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 695 Documents
 56   57   58   59   60 
Metode Regresi Linier Berganda Berbasis Machine Learning untuk Memprediksi Peminjaman Buku di Kabupaten Pamekasan ribkiyatul aini
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p487-493

Abstract

Abstrak Peningkatan literasi masyarakat melalui perpustakaan daerah menuntut adanya pengelolaan data peminjaman buku yang efektif dan prediktif. Penelitian ini bertujuan untuk memprediksi jumlah peminjaman buku di Kabupaten Pamekasan menggunakan metode regresi linier berganda berbasis machine learning. Data yang digunakan merupakan data peminjaman buku tahun 2023 hingga 2024 dengan lima variabel bebas: jumlah mahasiswa, pelajar, sekolah, masyarakat umum, dan katagori lainnya. Penelitian menguji empat model regresi diuji, yaitu model linier dasar, model interaksi, model polinomial, dan model gabungan interaksi dan kuadrat. Hasil menunjukkan bahwa meskipun model model kompleks seperti interaksi dan polynomial meningkatkan nilai R-squared hingga maksimal, adjusted R-squared yang rendah menandakan kemungkinan overvitting. Model linier dasar memberikan keseimbangan terbaik antara akurasi dan kompleksitas dengan R-squared sebesar 46,8%.Dengan demikian, metode regresi linier berganda cocok untuk prediksi peminjaman buku jika dilakukan dengan pemilihan model yang tepat Abstract Increasing public literacy through regional libraries requires effective and predictive book lending data management. This study aims to predict the number of book lending in Pamekasan Regency using a multiple linear regression method based on machine learning. The data used is book lending data from 2023 to 2024 with five independent variables: the number of students, students, schools, the general public, and othercategories. The study tested four regression models,namely the basic linier model, interaction model, polynomial model, and a combined interaction and quadratic model. The results show that although complex models such as interaction and polynomial increase the R-squared value to the maximum, a lowadjusted R-squared indicates the possibility ofoverfitting. The basic linier model provides the best balance between accuracy and complexity with an R-squared of 45,8%. Thus, the multiple linier regression method is suitable for predicting book lending if it is carried out the right model selection.
PERBANDINGAN MODEL DISTRIBUSI PROBABILITAS PADA DATA BIAYA PEMBAYARAN KLAIM PT JASA RAHARJA Fathum Miroyati Ummi Najwa
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p502-508

Abstract

Klaim dalam asuransi merupakan tuntutan dari pemegang polis kepada pihak perusahaan asuransi untuk memperoleh kompensasi atas kerugian yang timbul akibat suatu risiko. Salah satu jenis asuransi yang umum ditemui adalah asuransi kecelakaan lalu lintas. Asuransi kecelakaan lalu lintas di Indonesia diselenggarakan oleh pemerintah melalui PT. Jasa Raharja. Penelitian ini bertujuan untuk membandingkan beberapa model distribusi probabilitas untuk data pembayaran klaim kecelakaan lalu lintas yang diperoleh dari PT Jasa Raharja Perwakilan Surabaya periode tahun 2022–2024. Model distribusi probabilitas yang dianalisis meliputi distribusi Eksponensial, Lognormal, dan Weibull. Berdasarkan hasil uji Kolmogorov–Smirnov, data penelitian tersebut tidak cocok berdistribusi Ekponensial namun cocok berdistribusi Lognormal dan Weibull. Selanjutnya, pemilihan model terbaik dilakukan berdasarkan nilai Akaike Information Criterion (AIC), yang menunjukkan bahwa distribusi Weibull memiliki nilai AIC terkecil senilai 1.672,07 dibandingkan dengan distribusi Lognormal yang memiliki nilai AIC senilai 1.680,47. Oleh karena itu, distribusi Weibull merupakan model distribusi terbaik untuk merepresentasikan data pembayaran klaim tersebut, dengan parameter bentuk alpha = 0,5142 dan parameter skala beta = 2.093.730.414,09. Kata Kunci: Model distribusi probabilitas, Klaim, Eksponensial, Lognormal, Weibull, Akaike Information Criterion.
PENERAPAN ALGORITMA DECISION TREE DALAM KLASIFIKASI KETERLAMBATAN JAM MASUK KERJA KARYAWAN DENGAN RAPIDMINER Niquita Sepha Kanaya; Suvriadi Panggabean
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p451-458

