cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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
Published by Universitas Negeri Surabaya
ISSN : 23019115     EISSN : 2716506X     DOI : https://doi.org/10.26740/mathunesa
Core Subject : Education,
Mathematics
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.
Arjuna Subject : Matematika - Matematika (Lain-Lain)
Articles 625 Documents
 22   23   24   25   26 
PENERAPAN MODEL SEIPAHRF PADA DINAMIK PENULARAN COVID-19: STUDI KASUS DI JAWA TIMUR Kurnia Dewy Isnaini; Yusuf Fuad
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 (1468.744 KB) | DOI: 10.26740/mathunesa.v9n1.p153-163

Abstract

Coronavirus Disease 2019 (Covid-19) merupakan penyakit menular yang disebabkan oleh virus corona dari famili coronaviridae. Penyebaran virus ini berlangsung dengan cepat di beberapa negara, salah satunya yaitu Indonesia. Penelitian ini bertujuan untuk menerapkan model dinamik SEIPAHRF pada penularan Covid-19 di provinsi Jawa Timur, Indonesia, pada periode 6 Agustus-5 Oktober 2020 ketika sudah diberlakukan Pembatasan Sosial Berskala Besar (PSBB) di provinsi Jawa Timur. Dalam penelitian ini dibahas juga tentang bilangan reproduksi dasar, titik ekuilibrium , kestabilan dan sensitivitas dari solusi model dinamik berdasarkan variasi nilai parameter. Simulasi numerik dari model dinamik SEIPAHRF diberikan dengan nilai parameter dan nilai awal dari Ndaïrou et al. (2020), kemudian hasilnya dibandingkan dengan data riil dari Satgas Covid-19 Jawa Timur. Berdasarkan hasil pembahasan, diperoleh bilangan reproduksi dasar ζ0>1 yang artinya Covid-19 telah menyebar dan menjadi wabah. Analisis stabilitas model SEIPAHRF berdasarkan titik ekuilibrium menunjukkan bahwa titik ekuilibrium bebas penyakit Γ0=(N,0,0,0,0,0,0,0) adalah tidak stabil, namun titik ekuilibrium endemik Γ*=(S*,E*,I*,P*,A*,H*,R*,F*) adalah stabil asimtotik. Hasil dari simulasi numerik, model SEIPAHRF sangat sesuai dengan data riil dari Satgas Covid-19 Jawa Timur, dan memperkuat hasil pengendalian pandemi Covid-19 di Wuhan, China dengan nilai parameter yang berbeda. Penelitian lanjutan dapat dilakukan terhadap model SEIPAHRF dengan membandingkan perilaku solusinya dengan hasil dengan model dinamik lain maupun pada wabah atau wilayah pandemi lain.
ANALISIS PERTAMBAHAN PASIEN POSITIF DAN PASIEN SEMBUH COVID-19 DI JAWA TIMUR MENGGUNAKAN METODE RANTAI MARKOV Gita Dwi Safitri; Yuliani Puji Astuti
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 (1100.919 KB) | DOI: 10.26740/mathunesa.v9n1.p164-170

