Articles
7 Documents
Search results for
, issue
"Vol 1, No 2 (2019)"
:
7 Documents
clear
<![CDATA[MENENTUKAN MINIMUM SPANNING TREE PADA JARINGAN PLN DI KECAMATAN PADANG TIMUR KOTA PADANG ]]>
<![CDATA[Rina, Iswan]]>;
<![CDATA[Sulistiowati, Dwi]]>;
<![CDATA[Rianjaya, Ilham D]]>
<![CDATA[ MAp (Mathematics and Applications) Journal Vol 1, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Imam Bonjol Padang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (558.278 KB)
|
DOI: 10.15548/map.v1i2.1184
<![CDATA[Pada tulisan ini akan ditunjukkan penyelesaian data PLN dengan meminimumkan jarak atau menentukan jarak terpendek dari data PLN, dengan kata lain mencari minimum spanning tree dari model tree yang terbentukAbstractIn this paper we will show the completion of PLN data by minimizing distance or determining the shortest distance from PLN data, in other words looking for a minimum spanning tree from the tree model formed ]]>
<![CDATA[KETERKAITAN ANTARA KONVERGEN ALMOST SURELY, KONVERGEN DALAM PROBABILITAS, KONVERGEN DALAM MEAN, DAN KONVERGEN DALAM DISTRIBUSI ]]>
<![CDATA[Agusta, Vira]]>;
<![CDATA[Putri, Nurweni]]>;
<![CDATA[Syahrul, Maya Sari]]>
<![CDATA[ MAp (Mathematics and Applications) Journal Vol 1, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Imam Bonjol Padang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (470.116 KB)
|
DOI: 10.15548/map.v1i2.1177
<![CDATA[Pada penelitian ini mengkaji keterkaitan antara konvergen almost surely, konvergen dalam probabilitas, konvergen dalam mean, dan konvergen dalam distribusi. Jika barisan variabel random  konvergen almost surely ke suatu variabel random X, maka konvergen dalam probabilitas ke variabel random ke X. Jika barisan variabel random  konvergen dalam probabilitas ke variabel random X maka konvergen dalam mean ke X. Jika barisan variabel random  konvergen dalam probabilitas ke variabel random X maka konvergen dalam distribusi ke X.AbstractIn this research the relations between convergence almost surely, convergence in probability, convergence in mean, and convergence in distribution. If the sequence of random variables  converges almost surely to a random variable X, then it converges in probability to the random variable to X. If the sequence of random variables  converges in probability to a random variable X, then it converges in mean to the random variable to X. If the sequence of random variables  converges in probability to a random variable X, then it converges in the distribution to the random variable to X.]]>
<![CDATA[HUBUNGAN ANTARA KETERCAPAIAN DAN KETERKONTROLAN SISTEM LINIER KONTINU BERGANTUNG TERHADAP WAKTU ]]>
<![CDATA[Nz, Virza Gavinda]]>;
<![CDATA[Asfa’ani, Ezhari]]>
<![CDATA[ MAp (Mathematics and Applications) Journal Vol 1, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Imam Bonjol Padang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (841.418 KB)
|
DOI: 10.15548/map.v1i2.1178
<![CDATA[Sistem linier kontinu bergantung terhadap waktu merupakan suatu model yang banyak dijumpai dalam beberapa aplikasi. Artikel ini mengkaji hubungan antara ketercapaian dan keterkontrolan sistem linier kontinu bergantung waktu. Dengan menggunakan metode aljabar dibuktikan beberapa teorema agar diperoleh hubungan antara ketercapaian dan keterkontrolan sistem linier kontinu bergantung terhadap waktu. Selain itu, diberikan beberapa contoh sebagai ilustrasi untuk memperkuat keberlakuan teorema-teorema yang telah dibuktikan.AbstractContinuous time-varying linier system is a model which many peoples to find in any applications. This paper to teaching connection of reachability and controllability for continuous time-varying linear system. With algebra method we can proof any theorems to result connection of reachability and controllability for continuous time-varying linear system. Futhermore, we given any examples for illustration to be valid this theorems and this proof.]]>
<![CDATA[ANALISIS SOAL UJIAN TENGAH SEMESTER GANJIL PADA MATAKULIAH ALJABAR LINIER ]]>
<![CDATA[Amalina, Amalina]]>;
<![CDATA[Mardika, Fitria]]>
<![CDATA[ MAp (Mathematics and Applications) Journal Vol 1, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Imam Bonjol Padang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (233.769 KB)
|
DOI: 10.15548/map.v1i2.1179
