cover
Contact Name
Rudianto Artiono
Contact Email
rudiantoartiono@unesa.ac.id
Phone
+6281554785969
Journal Mail Official
mathunesa@unesa.ac.id
Editorial Address
The Department of Mathematics, The first floor of C-8 Building, Faculty of Mathematics and Natural Sciences, Universitas Negeri Surabaya Jl. Ketintang, Surabaya 60231, East Java, Indonesia
Location
Kota surabaya,
Jawa timur
INDONESIA
MATHunesa: Jurnal Ilmiah Matematika
ISSN : 23019115     EISSN : 2716506X     DOI : https://doi.org/10.26740/mathunesa
Core Subject : Education,
MATHunesa is a mathematical scientific journal published by the Department of Mathematics, Faculty of Mathematics and Natural Sciences, The State University of Surabaya with e-ISSN 2716-506X and p-ISSN 2301-9115. This journal is published every four months in April, August, and December. One volume consists of three publication numbers. MATHunesa aims at providing a platform and encourages emerging scholars and academicians globally to share their professional and academic experiences to explore, but not limited to the following topics: 1. Analysis Mathematics, 2. Algebra, 3. Applied Mathematics, 4. Statistics, 5. Computation, 6. Combinatorics, and 7. Also giving an opportunity to show the power of innovation and finding new things in the field of mathematics. This journal was published online for the first time in 2013 as part of the graduation for students majoring in Mathematics at the State University of Surabaya.
Articles 625 Documents
Penerapan Metode Importance Performance Analysis (IPA) Untuk Menganalisis Kinerja Suroboyo Bus Sebagai Moda Transportasi Umum Berdasarkan Tingkat Kepuasan Pengguna Bagas Saputra; Dian Savitri
MATHunesa: Jurnal Ilmiah Matematika Vol 8 No 3 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1237.44 KB) | DOI: 10.26740/mathunesa.v8n3.p239-253

Abstract

Suroboyo Bus merupakan satu dari beberapa moda transportasi umum yang ada di Kota Surabaya. Selain menjadi alat transportasi umum, Suroboyo Bus juga dapat digunakan sebagai sarana wisata oleh masyarakat Kota Surabaya. Keberadaan Suroboyo Bus diharapkan dapat mengurangi kemacetan dan mengurangi resiko kecelakaan di jalan raya. Penelitian ini dilakukan untuk menganalisis kinerja Suroboyo Bus sebagai moda transportasi umum berdasarkan tingkat kepuasan pengguna jasa menggunakan metode Importance Performance Analysis (IPA). Terdapat dua tahapan pengolahan data yang harus dilakukan pada metode Importance Performance Analysis yaitu analisis tingkat kesesuaian dan analisis kuadran. Data yang digunakan telah diuji kevalidannya menggunakan uji validitas dengan nilai rhitung > rtabel yang artinya masing-masing indikator pertanyaan pada kuesioner valid. Selain itu, dilakukan uji keandalan menggunakan uji reliabilitas dengan hasil nilai Cronbarch’s Alpha > 0,60 yang artinya masing-masing indikator pertanyaan telah reliabel. Hasil penelitian menyimpulkan bahwa terdapat indikator pelayanan jasa transportasi umum Suroboyo Bus yang dirasa masih kurang baik oleh masyarakat. Berdasarkan hasil analisis, indikator utama yang harus diperbaiki adalah kualitas penyampaian informasi yang diberikan oleh petugas kepada penumpang. Perbaikan kualitas pelayanan yang masih kurang perlu dilakukan, sedangkan kualitas pelayanan yang dinilai sudah baik perlu dipertahankan agar keinginan masyarakat untuk beralih dari kendaraan pribadi ke transportasi umum khususnya Suroboyo Bus semakin meningkat.
Studi Komparasi Video Watermarking dengan Algoritma Discrete Wavelet Transform dan Discrete Cosine Transform Kurnia Maulida
MATHunesa: Jurnal Ilmiah Matematika Vol 8 No 3 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (808.187 KB) | DOI: 10.26740/mathunesa.v8n3.p254-260

