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 767 Documents
PREDIKSI HARGA SAHAM PT. UNILEVER INDONESIA TBK SELAMA GERAKAN BDS MENGGUNAKAN GEOMETRIC BROWNIAN MOTION Michael Axel Suwito
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p588-594

Abstract

Studi ini bertujuan untuk mengetahui dan menganalisis dampak gerakan Boycott, Divestment, and Sanctions (BDS) terhadap harga saham PT. Unilever Indonesia Tbk selama kurun waktu tertentu. Dengan menggunakan pendekatan Geometric Brownian Motion, studi ini membuat model prediktif untuk perilaku harga saham dan mengevaluasi akurasinya sebelum dan sesudah puncak gerakan pada 25 Oktober 2023. Penelitian ini secara spesifik bertujuan untuk memahami bagaimana gerakan BDS mempengaruhi pergerakan harga saham PT. Unilever Indonesia Tbk. Data tersebut mencakup nilai penutupan saham harian dari 25 September 2023 hingga 22 November 2023, sebagaimana dikumpulkan dari Yahoo Finance.Hasilnya menunjukkan bahwa model Geometric Brownian Motion secara akurat memperkirakan perubahan harga saham, seperti yang terlihat dari nilai Mean Absolute Percentage Error yang rendah. Sebelum pergerakan, parameter drift positif sebesar 0,0193 mengindikasikan ekspansi, sedangkan parameter drift negatif sebesar -0,0064 setelah puncak mengindikasikan peningkatan ketidakpastian dan kemungkinan penurunan. Sepanjang periode tersebut, nilai saham sangat fluktuatif, yang menyoroti dampak isu sosial politik eksternal.Studi ini menunjukkan bahwa model Geometric Brownian Motion merupakan metode yang efektif untuk memodelkan dan memperkirakan pergerakan harga saham selama gerakan BDS berlangsung. Studi mendatang diharapkan menggunakan lebih banyak variabel eksternal, seperti faktor makroekonomi (inflasi, suku bunga) dan sentimen pasar, serta pemodelan ramalan lainnya seperti ARIMA, GARCH, atau machine learning untuk meningkatkan akurasi prediksi dan memperoleh pengetahuan yang lebih baik tentang perilaku pasar.
ANALISIS KESTABILAN SISTEM TEREKSITASI SENDIRI YANG DIRANGKAI DENGAN EKSITASI PARAMETRIK Adelia Fernanda Putri
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p578-587

Abstract

Implementasi FCM-ANFIS dalam Prediksi Tingkat Inflasi di Indonesia Nur Fathiah; Dwi Nur Yunianti
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p604-616

Abstract

Tingkat inflasi yang tinggi masih menjadi permasalahan ekonomi yang harus dihadapi negara berkembang, seperti Indonesia. Inflasi adalah suatu kondisi harga barang-barang secara umum mengalami kenaikan dan berlangsung secara terus-menerus serta saling mempengaruhi. Inflasi memiliki dampak signifikan pada perekonomian dan kesejahteraan masyarakat, seperti penurunan daya beli masyarakat, meningkatnya pengangguran, merosotnya pertumbuhan ekonomi, dan ketidaksetaraan sosial. Ada beberapa faktor penyebab inflasi di Indonesia, diantaranya adalah jumlah uang beredar, suku bunga, dan nilai tukar rupiah. Prediksi diperlukan dalam proses pengambilan keputusan karena dapat memberikan dasar untuk perencanaan dan keputusan dalam meningkatkan keuntungan atau mencegah kerugian. Salah satu metode yang dapat digunakan dalam prediksi adalah metode Adaptive Neuro Fuzzy Inference System (ANFIS). Metode ANFIS merupakan metode gabungan dari jaringan saraf tiruan dan logika fuzzy. Ada dua parameter dalam metode ANFIS, yaitu parameter premis dan parameter konsekuen. Dalam penelitian ini, parameter premis diperoleh dengan menggunakan Fuzzy C-Means (FCM). Penelitian ini dilakukan dengan tujuan untuk memprediksi tingkat inflasi di Indonesia menggunakan FCM-ANFIS, dengan tujuan memperoleh hasil prediksi yang lebih akurat. Pengelompokkan data dengan FCM menghasilkan 4 cluster, dengan cluster 1 terdiri dari 38 bulan, cluster 2 terdiri dari 19 bulan, cluster 3 terdiri dari 29 bulan, dan cluster 4 terdiri dari 39 bulan. Proses prediksi tingkat inflasi dengan menggunakan FCM-ANFIS menghasilkan nilai RMSE sebesar 0,3645, sehingga implementasi FCM-ANFIS cukup baik dalam prediksi tingkat inflasi di Indonesia.
Penentuan Harga Opsi Foreign Exchange Menggunakan Model Heston Stochastic Volatility Libelda Aldinaduma Harahap; Rudianto Artiono
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p524-530