<![CDATA[Penelitian ini bertujuan untuk mengetahui kualitas butir soal ujian tengah semester ganjil mahasiswa program studi tadris matematika UIN Imam Bonjol Padang Tahun Ajaran 2018/2019 ditinjau dari tingkat kesukaran, daya pembeda, dan reliabilitas tes. Jenis penelitian ini adalah deskriptif Kuantitatif dengan menggunakan perhitungan statistik.Subjek penelitian mencakup seluruh mahasiswa program stidy Tadris Matematika UIN Imam Bonjol Padang. Butir soal yang digunakan yaitu butir soal Mata Kuliah Aljabar Linear. Hasil penelitian analisis butir soal ujian semester ganjil menunjukkan bahwa reliabilitas termasuk soal yang memiliki Reliabilitas sedang yaitu sebesar 0,48..Berdasarkan Daya Pembeda soal semua soal memiliki indeks pembeda yang signifikan. Berdasarkan Tingkat Kesukaran secara keseluruhan menunjukkan bahwa semua butir soal sedang. Jadi dapat disimpulkan keseluruhan butir soal yang diajukan dalam ujian tengah semester tersebut dapat dipakai.AbstractThis study aims to find out the quality of odd semester midterm exam items for students of the Tadris mathematics study program at Imam Bonjol Padang Academic Year 2018/2019 in terms of difficulty, differentiation, and test reliability. This type of research is descriptive quantitative using statistical calculations. Subjects of the study include all students of the Mathematics Tadris UIN Imam Bonjol Padang program. The items used are items in Linear Algebra. The results of the analysis of odd semester exam items show that reliability includes items that have moderate reliability that is equal to 0.48. Based on the Distinguishing Power, all questions have a significant differentiating index. Based on the overall level of difficulty shows that all items are medium. So it can be concluded that the whole items submitted in the midterm can be used.]]>
<![CDATA[PENAKSIRAN PARAMETER MODEL AUTOREGRESSIVE ORDE (1) DENGAN MENGGUNAKAN METODE LIKELIHOOD MAKSIMUM ]]>
<![CDATA[Jannah, Miftahul]]>;
<![CDATA[Fitri H, Indah Nurina]]>
<![CDATA[ MAp (Mathematics and Applications) Journal Vol 1, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Imam Bonjol Padang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (439.001 KB)
|
DOI: 10.15548/map.v1i2.1180
<![CDATA[Model Autoregressive (AR) merupakan suatu model yang digunakan untuk melakukan prediksi atau meramal suatu kejadian dimasa yang akan datang dengan menggunakan data-data pada waktu sebelumnya. Untuk memprediksi kejadian dimasa mendatang dilakukan penaksiran parameter dari model Autoregressive (AR). Pada penelitian ini akan dibahas penaksiran parameter Autoregressive (AR) untuk orde p=1 yang disingkat dengan model AR(1). Metode yang digunakan untuk menaksir parameter model AR(1) adalah dengan menggunakan metode Likelihood Maksimum (LM). Langkah pertama yang harus dilakukan adalah dengan menentukan fungsi likelihood dari model AR(1). Untuk menentukan fungsi likelihood dari model AR(1) terlebih dahulu ditentukan fungsi peluang dari model AR(1). Fungsi peluang model AR(1) bisa ditentukan dari definisi model AR(1) tersebut, yaitu  dimana  dan  saling bebas maka diperoleh , sehingga diperoleh fungsi peluang dari model AR(1). Selanjutnya dilakukan simulasi data dengan memilih nilai parameter  dan   Simulasi data dilakukan untuk membandingkan nilai taksiran parameter   dan  dari model AR(1). Dengan menggunakan software matematika MATLAB, diperoleh nilai penaksiran dari parameter-parameter model AR(1) secara analitik dan numerik hampir sama. Hal ini tidak menunjukkan perbedaan yang signifikan.  AbstractAutoregressive (AR) is a model used to predict the future time by using the data in the past. To predict the future time parameter estimation is performed from Autoregressive (AR) model. In this research will discussed estimation Autoregressive (AR) for orde p = 1 which in brief with AR(1). The method used to estimate parameter model of AR(1) is using likelihood maximum method. The first step is determining the function of likelihood from AR(1) model. Before determine the likelihood fuction, we determine the probability function of AR(1) model. The probability function of AR(1) model can be obtained from the definition of AR(1) model. That is  where  and  independent, then obtained , so that the opportunity function of the model AR(1) is obtained. Futhermore, after the parameter estimator obtained from model AR will be simulated using the mathematical software is MATLAB. From the simulation results, the values obtained for the estimation of the parameters of model AR(1) analytically and numerically show almost the same value. This does not show a significant difference.]]>
<![CDATA[KONTROL ASYMPTOTIC TRACKING PADA SYSTEM NON LINEAR DENGAN MENGGUNAKAN NONHYPERBOLIC ZERO DINAMIC (PENDULUM TERBALIK) ]]>
<![CDATA[Hasibuan, Lilis Harianti]]>;
<![CDATA[Sabran, La Ode]]>
<![CDATA[ MAp (Mathematics and Applications) Journal Vol 1, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Imam Bonjol Padang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (512.19 KB)
|
DOI: 10.15548/map.v1i2.1183
