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 694 Documents
Pemodelan Geographically Neural Network Weighted Regression pada Tingkat Pengangguran Terbuka di Indonesia Wunarso, Laura Christin; Murtika, Hendrikus Aldi Rezky; Faridzi, Muhammad Al; Faisal, Danu Raihan Muhammad; Riyadini, Arifah Raflina; Rahman, Muhammad Alif Fatur
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p634-647

Abstract

Abstrak Tingkat Pengangguran Terbuka (TPT) di Indonesia masih menjadi isu strategis dalam pembangunan ekonomi karena mencerminkan ketidakseimbangan antara pertumbuhan angkatan kerja dan ketersediaan lapangan kerja. Ketimpangan wilayah serta perbedaan kondisi sosial ekonomi antar daerah menyebabkan variasi spasial dalam tingkat pengangguran yang belum sepenuhnya dapat dijelaskan oleh model regresi klasik. Penelitian ini bertujuan untuk memodelkan faktor-faktor yang memengaruhi TPT di 512 kabupaten/kota di Indonesia tahun 2024 serta membandingkan performa beberapa pendekatan spasial. Metode yang digunakan adalah Geographically Neural Network Weighted Regression (GNNWR). Hasil menunjukkan bahwa setiap wilayah memiliki nilai koefisien pengaruh yang berbeda, menandakan adanya heterogenitas spasial pengaruh variabel terhadap TPT. Pada model GNNWR, variabel Indeks Pembangunan Manusia (IPM), Rata-rata Lama Sekolah (RLS), Persentase Penduduk Miskin (PPM), dan Tingkat Partisipasi Angkatan Kerja (TPA) berpengaruh signifikan terhadap TPT. Model GNNWR juga memberikan performa terbaik dengan nilai sebesar 0,68 (training) dan 0,61 (testing), AICc terendah (876,33), serta MAPE terkecil (20,01%). Hasil ini menunjukkan bahwa integrasi pendekatan spasial dan neural network pada model GNNWR mampu menangkap hubungan nonlinier dan meningkatkan akurasi prediksi TPT antarwilayah. Kata Kunci: Geographically Neural Network Weighted Regression, Heterogenitas Spasial, Tingkat Pengangguran Terbuka Abstract The Open Unemployment Rate (OUR) in Indonesia remains a strategic issue in economic development, as it reflects the imbalance between the growth of the labor force and the availability of job opportunities. Regional disparities and differences in socioeconomic conditions across areas lead to spatial variation in unemployment rates that cannot be fully explained by classical regression models. This study aims to model the factors influencing the OUR in 512 regencies/municipalities in Indonesia in 2024 and to compare the performance of several spatial approaches. The method employed is Geographically Neural Network Weighted Regression (GNNWR). The results show that each region has different coefficient values, indicating spatial heterogeneity in the effects of variables on the OUR. In the GNNWR model, the Human Development Index (HDI), Mean Years of Schooling (MYS), Percentage of Poor Population (PPP), and Labor Force Participation Rate (LFPR) have a significant effect on the OUR. The GNNWR model also provides the best performance, with an R² of 0.68 (training) and 0.61 (testing), the lowest AICc (876.33), and the smallest MAPE (20.01%). These results indicate that integrating spatial approaches and neural networks in the GNNWR model is able to capture nonlinear relationships and improve the accuracy of interregional OUR predictions. Keywords: Geographically Neural Network Weighted Regression, Spatial Heterogeneity, Open Unemployment Rate.
ANALISIS DINAMIKA DAN KESTABILAN MODEL PREDATOR–PREY DENGAN PERLINDUNGAN MUTUALISTIK ADAPTIF Rahmawati, Laili; Savitri, Dian
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p385-395

