cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
kartika yulianti
Contact Email
kartika.yulianti@upi.edu
Phone
+6289646358817
Journal Mail Official
eurekamatika@upi.edu
Editorial Address
Program Studi Matematika, Departemen Pendidikan Matematika, Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam, Universitas Pendidikan Indonesia Jl. Dr. Setiabudhi No. 229, Bandung 40154, Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal Eurekamatika
Published by Universitas Pendidikan Indonesia
ISSN : 2776480X     EISSN : 25284231     DOI : https://doi.org/10.17509/jem
Core Subject : Science, Education, Engineering,
Computer Science & IT Industrial & Manufacturing Engineering Mathematics
Jurnal EurekaMatika (e-ISSN: 2528-4231, p-ISSN: 2776-480X) was first published annually on December 2013, and then since 2017 has been published twice a year, on May and November. JEM is a peer-reviewed Mathematics journal with its scope covers Algebra, Analysis, Statistics, and Applied Mathematics. This journal is published by Mathematics study program of Indonesia University of Education (Universitas Pendidikan Indonesia) collaborates with Himpunan Peneliti dan Pendidik Matematika Indonesia (HIPPMI). The editorial contents and elements that comprise the journal include: -Theoretical articles -Empirical studies -Practice-oriented papers -Case studies -Review of papers, books, and resources. As far as the criteria for evaluating and accepting submissions is concerned, a rigorous review process will be used. Submitted papers will, prior to the formal review, be screened so as to ensure their suitability and adequacy to the journal. In addition, an initial quality control will be performed, so as to ensure matters such as language, style of references and others, comply with the journal´s style.
Arjuna Subject : Matematika - Matematika (Lain-Lain)
Articles 145 Documents
 10   11   12   13   14 
Analisis Model Intervensi Multi Input Fungsi Pulse dan Fungsi Step dengan Deteksi Outlier terhadap Harga Saham Lorensya Lorensya; Lukita Ambarwati; Yudi Mahatma
Jurnal EurekaMatika Vol 10, No 1 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v9i2.45387

Abstract

Intervention is a shock that occurs due to internal and external factors. This study aims to determine the multi-input intervention model of pulse function and step function with the best outlier detection on stock price data and find out the forecasting results. The ARIMA method is used to process data before the occurrence of intervention so that an intervention order (order b, s, r) is formed. The data used in this study is data on the share price of PT Bank Negara Indonesia (Persero) tbk in the period 20 June 2019 – 30 July 2020. We obtained multi-input intervention model of pulse function (b = 8, s = 0, r = 1) and step function (b = 11, s = 0, r = 1) with the addition of eight outliers of additive outlier type and shift level. Based on the model, the results of forecasting the share price of PT Bank Negara Indonesia (Persero) tbk are in the range of 4,500.00 IDRKeywords: Intervention, Outlier, Pulse Function, Step Function.  AbstrakIntervensi merupakan suatu goncangan yang terjadi akibat faktor internal maupun faktor eksternal. Penelitian ini bertujuan untuk menentukan model intervensi multi input fungsi pulse dan fungsi step dengan deteksi outlier terbaik pada data harga saham serta untuk mengetahui hasil peramalannya. Metode ARIMA digunakan untuk mengolah data sebelum terjadinya intervensi sehingga terbentuk orde intervensi (orde b, s, r). Data yang digunakan pada penelitian ini adalah data harga saham PT Bank Negara Indonesia (Persero) Tbk pada periode 20 Juni 2019 - 30 Juli 2020. Diperoleh model intervensi multi input fungsi pulse (b = 8, s = 0, r = 1) dan fungsi step (b = 11, s = 0, r = 1) dengan penambahan delapan outlier bertipe additive outlier dan level shift. Berdasarkan model yang terbentuk, diperoleh hasil peramalan harga saham PT Bank Negara Indonesia (Persero) Tbk berada pada kisaran Rp4.500,00.
Penyelesaian Masalah Transportasi Menggunakan Metode Sumathi-Sathiya dan Metode Pendekatan Karagul-Sahin (KSAM) Fahrudin Muhtarulloh; Meirista Meirista; Rini Cahyandari
Jurnal EurekaMatika Vol 10, No 1 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i1.45390