Abstract

Banyak elemen yang berkontribusi, termasuk jarak ke tempat kerja, waktu keberangkatan dan bangun tidur, cuaca, moda transportasi, dan tingkat lalu lintas, menjadi pertimbangan ketika menilai keterlambatan karyawan. Oleh karena itu, untuk mengukur dan meramalkan keterlambatan karyawan, diperlukan pendekatan kategorisasi. Data karyawan dari BPJS Kesehatan Cabang Medan diklasifikasikan dalam penelitian ini dengan menggunakan pendekatan Decision Tree. Data survei, yang meliputi informasi jam bangun, jam berangkat, waktu perjalanan, cuaca, transportasi, dan status keterlambatan, dikumpulkan dari 150 karyawan. Dengan menggunakan metodologi pembagian data pelatihan dan pengujian, program RapidMiner digunakan untuk pemrosesan dan analisis data. Dengan akurasi maksimum 94,00%, temuan akhir dari penelitian ini menunjukkan bahwa algoritma Decision Tree dapat mengkategorikan data secara efektif. Hal ini menunjukkan bahwa, dengan menggunakan data yang diamati, model yang dikembangkan dapat digunakan untuk membantu memprediksi kemungkinan keterlambatan karyawan.
ANALISIS RISIKO PORTOFOLIO OPTIMAL MENGGUNAKAN TREYNOR BLACK MODEL DAN EXPECTED SHORTFALL Salsabila salsabila; Mohammad Farhan Qudratullah
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p466-474

Abstract

Perkembangan investasi syariah di Indonesia menunjukkan tren yang positif dan mendorong perlunya penerapan strategi manajemen risiko yang efektif. Penelitian ini bertujuan membentuk portofolio optimal berbasis saham syariah dengan menggabungkan model Treynor-Black dan metode Expected Shortfall (ES). Model Treynor-Black digunakan untuk mengidentifikasi saham-saham unggulan berdasarkan alpha dan beta, sedangkan ES dipilih karena mampu mengukur risiko ekstrem secara lebih akurat dibandingkan Value at Risk (VaR). Analisis dilakukan dengan menggunakan data harian saham yang tergabung dalam Jakarta Islamic Index (JII) untuk periode Juni 2023 hingga Mei 2024. Hasil analisis menunjukkan bahwa terdapat 10 saham yang layak dimasukkan ke dalam portofolio aktif. Bobot yang dihasilkan ADRO sebesar 26,42%, TPIA 16,19%, AKRA 12,46%, PTBA 9,07%, JPFA 8,54%, ACES sebesar 8,36%, EXCL sebesar 7,31%, MIKA sebesar 7,14%, CPIN sebesar 3,03%, dan CTRA 1,48%. Portofolio gabungan yang terbentuk dari portofolio aktif dan portofolio pasar menghasilkan expected return harian sebesar 0,025% dengan standar deviasi sebesar 1,11%, dan nilai Expected Shortfall 5,02%. Hal ini mencerminkan keseimbangan antara potensi keuntungan dan risiko yang terukur, sehingga kombinasi model Treynor Black dan Expected Shortfall efektif dalam membentuk portofolio syariah yang optimal dan responsif terhadap dinamika pasar.
PEMODELAN DAN SIMULASI PREDIKSI BESAR KLAIM JAMINAN KECELAKAAN KERJA DI BPJS KETENAGAKERJAAN CABANG JUANDA: Bahasa Indonesia Tharisma Nova Agly Antalia
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p669-678

Abstract

BPJS Ketenagakerjaan merupakan lembaga yang memberikan perlindungan jaminan sosial bagi tenaga kerja di Indonesia, salah satunya melalui program Jaminan Kecelakaan Kerja (JKK). Setiap tahunnya, besar klaim JKK mengalami fluktuasi sehingga diperlukan prediksi untuk memperkirakan kebutuhan dana agar pengelolaan anggaran lebih optimal. Penelitian ini bertujuan memodelkan dan memprediksi besar klaim JKK pada BPJS Ketenagakerjaan Cabang Juanda menggunakan pendekatan distribusi probabilitas. Data yang digunakan berupa rekapitulasi besar klaim JKK periode Januari 2020 hingga Desember 2023, yang dibagi menjadi data latih (75%) dan data uji (25%). Distribusi Gamma, Lognormal, dan Pareto diterapkan pada data latih, dengan estimasi parameter menggunakan metode Maximum Likelihood Estimation (MLE). Uji kecocokan model dilakukan dengan Kolmogorov-Smirnov (KS), sedangkan pemilihan model terbaik ditentukan berdasarkan Akaike Information Criterion (AIC). Model terbaik kemudian digunakan untuk memprediksi besar klaim tahun 2023 dengan variasi jumlah simulasi sebanyak 50, 100, 1000, dan 10000 kali. Akurasi prediksi dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa distribusi Lognormal menjadi model paling sesuai dalam memodelkan besar klaim JKK, dengan nilai AIC sebesar 1568,9080 dan nilai statistik KS sebesar 0,0756 disertai p-value 0,9763. Prediksi besar klaim tahun 2023 menggunakan model ini menghasilkan nilai MAPE terbaik sebesar 28,2518% saat jumlah simulasi sebanyak 100 kali, yang termasuk dalam kategori cukup baik. Berdasarkan hasil tersebut, distribusi Lognormal menjadi model paling tepat untuk prediksi besar klaim JKK di BPJS Ketenagakerjaan Cabang Juanda serta dapat menjadi bahan pertimbangan dalam perencanaan dana program JKK di masa mendatang.
ANALISIS DINAMIK MODEL PENYEBARAN VIRUS NIPAH PADA MANUSIA DAN KELELAWAR DENGAN PENGARUH VAKSINASI Kasih Aji Wijayanti; Budi Priyo Prawoto
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p378-387

