cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
ujm@mail.unnes.ac.id
Phone
-
Journal Mail Official
ujm@mail.unnes.ac.id
Editorial Address
Sekaran, Gunungpati, Semarang
Location
Kota semarang,
Jawa tengah
INDONESIA
Unnes Journal of Mathematics
Published by Universitas Negeri Semarang
ISSN : 22526943     EISSN : 24605859     DOI : https://doi.org/10.15294/ujm
Core Subject : Education,
Mathematics
Unnes Journal of Mathematics (UJM) publishes research issues on mathematics and its apllication. The UJM processes manuscripts resulted from a research in mathematics and its application scope, which includes. The scopes include research in: 1. Algebra 2. Analysis 3. Discrete Mathematics and Graph Theory 3. Differential Equation 4. Geometry 5. Mathematics Computation, 6. Statistics.
Arjuna Subject : Matematika - Matematika (Lain-Lain)
Articles 10 Documents
 1 
Search results for , issue "Vol 6 No 1 (2017)" : 10 Documents clear
KLASIFIKASI TINGKAT KESEJAHTERAAN KELUARGA PROVINSI JAWA TENGAH TAHUN 2015 MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL DAN SUPPORT VECTOR MACHINE AGUSTINA, SELY; AGOESTANTO, ARIEF; HENDIKAWATI, PUTRIAJI
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11678

Abstract

Tahapan keluarga sejahtera dibagi menjadi 3 kategori, untuk menentukan kategori yang cocok dari data yang kombinasinya rumit dapat menggunakan teknik klasifikasi. Tujuan dari penelitian ini adalah untuk mengetahui metode yang memberikan ketepatan hasil klasifikasi yang lebih baik antara Regresi Logistik Ordinal dan Support Vector Machine (SVM). Data yang digunakan adalah data tingkat kesejahteraan keluarga Jawa Tengah yang diperoleh dari hasil survei Pendataan Keluarga (PK) 2015 oleh BKKBN Provinsi Jawa Tengah, sejumlah 322 data keluarga dan dibagi menjadi data training 80% sejumlah 259 dan data testing 20% sejumlah 64. Metode Regresi Logistik Ordinal dilakukan dengan estimasi data training untuk menentukan model logit awal, uji signifikansi menggunakan uji rasio Likelihood dan uji Wald, model logit yang signifikan digunakan untuk mengklasifikasi data testing. Metode SVM dilakukan dengan memodelkan data training menggunakan fungsi kernel Linear, Polynomial, dan Gaussian RBF, fungsi kernel terbaik digunakan untuk mengklasifikasi data testing. Hasil analisis metode Regresi Logistik Ordinal diperoleh nilai ketepatan klasifikasi sebesar 81,25%. Metode SVM dengan kernel Linear sebagai fungsi kernel terbaik menghasilkan nilai ketepatan klasifikasi sebesar 95,31% . Artinya metode SVM melakukan klasifikasi lebih baik jika dibandingkan dengan klasifikasi metode Regresi Logistk Ordinal. Sehingga untuk penelitian mengenai klasifikasi selanjutnya disarankan menggunakan metode SVM. Stages of a prosperous family is divided into three categories, to determine the appropriate category of complicated combinations of data can use classification techniques. The purpose of this study was to determine the accuracy of the method provides a better classification between Ordinal Logistic Regression and Support Vector Machine (SVM). The data used is the data rate of the family welfare in Central Java were obtained from the survey of Family Data Collection (PK) in 2015 by BKKBN of Central Java province, some 322 family data and is divided into a number of training data 80% 259 20% testing data and number 64. Regression Methods Ordinal logistic done with the estimated training data to determine initial logit model, the significance test using the likelihood ratio test and Wald test, significant logit models were used to classify the data testing. SVM method is done by modeling the training data using Linear kernel function, polynomial, and Gaussian RBF, the kernel function is best used to classify the data testing. The results of the analysis method Ordinal Logistic Regression values obtained classification accuracy of 81.25%. Linear SVM method with the kernel as the kernel function best yield value of classification accuracy of 95.31%. This means SVM classification method is better than the classification Logistk Ordinal Regression method. So to study further recommended the classification using SVM method.
MODEL HYBRID ARIMA-GARCH UNTUK ESTIMASI VOLATILITAS HARGA EMAS MENGGUNAKAN SOFTWARE R FAUSTINA, RIZA SILVIA; AGOESTANTO, ARIEF; HENDIKAWATI, PUTRIAJI
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11681