Abstract

This study discusses solving transportation problems by comparing two different methods for the minimization case, namely the Sumathi-Sathiya method and the Karagul-Sahin Approximation Method (KSAM). The first step is to determine whether the data is balanced or unbalanced. For unbalanced data, dummy rows or columns were added to make the data balanced. The Sumathi-Sathiya method startsby selecting the smallest total of the row and column then allocated the demand according to the available supply. As for KSAM, it starts with the smallest cost of  scope of the ratio of demand, supply, as well as shipping costs  , then selected matrix that has the smallest transportation cost result. Based on simulation of 100 data, the result shows that for 52 data, KSAM is more optimal than the Sumathi-Sathiya Method. As for the other 48 data, the Sumathi-Sathiya Method is more optimal than KSAM, with a number of diverse iterations.Keywords: Karagul Sahin Approximation Method, Sumathi-Sathiya Method, Transportation Problems. AbstrakPenelitian ini membahas tentang penyelesaian masalah transportasi dengan membanding dua metode yang berbeda untuk kasus minimasi yaitu metode Sumathi-Sathiya dan Karagul-Sahin Approximation Method (KSAM) yang bertujuan untuk mengetahui metode mana yang mendapatkan biaya transportasi paling minimum. Langkah pertama yang dilakukan adalah menentukan data seimbang atau tidak seimbang. Untuk data tidak seimbang harus menambahkan baris atau kolom dummy sehingga data menjadi seimbang. Metode Sumathi-Sathiya dimulai dengan memilih total terkecil dari baris dan kolom, kemudian dialokasikan permintaan sesuai dengan persediaan yang tersedia. Sedangkan untuk KSAM, dimulai dengan  cakupan rasio permintaan, persediaan, serta biaya pengiriman terkecil sampai mendapatkan solusi layak awal, kemudian dipilih matriks yang memiliki hasil biaya transportasi terkecil. Berdasarkan simulasi 100 data, diperoleh hasil bahwa untuk 52 data, KSAM lebih optimal dibandingkan Metode Sumathi-Sathiya. Sedangkan untuk 48 data lainnya, Metode Sumathi-Sathiya lebih optimal dibandingkan KSAM, dengan jumlah iterasi beragam.
Uji Optimalitas Menggunakan Metode Stepping Stone untuk Solusi Layak Awal dengan Metode Direct Sum dan New Heuristic Method Aisyah Zahro; Elis Ratna Wulan; Asep Solih Awalluddin
Jurnal EurekaMatika Vol 10, No 1 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i1.45492

Abstract

This research discusses solving the transportation problem of minimization cases using the Direct Sum Method and New Heuristic Method on balanced and unbalanced data to determine an initial feasible solution, which is then tested for its optimality using the Stepping Stone Method. The stages of the Direct Sum Method, then, the largest direct amount cost is selected. Next, the lowest cell and allocate the minimum demand or supply are selected, then the lowest cell is selected again until all demand and supply are met. While the New Heuristic Method stages followed by selecting the lowest cell, and the minimum demand or supply is allocated, then the lowest cell is re-selected until all demand and supply are met. Based on the analysis with the Stepping Stone Method, the Direct Sum Method has more optimal results and has a slight change in allocation compared to the New Heuristic Method.Keywords: Direct Sum Method, Linear Programming, New Heuristic Method, Operations Research, Stepping Stone Method, Transportation Problem.  AbstrakPenelitian ini membahas tentang penyelesaian masalah transportasi kasus minimasi dengan metode Direct Sum dan New Heuristic Method pada data seimbang dan tidak seimbang untuk menentukan solusi layak awal, yang kemudian diuji optimalitasnya dengan metode Stepping Stone. Untuk tahapan penyelesaian menggunakan metode Direct Sum, kemudian dipilih biaya jumlah langsung terbesar.  Selanjutnya, dipilih sel terendah dan dialokasikan permintaan atau persediaan seminimum mungkin, kemudian pilih kembali sel terendah sampai permintaan dan persediaan terpenuhi semua. Sedangkan tahapan penyelesaian menggunakan New Heuristic Method. Selanjutnya dipilih sel terendah dan dialokasikan permintaan atau persediaan seminimum mungkin, kemudian dipilih kembali sel terendah sampai permintaan dan persediaan terpenuhi semua. Berdasarkan analisis yang telah dilakukan pengujian optimalitas dengan metode Stepping Stone, metode Direct Sum memiliki hasil yang lebih optimal dan memiliki perubahan alokasi yang sedikit dibandingkan New Heuristic Method.
Analisis Harga Opsi Beli Tipe Eropa dengan Metode Antithetic Variate dari Monte Carlo Nadia Putri Kurniawati; Yundari Yundari; Setyo Wira Rizki
Jurnal EurekaMatika Vol 10, No 1 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i1.47673