Abstract

Penyakit coronavirus atau yang juga dikenal dengan COVID-19 merupakan penyakit baru yang ditemukan pada akhir tahun 2019 lalu disebabkan oleh virus yang disebut SARS-CoV-2. Pertama Kasus penyakit ini ditetapkan pada 31 Desember 2019 di Wuhan, China dan menyebar ke seluruh penjuru negara. Penelitian ini menggunakan metode rantai Markov digunakan dalam pemodelan jumlah pertambahan pasien positif dan sembuh COVID-19 di Jawa Timur. Rantai Markov adalah metode yang digunakan untuk memodelkan variabel acak secara acak atau menyatakan nilai yang berubah dari waktu ke waktu. Penelitian ini menghitung kemungkinan terjadinya penambahan pasien positif dan pasien sembuh COVID-19 pada keadaan steady state atau suatu keadaan pada jangka waktu lama. 9 state telah dibentuk, yang meliputi range jumlah penambahan pasien positif dan pasien sembuh COVID-19. Berdasarkan perhitungan rantai Markov pada keadaan steady state diperoleh bahwa probablitas penambahan pasien positif tertinggi yaitu pada penambahan pasien sebanyak 222 hingga 295 pasien dengan probabilitas sebesar 0.285872, apabila rataan penambahan pasien positif dihitung mencapai angka 253 orang, sedangkan probabilitas pasien sembuh tertinggi yaitu pada penambahan pasien sebanyak 296 hingga 369 pasien dengan probabilitas sebesar 0.383893 apabila rataan penambahan pasien sembuh nya dihitung maka mencapai angka 223 orang. Jadi dari kedua probabilitas tertinggi dapat disimpulkan bahwa pada interval waktu yang sama, probabilitas tertinggi pasien sembuh pada interval yang lebih besar dari probabilitas penambahan pasien positif. Ini berarti tingkat kesembuhan dapat lebih tinggi daripada tingkat penambahan pasien. Dengan meningkatkan kewaspadaan dan kedisiplinan mengatasi penyebaran virus dengan 3M. Penambahan penderita akibat virus COVID-19 akan dapat ditekan jumlahnya terutama jika vaksin segera diberikan.
PELABELAN TOTAL AJAIB TITIK BERLABEL GANJIL PADA GRAF POHON Megacelia Maharani; I Ketut Budayasa
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 (882.961 KB) | DOI: 10.26740/mathunesa.v9n1.p171-179

Abstract

Misalkan sebuah graf dengan himpunan titik dan himpunan sisi dengan dan . Sebuah fungsi bijektif disebut pelabelan total ajaib titik pada , jika terdapat konstanta sedemikian hingga . Selanjutnya, nilai disebut bobot titik dalam pelabelan dan nilai disebut konstanta ajaib untuk pelabelan . Jika , maka disebut sebuah pelabelan total ajaib titik berlabel ganjil pada , dan disebut graf pelabelan total ajaib titik berlabel ganjil. Secara umum, menentukan apakah suatu graf merupakan graf pelabelan total ajaib titik berlabel ganjil, merupakan permasalahan sulit. Dalam artikel ini dibuktikan hubungan antara , dan adalah . Dibuktikan juga bahwa pohon dengan titik merupakan graf pelabelan total ajaib titik berlabel ganjil jika dan hanya jika ganjil. Demikian juga, sebuah bintang merupakan graf pelabelan total ajaib titik berlabel ganjil jika dan hanya jika . Syarat perlu bagi sebuah pohon mempunyai pelabelan total ajaib titik berlabel ganjil adalah ganjil. Akhirnya, ditunjukkan bahwa titik-titik internal, titik-titik daun, dan derajat maksimum pohon merupakan syarat-syarat agar merupakan graf pelabelan total ajaib titik berlabel ganjil. Kata kunci: Pelabelan total ajaib, Titik Ganjil, Lintasan, Bintang, Ulat bulu
ANALISIS DINAMIK MODEL PREDATOR- PREY DENGAN ADANYA PREY TERINFEKSI DAN KOMPETISI PADA PREDATOR Azzatul Hanizah
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 (1123.874 KB) | DOI: 10.26740/mathunesa.v9n1.p180-187

Abstract

Pada artikel ini membahas model predator- prey yang terdiri dari dua predator dan satu prey dimana terdapat populasi prey terinfeksi dan kompetisi antara dua populasi predator, baik kompetisi intraspesifik ataupun kompetisi interspesifik, untuk memberikan pemahaman tentang dinamika sistem ekologi yang lebih kompleks secara matematis dengan menggunakan pemodelan sistem persamaan diferensial. Dilakukan analisis perilaku dinamis pada sistem, yang menunjukkan terdapat sembilan titik ekuilibrium. Titik ekuilibrium kepunahan selalu tidak stabil dan delapan titik ekuilibrium lainnya stabil asimtotik lokal dengan beberapa kondisi. Dilakukan simulasi numerik untuk mendukung hasil analitik. Diberikan diagram bifurkasi dengan menggunakan MatCont untuk menganalisis kestabilan sistem. Dengan menvariasikan parameter tingkat penyebaran penyakit, diperoleh hasil adanya bifurkasi transkritikal pada sistem. Kata kunci: model predator- prey, kestabilan lokal, bifurkasi
KLASIFIKASI K-NEAREST NEIGHBOR CHEST X-RAY PASIEN COVID-19 DENGAN HARALICK FEATURES DAN HISTOGRAM OF ORIENTED GRADIENT Christian Adi Nugroho
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 (718.412 KB) | DOI: 10.26740/mathunesa.v9n1.p188-195