Abstract

Model Hybrid ARIMA-GARCH merupakan model penggabungan dari model ARIMA dan GARCH, yang dapat digunakan untuk mengatasi masalah residual model ARIMA yang terindikasi adanya heteroskedastik dalam variansi residual (volatilitas). Tujuan dari penelitian ini adalah untuk menemukan model terbaik Hybrid ARIMA-GARCH untuk data harga emas dan meramalkan data emas periode Juni sampai Oktober 2016. Metode penelitian meliputi perumusan masalah, pengumpulan data, pengolahan dan analisis data, serta penarikan kesimpulan. Tahapan dalam analisis dan pembahasan yaitu statistika deskriptif, pengujian stasioneritas, pembentukan model kondisional mean (ARIMA), pembentukan model kondisional varian (GARCH), penggabungan model hybrid ARIMA-GARCH, menentukan model terbaik hybrid ARIMA-GARCH, melakukan pengukuran akurasi peramalan hybrid ARIMA-GARCH, dan peramalan. Hasil dari penelitian ini diperoleh model terbaik untuk harga emas adalah hybrid ARIMA(2,1,3)-GARCH(1,1) dengan nilai MAPE = 2,2685% dan nilai MPE = -0,01543. Berdasarkan model terbaik tersebut diperoleh hasil peramalan untuk periode Juni sampai Oktober 2016 berturut–turut adalah Rp524.722,5276; Rp522.404,5077; Rp501.819,4615; Rp501.514,1764; Rp505.704,409, yang menunjukkan bahwa harga emas pada bulan Juni sampai dengan September 2016 mengalami penurunan harga. Hybrid ARIMA-GARCH is the models to combining ARIMA models and GARCH models, whish can be use to estimate residual ARIMA models that indicate the existence of heteroskedasticity from residual’s variance (volatility). The purpose of this research was to find the best model hybrid ARIMA-GARCH for gold price and forecast gold price from June – October 2016. The method includes the formulation of the problem, data collection, processing and data analysis, then also conclusion. Stage in the analysis and discussion that is descriptive statistics, stationary test, the estimate of the conditional mean (ARIMA), the estimate conditional variance (GARCH), combining hybrid ARIMA-GARCH models, determine the best model of hybrid ARIMA-GARCH models, measurement accuracy of forecasting hybrid ARIMA-GARCH, and forecasting. The result of the research were obtained the best model for the price gold is a hybrid ARIMA(2,1,3)-GARCH(1,1) with the value of MAPE = 2,2685% and the value of MPE = -0,01543. Based on the best model, obtained the forecast result for the period from June-October 2016 in a row are Rp524.722,5276; Rp522.404,5077; Rp501.819,4615; Rp501.514,1764; Rp505.704,409 which shows that the gold price in June to the September 2016 experienced a decline in gold prices continuously.
PERBANDINGAN PERAMALAN MENGGUNAKAN METODE EKSPONENSIAL HOLT-WINTERS SMOOTHING DAN ARIMA Safitri, Tias; Dwidayati, Nurkaromah; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11717