Abstract

Interaksi predator–mangsa di alam sering dipengaruhi oleh mekanisme perlindungan mutualistik, seperti keterlibatan semut yang melindungi mangsa sehingga menurunkan efektivitas predasi. Penelitian ini mengkaji model predator–mangsa dengan fungsi respon Holling tipe II yang dimodifikasi oleh perlindungan mutualistik adaptif, di mana tingkat perlindungan direpresentasikan melalui variabel preferensi semut yang dikendalikan oleh mekanisme regulasi. Tujuan penelitian ini adalah menganalisis titik kesetimbangan, kestabilan lokal sistem, serta pengaruh regulasi adaptif terhadap dinamika populasi predator dan mangsa. Metode yang digunakan meliputi penyusunan sistem persamaan diferensial nonlinier, penentuan titik kesetimbangan, analisis kestabilan lokal menggunakan matriks Jacobian dan nilai eigen, serta simulasi numerik untuk memvisualisasikan dinamika sistem dalam bentuk deret waktu dan potret fase dua serta tiga dimensi. Analisis dilakukan pada tiga skenario regulasi, yaitu tanpa regulasi, regulasi menuju nilai target tertentu, dan regulasi menuju tingkat perlindungan maksimum. Hasil menunjukkan bahwa tanpa regulasi sistem cenderung mengalami osilasi sebelum mencapai kestabilan, sedangkan penerapan regulasi adaptif mampu mempercepat peredaman fluktuasi dan mengarahkan sistem menuju titik kesetimbangan koeksistensi yang stabil. Semakin kuat regulasi yang diterapkan, semakin cepat sistem mencapai kestabilan, dan simulasi numerik mendukung hasil analisis kestabilan lokal secara analitik.
ANALISIS PENGARUH KUALITAS LAYANAN DAN KEPUASAN TERHADAP LOYALITAS KLIEN DI UNIT KONSULTASI PSIKOLOGI KAMPUS DENGAN METODE SEM-PLS Rochman, Ehda Ayati Azkamila
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p396-405

Abstract

Isu kesehatan mental mahasiswa meningkat seiring tekanan akademik, tuntutan sosial, dan fase transisi kehidupan perkuliahan. Menanggapi kondisi tersebut, Kampus XYZ membentuk Unit Konsultasi Psikologi Kampus sebagai layanan konsultasi psikologi gratis. Dalam periode Maret–Mei, unit ini menunjukkan peningkatan jumlah pengguna, yang mencerminkan tingginya kebutuhan layanan sekaligus memunculkan tantangan kualitas dan kapasitas yang berpotensi memengaruhi kepuasan dan loyalitas klien. Penelitian ini bertujuan menganalisis pengaruh kualitas layanan terhadap kepuasan dan loyalitas klien menggunakan pendekatan Structural Equation Modeling–Partial Least Squares (SEM-PLS) dan I (IPMA). Hasil penelitian menunjukkan bahwa kualitas layanan berpengaruh signifikan terhadap kepuasan (79%) dan loyalitas (47,4%), serta kepuasan memediasi hubungan keduanya. Analisis IPMA mengidentifikasi empat prioritas perbaikan utama, yaitu pemahaman personal oleh psikolog, kesesuaian harapan, pengalaman layanan yang menyenangkan, dan pemenuhan kebutuhan bantuan psikologis. Temuan ini menjadi dasar bagi Unit Konsultasi Psikologi Kampus XYZ dalam meningkatkan mutu layanan secara berkelanjutan.
Pendekatan Integral Fraksional Riemann-Liouville pada Fungsi Eksponensial Janan, Syifaul
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p406-411

Abstract

Penelitian ini menganalisis integral fraksional Riemann-Liouville pada fungsi eksponensial menggunakan pendekatan deret Maclaurin. Fungsi eksponensial direpresentasikan dalam bentuk deret pangkat, kemudian operator integral fraksional diterapkan pada setiap suku menggunakan sifat fungsi gamma. Hasil analisis menunjukkan bahwa integral fraksional fungsi eksponensial dapat dinyatakan sebagai deret tak hingga yang melibatkan rasio fungsi gamma. Melalui uji rasio, diperoleh bahwa deret ini konvergen untuk seluruh bilangan real, sama dengan interval konvergensi fungsi eksponensial aslinya. Simulasi numerik menggunakan MATLAB memverifikasi hasil analitis dan menunjukkan bahwa operator integral fraksional tidak mengubah sifat konvergensi global fungsi eksponensial, namun memodifikasi struktur dan skalanya bergantung pada orde fraksional. Penelitian ini memberikan pemahaman mendalam tentang perilaku fungsi eksponensial di bawah operasi integral fraksional dan dapat menjadi dasar penerapan metode serupa pada fungsi-fungsi lain.
PERBANDINGAN REGRESI GENERALIZED POISSON DAN REGRESI BINOMIAL NEGATIF DALAM MENGATASI OVERDISPERSI PADA JUMLAH KASUS KUSTA TIPE MB DI PROVINSI LAMPUNG TAHUN 2024 Setiawan, Dewi Indra
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p464-470