Abstract

Stock options is one of the derivative products of stocks. The purpose of this study is to analyze the price of European type call options using the antithetic variate method from Monte Carlo. The data used is the daily closing price of Apple Inc shares for the period October 1, 2020 to September 30,2021. The steps taken are to determine the parameters used, calculate the stock return value, average, variance and volatility of stock returns, generally data that is normally distributed. Then simulate stock prices using the data that has been generated, calculates the payoff value, the price of the European type of call option and the standard error value. The result shows that for the Monte Carlo method, a call option price of $17,523 in the 50.000th simulation, while the antithetic variate method of Monte Carlo obtained a call option price of $17,387 in the 100th simulation. In other words, the standard error of the antithetic variate method from Monte Carlo is smaller than the Monte Carlo method with the assumption of a minimum standard error of 0,050.Keywords: Monte Carlo Simulation,  Stock Option, Variance Reduction Technique. AbstrakOpsi saham merupakan produk derivatif dari saham sebagai salah satu alternatif investasi. Tujuan dari penelitian ini adalah menganalisis harga opsi beli tipe Eropa menggunakan antithetic variate dari Monte Carlo. Data yang digunakan yaitu harga penutupan saham harian Apple Inc periode 01 Oktober 2020 sampai dengan 30 September 2021. Langkah-langkah yang dilakukan adalah menentukan parameter yang digunakan, menghitung nilai return saham, rata-rata, variansi dan volatilitas dari return saham, membangkitkan data yang berdistribusi normal. Kemudian mensimulasikan harga saham menggunakan data yang telah dibangkitkan, menghitung nilai payoff, harga opsi beli tipe Eropa dan nilai standard error. Berdasarkan hasil perhitungan dengan metode Monte Carlo, diperoleh harga opsi beli sebesar $17,523 pada simulasi ke-50.000, sedangkan metode antithetic variate dari Monte Carlo diperoleh harga opsi beli sebesar $17,387 pada simulasi ke-100. Dengan kata lain, standard error metode antithetic variate dari Monte Carlo lebih kecil dibandingkan metode Monte Carlo dengan asumsi standard error minimumnya sebesar 0,050.
Perbandingan Harga Opsi Saham Tipe Eropa Menggunakan Model Black Scholes dan Black Scholes Fraksional Rahmanita Febrianti Rusmaningtyas; Neva Satyahadewi; Setyo Wira Rizki
Jurnal EurekaMatika Vol 9, No 2 (2021): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i1.44454

