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 8 No 2 (2019)" : 10 Documents clear
MODEL MATEMATIKA PENYEBARAN FLU BURUNG DENGAN TREATMENT PADA MANUSIA DAN DINAMIKA POPULASI RECRUITMENT-DEATH PADA UNGGAS Afifah, Dewi Aulia; Kharis, Muhammad; Noor Asih, Tri Sri
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.22985

Abstract

Avian influenza is ​​a disease caused by H5N1 virus type A. The spreading process of avian influenza caused by wild poultry migration. Avian influenza is transmitted from poultry to poultry and from poultry to humans through saliva, mucus of nose and feces. The disease can cause death for humans with high mortality. Deaths due to infection avian influenza virus can be avoided by giving treatment for humans and burning infected poultry. Therefore, considering how dangerous avian influenza disease for humans, it is very necessary for humans to study this disease, one of them with a mathematical model of avian influenza. We analyzed the existence of the equilibrium point of the model and its stability analysis of the equilibrium point. The simulation gives results to validate the interpretation of analytic and numerical results from the analysis process.
PEMODELAN COVARIAN BASED STRUCTURAL EQUATION MODELING (CB-SEM) UNTUK KUALITAS PELAYANAN DI PT TUMBAS SINERGI INDONESIA Hidayati, Nur; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.23651

Abstract

Dewasa ini, perkembangan dunia bisnis semakin berkembang pesat dan ketat, sehingga banyak perusahaan dihadapkan pada tantangan yang cukup berat, yaitu pelanggan menginginkan kualitas pelayanan yang lebih baik. Salah satu perusahaan baru di Indonesia yang dihadapkan pada tantangan tersebut ialah PT Tumbas Sinergi Indonesia. Oleh sebab itu, penelitian ini bertujuan membentuk suatu pemodelan mengenai kualitas pelayanan dari PT Tumbas Sinergi Indonesia, untuk mengetahui besar pengaruh dan signifikansi kualitas pelayanan terhadap kepuasan pelanggan dan loyalitas pelanggan dengan menggunakan analisis Covarian Based Structural Equation Modeling (CB-SEM) dan jenis pemodelan non-recursive (timbal balik). Data yang telah diperoleh dianalisis menggunakan program LISREL 8.80. Hasil penelitian menunjukkan bahwa data tidak mengikuti distribusi normal multivariat sehingga berdasarkan asumsi ketidaknormalan data maka model diestimasi menggunakan metode ML dengan mengoreksi standart error dan beberapa goodness of fit indices. Jadi Variabel kualitas pelayanan memiliki nilai koefisien jalur ( ) sebesar 0,90 terhadap kepuasan pelanggan, variabel kepuasan pelanggan memiliki nilai koefisien jalur ( ) sebesar 0,61 terhadap kepuasan pelanggan, dan variabel loyalitas pelanggan (LP) mempunyai nilai koefisien jalur ( ) terhadap kualitas pelayanan (KL) dan koefisien jalur ( ) sebesar 0,20 begitu pula sebaliknya sebab terjadi hubungan timbal balik antar kedua variabel.Dewasa ini, perkembangan dunia bisnis semakin berkembang pesat dan ketat, sehingga banyak perusahaan dihadapkan pada tantangan yang cukup berat, yaitu pelanggan menginginkan kualitas pelayanan yang lebih baik. Salah satu perusahaan baru di Indonesia yang dihadapkan pada tantangan tersebut ialah PT Tumbas Sinergi Indonesia. Oleh sebab itu, penelitian ini bertujuan membentuk suatu pemodelan mengenai kualitas pelayanan dari PT Tumbas Sinergi Indonesia, untuk mengetahui besar pengaruh dan signifikansi kualitas pelayanan terhadap kepuasan pelanggan dan loyalitas pelanggan dengan menggunakan analisis Covarian Based Structural Equation Modeling (CB-SEM) dan jenis pemodelan non-recursive (timbal balik). Data yang telah diperoleh dianalisis menggunakan program LISREL 8.80. Hasil penelitian menunjukkan bahwa data tidak mengikuti distribusi normal multivariat sehingga berdasarkan asumsi ketidaknormalan data maka model diestimasi menggunakan metode ML dengan mengoreksi standart error dan beberapa goodness of fit indices. Jadi Variabel kualitas pelayanan memiliki nilai koefisien jalur ( ) sebesar 0,90 terhadap kepuasan pelanggan, variabel kepuasan pelanggan memiliki nilai koefisien jalur ( ) sebesar 0,61 terhadap kepuasan pelanggan, dan variabel loyalitas pelanggan (LP) mempunyai nilai koefisien jalur ( ) terhadap kualitas pelayanan (KL) dan koefisien jalur ( ) sebesar 0,20 begitu pula sebaliknya sebab terjadi hubungan timbal balik antar kedua variabel.
PARAMETER ESTIMATION OF SPATIAL REGRESSION MODEL WITH GEOGRAPHICALLY WEIGHTED POISSON REGRESSION METHOD Fadlilah, Itsnaini Munjiyatul; Sugiman, Sugiman; Sunarmi, Sunarmi
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.23796