Abstract

Pandemi Covid-19 memiliki dampak serius pada kehidupan masyarakat. Salah satu langkah penting untuk mengatasi pandemi ini terletak pada kemampuan tenaga medis untuk mengidentifikasi pasien yang terinfeksi Covid-19 secara dini. Kemudian segera lakukan prosedur pengobatan dan isolasi pasien. Mendeteksi Covid-19 dari radiograph pasien mungkin menjadi salah satu cara tercepat untuk mengidentifikasi pasien Covid-19, yang didukung oleh penelitian sebelumnya yang menunjukkan gejala abnormal pada radiograph dada pasien Covid-19. Untuk mendeteksi pasien Covid-19 dari rontgen dada (CXR) yang terinspirasi dari penelitian sebelumnya yang menggunakan Artificial Intelligence, aplikasi classifier Machine Learning k-Nearest Neighbor telah dipelajari untuk hal yang sama. 1000 CXR diperoleh dari posisi Anterior-Posterior berlabel dari dataset COVID-Xray-5k, kemudian dipartisi dengan random sampling, 80% untuk training set dan sisanya untuk test set. Citra CXR yang ada dikonversi menjadi citra grayscale dimana diperoleh 149 fitur; 5 fitur adalah Haralick Features dan 144 fitur berasal dari Histogram of Oriented Gradient. Hasil klasifikasi dengan nilai estimasi k, dengan k = 10 mencapai akurasi rata-rata di atas 90% untuk jarak atau metric Euclid, Mahalanobis, Cosine, dan Cityblock. Oleh karena CXR pasien Covid-19 yang tersedia untuk umum terbatas, diperlukan penelitian terhadap dataset yang memiliki jumlah CXR pasien Covid-19 lebih banyak untuk menguji keakuratan classifier.
Struktur Himpunan Fuzzy Graf Intuisionistik Farizkha Amalia Suryani; 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 (367.162 KB) | DOI: 10.26740/mathunesa.v9n1.p196-203

Abstract

KLASIFIKASI JENIS DELPHINIDAE (LUMBA-LUMBA) DENGAN DIMENSI FRAKTAL MENGGUNAKAN METODE HIGUCHI DAN KNN (K-NEAREST NEIGHBOR) Yolanda Gandes Pamela; Dwi Juniati
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 (1547.708 KB) | DOI: 10.26740/mathunesa.v9n1.p204-211

Abstract

The delphinidae family belongs to the Cetacean Order and is a member of the Odontocetes. The delphinidae family has characterized by the physical characteristics and frequency ranges of sound signals produced. Living in the sea and being a rare animal makes delphinidae very difficult to find and if we want to be classified, we have to capture and analyze the physicality of delphinidae. By using the fractal dimension we can analyze the sounds of the delphinidae family based on the characteristics of their sound signals to classify them. In this research, members of the delphinidae family will be classified using the Higuchi and K-Nearest Neighbor methods. By using 80 data, namely Common Dolphin 18 data, Killer Whale 20 data, Fraser's Dolphin 20 data, and Long-Finned Pilot Whale 22 data, the data used is .wav. In the first step, the Pre-Processing process will be carried out, then the feature extraction process will be carried out using the Discrete Wavelet Transform type mother wavelet Daubechies db4 wavelet with level 5 decomposition and Fast Fourier Transform. Then we will find the fractal dimension value using the Higuchi method. After obtaining the fractal dimension, the data will be divided into Training data and Testing data using k-cross validation with k value experiments namely 2, 4, 8, and 10. After the data is divided the data will be classified using K-Nearest Neighbor with an experimental K value. namely 1, 3, 5 and 7. In this study, the highest accuracy value was 82.5% with Kmax = 50, k = 8, and K = 3.Thus it can be concluded, the Higuchi and K-Nearest Neighbor methods can be used to classify members of the family delphinidae Keywords: Delphinidae, classification of member of family delphinidae, Higuchi fractal dimension, KNN
ANALISIS PERILAKU BRAND SWITCHING DENGAN METODE RANTAI MARKOV Ade Sitoresmi Phasa; Yuliani Puji Astuti
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 (759.892 KB) | DOI: 10.26740/mathunesa.v9n1.p212-219