Abstract

Perkembangan teknologi di era digital berkembang dengan sangat cepat setiap harinya. Dengan perkembangan teknologi digital saat ini, media sosial dapat memudahkan kita untuk mengakses serta mendistribusikan teks, gambar, video, dan lainnya. Risiko terjadinya kejahatan di video lebih tinggi dibandingkan dengan teks dan gambar. Digital watermarking dapat digunakan untuk melindungi informasi digital dari manipulasi dan distribusi illegal. Penyisipan watermark umumnya dilakukan dalam domain spasial atau domain frekuensi. Metode yang digunakan adalah Discrete Wavelet Transform (DWT) dan Discrete Cosine Transform (DCT). DWT digunakan untuk mendapatkan komponen multi-resolusi yaitu horisontal, vertikal dan diagonal dari suatu gambar. Sedangkan, DCT memisahkan setiap blok gambar menjadi pita frekuensi rendah, sedang dan tinggi. PSNR adalah rasio antara kekuatan maksimum yang mungkin dari sinyal dan kekuatan noise yang merusak. Berdasarkan penelitian yang dilakukan penulis semakin besar koefisien DCT/DWT maka semakin bagus kualitas gambar hasil ekstrak. Hasil uji coba menunjukkan nilai PSNR video watermark menggunakan DWT lebih besar daripada nilai PSNR video watermark menggunakan DCT. Namun, selisih nilai PSNR antara DWT dan DCT sangat kecil. Nilai PSNR video watermark lebih kecil dari 30 mengindikasikan kedua video memiliki kemiripan yang rendah. Semakin besar nilai PSNR video semakin bagus kualitas video tersebut.
Pewarnaan Modular Pada Beberapa Subkelas Graf Mela Audina Ajiji; Budi Rahadjeng
MATHunesa: Jurnal Ilmiah Matematika Vol 8 No 3 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (820.106 KB) | DOI: 10.26740/mathunesa.v8n3.p261-268

Abstract

Penentuan Level Depresi Mahasiswa Tingkat Akhir Menggunakan Sistem Inferensi Fuzzy dengan Metode Sugeno Tri Kesuma Pratiwi; Yuliani Puji Astuti
MATHunesa: Jurnal Ilmiah Matematika Vol 8 No 3 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1016.444 KB) | DOI: 10.26740/mathunesa.v8n3.p269-273

Abstract

Depression is a disease whose main symptoms are unclear and ambiguous. Depression has a wide influence on health, lifestyle and economic losses. Causes of depression can be seen from sleep disorders, uncomfortable environment, and excessive use of antidepressant drugs. This research determines the level of depression in the final year students who are in the thesis work phase, especially in the mathematics department of FMIPA UNESA, and implements it into fuzzy logic.This type of research is qualitative and quantitative. The inputs us Depression is a disease whose main symptoms are unclear and ambiguous. Depression has a wide influence on health, lifestyle and economic losses. Causes of depression can be seen from sleep disorders, uncomfortable environment, and excessive use of antidepressant drugs. This research determines the level of depression in the final year students who are in the thesis work phase, especially in the mathematics department of FMIPA UNESA, and implements it into fuzzy logic.This type of research is qualitative and quantitative. The inputs used are body mass index, systolic blood pressure and physical health questions. And the output produced is the severity of depression. Data collection techniques used by researchers by asking a number of questions that were asked to 40 final year students. And the processing stage uses the Sugeno fuzzy method. The results of this study can help improve medical services by determining the level of depression in students. This study uses the MATLAB application. The results of this system give an accurate valued are body mass index, systolic blood pressure and physical health questions. And the output produced is the severity of depression. Data collection techniques used by researchers by asking a number of questions that were asked to 40 final year students. And the processing stage uses the Sugeno fuzzy method. The results of this study can help improve medical services by determining the level of depression in students. This study uses the MATLAB application. The results of this system give an accurate value
Analisis Perbandingan Kompresi Suara Menggunakan Principal Component Analysis dan Transformasi Wavelet Karisma Karisma
MATHunesa: Jurnal Ilmiah Matematika Vol 9 No 1 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (457.816 KB) | DOI: 10.26740/mathunesa.v9n1.p1-8

