cover
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
ISSN : 20878796     EISSN : 27743241     DOI : http://dx.doi.org/10.26555/konvergensi
Core Subject : Education,
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
Articles 105 Documents
Analisis Performa Algoritma Smote-Bagging Dalam Klasifikasi Data Tidak Seimbang Dengan Metode Chi-Square Automatic Interaction Detection (CHAID) Tyas Kusuma Argani
Jurnal Ilmiah Matematika Vol. 10 No. 1 (2023)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v10i1.30873

Abstract

Klasifikasi data tidak seimbang sering menghadapi tantangan dalam mencapai keseimbangan antara sensitivitas dan spesifisitas. Penelitian ini menganalisis performa algoritma SMOTE-Bagging pada klasifikasi data tidak seimbang menggunakan metode Chi-Square Automatic Interaction Detection (CHAID), dengan studi kasus stunting pada balita tahun 2022 di Bojongsoang. SMOTE (Synthetic Minority Over-sampling Technique) digunakan untuk meningkatkan representasi kelas minoritas dalam dataset, kemudian digabungkan dengan teknik Bagging untuk meningkatkan kinerja klasifikasi. Hasil penelitian menunjukkan bahwa algoritma SMOTE-Bagging CHAID meningkatkan performa dalam klasifikasi data tidak seimbang, dengan peningkatan sensitivitas sebesar 65%, Area Under Curve (AUC) sebesar 42%, dan keseimbangan antara sensitivitas dan spesifisitas (G-Mean) sebesar 71%. Implementasi SMOTE-Bagging meningkatkan sensitivitas dan memberikan keseimbangan yang lebih baik antara sensitivitas dan spesifisitas.
Optimasi Metode CART Menggunakan Metode Bagging Pada Studi Kasus Data Imbalance Berbasis Metode Adasyn Khana Pujiyanti
Jurnal Ilmiah Matematika Vol. 10 No. 1 (2023)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v10i1.30874

Abstract

Penelitian ini membahas mengenai permasalahan data imbalance yang menyebabkan kinerja dari model klasifikasi menjadi tidak optimal. Dalam penelitian ini menerapkan metode Adaptive Synthetic Sampling (ADASYN) untuk menangani permasalahan data imbalance, metode Classification and Regression Tree (CART) diterapkan sebagai metode klasifikasi pada dataset penyakit stroke, dan metode Boostrap Agregating (Bagging) untuk mengoptimalkan metode Cart. Penelitian ini bertujuan untuk mengetahui cara kerja dan performa dari penerapan metode Adasyn, Cart, dan Bagging dengan membangun tiga model klasifikasi yaitu model Cart, model Cart Adasyn, dan model Cart Adasyn Bagging. Hasil penelitian menunjukan model Cart menghasilkan nilai akurasi sebesar 94%, G-mean sebesar 0%, dan AUC sebesar 50%. Model Cart Adasyn menghasilkan nilai akurasi 78%, G-Mean 74% dan AUC 74%. Model Cart Adasyn Bagging menghasilkan nilai akurasi 78%, G-mean 76%, dan AUC 76%. Oleh karena itu, dapat disimpulkan bahwa kombinasi metode Cart, Adasyn, dan Bagging memberikan performa terbaik dalam mengatasi data tidak seimbang untuk klasifikasi penyakit stroke. Model Cart Adasyn Bagging terbukti lebih baik dalam memprediksi kedua kelas mayoritas dan kelas minoritas.
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.
Optimasi Parameter Support Vector Regression (SVR) Menggunakan Algoritma Grey Wolf Optimizer (GWO) Nia Andriani Laila
Jurnal Ilmiah Matematika Vol. 11 No. 2 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v11i2.30889