Abstract

One of the investment is stocks. Stocks have derivative instrument in the form of stock options. Stocks option is a contract between two parties in the form of the right to sell and buy a stocks at a certain price and time. The method used in this study is the fractional Black Scholes and Black Scholes method with time of maturity fractioned by the Hurst parameter. The purpose od this study is to compare the prices of call and put options using the Black Scholes and Fractional Back Scholes. The data using close price of Apple Inc shares within period between October 1st 2020 until September 30th 2021. If the market option price is greater than the theoretical price using the Black Scholes or Fractional Black Scholes model, then the option is recommended to be sold and if the market option price is lower, the option is recommended to be purchased. Based on the smallest MAPE, the best model for call options is Fractional Black Scholes with Hurst Parameter 0,4 with 0,383% which means it is very accurate and the best model for put options is the Fractional Black Scholes Model with Hurst parameter 0,9 with 16,055% whick means accurate.Keywords: Black Scholes Fractional, Hurst Parameter, Stock Option. AbstrakSalah satu instrumen dalam berinvestasi adalah saham. Saham memiliki instrumen derivatif berupa opsi saham. Opsi saham adalah suatu pemberian kontrak antara dua pihak berupa hak untuk menjual dan membeli suatu saham dengan harga dan waktu tertentu. Harga opsi tipe Eropa dapat ditentukan dengan model Black Scholes dan Black Scholes Fraksional dengan waktu jatuh tempo yang difraksional menggunakan parameter Hurst. Penelitian ini bertujuan untuk membandingkan harga opsi beli dan opsi jual dengan model Black Scholes dan Black Scholes Fraksional. Data yang digunakan adalah harga penutupan saham Apple Inc periode 1 Oktober 2020 sampai 30 September 2021. Langkah dalam menghitung harga opsi adalah menghitung return saham, uji normalitas, menghitung volatilitas, menentukan parameter, menghitung harga opsi beli dan opsi jual, menghitung nilai MAPE dan melakukan perbandingan kedua model. Jika harga opsi pasar lebih besar daripada harga opsi teoritis menggunakan model Black Scholes atau Black Scholes Fraksional maka opsi direkomedasikan untuk dijual dan jika harga opsi pasar lebih kecil maka opsi direkomendasikan untuk dibeli. Berdasarkan nilai MAPE terkecil model terbaik untuk opsi beli saham adalah Black Scholes Fraksional dengan Parameter Hurst 0,4 dengan MAPE sebesar 0,383% yang berarti sangat akurat dan untuk opsi jual saham adalah Model Black Scholes Fraksional dengan parameter Hurst 0,9 dengan MAPE sebesar 16,055% yang berarti akurat.
Pemodelan STARIMA(1,1,1) pada Log Sinar Gamma Laurens Paskhia Dirda Rusanditia; Yundari Yundari; Nur’ainul Miftahul Huda
Jurnal EurekaMatika Vol 10, No 2 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i2.52896