Abstract

Virus Nipah merupakan penyakit zoonosis yang berasal dari kelelawar buah dari genus Pteropus, yang berperan sebagai reservoir alami dan dapat menularkan virus ini kepada manusia tanpa menunjukkan gejala klinis. Tingginya angka kematian serta belum tersedianya terapi yang efektif menjadikan vaksinasi sebagai strategi penting dalam pengendalian penyebaran virus ini. Penelitian ini bertujuan untuk menganalisis dinamika penyebaran virus Nipah antara populasi kelelawar dan manusia dengan mempertimbangkan pengaruh vaksinasi. Model yang digunakan adalah model SVEIR untuk manusia dan model SI untuk kelelawar. Model ini memuat tujuh subpopulasi yaitu manusia rentan (S_H), manusia tervaksinasi (V_H), manusia terpapar (E_H), manusia terinfeksi (I_H), manusia sembuh (R_H), kelelawar rentan (S_B), dan kelelawar terinfeksi (I_B). Didapatkan dua titik kesetimbangan, yakni titik kesetimbangan bebas penyakit T₀ dan titik kesetimbangan endemik T₁. Analisis kestabilan dilakukan terhadap titik kesetimbangan bebas penyakit menggunakan pendekatan Jacobian, serta Next Generation Matrix (NGM) untuk menentukan bilangan reproduksi dasar (R₀). Titik kesetimbangan bebas penyakit stabil ketika memenuhi syarat kestabilan berikut: β₃ < μ_B² / Λ_B. Sedangkan titik kesetimbangan endemik stabil ketika memenuhi syarat berikut:β₃ > μ_B² / Λ_B. Bilangan reproduksi dasar diperoleh dari persamaan berikut: R₀ = (β₃ Λ_B) / μ_B². Jika R₀ < 1 maka penyakit akan punah dari populasi dan jika R₀ > 1 maka penyakit akan tetap endemik dalam populasi. Hasil simulasi numerik menunjukkan bahwa peningkatan laju vaksinasi manusia ω_H dapat menurunkan jumlah individu yang rentan, terpapar, terinfeksi, dan sembuh serta mempercepat pemusnahan infeksi, baik dalam kondisi bebas penyakit maupun endemik. Namun, vaksinasi tidak memengaruhi dinamika populasi kelelawar. Oleh karena itu, strategi pengendalian tambahan pada populasi kelelawar diperlukan guna memutus rantai penularan secara komprehensif. Kata Kunci: Virus Nipah, Vaksinasi, Syarat Kestabilan, Bilangan Reproduksi Dasar, Simulasi Numerik.
Optimasi Parameter Tuning Pada Model Regresi Logistik Lasso Syarifah Fadhilah
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p445-450

Abstract

Regresi logistik LASSO merupakan metode klasifikasi biner yang efektif dalam mengatasi multikolinieritas dan menyederhanakan model melalui seleksi variabel otomatis. Penelitian ini bertujuan untuk mengevaluasi pengaruh kombinasi tiga metode validasi silang (KFold, Stratified KFold, dan Repeated KFold) dan tiga rentang nilai parameter tuning terhadap performa dan kesederhanaan model regresi logistik LASSO. Evaluasi dilakukan pada data sekunder dari Kaggle serta tiga dataset bangkitan dengan ukuran dan kompleksitas berbeda. Model dievaluasi menggunakan metrik log loss, F1 score, apparent error rate (APER), dan jumlah variabel terseleksi. Hasil menunjukkan bahwa nilai tuning optimal bergantung pada karakteristik data dan metode validasi silang yang digunakan. Stratified KFold memberikan performa terbaik pada data tidak seimbang, sedangkan KFold lebih efisien untuk dataset besar. LASSO terbukti mampu menyederhanakan model tanpa kehilangan akurasi secara signifikan.
COMPUTATIONAL ANALYSIS OF TOPOLOGICAL INDICES ON POWER GRAPHS OF MODULO PRIME POWER GROUPS USING PYTHON Rabbelia Tri Qudrani; Tri Maryono Rusadi; I Gede Adhitya Wisnu Wardhana; Abdul Gazir Syarifudin
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p459-465

