cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Florianus Aloysius Nay
Contact Email
nayflorianus@gmail.com
Phone
+6281246445803
Journal Mail Official
ejournal.leibniz@gmail.com
Editorial Address
Jln. Veteran No. 1-3 Kelurahan Kelapa Lima, Kecamatan Kelapa Lima Kota Kupang - Provinsi Nusa Tenggara Timur
Location
Kab. kupang,
Nusa tenggara timur
INDONESIA
Leibniz: Jurnal Matematika
Published by Universitas San Pedro
ISSN : -     EISSN : 27752356     DOI : -
Core Subject : Education,
Mathematics
Ruang lingkup artikel ilmiah yang dapat diterbitkan dalam Jurnal Leibniz ini adalah sebagai berikut: Geometri dan Aplikasinya, Teori Graf dan Aplikasinya, Riset Operasi dan Aplikasinya, Sistem Dinamik dan Aplikasinya, Model Matematika dan Aplikasinya, Teori Kontrol dan Aplikasinya, Aljabar dan Aplikasinya, Model Pembelajaran Matematika, Etnomatematika dalam Pembelajaran Matematika, Teknologi dalam Pembelajaran Matematika, dan Kognisi dalam Pembelajaran Matematika
Arjuna Subject : Matematika - Matematika Terapan
Articles 14 Documents
 1   2 
Search results for , issue "Vol. 4 No. 1 (2024): Leibniz: Jurnal Matematika" : 14 Documents clear
Structural Equation Modeling Partial Least Square Pada Analisis Faktor Kualitas Pelayanan Perpustakaan Berdasarkan Persepsi Mahasiswa Siregar, Ariel Saron; Rosmaini, Elly
Leibniz: Jurnal Matematika Vol. 4 No. 1 (2024): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v4i1.386

Abstract

Kualitas layanan perpustakaan dipengaruhi oleh beberapa faktor, seperti kompetensi pegawai dan lingkungan perpustakaan. Masalah dalam penelitian ini adalah untuk mengetahui pengaruh dan signifikansi variabel kompetensi pegawai dan lingkungan perpustakaan terhadap kualitas pelayanan. Metode yang digunakan adalah analisis data menggunakan pendekatan Partial Least Square Structural Equation Modeling (PLS-SEM). Dari hasil penelitian, kesimpulan yang diperoleh kompetensi pegawai berpengaruh positif dan signifikan terhadap kualitas pelayanan sebesar 0,457. Lingkunngan perpustakaan berpengaruh positif dan signifikan terhadap kompetensi pegawai sebesar 0,441. Lingkunngan perpustakaan berpengaruh positif dan signifikan terhadap kualitas pelayanan sebesar 0,308. Variabel kompetensi sebesar 0,163 sehingga dikatakan model lemah, artiya 16,3% variasi kompetensi dapat dijelaskan oleh model. Nilai variabel kualitas pelayanan sebesar 0,415 sehingga dikatakan model moderat, artiya 41,5% variasi kompetensi dapat dijelaskan oleh model.
Artificial Neural Network dalam Meramalkan Kasus Covid-19 di Indonesia Menggunakan Metode Backpropagation Pasaribu, Ampudan Riki; Sawaluddin, Sawaluddin; Sitorus, Syahriol; Syahputra, Muhammad
Leibniz: Jurnal Matematika Vol. 4 No. 1 (2024): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v4i1.388

Abstract

Kasus covid-19 sudah menjadi ancaman bagi seluruh dunia termasuk negara Indonesia. Grafik kasus penyebaran covid-19 di Indonesia semakin tidak terkendali sejak awal mula kasus pertama covid-19 di Indonesia. Prediksi kasus konfirmasi harian covid-19 sangat dibutuhkan untuk memutus rantai penyebaran covid-19 dimasa mendatang. Dalam penelitian ini, melalui pendekatan jaringan saraf tiruan menggunakan metode backpropagation dilakukan peramalan kasus konfirmasi harian covid-19 di Indonesia menggunakan data kasus harian sebelumnya dimulai sejak tanggal 02 maret 2020 hingga 18 Februari 2023. Arsitektur dan parameter terbaik dalam proses peramalan ini, diperoleh terdapat 14 neuron pada input layer, 128 neuron pada hidden layer dan 1 neuron pada output layer. Sedangkan nilai-nilai parameter terbaik selama pembelajaran model diperoleh nilai learning rate sebesar 0.001 dan fungsi aktivasi yang digunakan adalah ReLu dalam 1000 epoch pelatihan. Dalam peramalan ini akan diperoleh hasil ramalan dalam periode 14 hari kedepan dengan tingkat keakurasian yang dinilai berdasarkan nilai MAPE terkecil yaitu sebesar 1.16% dan koefisien determinasi sebesar 98%.
Implementasi Metode Just In Time Dalam Mengefisiensi Biaya Persediaan Bahan Baku Pasaribu, Monica; Siregar, Rosman
Leibniz: Jurnal Matematika Vol. 4 No. 1 (2024): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v4i1.393