Abstract

Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dengan metode eksponensial Holt-Winters smoothing dan ARIMA serta mengetahui perbandingan hasil peramalan dengan kedua metode tersebut sehingga diperoleh metode terbaik. Data yang digunakan penelitian ini adalah jumlah kedatangan wisatawan mancanegara ke Bali Ngurah Rai Tahun 2010-2015. Data diperoleh dengan cara metode dokumentasi dengan pengumpulan data sekunder dan studi pustaka. Analisis data yang digunakan adalah metode eksponensial Holt-Winter smoothing dan ARIMA dengan nilai MSE dan MAPE terkecil. Hasil penelitian menunjukkan bahwa: (1) peramalan dengan metode eksponensial Holt-Winter smoothing model multiplikatif menghasilkan , , dengan nilai MSE 1436553590 dan MAPE 8,86198%; (2) peramalan dengan metode ARIMA menghasilkan model ARIMA (2,1,0)(0,1,1)12 dengan transformasi logaritma dengan nilai MSE 1353169319 dan MAPE 9,40981%; dan (3) perbandingan peramalan lebih tepat menggunakan metode eksponensial Holt-Winters smoothing daripada ARIMA karena menghasilkan nilai error lebih kecil daripada nilai error metode ARIMA. The purpose of this study was to determine the best method of forecasting models Holt-Winters exponential smoothing and ARIMA forecasting and compare the results with both methods in order to obtain the best method. The data used in this study is the number of foreign tourist arrivals to Bali Ngurah Rai Year 2010-2015. The data collected by the method of documentation by collecting secondary data and literature. The data analysis is the method of Holt-Winter exponential smoothing and ARIMA with MSE and MAPE smallest value. The results showed that: (1) the prediction using the method of exponential smoothing Holt-Winter multiplicative models produce , , with a value of MSE 1436553590 dan MAPE 8,86198%; (2) The ARIMA forecasting method produces ARIMA (2,1,0)(0,1,1)12 with the transformation logarithms with MSE 1353169319 dan MAPE 9,40981%; and (3) a more precise comparison of forecasting methods Holt-Winters exponential smoothing than ARIMA for produce an error value is less than the error method ARIMA
PEMILIHAN MODEL REGRESI LINIER BERGANDA TERBAIK PADA KASUS MULTIKOLINIERITAS BERDASARKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN METODE STEPWISE Pujilestari, Sri; Dwidayati, Nurkaromah; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11719

Abstract

Analisis regresi linier berganda digunakan untuk mengetahui hubungan antara dua atau lebih peubah penjelas dan peubah respon. Model regresi terbaik adalah model yang dapat menjelaskan perilaku peubah tak bebas dengan sebaik-baiknya dengan memilih peubah-peubah bebas dari sekian banyak peubah bebas yang tersedia dalam data dengan menggunakan kriteria pembanding adjusted dan .. Salah satu permasalahan asumsi pada model regresi linier berganda adalah seringnya terjadi korelasi antar variabel-variabel bebas pada model regresi linier berganda yang disebut sebagai multikolinieritas. Jika terdapat multikolinieritas maka kesimpulan yang dihasilkan tidak tepat. Pada penelitian ini metode yang digunakan untuk mencari model terbaik pada kasus multikolinieritas adalah metode Stepwise dan metode Principal Component Analysis (PCA). Tujuan utama dari penelitian ini yaitu mencari model terbaik dengan menggunakan metode Stepwise dan metode Principal Component Analysis (PCA). Hasil penelian yang diperoleh untuk mencari model terbaik pada kasus multikolinieritas data return saham perusahaan dalam Indeks LQ 45 di BEI periode Juli – Desember 2015 dengan menggunakan metode Principal Component Analysis (PCA) = 11,992 + 2,179 dengan nilai adjusted sebesar 0,050 dan nilai sebesar 63,049 sedangkan hasil yang diperoleh dengan metode Stepwise yaitu = 4,891 + 7,804 + 0,144 dengan nilai adjusted sebesar 0,191 dan nilai sebesar 53,678. Dari hasil tersebut dapat disimpulkan bahwa metode Stepwise lebih cocok untuk mencari model terbaik pada kasus multikolinieritas. Multiple linear regression analysis is used to determine the relationship between two or more explanatory variables and the response variable. Best regression model is a model that can explain the behavior of dependent variable as well as possible by choosing variables are free of many independent variables available in the data by using criteria comparators adjusted and .. One of the issues on the assumption of multiple linear regression model is frequent correlation between the independent variables in a multiple linear regression model known as multicollinearity. If there is multicollinearity then the conclusions are not appropriate. In this study, the method that been used to find the best model in the case of multicollinearity are stepwise method and the method of Principal Component Analysis (PCA) The main objective of this research is looking for the best model using Stepwise Method and Principal Component Analysis (PCA) method. The results obtained to search for the best model in the case of data multicollinearity stock returns in LQ 45 in BEI period from July to December 2015 by using Principal Component Analysis (PCA) Y = 11.992 + 2.179 with value adjusted by 0,050 and the value of amounted to 63.049, while the results obtained by the stepwise method is Y = 4.891 + 0.144 + 7,804 value adjusted by 0.191 and the value of amounted to 53.678. From these results it can be concluded that the Stepwise method is more suitable to find the best model on a case of multicollinearity.
PEMODELAN MATEMATIKA PADA PENYEBARAN PENYAKIT DIFTERI DENGAN PENGARUH KARANTINA DAN VAKSINASI Puspita, Gina; Kharis, Muhammad; Supriyono, Supriyono
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11867

