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 22 Documents
 1   2   3 
Search results for , issue "Vol. 5 No. 02 (2025): Leibniz: Jurnal Matematika" : 22 Documents clear
Perbandingan Ukuran Jarak pada Analisis Kluster Hirarki Yahya, Muh. Zarkawi; Sitti Nurhaliza; Morina A Fathan; Muhammad Edy Rizal; Andi Harismahyanti A
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.538

Abstract

Analisis klaster merupakan salah satu metode statistik untuk mengelompokkan objek berdasarkan kemiripan. Pada data kategorik, pemilihan ukuran jarak menjadi aspek penting karena memengaruhi struktur dan interpretasi klaster yang terbentuk. Penelitian ini bertujuan untuk membandingkan performa enam ukuran jarak Gower, Goodall1, Goodall2, Goodall3, Goodall4, dan Anderberg dalam analisis klaster hierarki menggunakan data kategorik dari Indonesian Family Life Survey (IFLS-5). Metode yang digunakan adalah hierarchical agglomerative clustering, dengan tahap awal pembersihan data dan konversi ke tipe faktor agar sesuai dengan karakteristik pengukuran jarak kategorik. Evaluasi hasil klaster dilakukan dengan dua indeks validasi internal, yaitu Silhouette dan Dunn, serta metrik eksternal Adjusted Rand Index (ARI) untuk menilai stabilitas klaster melalui proses bootstrapping. Ketiga metrik tersebut digunakan secara komplementer: Silhouette mengevaluasi konsistensi lokal anggota klaster (dengan nilai ? 0.5 umumnya dianggap baik), Dunn mengukur pemisahan antar-klaster secara global (semakin tinggi semakin baik), sementara ARI menunjukkan konsistensi struktur klaster terhadap variasi data (nilai mendekati 1 menunjukkan stabilitas tinggi). Hasil menunjukkan bahwa setiap ukuran jarak menghasilkan struktur klaster yang berbeda. Di antara semua ukuran yang diuji, Goodall4 memberikan hasil terbaik karena membentuk klaster yang mudah diinterpretasikan, memiliki nilai indeks Silhouette dan Dunn yang relatif tinggi, serta skor ARI mendekati sempurna. Hal ini mengindikasikan bahwa Goodall4 merupakan alternatif yang layak direkomendasikan dalam kasus serupa.
Implementasi Algoritma Sherman-Morrison untuk Penyelesaian Sistem Persamaan Linier Menggunakan Matlab Hidayah, Nurul; Arisha, Bella
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.556

Abstract

Artikel ini membahas implementasi algoritma Sherman-Morrison untuk menyelesaikan sistem persamaan linier, di mana A merupakan matriks nonsingular berukuran n×n sehingga sistem memiliki solusi tunggal. Penelitian ini dilatarbelakangi oleh kebutuhan pendekatan penyelesaian yang adaptif dan efisien bagi sistem linier yang mengalami perubahan lokal secara berulang. Algoritma Sherman-Morrison merupakan bentuk khusus dari rumus Sherman–Morrison–Woodbury yang berlaku untuk modifikasi rank-satu, sehingga memungkinkan pembaruan invers matriks tanpa perhitungan ulang secara menyeluruh. Kajian dilakukan melalui pembuktian teoritis rumus tersebut dan implementasi komputasional menggunakan MATLAB R2013a. Implementasi disusun sebagai fungsi khusus yang dikembangkan secara modular untuk mengeksekusi langkah-langkah algoritma. Pengujian dilakukan terhadap empat jenis matriks: acak penuh, simetris positif definit, jarang (sparse), dan hampir singular. Evaluasi mencakup akurasi solusi, error residual, serta waktu eksekusi, kemudian dibandingkan dengan metode standar (A\b). Hasil implementasi menunjukkan bahwa algoritma memberikan solusi yang akurat dan efisien pada sistem dengan skala kecil serta matriks sparse, namun cenderung tidak stabil bila diterapkan pada matriks yang hampir singular. Dengan demikian, algoritma ini layak digunakan untuk kasus pembaruan rank-satu dengan kondisi yang baik, serta relevan untuk penerapan dalam konteks pembelajaran dan komputasi numerik.
Pemodelan Geographically Weighted Regression pada Kasus Pneumonia di Indonesia Oktaviani, Bernadita; Amalita, Nonong; Kurniawati, Yenni; Martha, Zamahsary
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.564