Abstract

Penelitian ini mengkaji penentuan harga opsi valuta asing USD/IDR menggunakan model Heston, yang menangkap volatilitas berubah-ubah (stokastik), dengan dua metode: transformasi Fourier dan simulasi Monte Carlo. Data nilai tukar USD/IDR periode 2020–2024 digunakan untuk analisis. Model Heston disesuaikan dengan memasukkan dua suku bunga berbeda untuk menghitung dinamika nilai tukar. Metode Fourier memberikan solusi semi-analitik yang efisien secara komputasi, sedangkan Monte Carlo menangkap dinamika stokastik melalui simulasi jalur acak. Hasil menunjukkan pola harga opsi call dan put yang konsisten terhadap nilai tukar, volatilitas, dan selisih suku bunga. Perbandingan menggunakan MAPE menunjukkan bahwa hasil keduanya relatif konsisten, terutama pada opsi put (galat <7%) dan opsi call (sekitar 14–17%). Penelitian ini memperluas penerapan model Heston dalam konteks opsi valuta asing dan menunjukkan bahwa Fourier dan Monte Carlo dapat digunakan secara saling melengkapi dalam penetapan harga derivatif.
Pemodelan Indeks Pembangunan Gender (Ipg) Menggunakan Pendekatan Metode Regresi Probit Biner Di Kabupaten/Kota Pulau Sumatera Tahun 2024 Pratiwi Lestari
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p149-155

Abstract

Indeks Pembangunan Gender (IPG) merupakan indikator penting dalam mengukur kesetaraan gender, khususnya dalam aspek kesehatan, pendidikan, dan ekonomi. Meskipun telah terjadi kemajuan dalam pembangunan gender, ketimpangan antarkabupaten/kota di Pulau Sumatera masih terlihat signifikan. Penelitian ini bertujuan untuk memodelkan IPG di tingkat kabupaten/kota se-Pulau Sumatera tahun 2024 dengan menggunakan pendekatan regresi probit biner. Variabel prediktor yang digunakan meliputi rata-rata lama sekolah perempuan, umur harapan hidup perempuan, dan pengeluaran per kapita disesuaikan. Hasil analisis menunjukkan bahwa umur harapan hidup perempuan dan pengeluaran per kapita disesuaikan berpengaruh signifikan terhadap probabilitas pencapaian IPG tinggi. Model regresi probit biner yang dibangun memiliki tingkat akurasi klasifikasi sebesar 83,77%, yang menunjukkan performa model yang baik dalam memetakan capaian IPG. Temuan ini diharapkan dapat menjadi dasar dalam perumusan kebijakan pembangunan yang lebih inklusif dan responsif gender di Pulau Sumatera. Kata Kunci: kesetaraan gender, Indeks Pembangunan Gender (IPG), regresi probit biner.
RUANG METRIK EUCLIDEAN DALAM ANALISIS SIFAT KONVERGENSI BARISAN DAN ASPEK KELENGKAPANNYA Rabbiatul Adawiah
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p138-148

Abstract

Penelitian ini merupakan studi teoretis dalam bidang matematika murni yang mengkaji sifat konvergensi barisan dan kelengkapan pada ruang metrik Euclidean. Fokus utama terletak pada ruang Euclidean berdimensi hingga yang dilengkapi dengan metrik Euclidean standar . Metode yang digunakan dalam penelitian ini adalah studi pustaka dengan mengumpulkan dan mempelajari berbagai sumber pustaka. Pada penelitian ini akan ditunjukkan bahwa merupakan ruang metrik. Selain itu, akan disajikan sifat-sifat dari ruang Euclidean dan ruang metrik yang akan digunakan untuk membuktikan konvergensi barisan pada ruang metrik Euclidean. Lebih lanjut, dengan menggunakan sifat-sifat dari barisan Cauchy, akan ditunjukkan merupakan ruang metrik lengkap. Penelitian ini menunjukkan bahwa konvergensi barisan dalam ruang metrik Euclidean ekuivalen dengan konvergensi barisan di . Konvergensi barisan di dilengkapi dengan norma Euclidean, yaitu norma yang berasal dari hasil kali dalam standar (dot product). Lebih lanjut, ruang metrik Euclidean dikategorikan sebagai ruang metrik lengkap, karena kelengkapannya berkaitan dengan sifat konvergensi barisan dan keberadaan barisan Cauchy yang konvergen di dalamnya. Kata Kunci: barisan Cauchy, konvergensi barisan, kelengkapan, ruang Euclidean, ruang metrik.
Pemodelan faktor-faktor yang memengaruhi pernikahan dini di provinsi kepulauan bangka belitung menggunakan regresi poisson Dita Rahmania
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p165-171