Abstract

Penyakit menular di Indonesia merupakan penyakit yang penularannya sangat cepat salah satunya penyakit menular difteri. Agar tidak meluasnya penyebaran penyakit menular program vaksinasi dan karantina diintensifkan. Tujuan penelitian adalah menurunkan, menganalisis, dan menginterpretasikan simulasi model matematika penyebaran penyakit difteri dengan pengaruh karantina dan vaksinasi. Dalam pembangunan model diperoleh model matematika. Dari model tersebut diperoleh bilangan reproduksi , titik kesetimbangan endemik berbeda yang stabil untuk dan memiliki titik kesetimbangan tak endemik sama yang stabil untuk dan tak stabil untuk . Agar penyebaran penyakit dapat dicegah dengan sukses maka tingkat vaksinasi harus lebih dari 0,884 dan tingkat harus lebih dari 0,049 sehingga penyakit secara berangsur-angsur akan menghilang dari populasi. Infectious disease in Indonesia is a disease that is transmitted very quickly one infectious disease diphtheria. To avoid the spread of infectious diseases and quarantine pressed vaccination programs to prevent the spread of diseases research objective is to reduce, analyze, and interpret mathematical models simulating the spread of diphtheria with the influence of quarantine and vaccination. In the construction of the model is obtained mathematical models. The models derived from reproduction number (), different endemic equilibrium point stable for and have the same endemic equilibrium point is not stable for and unstable for . In order for the spread of disease can be prevented with a vaccination rate to be successful it is more than 0.884 and α levels should be more than 0,049 so that the disease will gradually disappear from the population.
OPTIMASI KEUNTUNGAN PAKAIAN DENGAN ALGORITMA TITIK INTERIOR (STUDI KASUS PADA PD. SIDO MUMBUL) SA'ADAH, ALFIATUS; Suyitno, Hardi; Dwijanto, Dwijanto
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11956

Abstract

Abstrak Penelitian ini bertujuan untuk mengetahui komposisi jumlah dari masing-masing produk pakaian yang harus diproduksi sehingga dapat memaksimumkan keuntungan PD. Sido Mumbul. Data yang diperoleh dalam penelitian ini berupa data primer dan data sekunder. Hasil perhitungan dengan Algoritma Titik Interior yang dibulatkan dengan Metode Branch and Bound menunjukkan keuntungan optimal sebesar Rp. 21,794,060.00 dengan memproduksi celana CA 018 sebanyak 3188 unit, celana CA 042 sebanyak 1800 unit, celana CA 052 sebanyak 3600 unit, dan popok PPK 02 sebanyak 7200 unit. Perhitungan keuntungan dengan Algoritma Titik Interior diperoleh keuntungan sebesar Rp. 21,794,060.00 dan perhitungan keuntungan yang dilakukan oleh PD. Sido Mumbul memperoleh keuntungan sebesar Rp. 20,606,400.00, selisih perhitungan keuntungan dengan Algoritma Titik Interior dan perhitungan yang dilakukan oleh PD. Sido Mumbul terpaut sebesar Rp. 1,187,660.00. Ini menunjukkan keuntungan yang diperoleh PD. Sido Mumbul belum optimal. Abstract This research was aimed to get the total composition of each clothes-product that must be produced, so that it can maximize the profit of PD. Sido Mumbul. The data that was gotten in this research were the primary and the secondary data. The result of calculation using Interior Point Algorithm with Branch and Bound method showed the optimal profit to the amount of 21,794,060.00 IDR by producing 3188 units of shorts CA 018, 1800 units of shorts CA 042, 3800 units of shorts CA 052, and 7200 units of PPK 02. The profit calculation using Interior Point Algorithm was 21,794,060.00 IDR and the calculation of PD. Sido Mumbul was 20,606,400.00 IDR, the ratio profit calculation using Interior Point Algorithm compared with the calculation by PD. Sido Mumbul was up 1,187,660.00 IDR. The showed the profit gotten by PD. Sido Mumbul had not been optimal.
STRUKTUR DAN SIFAT-SIFAT K-ALJABAR Nugroho, Deni; Veronica, Rahayu Budhiati; Mashuri, Mashuri
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.13066