Abstract

One of the requirements faced as a result of information technology development is memory and transmission efficiency. This requirement can be overcome with data compression. Compression is a method to obtain compact data with a smaller size but still maintaining similarity to the original data. Principal Component Analysis (PCA) is an algorithm in machine learning that is used to reduce dimensions. Dimensional reduction is a process of transforming high-dimensional data into new subspaces with lower dimensions. The goal is to use some principal components to represents the original data. Wavelet transformation represents a signal into a set of basic functions through filter analysis. Wavelets concentrate information into coefficients of approximation and coefficients of detail. Wavelet transform produces a lot of zero or close to zero coefficients that can be neglected so it can reduce storage space. In this research, we will propose the implementation of PCA and Wavelet for digital audio compression. The audio was performed with the .wav format. The compressed audio will be evaluated based on Peak Signal to Noise Ratio (PSNR) and Mean Square Error (MSE). The mean PSNR obtained when using a wavelet is 47.61601 dB with an average MSE of 3.76 x 10-5. Meanwhile, when using PCA, the PSNR average was 57.3962772 dB and the average MSE obtained was 4.59 x 10-5. Four out of five compressed audio had a larger PSNR and smaller MSE when using PCA. Thus, the Principal Component Analysis algorithm can be better used for audio compression than the level 1 of Symlet Wavelet Transformation.
EKUIVALENSI KEKONVERGENAN POINTWISE DAN SERAGAM PADA BARISAN FUNGSI DALAM RUANG METRIK C[a,b] Khoirul Anwar; Manuharawati Manuharawati
MATHunesa: Jurnal Ilmiah Matematika Vol 9 No 1 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (381.576 KB) | DOI: 10.26740/mathunesa.v9n1.p9-21

Abstract

Penelitian tentang kekonvergenan barisan fungsi dalam ruang metrik dengan menggunakan metrik biasa mungkin telah banyak dilakukan oleh ahli matematika, tetapi dalam tulisan ini dibahas mengenai hal yang lebih menarik lagi yaitu tentang ekuivalensi kekonvergenan pointwise dan seragam pada barisan fungsi dalam ruang metrik . Namun untuk menuju kesana, pertama-tama akan dibahas sifat-sifat terkait kekonvergenan pointwise dan seragam barisan fungsi dalam ruang metrik , yaitu tentang banyaknya nilai kekonvergenan, keterbatasan, kepemilikan supremum atau infimum, pembentukan ruang metrik lengkap, kemampuan dalam mempertahankan kekontinuan, dan operasi biasa pada barisan fungsi yang konvergen. Sehingga ekuivalensi dari barisan fungsi yang konvergen pointwise dan seragam dalam ruang metrik terjadi jika barisan fungsi konvergen dan bersifat tidak turun (tidak naik) seragam.
Klasifikasi Video Pembelajaran Daring yang Membingungkan Siswa dengan Algoritma K-Star Nearest Neighbor Hanief Jamielatuththooah
MATHunesa: Jurnal Ilmiah Matematika Vol 9 No 1 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (227.597 KB) | DOI: 10.26740/mathunesa.v9n1.p22-26