Abstract

Penyakit kusta merupakan salah satu penyakit menular yang masih menjadi masalah kesehatan di Provinsi Lampung, baik dari aspek medis maupun aspek sosial. Pada tahun 2024, jumlah penderita Kusta di Provinsi Lampung mencapai 185 orang yang terdiri atas 174 orang kusta MB (Paucibasiler) dan 11 orang kusta PB. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi jumlah penderita kusta MB di Provinsi Lampung dengan menggunakan regresi binomial negatif dan generalized Poisson untuk menangani overdispersi data, sebagai dasar rekomendasi pengendalian penyakit. Variabel respon yang digunakan adalah jumlah penderita kusta MB di Provinsi Lampung tahun 2024, sedangkan faktor yang dapat mempengaruhinya adalah persentase rumah Tangga yang memiliki Sanitasi Layak (X1), persentase puskesmas dengan 9 jenis tenaga kesehatan (X2), rasio puskesmas per kecamatan (X3), Persentase Rata-Rata Sanitasi Total Berbasis Masyarakat (X4), persentase sarana air minum yang diawasi/diperiksa kualitas air minumnya sesuai standar (X5), persentase penduduk miskin (X6). Hasil penelitian menunjukkan bahwa regresi generalized poisson lebih baik dalam mengatasi overdispersi dibanding regresi binomial negatif dilihat dari nilai AICnya. Pada taraf siginifikansi 10 persen, faktor yang berpengaruh signifikan pada penyakit Kusta MB adalah persentase rumah Tangga yang memiliki Sanitasi Layak (X1) dan persentase sarana air minum yang diawasi/diperiksa kualitas air minumnya sesuai standar (X5)
PEMBUATAN MOTIF BATIK MENGGUNAKAN CONDITIONAL GENERATIVE ADVERSARIAL NETWORKS (CGAN) Al Akbar, Muhammad Mahdy
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p412-420

Abstract

Stagnasi inovasi motif batik menjadi salah satu tantangan dalam pelestarian dan pengembangan batik sebagai warisan budaya Indonesia. Penelitian ini bertujuan untuk mengembangkan model Conditional Generative Adversarial Networks (CGAN) dalam menghasilkan motif batik baru yang memiliki keragaman pola dan kualitas visual yang baik. Dataset berupa citra motif batik dari berbagai daerah di Indonesia dipraproses melalui resizing ke resolusi 128×128 piksel, normalisasi, serta augmentasi geometris. Model CGAN dilatih menggunakan beberapa konfigurasi parameter, meliputi variasi jumlah epoch dan learning rate. Evaluasi kinerja model dilakukan secara kuantitatif menggunakan Inception Score (IS) dan Fréchet Inception Distance (FID). Hasil penelitian menunjukkan bahwa konfigurasi pelatihan dengan 1.000 epoch dan learning rate 0,0001 menghasilkan performa terbaik dengan nilai IS sebesar 3,10 ± 0,06 dan FID sebesar 32,40. Hasil ini mengindikasikan bahwa pemilihan parameter pelatihan yang tepat berpengaruh signifikan terhadap kualitas dan keragaman motif batik yang dihasilkan oleh model CGAN.
ANALISIS KLASIFIKASI KUALITAS HIDUP MANUSIA ANTAR KABUPATEN/KOTA DI INDONESIA MENGGUNAKAN ALGORITMA CATBOOST CLASSIFIER DAN SHAP VALUES Ayu Sofia; Linda Rassiyanti
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p430-444