Abstract

Pengendalian persediaan adalah suatu kegiatan yang dapat memperkirakan jumlah persediaan dengan tepat, dengan jumlah yang tidak kurang atau tidak terlalu besar dibandingkan pada kebutuhan dan permintaan. Pengendalian persediaan dilakukan untuk memperoleh penghematan biaya persediaan dengan cara menjaga tingkat persediaan tersebut pada tingkat yang optimal. Salah satu cara mengurangi tingkat persediaan adalah dengan menggunakan metode Just In Time (JIT). Metode Just In Time (JIT) mengurangi tingkat persediaan sehingga dapat menekan biaya seefisien mungkin. Berdasarkan penelitian ini dapat dilihat bahwa dengan data yang sama tetapi menggunakan metode Just In Time (JIT) biaya persediaan bahan baku yang dikeluarkan lebih kecil daripada biaya yang dikeluarkan sebelumnya. Total biaya persediaan yang dikeluarkan sebelum menggunakan metode yaitu sebesar Rp32.359.000,00 dengan frekuensi pemesanan tiap bahan baku 24 kali dalam satu periode. Sedangkan dengan metode Economic Order Quantity (EOQ) biaya yang dikeluarkan sebesar Rp17.767.620,00 dengan frekuensi pemesanan bahan baku kedelai dan gula aren 13 kali dan 20 kali dalam satu periode. Menggunakan metode Just In Time (JIT) mengeluarkan biaya sebesar Rp8.883.810,00 dengan frekuensi pemesanan tiap bahan baku 4 kali dalam satu periode. Bedasarkan hasil perhitungan tersebut metode Just In Time (JIT) biaya persediaan yang dikeluarkan lebih efisien.
Principal Component Analysis Dalam Melihat Faktor-Faktor Yang Mempengaruhi Perkembangan Ternak Ayam (Studi Kasus: Peternakan Ayam Mutiara Sani, Mitra Pt Ciomas Adisatwa, Pekanbaru) Damanik, Sari Selly Ulina; Sitepu, Suryati
Leibniz: Jurnal Matematika Vol. 4 No. 1 (2024): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v4i1.394

Abstract

Fokus dari pengamatan ini adalah untuk melihat faktor yang variansnya paling tinggi atau dapat mewakili data faktor dan yang paling mempengaruhi perkembangan ayam pedaging. Untuk mendapatkan informasi yang diinginkan, akan digunakan principal component analisis (PCA) untuk melakukan reduksi dalam penelitian ini. Setelah dilakukan Analisa didapati bahwa dari 12 variabel yang terdapat pada dataset, 1 variabel direduksi dan menghasilkan tiga faktor yang mewakili 11 variabel tersebut. Dataset yang digunakan pada penelitian ini adalah data yang di peroleh dengan observasi selama kurang lebih satu bulan di peternakan ayam Mutiara sani. Dari 11 variabel yang mempengaruhi perkembangan ayam broiler yang dianalisis, terdapat 3 faktor baru yang terbentuk. Faktor 1 terbentuk atas empat variabel yaitu variabel (pakan), (vitamin 1), (vitamin 2), (vitamin 3), diberi nama Faktor Konsumsi (47.164%). Faktor 2 terdiri atas variabel (DOC), (suhu), (pengalaman), diberi nama Faktor Krusial (11.276%). Faktor 3 terdiri atas variabel (jumlah tenaga kerja), (lebar kandang), (status Pendidikan tenaga kerja), (umur tenaga kerja) diberi nama Faktor Kualitas Perawatan (10.159%). Tiga faktor yang baru terbentuk dapat menjelaskan total varians (tingkat varians kumulatif) sebesar 68,589%, yang berarti ketiga faktor tersebut dapat mempengaruhi perkembangan bobot ayam broiler sebesar 68,589%, sisanya mungkin disebabkan oleh faktor lain yang tidak diikut sertakan dalam analisis ini. 

Page 2 of 2 | Total Record : 14

 1   2 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 5 No. 02 (2025): Leibniz: Jurnal Matematika Vol. 5 No. 01 (2025): Leibniz: Jurnal Matematika Vol. 4 No. 2 (2024): Leibniz: Jurnal Matematika Vol. 4 No. 1 (2024): Leibniz: Jurnal Matematika Vol. 3 No. 2 (2023): Leibniz: Jurnal Matematika Vol. 3 No. 1 (2023): Leibniz: Jurnal Matematika Vol. 2 No. 2 (2022): Leibniz: Jurnal Matematika Vol. 2 No. 1 (2022): Leibniz: Jurnal Matematika Vol. 1 No. 2 (2021): Leibniz: Jurnal Matematika Vol. 1 No. 1 (2021): Leibniz: Jurnal Matematika