Abstract

Massive Open Online Course (MOOC) adalah salah satu pembelajaran yang dilakukan secara daring melalui rekaman video yang dapat ditonton berulang kali sehingga memudahkan siswa dalam memahami pembelajaran. Namun pembelajaran ini dapat membingungkan siswa karena tidak ada umpan balik secara langsung dari guru. Untuk mengetahui tingkat kebingungan siswa terhadap video yang ditonton dapat menggunakan klasifikasi sinyal EEG. Pada penelitian ini digunakan algoritma K-Star Nearest Neighbor sebagai metode untuk mengklasifikasikan video MOOC yang membingungkan siswa melalui sinyal EEG. Penelitian ini bertujuan untuk mengetahui apakah algoritma K-Star Nearest Neighbor dapat digunakan untuk klasifikasi sinyal EEG ditinjau dari nilai akurasi. Dataset yang digunakan yaitu dataset Confused student EEG brainwave data bersumber dari Kaggle yang memiliki 15 atribut serta dua kelas yaitu kelas not confused dan confused. Data diambil dari 10 subyek dan masing-masing menonton 10 video MOOC berbeda. Sebelum proses klasifikasi, terlebih dahulu dilakukan normalisasi dan split validation. Akurasi terbaik untuk label pre-defined yaitu label pada video berdasarkan tingkat kebingungan yang diberikan oleh guru mencapai 63.33% dengan time split 0.42 detik, sedangkan untuk label user-defined yaitu label video berdasarkan tingkat kebingungan yang dialami oleh siswa dengan akurasi terbaik mencapai 73.33% dengan time split 0.13 detik.
KLASIFIKASI AUTISM SPECTRUM DISORDER MENGGUNAKAN ALGORITMA NAIVE BAYES Erina Seviyanti Dewi
MATHunesa: Jurnal Ilmiah Matematika Vol 9 No 1 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (330.785 KB) | DOI: 10.26740/mathunesa.v9n1.p27-35

Abstract

Autism Spectrum Disorders (ASD) merupakan suatu kelainan pada otak manusia yang mengakibatkan seseorang mengalami gangguan dalam melakukan komunikasi dan interaksi terhadap sosial. Meningkatnya penderita Autism Spectrum Disorders di dunia memerlukan deteksi dini terhadap kelainan tersebut untuk mengurangi risiko negatif yang ditimbulkan dan memberikan perawatan yang tepat untuk penderitanya. Beberapa peneliti telah melakukan klasifikasi Autism Spectrum Disorders, namun belum ada yang mengklasifikasikan Autism Spectrum Disorders dengan algoritma Naive Bayes. Sehingga pada penelitian ini klasifikasi Autism Spectrum Disorders dilakukan berdasarkan Diagnostic and Statistical Manual of Mental Disorders Fifth Edition (DSM-5) dengan algoritma Naive Bayes. Dalam dataset terdapat 292 anak dengan dua kelas yaitu normal dan Autism Spectrum Disorders yang diperoleh dari UCI Machine Learning Repository. Terdapat 20 atribut yang digunakan untuk mengklasifikasikan Autism Spectrum Disorders pada anak. Data yang ada dibagi menjadi data latih dan data uji berdasarkan hold out validation. Berdasarkan hasil klasifikasi, Naive Bayes dengan rasio data latih dan uji 1:1 menghasilkan akurasi tertinggi sebesar 98.6301%.
Penilaian Kinerja Karyawan Menggunakan Metode Intuitionistic Fuzzy TOPSIS Rapi Maulani; Raden Sulaiman
MATHunesa: Jurnal Ilmiah Matematika Vol 9 No 1 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1023.504 KB) | DOI: 10.26740/mathunesa.v9n1.p54-64

