness of fit). Secara keseluruhan dapat disimpulkan bahwa model probit lebih baik daripada model logit dalam kasus data tersebut. ABSTRACT Statistics is a discipline of mathematics concerned with the collection, analysis, interpretation, presentation, and organization of data. Statistics is used in various disciplines to make decisions based on data. There are two general types of statistics, descriptive statistics and inferential statistics. One of the commonly used inferential statistical methods is Logistic Regression Analysis and Probit Regression. Logistic regression and Probit regression are techniques in inferential statistics used to find the relationship between predictor variables and response variables that are dichotomous (have two categories) or polycotomous (have more than two categories). Logistic regression uses the cumulative distribution function of the logistic distribution while Probit regression uses the cumulative distribution function of the normal distribution. The purpose of this study is to determine the best model between the Logistic Regression model and the Probit Regression model based on model validation using k-fold cross validation. The data used is secondary data on diabetes prediction available in Kaggle. Based on the results applied to the data, the factors that have a significant effect on diabetes are gender, age, history of hypertension, history of heart disease, smoking history, BMI, HbA1c levels, and blood sugar levels. The results of the model comparison showed the same average accuracy using k-fold cross validation for logistic regression and probit regression models, which was 93.7%. This comparison is supported by four criteria in selecting the best model, namely AIC, Pseudo-R2, AUC, Logloss, classification accuracy, and goodness of fit test. Overall, it can be concluded that the Probit Regression model is better than the Logistic Regression model in the case of these data.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol. 12 No. 2 (2025) Vol. 12 No. 1 (2025) Vol. 11 No. 2 (2024) Vol. 11 No. 1 (2024) Vol 11, No 1 (2024) Vol. 10 No. 2 (2023) Vol. 10 No. 1 (2023) Vol. 9 No. 2 (2022) Vol 9, No 2 (2022) Vol 9, No 1 (2022) Vol. 9 No. 1 (2022) Vol 8, No 2 (2021) Vol 8, No 1 (2021) Vol 7, No 2 (2020) Vol 7, No 1 (2020) Vol 6, No 2 (2019) Vol 6, No 1 (2019) More Issue