Abstract

Pernikahan dini masih menjadi permasalahan yang cukup kompleks di Indonesia, khususnya di Provinsi Kepulauan Bangka Belitung. Angka pernikahan dini di Provinsi Kepulauan Bangka Belitung mencapai 107 jiwa dan berada diperingkat ke-12 di Indonesia pada tahun 2024. Penelitian ini bertujuan untuk mengetahui factor yang berpengaruh terhadap pernikahan dini di setiap kabupaten/kota di Provinsi Kepulauan Bangka Belitung. Variabel yang digunakan dalam penelitian ini adalah Angka Partisipasi Murni (APM), Tingkat Pengangguran Terbuka (TPT), Tingkat Penduduk Miskin (TPM), dan Indeks Pembangunan Gender (IPG). Analisis yang digunakan dalam penelitian ini adalah Regresi Poisson. Hasil dari penelitian ini adalah faktor-faktor yang memengaruhi pernikahan dini di Provinsi Kepulauan Bangka Belitung adalah Angka Partisipasi Murni (APM), Tingkat Pengangguran Terbuka (TPT), dan Tingkat Penduduk Miskin (TPM), serta nilai AIC yang di peroleh sebesar 964,81.
ANALISIS AKURASI ALGORITMA K-NEAREST NEIGHBOR BERBASIS PARTICLE SWARM OPTIMIZATION PADA STUDI KASUS DIAGNOSA PENYAKIT JANTUNG Feri Tri Setiawan Feri
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p120-126

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, sehingga deteksi dini menjadi aspek krusial dalam pengambilan keputusan medis. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi diagnosa penyakit jantung dengan menggabungkan algoritma K-Nearest Neighbor (K-NN), Particle Swarm Optimization (PSO). K-NN dipilih karena kesederhanaannya dalam klasifikasi berbasis jarak, sementara PSO digunakan untuk mengoptimalkan parameter K secara otomatis guna meningkatkan performa prediksi. Data yang digunakan bersumber dari dataset terbuka berisi 300 data pasien, yang diolah melalui tahapan preprocessing, splitting, dan evaluasi multikolinearitas. Eksperimen dilakukan dengan empat skenario pembagian data (60:40, 70:30, 80:20, dan 90:10) dan perbandingan antara metode K-NN dan KNN-PSO. Hasil pengtestingan menunjukkan bahwa integrasi K-NN dengan PSO menghasilkan peningkatan akurasi signifikan dibandingkan K-NN murni. Akurasi terbaik tercapai pada skenario KNN-PSO dengan 20 partikel dan rasio data training-testing 90:10 dengan nilai K = 4, menghasilkan akurasi sebesar 80%. Temuan ini menunjukkan bahwa penggunaan PSO efektif dalam optimasi parameter pada algoritma K-NN untuk klasifikasi penyakit jantung, serta memberikan potensi untuk pengembangan sistem pendukung keputusan medis yang lebih akurat.
RICE HARVEST AREA FORECASTING USING MOVING AVERAGE METHOD FOR FOOD SECURITY PLANNING Andika Ellena Saufika Hakim Maharani; Helmina Andriani; Nuzla Af'idatur Robbaniyyah; Salwa; Nafika Fatanaya
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p29-36

Abstract

Ensuring food security is a key part of sustainable development in Indonesia, especially since rice remains the country's staple crop. In regions like West Nusa Tenggara (NTB) Province, where rice harvest areas can vary significantly, having accurate forecasts is essential for effective planning. This study explores historical data on rice harvest areas in NTB to forecast future trends, uncover seasonal patterns, and assess long-term changes. To do this, we apply and compare three forecasting methods: Simple Moving Average (SMA), Weighted Moving Average (WMA), and Exponential Moving Average (EMA). Their performance is evaluated using accuracy measures such as Root Mean Squared Error (RMSE) and Mean Absolute Percentage Error (MAPE), with results also presented visually to support data-driven decision-making. Among the methods tested, EMA with a 3-period window (EMA-3) produced the most accurate forecasts. This is reflected in its lower RMSE and MAPE values compared to the other methods. Based on the MAPE results, EMA-3 proves to be a reliable method for forecasting rice harvest areas in NTB.
Implementasi LEast Square Support Vector Machine dengan Algoritma Artificial Bee Colony dan K-Fold Cross Validation pada Peramalan Harga Saham Pt. Perusahaan Gas Negaea anwarsukri uki
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p59-66

Abstract

Abstrak Peramalan harga saham adalah proses analisis data historis harga saham secara matematis dengan tujuan untuk memprediksi pergerakan harga saham di masa yang akan datang. Saham sendiri salah satu instrumen investasi yang sangat sensitif terhadap berbagai isu dan berita yang sedang terjadi sehingga cenderung memiliki sifat non-linear, fluktuatif, dan memiliki pola tren. Least Square Support Vector Machine (LSSVM) merupakan salah satu metode peramalan dalam menangani masalah data yang bersifat non-linear terutama pada data harga saham. LSSVM bekerja menggunakan dua parameter penting (hyperparameter) yang akan mempengaruhi hasil peramalan yakni parameter regulasi (γ) dan kernel RBF (σ). Penentuan ini nilai iptimal dari hyperparameter tersebut akan menggunakan bantuan algoritma Artificial Bee Colony (ABC) dan K-Fold Cross Validation. Hasil penilitian ini menunjukan bahwa dua parameter tersebut berpengaruh signifikan terhadap pemodelan preidksi. Dimana nilai hyperparameter yang diperoleh adalah γ = 10000 dan σ = 9163.63 dengan jumlah populasi 7 dan iterasi maksimal 10, hingga memiliki hasil prediksi parameter optimal adalah 1.3261. Metrik evaluasi menunjukan nilai Root Mean Squared Error (RMSE) sebesar 0,6283