Abstract

Kinerja karyawan sangat berpengaruh pada kesuksesan dan kemajuan suatu perusahaan, apalagi seiring berkembangnya zaman setiap individu dituntut untuk dapat menggali segala sumber daya manusia yang dimiliki. Penilaian kinerja termasuk bagian penting dari manajemen sumber daya manusia yaitu diantaranya meningkatkan produktivitas dan motivasi karyawan serta mempertahankan dan mengembangkan bakat yang dimiliki. Penilaian kinerja dapat dilakukan secara kuantitatif dan kualitatif. Namun, banyak indeks penilaian sulit diukur secara langsung. Pada penelitian ini menggunakan metode Intuitionistic Fuzzy TOPSIS dengan data simulasi berupa sampel 10 orang karyawan dengan 4 indeks sistem penilaian yaitu kualitas bakat, kemampuan pribadi, performa kerja dan sikap kerja dimana setiap indeksnya memiliki 5 hingga 6 cabang indeks penilaian. Tujuan dari penelitian ini adalah agar dapat mengevaluasi kinerja karyawan secara lebih komprehensif dan efektif dengan menggunakan metode Intuitionistic Fuzzy TOPSIS. Sehingga dapat memberikan dukungan yang kuat dalam pengambilan keputusan, seperti pelatihan, kajian keilmuan, promosi, apresiasi atau penghargaan, dan hukuman dalam pengelolaan sumber daya manusia. Hasil dari penelitian ini yaitu dapat menentukan dan mengurutkan kualitas kinerja karyawan yang diaplikasikan berupa simulasi atau studi kasus dan hasil perhitungan studi kasus dalam penelitian ini mengenai penilaian kinerja karyawan terbaik menggunakan metode Intuitionistic Fuzzy TOPSIS didapatkan rekomendasi mengenai karyawan terbaik dengan penilaian sebesar (0.7301) yaitu pada karyawan A4. Kata kunci : Penilaian Kinerja Karyawan, Intuitionistic Fuzzy TOPSIS, Sistem Pendukung Keputusan
Implementasi Metode Fuzzy C-Means dan TOPSIS dalam Evaluasi Kinerja Keuangan Perusahaan Perbankan di Indonesia Berdasarkan Rasio Keuangan Erlita Faridatul Himah; Raden Sulaiman
MATHunesa: Jurnal Ilmiah Matematika Vol 9 No 1 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (360.283 KB) | DOI: 10.26740/mathunesa.v9n1.p43-53

Abstract

Dalam suatu negara, Bank adalah lembaga keuangan yang sangat penting sebagai lembaga perantara keuangan. Kemajuan bank pada suatu negara merepresentasikan kemajuan negaranya pula. Artinya, peranan perbankan sangat penting dalam mengendalikan suatu negara. Pada saat ini, evaluasi kinerja suatu perusahaan menjadi topik penelitian yang sangat penting, karena dapat mengetahui apakah perusahaan tersebut telah mencapai tujuannya dengan baik atau belum. Maka dari itu perlu dilakukan penelitian mengenai evaluasi kinerja keuangan perusahaa n perbankan di Indonesia. Metode FCM dan TOPSIS digunakan pada penelitian ini dengan tujuan untuk menentukan peringkat objek data berdasarkan beberapa kriteria, dan kriteria yang digunakan adalah Earning Per Share atau EPS, Return On Assets atau ROA, Return On Equity atau ROE, Net Profit Margin atau NPM, dan Operating Profit Margin atau OPM. Setelah dilakukan analisis kinerja perusahaan menggunakan metode FCM dan TOPSIS diperoleh hasil pengelompokan perusahaan dengan 4 cluster, cluster 1 yaitu perusahaan dengan laporan keuangan yang tidak baik sebanyak 25 perusahaan, cluster 2 yaitu perusahaan dengan laporan keuangan yang kurang baiksebanyak 9 perusahaan, cluster 3 yaitu perusahaan dengan laporan keuangan yang baik sebanyak 3 perusahaan, dan cluster 4 yaitu perusahaan dengan laporan keuangan yang sangat baik sebanyak 2 perusahaan. Perusahaan dengan tiga rangking teratas yaitu Bank 9, Bank 8, dan Bank 4. Dengan indeks perpindahan sebesar 1.23 dan tingkat kesalahan sebesar 25.64%. Kata kunci: Bank, Kinerja Keuangan, Rasio Keuangan, FCM dan TOPSIS