Abstract

Poisson Regression is one of the non-linear regression analysis whose Poisson distributed response variable.Geographically Weighted Poisson Regression (GWPR) is one of the statistical methods to analyze spatial data with point approach. The purpose of this research is to form GWPR model with fixed bisquare and adaptive bisquare kernel function, and compare best model of GWPR with kernel fixed bisquare and adaptive bisquare function. The data of this research is the percentage of poor people in Central Java Province. In this study there are seven (7) variables related to the percentage factor of the poverty population. The test obtained 2 significant variables are population life expectancy and income per-capita population has been adjusted .Based on the result of research, it is found that GWPR model is more suitable than Poisson regression. Provided Geographically Weighted Poisson Regression model with fixed bisquare fixed function and adaptive bisquare globally in Province of Central Java . The advantage of the model can be seen from the value of AIC. The AIC value obtained in the fixed bisquare kernel is 178,7446. Whereas, The AIC value obtained in adaptive kernel bisquare is 183.2349. The GWPR model with the fixed Bisquare kernel is better than GWPR adaptive bisquare.
PEMODELAN REGRESI SPASIAL MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN PEMBOBOT FIXED KERNEL GAUSSIAN DAN ADAPTIVE KERNEL BISQUARE Pratiwi, Yuninda Diah; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.24886

Abstract

Model regresi linier secara umum bersifat global, dimana estimasi parameternya bernilai sama untuk semua lokasi. Pada kenyataannya, antara lokasi satu dengan lainnya memiliki kondisi yang berbeda. Hal ini memungkinkan adanya keragaman spasial antar lokasi. GWR merupakan metode statistika yang digunakan dalam menganalisis keragaman spasial. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi AHH dengan membandingkan model terbaik dari regresi linier dengan GWR pada pembobot fixed kernel gaussian dan adaptif kernel bisquare. Data yang digunakan bersumber dari Profil Kesehatan Provinsi Jawa Tengah Tahun 2016 dan Provinsi Jawa Tengah Dalam Angka 2017. Software yang digunakan adalah R.3.4.3 dan ArcView GIS 3.3. Uji kesesuaian model dilakukan untuk mengetahui adanya perbedaan antara model regresi linier dengan GWR. Hasil penelitian menunjukkan model GWR dengan pembobot fixed kernel gaussian merupakan model terbaik dilihat dari AIC terkecil sebesar dan ( terbesar sebesar . Terbentuk 8 kelompok lokasi yang memiliki peubah penjelas sama yang signifikan terhadap AHH.
Optimalisasi Sistem Antrian pada Loket Farmasi dengan Model Tingkat Aspirasi (Study Kasus RSK. Ngesti Waluyo Temanggung) Anggraeni, Anita; Dwidayati, Nur Karomah; Sunarmi, Sunarmi
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.26726

Abstract

Antrian banyak terjadi karena banyak orang yang membutuhkan pelayanan atau jasa dalam waktu yang bersamaan. Sebagai contoh adalah antrian pada rumah sakit terutama pada fasilitas rawat jalan. Tujuan dari penelitian ini untuk mendiskripsikan model antrian, mendiskripsikan hasil perhitungan ukuran keefektifan dengan dibantu software visual basic 6.0 dan mendiskripsikan model antrian yang optimal dengan model tingkat aspirasi. Metode penelitian yang digunakan studi pustaka,metode pengumpulan data, metode analisis data, dan penarikan simpulan. Pengumpulan data dilakukan dengan metode observasi dan metode wawancara. Dari hasil analisis pada sistem antrian di loket farmasi RSK Ngesti Waluyo Temanggung diperoleh model antrian (M/G/1) : (GD/ ), untuk ukuran keefektifan pada hari Senin, Rabu dan Kamis sistem antrian cukup lenggang dan cukup efektif dilihat dari persentase menganggur dan untuk hari Selasa sistem antrian cukup padat terlihat dari Lq > 5 orang dan Ws > 10 menit, maka perlu adanya optimalisasi dengan peneliti mensimulasikan menambah satu petugas, maka diperoleh Lq < 5 orang dan Ws < 10 menit. Jadi jumlah petugas di loket farmasi untuk hari Senin, Rabu dan Kamis sudah ideal dan untuk hari Selasa disarankan ditambah satu petugas
PENGGUNAAN TEKNIK BRUTEFORCE UNTUK MENENTUKAN KEAMANAN SETIAP KATA SANDI MENGGUNAKAN METODE KOMBINATORIAL Alhani, Ilham Yusuf; Addin S, M. Rizky
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.27909