Abstract

Human development must go hand in hand with improving quality of life, as reflected by HDI and its influencing factors. Classifying quality of life based on HDI into developed, developing, and underdeveloped areas offers insights into the human development performance of each district/city in Indonesia. The CatBoost Classifier and SHAP values help build an accurate model while interpreting variable influences. This study analyzes human quality of life classification across districts/cities based on HDI and related factors. The CatBoost model achieved 92.23% accuracy, with the best performance in the developing class, while the underdeveloped class showed low accuracy due to data imbalance. SHAP analysis revealed that average years of schooling, per capita expenditure, and region type were key variables in the developed and developing classes, while island location and sanitation access dominated in the underdeveloped class. These findings highlight the importance of education, economic welfare, and basic infrastructure in shaping quality of life. This research also supports actuarial social risk planning, particularly in designing data- and region-based social security systems.
PERBANDINGAN METODE SARIMA DAN BAYESIAN STRUCTURAL TIME SERIES PADA PERAMALAN INFLASI PROVINSI NUSA TENGGARA TIMUR Messakh, Louisa Feolin; Atti, Astri; Haning, Farly Oktriany; Ginting, Keristina Br.
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p421-429

Abstract

Inflation is one of the main macroeconomic indicators in Indonesia. Inflation occurs when demand exceeds supply, and if not properly controlled, it may affect the economic stability of a region. Inflation forecasting is therefore essential as a basis for governments in formulating and evaluating economic policies. This study aims to compare the performance of the Seasonal Autoregressive Moving Average (SARIMA) method and the Bayesian Structural Time Series (BSTS) method in forecasting inflation in East Nusa Tenggara Province. SARIMA is a classical forecasting method designed to handle seasonal patterns, while BSTS is a state-space model that allows separate decomposition of trend, seasonal, and regression components. The results of this study indicate that the BSTS method outperforms SARIMA, as reflected by smaller forecast error values. The BSTS model with a Semilocal Linear Trend component produces an RMSE of 0.5893397, an MAE of 0.4759239, and a MASE of 0.6509315.
MODEL REGRESI LOGISTIK BINER PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG KORONER PADA PASIEN PENDERITA JANTUNG DI RSUD PROF DR. W. Z. JOHANNES KUPANG Ndolu, Wanda Susanti; Atti, Astri; Ginting, Keristina Br.
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p471-476

Abstract

Penyakit jantung koroner merupakan penyakit yang menyerang jantung dan termasuk salah satu penyakit yang mematikan didunia. Di Indonesia sendiri penyakit jantung koroner tercatat sebanyak 1,5% penyebab kematian setelah stroke. Penelitian ini dilakukan untuk mengetahui model analisis regresi logistik biner dan mengetahui faktor-faktor yang mempengaruhi terjadinya penyakit jantung koroner pada pasien di RSUD Prof. Dr. W. Z. Johannes Kupang. Sumber data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari rekam medis pasien di Poli Jantung RSUD Prof. Dr. W. Z. Johannes Kupang pada tahun 2023 Sebanyak 120 pasien yang dijadikan sampel dan dianalisis menggunakan regresi logistik biner. Variabel dependen yaitu status penderita penyakit jantung koroner dan variabel independen yaitu jenis kelamin, usia, riwayat penyakit keluarga, hipertensi, indeks massa tubuh, diabetes mellitus, dan merokok. Hasil analisis regresi logistik biner menunjukkan bahwa model regresi logistik biner pada pasien penderita penyakit jantung koroner di RSUD Prof. Dr. W. Z. Johannes Kupang adalah dan variabel independen yang mempengaruhi terjadinya penyakit jantung koroner yaitu hipertensi dan diabetes mellitus. Kata Kunci: Penyakit jantung koroner, regresi logistik biner, hipertensi, diabetes mellitus, faktor risiko
PEWARNAAN LOKAL SISI ANTI-AJAIB TOTAL PADA GRAF PAYUNG Rosyidah, Khusnul; Desi Febriani Putri; Hardina Sandariria
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p445-452

Abstract