Abstract

Pneumonia adalah penyakit infeksi pernafasan yang menjadi salah satu penyumbang terbesar kasus kematian pada balita dan termasuk dalam  salah satu masalah kesehatan secara global. Kematian balita akibat pneumonia di Indonesia mengalami peningkatan dari 459 kasus pada tahun 2022 menjadi 522 kasus pada  tahun 2023 yang menunjukkan bahwa pneumonia masih menjadi masalah serius bagi kesehatan balita. Geographically Weighted Regression (GWR) adalah metode yang digunakan dalam penelitian ini. Data penelitian ini diperoleh dari publikasi yang diterbitkan oleh Kemenkes RI, yaitu Profil Kesehatan Indonesia 2023. Tujuan penelitian ini untuk mengevaluasi penerapan model GWR dalam memodelkan data spasial dan untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap jumlah kasus pneumonia balita di Indonesia. Hasil analisis menunjukkan bahwa model GWR memberikan hasil yang lebih baik dalam memodelkan jumlah kasus pneumonia pada balita dibandingkan model regresi linier berganda dengan nilai AIC sebesar 15,66953 dan  sebesar 94,66%. Faktor-faktor yang berpengaruh signifikan terhadap jumlah kasus pneumonia pada balita di Indonesia tahun 2023 adalah persentase balita yang mendapat vitamin A, persentase bayi mendapat ASI eksklusif sampai 6 bulan, jumlah puskesmas, persentase bayi yang mendapat imunisasi dasar lengkap, persentase rumah tangga yang memiliki akses terhadap sanitasi layak, persentase penduduk miskin, persentase kejadian gizi buruk pada balita usia 0-59 bulan, dan jumlah bayi berat badan lahir rendah (BBLR).
Fenomenologi Pembelajaran Matematika SMP pada Materi Garis dan Sudut Septiani, Isra; Nursupiamin, Nursupiamin; Yulia, Yulia
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.574

Abstract

Penelitian ini bertujuan untuk mengungkap pengalaman belajar peserta didik SMP dalam pembelajaran matematika pada materi garis dan sudut. Menggunakan pendekatan kualitatif dengan metode fenomenologi, penelitian ini berfokus pada pemahaman subjektif partisipan terhadap pembelajaran di dalam kelas. Data diperoleh melalui wawancara mendalam, observasi langsung, dan dokumentasi, dengan empat informan, yaitu tiga peserta didik kelas VII dan satu guru matematika di MTsS Alkhairaat Kalukubula. Teknik analisis data dilakukan secara tematik berdasarkan model Miles dan Huberman, melalui tahap reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan tiga tema utama yang membentuk struktur pengalaman belajar peserta didik yaitu: makna belajar matematika bagi peserta didik, interaksi dan partisipasi dalam pembelajaran, serta kesulitan konseptual dalam memahami materi garis dan sudut. Peserta didik memaknai belajar matematika secara berbeda, tergantung pada keberhasilan memahami materi dan kenyamanan interaksi sosial di kelas. Peserta didik yang memahami materi merasa percaya diri dan senang, sedangkan yang kesulitan cenderung diam, takut bertanya, dan menarik diri dari proses pembelajaran. Selain itu, keterbatasan media visual dan rendahnya kemampuan visualisasi menjadi penyebab utama kesulitan konseptual Peserta didik dalam memahami sudut dan relasinya dengan garis. Penelitian ini menyimpulkan bahwa pembelajaran matematika yang bermakna tidak hanya menekankan aspek kognitif, tetapi juga perlu memperhatikan dimensi emosional dan sosial peserta didik.
Model Koefisien Bervariasi Spasial Bayesian untuk Memperkirakan Risiko Relatif Penyakit Demam Berdarah Dengue di Kota Medan Rahmat Hutapea; Husein, Ismail
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.586

Abstract

Penelitian ini membahas penerapan model Spatially Varying Coefficient berbasis pendekatan Spasial Bayesian untuk mengestimasi risiko relatif (Relative Risk/RR) penyakit Demam Berdarah Dengue (DBD) di Kota Medan. Tujuan penelitian ini adalah untuk: (1) mengidentifikasi tren kasus DBD di Kota Medan; (2) mengakomodasi variasi spasial dalam data serta memberikan estimasi risiko relatif yang lebih akurat antarwilayah; dan (3) menganalisis distribusi spasial risiko relatif kasus DBD di setiap kecamatan. Penelitian ini menggunakan data sekunder berupa data kasus DBD tahun 2022–2023 dari Dinas Kesehatan Kota Medan, serta data demografi dan lingkungan seperti kepadatan penduduk, jumlah tenaga kesehatan, dan fasilitas kesehatan. Analisis data dilakukan dengan pendekatan Bayesian menggunakan model Spatially Varying Coefficient untuk menangkap heterogenitas dan ketergantungan spasial. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu menghasilkan estimasi risiko relatif yang informatif dan akurat, serta dapat digunakan untuk mendukung perencanaan strategi pencegahan dan pengendalian DBD yang lebih tepat sasaran. Selain itu, penelitian ini memberikan kontribusi metodologis dalam pengembangan analisis spasial di bidang epidemiologi dan kesehatan masyarakat.
Pengelompokan Kabupaten/Kota Maluku dan Nusa Tenggara Barat Berdasarkan Faktor Kemiskinan Menggunakan Self Organizing Maps Aulia, Yuke; Sulistiowati, Dwi; Kurniawati, Yenni; Salma, Admi
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.607