Abstract

The lowest rock layer can indicate the earliest period, while the top rock layer can suggest the most recent era. Backcasting, or the prediction of past rock strata, is crucial because it can make drilling operations more cost-, time-, and labor-effective. The objective of this research is to investigate the Space-time Autoregressive Integrated Moving Average (STARIMA) model and apply the STARIMA (1,1,1) model to predict and identify the rock strata. The research process begins with calculating the location weights and parameter estimates. Furthermore, the STARIMA (1,1,1) modeling was carried out on the in-sample data with the parameter estimates that have been obtained. Then the residuals in the model were tested to see the assumptions obtained. After that, predictions were made to obtain the gamma-ray log value for the previous 5 depths. The study's findings indicate that there is a large with the RMSE measuring average values of 21.15 and 32.87, respectively. The smallest gamma ray log value obtained from the prediction results from a depth of 96 m to 96.8 m is 11.5666 API and the largest is 26.1699 API. Overall, the results of the prediction indicate that the rock layers contain coal.Keywords: Backcasting, Gamma Ray Log, Rock Layer.AbstrakLapisan batuan terendah dapat menyatakan waktu tertua dan lapisan batuan tertinggi dapat menyatakan waktu yang lebih muda. Prediksi terhadap lapisan batuan lebih tua (backcasting) menjadi penting karena dapat membantu kegiatan pemboran agar efektif dan efisien dalam waktu, tenaga dan biaya. Tujuan dari penelitian ini adalah mengkaji model Space-time Autoregressive Integrated Moving Average (STARIMA) dan mengaplikasikan model STARIMA(1,1,1) pada data log sinar gamma untuk memprediksi dan mengidentifikasi lapisan batuan. Proses penelitian ini diawali dengan menghitung bobot lokasi dan estimasi parameter. Selanjutnya dilakukan pemodelan STARIMA(1,1,1) pada data in-sample dengan estimasi parameter yang telah diperoleh. Kemudian residual pada model tersebut diuji untuk melihat asumsi yang didapat. Setelah itu, prediksi dilakukan untuk memperoleh nilai log sinar gamma untuk 5 kedalaman sebelumnya. Hasil dari penelitian ini adalah data in-sample dan out-sample menunjukkan terdapat galat yang cukup besar dengan nilai ukur RMSE sebesar 21,15 dan 32,87. Diperoleh nilai log sinar gamma terkecil pada hasil prediksi dari kedalaman 96 m hingga 96,8 m adalah 10,3460 API dan terbesar adalah 26,1699 API. Secara keseluruhan, hasil prediksi menunjukkan terdapat kandungan batubara pada lapisan batuannya.
Pemodelan Perambatan Gelombang Mixed Rossby-Gravity di Lapisan Stratosfer Bawah Menggunakan Algoritma Linier Gauss-Newton Rizkia Putri Syafina; Noersomadi Noersomadi; Dasep Dasep
Jurnal EurekaMatika Vol 10, No 2 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i2.52549

Abstract

The energy transfer process transported by equatorial atmospheric waves has a potential effect on climate change issues. For detecting wave propagation, an analysis of the vertical atmospheric profile could be obtained from radiosonde balloon observations. This study aims to apply the Gauss-Newton linear algorithm model on the temperature (T) and the northward wind component (v) variables in the lower stratosphere, the layer around the altitude of 21 km above sea level. Fluctuations of T and v triggered a non-linear problem in determining the wave parameters, including amplitude and phase. These two parameters are examined using a non-linear inversion method with a linear Gauss-Newton approximation. The results showed that fluctuations in T and v of the model and observation data coincide with the value range -4.5 to 4.5 K (cold-warm) and -15 to 15 m/s (southward-northward wind). There is a movement in T fluctuations to the westward in the period of 13–24 April 2021. Likewise, a similar movement in v fluctuations was indicated during 13–22 May 2021. The westward propagation represented the propagation of the Mixed Rossby-gravity wave.Keywords: Atmospheric Waves, Gauss-Newton Linear Method, Northward Wind Component, Temperature.AbstrakProses transfer energi yang dibawa gelombang atmosfer ekuatorial berpotensi mempengaruhi isu perubahan iklim. Untuk mendeteksi perambatan gelombang dapat dilakukan analisis data vertikal atmosfer dari pengamatan balon radiosonde. Penelitian ini bertujuan menerapkan model algoritma linier Gauss-Newton terhadap variabel temperatur (T) dan komponen angin utara-selatan (v) di lapisan stratosfer bawah atau ketinggian 21 km di atas permukaan laut. Fluktuasi T dan v memunculkan masalah non-linier dalam pencarian parameter gelombang berupa amplitudo dan fasa. Kedua parameter tersebut dicari menggunakan metode inversi non-linier dengan pendekatan linier Gauss-Newton. Hasil penerapan model menunjukkan nilai yang berhimpit pada fluktuasi T dan v dengan rentang nilai –4,5 hingga 4,5 K (dingin-hangat) dan –15 sampai 15 m/s (arah angin menuju selatan-utara). Untuk variabel T, terlihat adanya pergerakan menuju ke arah barat pada rentang waktu 13–24 April 2021, demikian pula pada variabel v terdeteksi pergerakan ke arah yang sama untuk rentang waktu 13–22 Mei 2021. Perambatan gelombang ke arah barat ini merepresentasikan penjalaran gelombang Mixed Rossby-Gravity.
Penyelesaian Masalah Penugasan dengan Metode Rafi Aziz Uddin Bhuiyan (RAUB), Hungarian Method, dan Heuristic Method Antikah Antikah; Elis Ratna Wulan; Fahrudin Muhtarulloh
Jurnal EurekaMatika Vol 10, No 2 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i2.45391

