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 234 Documents
 7   8   9   10   11 
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.
IMPLEMENTASI ALGORITMA DIKSTRA DALAM PENCARIAN RUTE TERPENDEK TEMPAT WISATA DI KABUPATEN GUNUNGKIDUL DENGAN PROGRAM VISUAL BASIC Chandra, Stepanus Ardyan; Mulyono, Mulyono; Suyitno, Amin
Unnes Journal of Mathematics Vol 6 No 2 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i2.11767

Abstract

Kabupaten Gunungkidul merupakan salah satu Kabupaten yang memiliki banyak tempat wisata yang tersebar. Tempat wisata yang tersebar tersebut menyebabkan para wisatawan sulit menentukan rute yang harus dilalui agar dapat menikmati beberapa tempat wisata yang berbeda. Setiap orang yang melakukan perjalanan pasti memilih rute terpendek untuk dapat mencapai tujuan karena dapat menghemat waktu, tenaga dan biaya bahan bakar. Ketika kita berwisata dengan jadwal yang tidak diatur menyebabkan pengeluaran anggaran berwisata membesar dan waktu berlibur menjadi padat. Dari permasalahan tersebut maka penulis menganalisis rute terpendek tempat wisata di Kabupaten Gunungkidul dengan algoritma Dijkstra dan membuat simulasi pencarian rute terpendek pada graf berarah dan berbobot dengan bahasa pemrograman Visual Basic sehingga dapat menghemat biaya dan waktu wisatawan yang berwisata ke Kabupaten Gunungkidul. Kata kunci : Rute terpendek, algoritma dijkstra, Visual Basic. Abstract Gunungkidul district is one of districts that has many tourist spots are scattered. The tourist spot which scattered make the tourist have difficulty to specify the route to be followed in order to be able to enjoy several tourist spots. Everyone who travels certainly choose the shortest route to reach the goal because it can save time, costs, energy, and fuel. When we traveled to the schedule that are not regulated lead to budget spending vacation time becomes enlarged and congested. Of these problems, the author analyzed the shortest route tourist spots in Gunungkidul regency with Dijkstra’s algorythm and simulated the shortest route search in directe and weighted graph with Visual Basic programming language so as to save tourist costs and time who traveled to the Gunungkidul regency.
PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Supriyadi, Eko; mariani, scolastika; sugiman, sugiman
Unnes Journal of Mathematics Vol 6 No 2 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i2.11819

Abstract

Salah satu asumsi analisis regresi linear berganda yaitu tidak terjadi masalah multikolinearitas. Apabila terjadi masalah multikolinearitas, metode Partial Least Square (PLS) dan Principal Component Regression (PCR) merupakan dua metode yang dapat digunakan untuk mengatasi masalah multikolinearitas tersebut. Metode yang digunakan dalam penelitian ini adalah Partial Least Square (PLS) dan Principal Component Regression (PCR) dengan data anggaran pendapatan Daerah Provinsi Jawa Tengah 2013. Hasil dari penelitian ini diperoleh model persamaan regresi dengan metode Partial Least Square (PLS) yaitu dan model persamaan regresi dengan metode Principal Component Regression (PCR) yaitu . Selanjutnya dipilih metode terbaik dengan menggunakan kriteria nilai tertinggi dan MSE terkecil. Pemilihan metode terbaik adalah dengan melihat nilai tertinggi dan MSE terkecil. Dapat disimpulkan bahwa metode yang lebih baik adalah Partial Least Square dengan nilai = 0,7752 dan nilai MSE yang dihasilkan Partial Least Square = 3,660671E16. One of analysis assumptions of bifilar linier regression is there is no multikolinearity problem occurs. If there is a multikolinearity problem occurs, Partial Least Square (PLS) and Principal Component Regression (PCR) methods are can used to solve the multikolinearity problem. The method that was used in this research were Partial Least Square (PLS) and Principal Component Regression (PCR) by using the data of budgeting income of Central Java in 2013. The result of this research was gotten a model of regression equation by using Partial Least Square (PLS) method it was and a model of regression equation by using Principal Component Regression (PCR) it was . After that choose the best method selection criteria was by seeing at the highest score and the lowest MSE. The best method selection was by seeing at the highest score and the lowest MSE. Thus, it could be concluded that Partial Least Square with the score of = 0,7752 and the MSE score that was resulted by Partial Least Square = 3,660671E16.
ESTIMASI SKEWNESS (KEMIRINGAN) DENGAN MENGGUNAKAN METODE BOOTSTRAP DAN METODE JACKKNIFE Ma'unah, Siti; mariani, scolastika; sugiman, sugiman
Unnes Journal of Mathematics Vol 6 No 2 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i2.11828