Abstract

This study uses Python to calculate and analyze three indices such as the first Zagreb, Wiener, and Gutman indices on the rank graph of the group modulo the power of a prime number. It relies on formulas that have been developed by previous research. By using Python libraries such as NetworkX, Matplotlib, and Tkinter, the calculation process becomes more efficient and allows visualization of index variations based on changes in the values of prime p and exponent k. The results show that the values of the three indices increase as the values of p and k increase, reflecting the increasing complexity of the graph structure. At large values of p and k, the graph visualization is too complex which causes the graph visualization to be less clear. This approach proves to be effective in supporting visual and quantitative exploration of algebraic structures.
OPTIMISASI PORTOFOLIO UNTUK GREEN ECONOMY MENGGUNAKAN METODE SHARPE RATIO, TREYNOR RATIO, DAN JENSEN ALPHA Werry Febrianti; Ainol Yaqin
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p314-320

Abstract

Investment strategies based on Environmental, Social, and Governance (ESG) principles are gaining popularity as a response to global sustainability challenges. This study evaluates the performance of an ESG-based stock portfolio derived from the IDX ESG Leaders index, representing a green investment strategy in the Indonesian market. Five constituent stocks—BBCA, UNVR, TLKM, SMGR, and DSNG—were selected based on ESG risk ratings and market capitalization. Using daily return data from January 2021 to April 2025, the portfolio performance was assessed through Sharpe Ratio, Treynor Ratio, and Jensen Alpha. The results show that BBCA demonstrated the highest risk-adjusted efficiency with a Sharpe Ratio of 0.00445, while DSNG showed the strongest performance relative to market expectations with a positive Jensen Alpha of 0.000003. TLKM recorded the highest Treynor Ratio at 0.00057. These findings suggest that ESG-oriented stock selection, when combined with rigorous risk-return analysis, can support the development of competitive and sustainable portfolios. This study highlights the financial viability of green investing and its potential contribution to sustainable capital markets.
PENERAPAN MODEL HYBRID ARIMA-GARCH DALAM PERAMALAN JUMLAH WISATAWAN DOMESTIK KE BALI Putu Ngurah Harimbawa; I Gusti Putu Suharta; Putu Kartika Dewi
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p366-377

Abstract

Pariwisata merupakan sektor strategis dalam perekonomian Bali. Namun, ketergantungan tinggi terhadap wisatawan mancanegara menyebabkan kerentanan saat krisis, seperti pandemi Covid-19. Oleh karena itu, diversifikasi terhadap wisatawan domestik menjadi strategi penting, sehingga perencanaan yang tepat ini memerlukan dukungan model peramalan yang akurat. Data jumlah wisatawan domestik cenderung memiliki volatilitas data yang tidak konstan dan bersifat heteroskedastisitas, seperti lonjakan saat musim liburan dan penurunan akibat kebijakan pembatasan, yang menyebabkan perubahan varians residual secara dinamis. Oleh karena itu, diperlukan pendekatan peramalan yang mampu menangkap pola linier sekaligus memodelkan volatilitas bersyarat dalam data. Penelitian ini bertujuan untuk mengevaluasi keakuratan model hybrid ARIMA–GARCH dalam meramalkan jumlah wisatawan domestik bulanan yang berkunjung ke Bali. Model ARIMA digunakan untuk menangkap pola linier jangka panjang, sedangkan GARCH digunakan untuk memodelkan volatilitas bersyarat. Data yang digunakan adalah data bulanan jumlah wisatawan domestik periode Januari 2004 hingga Desember 2024. Model terbaik yang diperoleh adalah ARIMA(2,1,4)-GARCH(1,0), dipilih berdasarkan nilai AIC dan SIC terkecil serta memenuhi uji diagnostik model. Evaluasi akurasi menunjukkan nilai MAE sebesar 129.524 dan nilai MAPE sebesar 16,15%, yang termasuk kategori akurat. Hasil peramalan digunakan untuk memproyeksikan jumlah wisatawan domestik periode Januari 2025 hingga Desember 2026. Temuan ini menunjukkan bahwa model ARIMA–GARCH efektif dalam menangani data wisatawan yang bersifat volatil dan dapat digunakan sebagai dasar pengambilan keputusan dalam kebijakan pariwisata berbasis data di Bali. Kata Kunci: ARIMA-GARCH, peramalan, wisatawan domestik, volatilitas, Bali

Page 58 of 70 | Total Record : 695

 56   57   58   59   60 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol. 14 No. 1 (2026) 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