Abstract

Provinsi Maluku dan Nusa Tenggara Barat masih menghadapi tantangan serius dalam upaya pengentasan kemiskinan. Kedua provinsi ini tidak hanya mengalami peningkatan persentase penduduk miskin, tetapi juga termasuk sebagai wilayah dengan persentase penduduk miskin tertinggi di Indonesia. Persentase penduduk miskin di Provinsi Maluku pada tahun 2023 mencapai 16,42%, naik sebesar 0,45%. Sementara itu, persentase penduduk miskin di Provinsi Nusa Tenggara Barat mencapai 13,85%, naik sebesar 0,17%. Angka-angka ini masih jauh dari target pemerintah yang menetapkan 6%-7% untuk persentase kemiskinan nasional. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Maluku dan Nusa Tenggara Barat berdasarkan faktor yang memengaruhi kemiskinan serta mengidentifikasi karakteristik hasil klaster yang terbentuk. Penelitian ini menggunakan metode Self Organizing Maps (SOM). Data penelitian ini bersumber dari publikasi Badan Pusat Statistik (BPS), yaitu Maluku dalam Angka 2024 dan Nusa Tenggara Barat dalam Angka 2024. Hasil analisis menunjukkan terbentuknya 3 klaster wilayah yang divalidasi menggunakan pendekatan validasi internal (Connectivity, Dunn, dan Silhouette). Klaster 1 terdiri dari 2 kota ditandai oleh keunggulan dalam indikator pendidikan, kesehatan, dan ekonomi. Klaster 2 terdiri dari 15 kabupaten/kota yang dicirikan dengan potensi tenaga kerja yang tinggi, namun mengahadapi tantangan jumlah penduduk yang besar. Sementara itu, klaster 3 terdiri dari 4 kabupaten memiliki keterbatasan dalam berbagai aspek, termasuk pendidikan, kesehatan, ekonomi, dan infrastruktur.
Implementasi Metode Naïve Bayes dengan Random Oversampling pada Klasifikasi Keluarga Berisiko Stunting Suliswati, Yeni; Mukhti, Tessy Octavia; Syafriandi, Syafriandi; Salma, Admi
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.610

Abstract

Stunting masih menjadi salah satu masalah kesehatan serius yang memiliki dampak jangka panjang terhadap tumbuh kembang dan kognitif anak. Keluarga memiliki peran penting dalam mencegah terjadinya stunting, sehingga identifikasi dini keluarga yang berisiko melahirkan anak stunting menjadi langkah awal dalam upaya pencegahan. Penelitian ini bertujuan untuk mengklasifikasikan keluarga berisiko stunting menggunakan metode Naïve Bayes serta mengevaluasi pengaruh teknik Random Oversampling (ROS) terhadap performa model pada data tidak seimbang. Data pada penelitian ini terdiri dari 7 variabel independen dan 1 variabel dependen yang bersumber dari Perwakilan Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) Sumatera Barat. Hasil evaluasi menunjukkan bahwa model Naïve Bayes memiliki akurasi sebesar 92,46% dan sensitivitas 100% serta spesifisitas 69,14% yang menunjukkan kelemahan dalam mengidentifikasi keluarga berisiko. Metode ROS-Naïve Bayes menunjukkan peningkatan performa model dimana diperoleh akurasi sebesar 99,87%, sensitivitas 99,83%, dan spesifisitas 100%. Hal ini menunjukkan bahwa implementasi Naïve Bayes dengan ROS efektif dalam mengatasi ketidakseimbangan data dan meningkatkan performa model. Faktor utama yang memengaruhi risiko stunting meliputi keikutsertaan KB modern, sanitasi, usia ibu dan jumlah anak.
Penerapan Metode MOORA dalam Pengambilan Keputusan untuk Menentukan Bibit Sawit Terbaik Pranata, Anang; Siregar, Machrani Adi Putri; Siregar, R. Maisaroh Rezekiyah
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.629