Abstract

Studi ini mengkaji keamanan kata sandi yang dimiliki oleh pengguna dangan menggunakan tehknik bruteforce. Tujuan studi ini adalah untuk membantu para pengguna dalam mengetahui keamanan kata sandi pengguna. Pengumpulan data dilakukan dengan cara menggunakan kata sandi yang telah disediakan yang kemudian dianalisis untuk mengetahui setiap keamanan kata sandi tersebut. Hasil dari setiap kata sandi dapat dibedakan menjadi 4 bagian yaitu, tidak aman, cukup aman, aman, dan sangat aman. Kajian tentang keamanan tersebut dapat sangat berguna untuk penggun dalam menentukan sebuah kata sandi yang akan sulit teretas.
IMPLEMENTASI MODEL FUZZY-WAVELET DAN FIS METODE MAMDANI DALAM PREDIKSI NILAI TUKAR EUR/IDR Kharomah, Siti Ismiatul; Rosyida, Isnaini; Mastur, Zaenuri
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.28214

Abstract

Penelitian ini bertujuan untuk mengetahui hasil model fuzzy-wavelet dalam memprediksi nilai tukar EUR/IDR dan tingkat akurasi model tersebut. Dengan mengambil data time series mingguan nilai tukar EUR/IDR 128 minggu terakhir, Model fuzzy-wavelet merupakan penggabungan dari wavelet dan fuzzy. Pemodelan fuzzy-wavelet diawali dengan transformasi wavelet menggunakan (Maximal Overlap Discrete Wavelet Transform) MODWT mother haar sebagai pre-prosesing dan hasil MODWT digunakan sebagai input dalam sistem inferensi fuzzy. Pemilihan input ditentukan berdasarkan plot (Autocorrelation Function) ACF dan aturan fuzzy ditentukan dengan metode table look-up scheme. Sistem inferensi fuzzy yang digunakan Mamdani dengan fungsi implikasi min dan komposisi antar aturan max. Selanjutnya himpunan fuzzy yang diperoleh dari proses inferensi diolah kembali menggunakan defuzzifikasi centroid untuk dijadikan bilangan tegas sebagai hasil dari prediksi nilai tukar EUR/IDR. Dengan semesta pembicaraan variabel input dan output yang sama, dibentuk 2 Model yaitu Model 1 menggunakan 9 himpunan fuzzy dan Model 2 menggunakan 5 himpunan fuzzy. Nilai MAPE dihitung untuk mengetahui keakuratan pada tiap model dan menentukan model terbaik. Hasil dari penelitian menunjukkan bahwa Model 1 menghasilkan nilai MAPE sebesar 0,85% dan 9 himpunan fuzzy dengan 12 variabel input. Model 1 merupakan model yang paling tepat untuk prediksi nilai tukar EUR/IDR dengan 128 data skala mingguan. This study aims to determine the results of the fuzzy-wavelet model in predicting the EUR / IDR exchange rate and the accuracy of the model. By taking the last week's EUR / IDR 128 week exchange rate data series, the fuzzy-wavelet model is a combination of wavelets and fuzzy. Fuzzy-wavelet modeling begins with a wavelet transformation using the mother haar (Maximal Overlap Discrete Wavelet Transform) MODWT as a pre-processing and the MODWT results are used as inputs in the fuzzy inference system. The selection of inputs is determined based on the plot (Autocorrelation Function) ACF and fuzzy rules are determined by the table look-up scheme method. The fuzzy inference system used by Mamdani with the min implication function and composition between rules max. Furthermore, the fuzzy set obtained from the inference process is reprocessed using the defuzzification of the centroid to become a firm number as a result of the predicted EUR / IDR exchange rate. With the same universe of input and output variables, 2 models are formed, namely Model 1 uses 9 fuzzy sets and Model 2 uses 5 fuzzy sets. The MAPE value is calculated to determine the accuracy of each model and determine the best model. The results of the study show that Model 1 produces MAPE values ​​of 0.85% and 9 fuzzy sets with 12 input variables. Model 1 is the most appropriate model for the prediction of the EUR / IDR exchange rate with 128 weekly scale data.
PENENTUAN NILAI EIGEN SUATU MATRIKS DENGAN METODE PANGKAT (POWER METHOD) Herviani, Benedikta Putri; Isnarto, Isnarto; Veronica, Rahayu Budhiati
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.30091