Abstract

Rantai markov merupakan sebuah metode yang mengkaji tentang sifat dari suatu variabel pada saat ini yang didasari oleh sifat dari masa lalu dalam upaya memprediksi sifat dari variabel tersebut di masa depan. Dalam kehidupan sehari-hari rantai markov dapat digunakan sebagai alat bantu dalam proses pengambilan keputusan pada beberapa bidang, salah satunya pada bidang ekonomi yaitu untuk menganalisis perilaku perpindahan merek. Brand switching merupakan suatu aktivitas dari konsumen yang melakukan perpindahan merek dari merek yang satu ke merek yang lain dengan berbagai alasan. Perilaku ini merupakan ancaman yang berbahaya dalam dunia bisnis karena jika tidak bisa memuaskan konsumen maka perusahaan pesaing mungkin akan mendapatkan keuntungan secara tidak langsung. Dalam suatu penelitian disebutkan bahwa mempertahankan pelanggan adalah strategi pemasaran yang lebih murah dan efisien dibandingkan dengan menemukan pelanggan baru. Pada penelitian ini akan dianalisis perilaku perpindahan merek selama periode satu tahun dari nasabah layanan perbankan. Untuk menganalisis perilaku perpindahan merek dengan menggunakan metode ini, langkah pertama yang dilakukan adalah menyusun tabel perpindahan merek, setelah itu menghitung probabilitas dari setiap state untuk dibuat matriks probabilitas transisi, kemudian mencari kondisi steady state. Dari 25 data diperoleh hasil yaitu kondisi steady state dicapai pada periode ke-8 dengan nilai probabilitas masing-masing layanan perbankan yaitu untuk bank A = 0.2817, bank B = 0.3565, bank C = 0.1049, dan bank D = 0.2569. Sehingga dapat dilihat bahwa bank B merupakan layanan perbankan yang menjadi pilihan utama dimasa depan dibandingkan dengan layanan perbankan yang lain, kemudian disusul dengan bank A, bank D dan bank C.Kata Kunci: rantai markov, brand switching, steady state, matriks probabilitas transisi.
Pengelompokkan Kabupaten/Kota Di Jawa Timur Berdasarkan/Penambahan Jumlah Kasus Positif Covid-19 Menggunakan Metode K-Means Nadya Nisa Dwi Hatmanti
MATHunesa: Jurnal Ilmiah Matematika Vol 9 No 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (784.92 KB) | DOI: 10.26740/mathunesa.v9n2.p220-225