Abstract

This study discusses the implementation of the Rafi Aziz Uddin Bhuiyan (RAUB) Method, Hungarian Method, and Heuristic Method in solving assignment problems for both minimization case and maximization case in balanced and unbalanced conditions. To determine the better method in solving the assignment problem, we then compared the three methods. Based on the analysis conducted, the Hungarian Method produces a better optimal solution with fewer number of iterations than the RAUB Method and the Heuristic Method. So, it can be concluded that the assignment problem can be solved better by using the Hungarian Method than the RAUB Method and the Heuristic Method.Keywords: Assignment Problem, Heuristic Method, Hungarian Method, Rafi Aziz Uddin Bhuiyan (RAUB) Method.AbstrakPenelitian ini membahas tentang penerapan Rafi Aziz Uddin Bhuiyan (RAUB) Method, Hungarian Method, dan Heuristic Method dalam menyelesaikan masalah penugasan untuk kasus minimasi dan kasus maksimasi baik dalam keadaan seimbang maupun tidak seimbang. Selanjutnya, untuk menentukan metode yang lebih baik dalam menyelesaikan masalah penugasan, ketiga metode tersebut dibandingkan. Berdasarkan analisis yang dilakukan, Hungarian Method menghasilkan solusi optimal yang lebih baik dengan jumlah iterasi yang lebih sedikit dibandingkan dengan RAUB Method dan Heuristic Method. Sehingga dapat disimpulkan bahwa masalah penugasan dapat diselesaikan dengan lebih baik menggunakan Hungarian Method daripada RAUB Method dan Heuristic Method.
Pembangkitan Pohon Fraktal Bercabang Menggunakan Metode Iterated Function System Retno Wulandari; Kosala Dwidja Purnomo; Ahmad Kamsyakawuni
Jurnal EurekaMatika Vol 10, No 2 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v10i2.51210

Abstract

The Pythagorean tree is a flat fractal composed of squares. A Pythagorean tree with two branches developed into three components is called a fractal tree. In this article, the author generates a fractal tree that has been expanded to have n branches using the Iterated Function Systems (IFS) method. The fractal tree will be caused by the IFS method using affine transformations, namely dilation, translation, and rotation on a square as the initial geometric object. The generation of a fractal tree begins with determining the basic shape of the branching. The choice of the primary form of branching will affect the body and characteristics of the resulting fractal tree. There are two primary forms of branching to produce a fractal tree that has several variations in the selection of angles: the same angle, a different angle, and a random angle.Keywords: Affine Transformation, Fractal, Fractal Tree, Iterated Function System Method.AbstrakPohon Pythagoras adalah sebuah fraktal datar yang tersusun dari bujur sangkar. Pohon Pythagoras yang memiliki dua percabangan dikembangkan menjadi tiga percabangan disebut dengan istilah pohon fraktal. Pada artikel ini, penulis membangkitkan pohon fraktal yang dikembangkan jumlah cabangnya sampai sebanyak  menggunakan metode Iterated Function Systems (IFS). Pohon fraktal dibangkitkan dengan metode IFS menggunakan transformasi affine yaitu dilatasi, translasi, dan rotasi pada persegi sebagai objek geometri awal. Pembangkitan pohon fraktal dimulai dengan menentukan bentuk dasar percabangan. Pemilihan bentuk dasar percabangan akan berpengaruh pada bentuk dan karakteristik dari pohon fraktal yang dihasilkan. Ada dua macam bentuk dasar percabangan sehingga dapat menghasilkan pohon fraktal yang memiliki beberapa variasi pemilihan sudut yakni sudut sama, sudut berbeda, dan sudut random.
Metode Pendekatan Zero Suffix untuk Menentukan Solusi Optimal pada Masalah Penugasan Lestari Handayani; Fahrudin Muhtarulloh; Elis Ratna Wulan
Jurnal EurekaMatika Vol 9, No 2 (2021): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v9i2.45490