Abstract

Tanaman kelapa sawit (Elaeis guineensis Jacq) merupakan komoditas perkebunan strategis yang memberikan kontribusi ekonomi besar per hektar secara global. Peningkatan kebutuhan dunia akan minyak sawit menuntut strategi produksi yang efektif, salah satunya melalui pemilihan bibit unggul. Pemilihan bibit yang tepat menjadi faktor penting dalam mendukung produktivitas dan keberhasilan budidaya. Beberapa jenis bibit unggul yang umum digunakan oleh petani antara lain Dumpy, Yangambi, SP540, dan DxP 540 NG. Untuk mempermudah proses pengambilan keputusan dalam pemilihan bibit terbaik, penelitian ini menerapkan metode MOORA (Multi-Objective Optimization by Ratio Analysis), sebuah metode pengambilan keputusan multikriteria yang sederhana, fleksibel, dan efektif dalam menangani banyak kriteria secara simultan. Penelitian ini menggunakan delapan kriteria evaluasi bibit kelapa sawit dengan lima alternatif jenis bibit. Setiap kriteria diberi bobot berdasarkan hasil wawancara dengan ahli, kemudian dinormalisasi dan dihitung nilai preferensinya (Yi) untuk menentukan peringkat. Hasil analisis menunjukkan bahwa bibit terbaik adalah DxP 540 NG dengan nilai Yi sebesar 0,426, diikuti oleh turunan SP540 (0,357), turunan Yangambi (0,320), DxP Langkat (0,315), dan DyP Sungai Pancur I (Dumpy) (0,315). Hasil ini membuktikan bahwa metode MOORA dapat digunakan sebagai sistem pendukung keputusan yang membantu petani dalam memilih bibit sawit terbaik secara objektif dan sistematis. Pendekatan ini juga dapat dikembangkan lebih lanjut dalam konteks pengambilan keputusan pertanian lainnya yang melibatkan banyak kriteria.
Analisis Model Matematika pada Penanggulangan Pencemaran Udara Adella Aulia Mukti; Husein, Ismail; Aprilia, Rima
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.630

Abstract

Penelitian ini menggunakan pendekatan kuantitatif dengan metode pemodelan matematika berbasis data sekunder dari Dinas Lingkungan Hidup (DLH) Kota Medan. Data mencakup konsentrasi karbon monoksida (CO), karbon dioksida (CO?), dan oksigen (O?) pada empat kawasan berisiko tinggi pencemaran, yaitu kawasan industri, perkantoran, permukiman, dan area dengan kepadatan kendaraan tinggi. Model yang diterapkan adalah Vector Autoregression (VAR), yang mampu menangkap hubungan dinamis antarvariabel tanpa perlu membedakan variabel endogen dan eksogen. Sebelum pemodelan, dilakukan uji stasioneritas dengan Augmented Dickey-Fuller (ADF), penentuan lag optimal, serta uji kausalitas Granger. Hasil penelitian menunjukkan adanya tren peningkatan konsentrasi CO, penurunan CO?, dan kenaikan moderat kadar O?. Model VAR yang dibangun memiliki akurasi yang baik dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 7,85%, sehingga efektif digunakan untuk peramalan jangka pendek pencemaran udara. Dengan demikian, pemodelan ini dapat menjadi dasar analisis dan perumusan strategi penanggulangan pencemaran udara di Kota Medan.
Pemodelan Matematis untuk Memprediksi Penjualan dengan Menggunakan Metode Regresi Linier Sukmarini, Mita Akbar
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): 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.v5i02.508

Abstract

Penelitian ini berfokus pada data penjualan produk pada UMKM Pojok Laundry, khususnya parfum laundry yang merupakan produk paling diminati konsumen dibandingkan dengan produk lain yang ditawarkan. Meskipun demikian, penjualan parfum laundry setiap bulan belum stabil karena adanya fluktuasi yang sulit diprediksi. Permasalahan tersebut mendorong dilakukannya penelitian dengan tujuan memprediksi penjualan parfum laundry agar pelaku usaha dapat menyiapkan stok sesuai dengan kebutuhan konsumen. Metode yang digunakan adalah regresi linier, dengan analisis data penjualan sebelumnya untuk meramalkan tren pada periode berikutnya. Hasil penelitian menunjukkan bahwa pada bulan April 2025 penjualan parfum laundry diprediksi mencapai 38 botol, meningkat dibandingkan bulan Maret 2025 yang hanya 18 botol. Namun demikian, angka prediksi ini lebih rendah dibandingkan dengan rata-rata penjualan pada periode sebelumnya, yaitu 42 botol. Temuan ini memberikan gambaran bahwa penerapan pemodelan matematis dengan metode regresi linier dapat membantu UMKM dalam memperkirakan kebutuhan stok produk, meskipun hasil ramalan tetap perlu dipertimbangkan dengan faktor eksternal yang memengaruhi penjualan.

Page 2 of 3 | Total Record : 22

 1   2   3 

Filter by Year

2025 2025


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