Abstract

K-aljabar merupakan struktur aljabar <G,*,⊙,e>, di mana G merupakan grup terhadap operasi biner * dengan elemen identitas e, operasi ⊙ didefinisikan oleh ∀x,y∈G,x⊙y=x*y-1, dan memenuhi kelima aksioma dari K-aljabar. Konsep yang diterapkan dalam K-aljabar hampir sama dengan konsep dalam grup. Jika dalam grup terdapat subgrup dan homomorfisma grup, maka dalam K-aljabar terdapat K-subaljabar dan K-homomorfisma. Penelitian ini membahas mengenai struktur dan sifat-sifat yang terkait dengan K-aljabar, K-subaljabar, dan K-homomorfisma. Tujuan penelitian ini adalah menjelaskan struktur dan sifat-sifat dari kajian K-aljabar, K-subaljabar, dan K-homomorfisma. Penelitian ini menggunakan metode kajian pustaka, dengan cara mengumpulkan berbagai sumber dan teorema-teorema yang mendukung pada kajian K-aljabar. Pada penelitian ini dapat disimpulkan: 1) Dalam K-aljabar berlaku sifat-sifat berikut; hukum kanselasi; Suatu K-aljabar <G,*,⊙,e> dikatakan komutatif jika ∀x,g∈G berlaku g⊙(e⊙x)=x⊙(e⊙g) 2) K-subaljabar memiliki sifat sebagai berikut; misalkan <G,*,⊙,e> K-aljabar dan g∈G. Jika H suatu subgrup dari G, maka Hg2={g⊙(g⊙x)│x∈H} adalah suatu K-subaljabar dari <G,*,⊙,e>. 3) Homomofisma K-aljabar φ:K1→K2 memiliki sifat-sifat sebagai berikut; ∀x1∈K1,x2∈K2 berlaku φ(e1)=e2; φ(e1⊙x1 )=e1⊙φ(x1 ); φ(x1⊙x2)=e1⇔φ(x1)=φ(x2); dan jika H1 adalah K-subaljabar dari K1 maka φ(K1) adalah K-subaljabar dari K2. K-algebra is an algebraic structure <G,*,⊙,e>, when G is a group of the binary operation * with identity element e, the operation ⊙ defined by ∀x,y∈G,x⊙y=x*y-1, and fulfill the five axioms of K-algebra. The concept is applied in the K-algebra is similar to the concept of the group. If in the group there is a subgroup and group homomorphism, then in K-algebra is K-subalgebra and K-homomorphism. This study discusses the structure and properties associated with the K-algebra, K-subalgebra, and K-homomorphism. The purpose of this study is to explain the structure and properties of the study of K-algebra, K-subalgebra, and K-homomorphism. This study used literature review, by collecting a variety of sources and theorems that support the study of K-algebra. In this study it can be concluded: 1) In K-algebra have following properties; applicable with cancelation law; K-algebra <G,*,⊙,e> is commutative if ∀x,g∈G apply g⊙(e⊙x)=x⊙(e⊙g). 2) K-subalgebra have the following properties; eg <G,*,⊙,e> K-algebra and g∈G. If H subgroup of G, then Hg2={g⊙(g⊙x)│x∈H} is K-subalgebra of <G,*,⊙,e>. 3) K-algebra homomorphism φ:K1→K2 has properties follows; ∀x1∈K1,x2∈K2 apply φ(e1)=e2; φ(e1⊙x1 )=e2⊙φ(x1); φ(x1⊙x2 )=e2⇔φ(x1)=φ(x2); and if H1 is K-subalgebra of K1 then φ(K1) is K-subalgebra of K2.
PENERAPAN ALGORITMA DIJKSTRA DAN FLOYD-WARSHALL UNTUK MENENTUKAN RUTE TERPENDEK TEMPAT WISATA DI BATANG Marlina, Leni; Suyitno, Amin; Mashuri, Mashuri
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.13544