<![CDATA[Tulisan ini membahas tentang permasalahan control tracking pada system pendulum terbalik pada dua buah gerobak/kereta yang dikenal dengan system yang non linear. Adapun sifat-sifat dari system pendulum terbalik pada dua buah gerobak/kereta adalah nonlinear, nonminimum phase dengan system zero nonhyperbolic system. Pada jurnal ini pertama sekali akan ditunjukkan bahwa nonhyperbolic zero dinamik tidak begitu perlu diaplikasikan pada teori keluaran regulation. Pada bidang lain, masalah asymptotic tracking pada dua gerobak/kereta dengan menggunakan system pendulum terbalik yang mana system pendulum terbalik ini mampu mengikuti pergerakan secara sinusoidal. Pergerakan tracking pada system pendulum terbalik yang mengikuti pergerakan sinusoidal inilah yang merupakan hasil dari keluaran teori regulation. Sistem kontrol dibutuhkan untuk menstabilkan dan membuat batang pendulum pada posisi equilibriumnya yaitu pada sudut nol radian. Sistem pendulum kereta memiliki beberapa permasalahan kontrol diantaranya tracking. System ini terdiri dari sebuah kereta yang pergerakannya sepanjang track terbatas pada gerak linear dan gerak batang yang dipasang pada kereta. Antara kereta dan batang dihubungkan dengan sebuah engsel. Pendulum-kereta merupakan sistem yang tidak stabil dan nonlinear, sehingga untuk mengontrolnya diperlukan teknik kontrol yang tidak mudah dibandingkan dengan teknik kontrol pada sistem yang linear dan stabil.Abstract This paper discusses the problem of tracking control on the inverted pendulum system on two carts / trains known as non-linear systems. The properties of the inverted pendulum system on two carts are nonlinear, non-minimum phase with zero non-hyperbolic system. In this journal, we will first show that dynamic nonhyperbolic zero does not need to be applied to the output regulation theory. In other fields, the problem of asymptotic tracking on two carts / trains using an inverted pendulum system in which the inverted pendulum system is capable of following sinusoidal movements. The tracking movement in the inverted pendulum system that follows sinusoidal movement is the result of the regulation theory output. The control system is needed to stabilize and make the pendulum rod at its equilibrium position at zero angle radians. The train pendulum system has several control issues including tracking. This system consists of a train whose movement along the track is limited to linear motion and the motion of the rod mounted on the train. Between the carriage and the trunk is connected by a hinge. Pendulum-train is an unstable and nonlinear system, so to control it requires a control technique that is not easy compared to the control technique in a linear and stable system.]]>
<![CDATA[ESTIMASI MODEL TERBAIK UNTUK PERAMALAN HARGA SAHAM PT. POLYCHEM INDONESIA Tbk. DENGAN ARIMA ]]>
<![CDATA[Putri, Darvi Mailisa]]>;
<![CDATA[Aghsilni, Aghsilni]]>
<![CDATA[ MAp (Mathematics and Applications) Journal Vol 1, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Islam Negeri Imam Bonjol Padang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (835.504 KB)
|
DOI: 10.15548/map.v1i2.1176
<![CDATA[Saham merupakan hal yang masih sangat menarik dibahas dalam dunia investasi. Investasi dalam bentuk saham sangat dihadapkan dengan resiko yang tinggi. Hal ini disebabkan harga saham bersifat fluktuatif dan stokastik. Sehingga bagi suatu perusahaan harus memiki dasar pengambilan keputusan yang tepat dan akurat agar bisa meminimalisir kerugian dalam berinvestasi. Analisis deret waktu merupakan analisis yang biasa digunakan untuk memodelkan data deret waktu. Analisis ini dapat digunakan untuk meramalkan harga saham kedepannya dengan menggunakan data sebelumnya. Model Autoregressive Integrated Moving Average (ARIMA) adalah salah satu model deret waktu yang dapat digunakan untuk memodelkan harga saham. Persamaan pada model ARIMA yang diperoleh akan membantu meramalkan harga saham periode selanjutnya. Pada penelitian ini digunakan data harga saham penutupan pada PT. Polychem Tbk. dengan periode harian. Data harga saham yang ada diolah dengan menggunakan program eviews. Melalui program eviews dikaji nilai AIC, SIC, dan HQC minimum untuk memilih model terbaik. Model ARIMA(1,1,0) menjadi model terbaik dalam meramalkan harga saham PT. Polychem Indonesia TbkAbstractThe stocks are very interesting matters discussed in the investment world. Investment in the form of shares is very faced by high risk. This is due to fluctuating and stochastic stock prices. So to minimize losses in investment, a company must have appropriate and accurate decision-making standards. Time series analysis is an analysis commonly used to model time series data. This analysis can be used to forecast future stock prices by using previous data. The Integrated Moving Average Autoregressive Model (ARIMA) is a time series model that can be used to model stock prices. Equations obtained in the ARIMA model will help predict future stock prices. The data used in this study is the closing stock price data at PT. Polychem Tbk. in daily periods. Existing stock price data is processed using the eviews program. Through the eviews program, the minimum AIC, SIC, and HQC values are examined to choose the best model. ARIMA model (1,1,0) is the best model in predicting the stock price of PT. Polychem Indonesia Tbk.]]>