Abstract

Prediksi adalah suatu metode yang dilakukan untuk mendapatkan gambaran atau memperkirakan sesuatu yang terjadi di masa yang akan datang dengan menggunakan informasi atau data yang ada pada masa lampau dan masa kini. Support Vector Regression (SVR) merupakan salah satu metode yang digunakan untuk melakukan prediksi. Penelitian ini dilakukan dengan tujuan untuk meningkatkan performa dari SVR dalam memprediksi harga saham pada periode 1 februari 2021 hingga 23 februari 2023. Oleh karena itu pada penelitian ini menggunakan seleksi fitur Corelation Based Feature Selection (CFS) dan metode optimasi Grid Search Optimization (GSO) yang diimplementasikan pada SVR. Hasil penelitian menunjukkan bahwa prediksi model SVR diperoleh nilai RMSE sebesar 0.00703 pada data training dan 0.00611 pada data testing. Sedangkan pada model SVR dengan algoritma GSO diperoleh nilai RMSE sebesar 0.00429 pada data training dan 0.00367 pada data testing. Berdasarkan nilai RMSE yang diperoleh menunjukkan adanya peningkatan performa pada SVR dengan penurunan nilai RMSE sebesar 0.00274 pada data training dan 0.00244 pada data testing. ABSTRACT Prediction is a method used to get a picture of or estimate something that will happen in the future using information or data that exists in the past and present. Support Vector Regression (SVR) is one of the methods used to make predictions. This research was conducted with the aim of improving the performance of SVR in predicting stock prices for the period February 1, 2021, to February 23, 2023. Therefore, this study uses the correlation-based feature selection (CFS) and grid search optimization (GSO) optimization methods implemented in SVR. The results showed that the prediction of the SVR model obtained an RMSE value of 0.00703 on training data and 0.00611 on testing data. While the SVR model with the GSO algorithm obtained an RMSE value of 0.00429 in the testing data and 0.00367 in the testing data, based on the RMSE value obtained, it shows an increase in performance in SVR with a decrease in the RMSE value of 0.00274 in the training data and 0.00244 in the testing data.This is an open-access article under the CC–BY-SA license.
Penentuan Cadangan Premi Dengan Metode Fackler Pada Asuransi Jiwa Dwiguna Noviyanda Frayoga
Jurnal Ilmiah Matematika Vol. 11 No. 2 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v11i2.30892

Abstract

Asuransi merupakan suatu perjanjian antara dua pihak, dimana satu pihak berkewajiban membayar dan pihak lainnya memiliki kewajiban untuk memberikan ganti rugi kepada pembayar premi jika terjadi sesuatu pada pihak yang bersangkutan seperti kematian, kecelakaan, atau kehilangan kemampuan dalam memperoleh penghasilan sesuaai dengan kesepakatan yang telah dibuat. Pada perusahaan asuransi bisa mengalami kerugian apabila pemegang polis meninggal dunia tetapi perusahaan tidak memiliki dana, sedangkan perusahaan wajib mengeluarkan dana santunan kepada pemegang polis, keadaan ini bisa di antisipasi apabila perusaahn sudah mensiapkan cadangan premi secara tepat. Tujuan dari penelitian ini adalah untuk menentukan cadangan premi pada asuransi jiwa dwiguna menggunakan metode Fackler. Variabel yang digunakan pada penelitian ini adalah usia pemegang polis, jangka waktu pembayaran, jenis kelamin, suku bunga dan uang santunan. Pada penelitian ini dilakukan perhitungan cadangan premi untuk usia pemegang polis berusia 35 sampai 45 tahun pada laki-laki dengan jangka waktu 5,10,15 dan 20 tahun pada tingkat suku bunga 5,25% dan nilai santunan Rp.100.000.000, −. Dengan menggunakan metode fackler perusahaan hanya perlu menambahkan nilai cadangan sebesar Rp.34.659, 8 setiap tahunnya pada asuransi jiwa dwiguna untuk pemegang polis usia 35 tahun dengan jangka 5 tahun dan ini sudah melindungi nilai cadangan di tahun berikutnya dan hasil ini sangat mengantisipasi terjadi kelebihan klaim pada peserta asuransi.
ANALISIS PENGENDALIAN KUALITAS PRODUKSI BERAS DENGAN METODE STATISTICAL PROCESS CONTROL (SPC) Luthfi Alleyda Fadhlullah; Joko Purwadi
Jurnal Ilmiah Matematika Vol. 11 No. 2 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v11i2.30893

Abstract

Perkembangan industri meningkat dikarenakan kebutuhan manusia yang beranekaragam seperti bahan pangan, papan, sandang, dan kendaraan. Perkembangan ini mendorong perusahaan yang bergeras dibidang industrialisasi untuk terus menjaga bahkan meningkatkan kualitas produk yang mereka hasilkan untuk menjaga kepercayaan pelanggan. UD. Penggilingan X merupakan bidang usaha yang bergerak dibidang industri pangan yang memproduksi Beras. Beras merupakan salah satu produk makanan pokok paling penting di dunia, termasuk di Indonesia. Pada penggilingan diperlukan penjagaan kualitas agar nantinya beras yang dihasilkan akan selalu terjaga bahkan meningkat setiap harinya. Kualitas ini dapat dijaga dengan ilmu matematis yaitu pengendalian kualitas yakni menggunakan tujuh alat Statistical Process Control (SPC).

Page 9 of 11 | Total Record : 105