Abstract

Fasilitas petunjuk arah menuju tempat-tempat wisata di Batang sangat minim, sehingga para wisatawan kesulitan mencari rute yang efisien menuju tempat-tempat wisata tersebut. Permasalahannya adalah bagaimana menentukan rute terpendek tempat wisata di Batang menggunakan algoritma Dijkstra dan Floyd-Warshall. Tujuan penelitian ini adalah untuk menemukan penyelesaian dari penerapan algoritma Dijkstra dan Floyd-Warshall dalam menentukan rute terpendek dari stasiun/terminal di Batang menuju ke tempat wisata di Batang. Langkah-langkah dari penelitian meliputi (1) membuat graf berbobot rute tempat wisata di Batang, (2) menemukan penyelesaian dari penerapan algoritma Dijkstra, (3) menemukan penyelesaian dari penerapan algoritma Floyd-Warshall, (4) menentukan rute terpendek yang direkomendasikan. Berdasarkan hasil penelitian diperoleh 27 rute terpendek di mana 25 rute adalah sama dan terdapat 2 rute yang berbeda. Rute yang berbeda tersebut yaitu (1) rute terpendek dari Terminal Banyuputih ke Tubing Pandansari dan (2) rute terpendek dari Terminal Banyuputih ke Bandar Ecopark. Dapat disimpulkan bahwa algoritma Dijkstra lebih tepat untuk digunakan dalam menentukan rute terpendek tempat wisata di Batang.
KETEPATAN KLASIFIKASI DENGAN MENGGUNAKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) PADA DATA KELOMPOK RUMAH TANGGA KABUPATEN CILACAP Anam, Saroful; Sugiman, Sugiman; Sunarmi, Sunarmi
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.13638

Abstract

Groups of households based on per capita expenditure is composed of two groups of poor households and non-poor households, to separate individuals or objects into a group so it can be located ata particular group can use the method of classification. The purpose of this study was to determine the classification results and errors in the results classification of households in Cilacap district based on the factors affecting the level of poverty in Cilacap with methods Multivariate Adaptive Regression Spline (MARS). MARS is a nonparametric regression method that can be used for high-dimensional data is. To get the best MARS models, do a combination of value Basis Function (BF), Maximum Interaction (MI), and the Minimum Observation (MO) by trial and error. The best model is the model that is used in combination with BF = 45, MI = 3, MO = 1 because it has the smallest value that is equal to 0,030 GCV. Based on the variables that affect groups of households in Cilacap, the result of classification of 37 households with poor category, 34 households appropriately classified as poor, while one 3 households are classified as poor. Likewise, of the 113 households with non-poor category, 113 households appropriately classified into the category of not poor, and no household misclassified into the household with non-poor category. Retrieved classification accuracy of 98.00% of the value of Apparent Error Rate (APER) at 2.00% and the Press's Q test showed that statistically MARS method has been consistent in classifying the data. So as to further research on the classification suggested using the method MARS, by looking at the value of the smallest GCV and GCV value if they have the same smallest it can be seen with the smallest MSE value judgment.
PENERAPAN METODE NEWTON-COTES OPEN FORM 5 TITIK UNTUK MENYELESAIKAN SISTEM PERSAMAAN NONLINIER arif, M. Ziaul; Farida, Yasmin; Kamsyakawuni, Ahmad
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.15669

Abstract

Dalam Artikel ini, kami membahas mengenai metode penyelesaian sistem persamaan nonlinier dengan menggunakan 2 (dua) skema baru yaitu skema 3 langkah. Skema-skema tersebut merupakan skema yang didasarkan pada metode Newton dan dikembangkan dengan memanfaatkan metode integrasi numerik Newton-Cotes Open Form 5 titik. Berdasarkan analisis konvergensi, skema baru tersebut memiliki konvergensi berorde-3 dan berorde-4. Beberapa contoh hasil numerik dan perbandingan dengan metode Newton ditunjukkan pada bagian akhir artikel ini.

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2017 2017


Reset
Filter By Issues
All Issue Vol 12 No 2 (2023): Unnes Journal of Mathematics Vol 12 No 1 (2023) Vol 11 No 2 (2022) Vol 11 No 1 (2022) Vol 10 No 2 (2021) Vol 10 No 1 (2021) Vol 9 No 2 (2020) Vol 9 No 1 (2020) Vol 8 No 2 (2019) Vol 8 No 1 (2019) Vol 7 No 2 (2018) Vol 7 No 1 (2018) Vol 6 No 2 (2017) Vol 6 No 1 (2017) Vol 5 No 2 (2016) Vol 5 No 1 (2016) Vol 4 No 2 (2015) Vol 4 No 1 (2015) Vol 3 No 2 (2014) Vol 3 No 1 (2014) Vol 2 No 2 (2013) Vol 2 No 1 (2013) Vol 1 No 2 (2012) Vol 1 No 1 (2012) More Issue