Abstract

Penelitian ini membahas mengenai penentuan nilai eigen dominan dan tak dominan suatu matriks dengan metode pangkat (power method). Metode penelitian yang digunakan adalah dengan kajian pustaka. Pada penelitian ini disimpulkan: 1) Nilai eigen dominan suatu matriks A dengan metode pangkat langsung ditentukan dengan langkah-langkah berikut. (i) Menentukan sebarang vektor taknol x0. (ii) Mencari vektor yk = Axk untuk k = 0, dan vektor xk+1 untuk k = 0 yaitu membagi yk dengan λ(k+1), elemen yk dengan nilai mutlak terbesar. (iii) Mencari vektor yk dan xk+1 untuk k dari 1 sampai n hingga λ(k) mendekati λ(k+1). (2) Nilai eigen tak dominan suatu matriks A dengan metode pangkat invers ditentukan dengan mencari nilai eigen dominan A invers dimisalkan λinvers, dan nilai eigen tak dominan A adalah 1 dibagi λinvers. (3) Nilai eigen tak dominan suatu matriks A dengan metode pangkat tergeser ditentukan dengan mencari nilai eigen dominan A yang digeser dimisalkan λshifted dengan nilai geseran s, dan nilai eigen tak dominan A adalah λshifted ditambah s. (4) Nilai eigen dominan suatu matriks A dengan metode pangkat invers tergeser ditentukan dengan mencari nilai eigen dominan A yang diinvers dan digeser dimisalkan λshiftedinvers dengan nilai s dan nilai eigen dominan A adalah 1 dibagi λshiftedinvers ditambah s.
TIME SERIES MODELLING OF STOCK PRICE BY MODWT-ARIMA METHOD 'Aina, Maula Qorri; Hendikawati, Putriaji; Walid, Walid
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.30352

Abstract

MODWT-ARIMA is a time series modeling that combines the MODWT process and the ARIMA process. The MODWT process is used as pre-processing data while the ARIMA process as a time series modeling for data from MODWT decomposition. This study aims to show that time series modeling with a combined MODWT-ARIMA process provides more accurate forecast result compared to the ARIMA model. The modeled data is time series of daily stock price BBRI.JK started from January 2, 2015 to December 31, 2018. Accuracy measurement of the forecasting result is based on the RMSE value. The result is the MODWT-ARIMA model has a RMSE value which is smaller than the ARIMA model with RMSE , while the RMSE forecast results for 43 future periods is which is also smaller than the ARIMA forecast RMSE, . The diagnostic checking results if the ARIMA model for MODWT decompotition data, namely D1, D2, D3, and S3, indicate that the residual model is not white noise, while the ARIMA model for the time period of daily stock prices has white noise residuals. Theoritically, a model that has no white noise’s residual is considered to be less able to describe the properties of the observed data and further residual modeing should be done. However, this research is sufficient for the ARIMA model and it can be shown that the MODWT-ARIMA model is more effective for modelling time series that are not stationery compared to the ARIMA model.
Model ARFIMA untuk analisis data kecepatan angin di bandara internasional Ahmad Yani Akbar, Mohammad Jefrie Ilham; Kharisudin, Iqbal
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.38037

Abstract

Penelitian ini bertujuan untuk pemodelan ARFIMA pada data kecepatan angin di Bandara Internasional Ahmad Yani dalam frekuensi harian. Pada penelitian ini dilakukan identifikasi long memory pada data kecepatan angin di Bandara Internasional Ahmad Yani yang memberikan hasil bahwa data diindikasikan mempunyai sifat long memory. Selanjutnya dilakukan pembentukan model ARFIMA(p,d,q) dengan menentukan nilai estimasi parameter menggunakan metode Geweke and Porter-Hudak (GPH) dan Rescaled Range Statistics (R/S). Model terbaik dipilih berdasarkan nilai AIC terkecil. Model terbaik untuk ARFIMA(p,d,q) dengan dGPH = 0,346 adalah model ARFIMA(0,d,[2]) dengan nilai AIC -1384,527. Model terbaik untuk ARFIMA(p,d,q) dengan dR/S = 0,224 adalah model ARFIMA(0,d,1) dengan nilai AIC -1385,62. Tingkat akurasi peramalan didasarkan pada nilai RMSE, MAE, dan MAPE. Nilai eror validasi peramalan model ARFIMA (0,d,[2]) dengan adalah RMSE 0,74966754, MAE 0,593468, dan MAPE 10,45511. Nilai eror pada validasi peramalan model ARFIMA(0,d,1) dengan adalah RMSE 0,7898162, MAE 0,6295811, dan MAPE 10,75531.

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2019 2019


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