Abstract

Covid-19 menyebar dalam waktu yang singkat di berbagai negara di dunia termasuk Indonesia. Jawa Timur adalah provinsi yang memiliki kasus tekonfirmasi Covid-19 yang tinggi. Tingginya kasus Covid-19 di Jawa Timur harus menjadi perhatian lebih dari pemerintah untuk menetapkan kebijakan yang tepat di masing-masing daerah dalam mengurangi penyebaran Covid-19. Karena setiap daerah mempunyai tingkat resiko yang berbeda, sehingga kebijakan yang dilakukan seharusnya berbeda disesuaikan dengan kondisi daerah masing-masing. Dalam artikel ini membahas mengenai pengelompokkan 38 Kabupaten/Kota di Jawa Timur berdasarkan penambahan jumlah kasus positif Covid-19. Data pada penelitian ini merupakan data time series karena data positif Covid-19 dicatat setiap hari dari tanggal 19 Maret 2020 sampai 31 Januari 2021. Metode pengelompokkan yang digunakan adalah metode K-Means. Diperoleh hasil bahwa cluster yang paling optimal yaitu dengan jumlah k=2. Nilai koefisien silhouette sebesar 0.75 sehingga cluster yang terbentuk dalam kategori strong cluster. Dengan jumlah k=2 diperoleh bahwa cluster 1 merupakan Kabupaten/Kota dengan penambahan jumlah kasus positif Covid-19 tinggi yaitu Kota Surabaya dan 37 provinsi lainnya masuk dalam cluster 2 dengan penambahan jumlah kasus positif Covid-19 yang rendah
Pengklasteran Daerah di Jawa Timur Berdasarkan Curah Hujan Elok Rizqi Auliya
MATHunesa: Jurnal Ilmiah Matematika Vol 9 No 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (903.295 KB) | DOI: 10.26740/mathunesa.v9n2.p431-436

Abstract

Curah hujan di beberapa provinsi di Indonesia memiliki intensitas yang cukup tinggi, termasuk di Provinsi Jawa Timur. Intensitas curah hujan yang tinggi dan terjadi secara terus menerus akan menimbulkan berbagai bencana hidrometeorologi. Sehingga diperlukan mitigasi bencana untuk mengurangi dampak yang diakibatkan. Salah satu upaya yang dapat dilakukan yaitu dengan mengklaster daerah yang memiliki karakteristik curah hujan yang hampir sama. Oleh karena itu, dalam artikel ini akan dilakukan pengklasteran daerah berdasarkan curah hujannya di Jawa Timur menggunakan single linkage, complete linkage, dan average linkage. Dari pengklasteran dengan menggunakan tiga metode tersebut, diperoleh dendrogram untuk masing-masing metode. Kemudian akan dibentuk pengklasteran sebanyak 2 klaster, 3 klaster, 4 klaster, dan 5 klaster. Dari masing-masing klaster yang dibentuk dan metode clustering yang digunakan, dilakukan cluster validation untuk menentukan metode terbaik dengan menggunakan nilai Dunn Index yang terbesar. Nilai Dunn Index yang terbesar yaitu sebesar 1.120301 dengan 3 klaster baik dengan metode single linkage, complete linkage, maupun average linkage.

Page 24 of 63 | Total Record : 625

 22   23   24   25   26 

Filter by Year

2013 2025


Reset
Filter By Issues
All Issue Vol. 13 No. 3 (2025) Vol. 13 No. 2 (2025) Vol. 13 No. 1 (2025) Vol. 12 No. 3 (2024) Vol. 12 No. 2 (2024) Vol. 12 No. 1 (2024) Vol. 11 No. 3 (2023) Vol 11 No 2 (2023) Vol. 11 No. 1 (2023) Vol 10 No 3 (2022) Vol 10 No 2 (2022) Vol 10 No 1 (2022) Vol 9 No 3 (2021) Vol 9 No 2 (2021) Vol 9 No 1 (2021) Vol 8 No 3 (2020) Vol 8 No 2 (2020) Vol 8 No 1 (2020) Vol 7 No 3 (2019) Vol 7 No 2 (2019) Vol 7 No 1 (2019) Vol 6 No 3 (2018) Vol 6 No 2 (2018) Vol 6 No 1 (2018) Vol 5 No 3 (2017) Vol 5 No 2 (2017) Vol 5 No 1 (2017) Vol 3 No 3 (2014) Vol 3 No 2 (2014) Vol 3 No 1 (2014) Vol 1 No 5 (2013) Vol 1 No 4 (2013) Vol 1 No 3 (2013) Vol 1 No 2 (2013) Vol 1 No 1 (2013) More Issue