Abstract

In this research, the Zero suffix approach method was used to determine the optimal solution to the assignment problem, both minimization and maximization cases. The Zero suffix approach method has a clear calculation and conditioning of the suffix value when there is the same value. This can minimize the error of determining the optimal solution.  Because it has clear and detailed steps, the work can be done manually or using a python programming. The data used consists of secondary data and random data with varying data sizes. The simulation of the secondary d or is done using a python programming and manually.  Both produce the same optimal solution, meaning that python programming can be used for larger cases.  For random data simulation with a fairly large data size, the calculation uses a python programming.  Using python programming is more efficient for working on company data that has a fairly large data size because it saves time and simplifies calculations process to get the optimal solution.Keywords: Approach Zero Suffix Method, Assignment Problem, Optimal Solution, Python Programming.AbstrakPada penelitian ini, metode pendekatan zero suffix digunakan untuk menentukan solusi optimal pada masalah penugasan kasus minimasi dan kasus maksimasi. Metode pendekatan zero suffix ini memiliki perhitungan dan pengkondisian suffix value yang jelas ketika terdapat nilai yang sama sehingga dapat meminimalkan kesalahan penentuan solusi optimal yang dapat dikerjakan secara manual maupun python programming. Karena memiliki langkah yang jelas dan terperinci, pengerjaannya dapat dilakukan secara manual maupun python programming. Data yang digunakan terdiri dari data sekunder dan data random dengan ukuran data yang bervariasi. Pada data sekunder, dikerjakan secara manual dan menggunakan python programing. Dari keduanya mendapatkan solusi optimal yang sama, artinya program python dapat digunakan untuk kasus yang lebih besar, namun pengerjaan secara manual membutuhkan waktu yang lebih lama karena proses pengalokasian dilakukan secara satu – satu dengan mereduksi baris dan kolom. Pada data random, perhitungan menggunakan python programming dengan ukuran data yang cukup besar. Metode pendekatan zero suffix dapat dikerjakan secara manual dan menggunakan Python Programming serta keduanya menghasilkan solusi optimal yang sama. Namun penggunaan python programming akan lebih efektif untuk mengerjakan data perusahaan yang memiliki ukuran data yang cukup besar karena lebih menghemat waktu dan mempermudah perhitungan untuk mendapatkan solusi optimal.

Page 12 of 15 | Total Record : 145

 10   11   12   13   14 

Filter by Year

2014 2024


Reset
Filter By Issues
All Issue Vol 12, No 1 (2024): Jurnal EurekaMatika Vol 11, No 2 (2023): Jurnal Eurekamatika Vol 11, No 1 (2023): Jurnal Eurekamatika Vol 10, No 2 (2022): Jurnal Eurekamatika Vol 10, No 1 (2022): Jurnal Eurekamatika Vol 9, No 2 (2021): Jurnal EurekaMatika Vol 9, No 1 (2021): Jurnal Eurekamatika Vol 8, No 2 (2020): Jurnal Eurekamatika Vol 8, No 1 (2020): Jurnal EurekaMatika Vol 7, No 2 (2019): Jurnal EurekaMatika Vol 7, No 1 (2019): Jurnal EurekaMatika Vol 6, No 2 (2018): Jurnal EurekaMatika Vol 6, No 1 (2018): Jurnal EurekaMatika Vol 5, No 2 (2017): Jurnal EurekaMatika Vol 5, No 1 (2017): Jurnal EurekaMatika Vol 4, No 1 (2016): Jurnal EurekaMatika Vol 3, No 1 (2015): Jurnal EurekaMatika Vol 2, No 1 (2014): Jurnal EurekaMatika More Issue