Abstract

Uji normalitas merupakan syarat untuk semua uji statistik parametrik. Pada kasus tertentu dijumpai sebaran data yang tidak normal, yaitu distribusi yang tidak simetris akan memiliki nilai rata-rata, median, dan modus yang tidak sama besar . Dalam hal ini disebut dengan istilah skewness (kemiringan). Sebaran data yang menyebar ke arah kanan (skewness positive) jika , sedangkan sebaran data yang menyebar ke arah kiri (skewness negative) jika . Terdapat dua metode untuk mengatasi masalah tersebut, yaitu metode Bootstrap dan metode Jackknife. Metode Bootstrap dan metode Jackknife merupakan metode berbasis resampling. Metode Bootstrap dan metode Jackknife merupakan metode yang tidak didasarkan pada pemenuhan asumsi distribusi. Tujuan dari penelitian ini yaitu menentukan hasil estimator dari metode Bootstrap dan metode Jackknife, serta menentukan estimator terbaik dengan cara membandingkan nilai standar error yang terkecil dari kedua metode tersebut. Resampling dilakukan sebanyak 100, 200, 500, 800, dan 1000 dengan bantuan program R 2.10.0. Berdasarkan hasil penelitian metode Bootstrap merupakan metode dengan hasil estimator terbaik, karena menghasilkan nilai standar error terkecil dibandingkan metode Jackknife. Untuk resampling menghasilkan nilai standar error variabel dan standar error variabel nilai . Test normality is a prerequisite to all statistical tests parametrik. In certain cases found to scatter data that is not normal, namely distribution that were asymmetric will they have an average point, median, and mode of unequal large . In it is called with the term skewness ( slope ). To scatter data that spreads to the right direction ( skewness positive ) if , While to scatter data that spreads to the left ( skewness negative) if . There are two methods to solve the problem , that is a method of Bootstrap and methods of a Jackknife. A method of Bootstrap and methods of a Jackknife is a method based resampling. A method of Bootstrap and methods Jackknife is a method of which are not based on meeting the assumption distribution. The purpose of research is namely estimator determine the result of a method of Bootstrap and methods of a Jackknife , as well as to determine best estimator by means of comparing standard value error the smallest of both this method. Resampling done as many as 100, 200, 500, 800, and 1000 with program assistance R 2.10.0. Based on the research done Bootstrap method is a method by the results of estimator best, because it produces standard value error smallest than a method of Jackknife. Namely by resampling produce standard error values of the variables and standar error values for variables value .
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.
Pemodelan SIR untuk penyebaran Penyakit Pertusis dengan Vaksinasi pada populasi Manusia Konstan Asyabah, Zaidin; Waluya, Stevanus Budi; Kharis, Muhammad
Unnes Journal of Mathematics Vol 7 No 1 (2018)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v7i1.11878

Abstract

Di Indonesia terdapat kasus Pertusis sebanyak 5.643, tidak menutup kemungkinan angka tersebut dapat bertambah tiap tahunnya. Penelitian ini membahas model matematika untuk penyebaran penyakit Pertusis dengan vaksinasi. Model matematika yang digunakan berupa model VSIR. Tujuan penelitian ini adalah membangun model matematika, menganalisis titik kestabilan, dan menginterpretasikan simulasi model matematika dengan Maple. Dalam pembangunan model diperoleh model matematika dengan dua titik kesetimbangan yaitu titik kesetimbangan bebas penyakit dan titik kesetimbangan endemik. Analisis yang dilakukan menghasilkan angka rasio reproduksi dasar (R0). Setelah menganalisis dua titik kesetimbangan maka dapat disimpulkan bahwa titik kesetimbangan bebas penyakit akan stabil asimtotik lokal apabila R(0)<1 . Sedangkan titik kesetimbangan endemik akan stabil asimtotik lokal apabila R(0)>1 . Selanjutnya, untuk mengilustrasikan model tersebut maka dilakukan simulasi model menggunakan program Maple menghasilkan beberapa fakta, yaitu semakin kecil nilai b rasio kehilangan imunitas pada individu yang divaksin dan semakin besar nilai p proporsi bayi yang divaksin akan memperkecil jumlah penderita.
BATASAN PRASYARAT UJI NORMALITAS DAN UJI HOMOGENITAS PADA MODEL REGRESI LINEAR sari, atmira qurnia; Sukestiyarno, YL; Agoestanto, Arief
Unnes Journal of Mathematics Vol 6 No 2 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i2.11887

Abstract

Abstrak Kegiatan ini mengkaji tentang pentingnya pengujian normalitas dan homogenitas pada model regresi linear. Penelitian ini bertujuan untuk menemukan prinsip yang dapat diberlakukan secara umum atau bersifat universal tentang seberapa penting uji normalitas dan uji homogenitas serta kekekaran uji t dan uji f terhadap pelanggaran normalitas dan homogenitas data. Asumsi awal suatu persamaan regresi linear dikatakan baik jika error / galat regresi berdistribusi normal dan homogen. Setiap suku galat diasumsikan mempunyai ragam yang sama , oleh karenanya respons mempunyai ragam yang sama pula. Model regresi mengasumsikan bahwa sebaran peluang bagi Y mempunyai ragam yang sama s2, tidak tergantung pada nilai peubah bebas X. Karena error mempunyai distribusi, sedangkan tidak, maka juga mempunyai distribusi yang sesuai dengan yaitu . Karena asumsi galat berdistribusi normal dan homogen berdampak pada variabel dependen (Y) maka yang diuji normalitas dan homogenitas adalah variabel Y dan variabel independen (X) diasumsikan bukan variabel acak. Untuk menunjukkan kekekaran uji t dan uji f terhadap pelanggaran normalitas dan homogenitas data dengan menggunakan simulasi data. Data yang digunakan adalah bangkitan dengan bantuan program R. Data yang dibangkitkan adalah dua kelompok data tidak normal dan heterogen varian. Tahap simulasinya yaitu data bangkitan dilakukan uji t dan uji F serta diperoleh nilai p, hasil yang di dapat adalah nilai p dari semua data simulasi tersebut memperoleh nilai p > 0,05. Nilai p > 0,05 menunjukkan data yang diperoleh konsisten dengan hipotesis nol, sehingga data yang tidak normal dan tidak homogen tersebut terbukti normal. Diperoleh kesimpulan bahwa uji t dan uji F terbukti kekar terhadap ketidaknormalan dan homogenitas data.
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.

Page 9 of 24 | Total Record : 234

 7   8   9   10   11 

Filter by Year

2012 2023


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