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 767 Documents
 72   73   74   75   76 
PREDIKSI TOTAL TAGIHAN LISTRIK PELANGGAN TARIF P1 ULP SUKADANA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM) Rida Fitriani; Werry Febrianti
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p324-332

Abstract

This study aims to predict the total electricity bills of P1 tariff customers at the Sukadana Customer Service Unit (ULP) using the Long Short-Term Memory (LSTM) method. In this study, the data used is historical monthly data from January 2023 to June 2025, which includes energy consumption (kWh), hours of use, power, working hours, and total bills. The research process includes data collection, separation of data into training and test data, parameter determination, model training, tuning, and evaluation using Mean Absolute Percentage Error (MAPE). The tuning results showed the best configuration in 56 LSTM units, 12 Dense units, and a learning rate of 0.1. The model produced a MAPE value of 2.89% for training data and 5.81% for test data, which was categorized as highly accurate. This model was then used to predict the electricity bill for July 2025, with an estimated result of IDR 433,344,576.00. The results of this study show that the LSTM method is capable of effectively recognizing time series data patterns and can be used as a tool for more accurate electricity bill estimates, as well as supporting decision-making in operational planning at PLN UP3 Metro.
PENENTUAN HARGA OPSI SAHAM KARYAWAN DENGAN EFEK DILUSI MENGGUNAKAN MODEL BINOMIAL HULL-WHITE Renaldi Junifer Silalahi; Werry Febrianti; Achmad Suryadi Nasution
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p333-342

Abstract

This study aims to evaluate and analyze the determination of Employee Stock Option values by taking into account the impact of dilution using the Hull-White Binomial Model. The focus of the study includes four stocks from a total of fifteen stocks of companies that have implemented an Employee Stock Option (ESO) scheme, have normally distributed return data, and are listed on the Indonesia Stock Exchange (IDX). The Hull-White Binomial Model is applied to calculate the price of Employee Stock Options through simulation using a binomial tree approach, which also considers certain characteristics such as the exit rate and grace period. Several other features such as dividend yield and the dilution effect are also taken into account as impacts on the company resulting from the issuance or expenditure of new shares in this study. The results of the study indicate that the dilution effect has a significant influence on the price of Employee Stock Options with the percentages obtained being for BBCA (14.003973%), BBNI (40.74311%), UNTR (23.225471%), and ASII (28.292408%), which causes a decrease in the proportion of holders when the company issues new shares. The calculation shows that the highest value of employee stock options after considering the dilution effect is in UNTR company shares at IDR 89,109.98, while the lowest value is seen in BBCA company shares at IDR 30,129.39
PEMODELAN PREVALENSI PENYAKIT DIARE BALITA MENGGUNAKAN REGRESI ROBUST DI PROVINSI JAWA TIMUR Ninda Kartika Putri; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p343-355

Abstract

Regresi linear berganda merupakan salah satu metode statistik yang digunakan dalam analisis regresi linier berganda untuk memodelkan dan menyelidiki hubungan antar satu variabel dependen dan dua atau lebih variabel independen. Pendugaan parameter pada analisi regresi linier berganda umumnya menggunakan Metode Kuadrat Terkecil (MKT). Namun, metode ini memiliki asumsi kenormalan galat yang seringkali tidak terpenuhi apabila terdapat pencilan (outlier) dalam data. Regresi robust merupakan metode yang efisien untuk menganalisis data yang mengandung outlier. Penelitian ini bertujuan untuk mengetahui adanya outlier yang mengganggu persamaan regresi linear berganda, mengetahui hasil estimasi regresi robust dengan metode Estimator M (Maximum Likelihood Type), Estimator S (Scale Type), dan Estimator LMS (Median Least Square Type) serta mengetahui perbandingan antara ketiga estimasi regresi robust berdasarkan nilai AIC (Akaike Information Criterion). Data yang digunakan dalam penelitian ini, data prevalensi penyakit diare di Provinsi Jawa Timur tahun 2024, data lain meliputi vitamin A, penduduk miskin, posyandu dan sarana air minum. Berdasarkan hasil penelitian dan pembahasan untuk mengatasi outlier dan juga untuk mengetahui perbandingan hasil estimasi M, estimasi S dan estimasi LMS dapat disimpulkan bahwa diperoleh model regresi robust estimasi LMS memiliki nilai AIC terbaik dibandingkan model lainnya
PENERAPAN METODE ARTIFICIAL NEURAL NETWORK DALAM MEMPREDIKSI HARGA BAWANG MERAH DI PROVINSI KEPULAUAN BANGKA BELITUNG Sulas Tri
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p589-601

Abstract

Red onions are a horticultural commodity with high economic value and broad market potential, consumed by nearly all segments of society. This crop has become an irreplaceable staple food due to its continuously growing demand. Price fluctuations in the Bangka Belitung Islands Province pose a challenge for this commodity. This study aims to apply the Artificial Neural Network (ANN) method to predict red onion prices in the Bangka Belitung Islands Province. The data used consists of daily secondary data on red onion prices from January 2018 to June 2025, obtained from the National Strategic Food Price Information Center (PIHPS). The analysis was conducted using Matlab software to build a prediction model, with accuracy levels measured using Root Mean Square Error (RMSE) and Mean Absolute Percentage Error (MAPE). The results of the study indicate that the ANN method with the best architecture is 261-94-1 yields an RMSE value of 0.0273 and a MAPE of 5.1746%. Keywords: Forecasting, Artificial Neural Network, Red Onion Prices, Bangka Belitung.
PEMODELAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION DENGAN PEMBOBOT FIXED KERNEL GAUSSIAN DAN BISQUARE PADA JUMLAH KASUS TUBERKULOSIS DI JAWA TENGAH Safinaz Berkhafi Jannah Jannah; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p602-610

Abstract

Tuberkulosis (TBC) merupakan penyakit menular akibat bakteri Mycobacterium Tuberculosis dan masih menjadi masalah kesehatan global yang serius, di mana Indonesia menempati peringkat kedua dengan jumlah kasus tertinggi di dunia. Provinsi Jawa Tengah merupakan wilayah dengan jumlah kasus TBC tertinggi ketiga di Indonesia. Penelitian ini bertujuan mengidentifikasi faktor-faktor yang memengaruhi jumlah kasus TBC di Jawa Tengah tahun 2024. Data jumlah kasus TBC merupakan data count yang mengalami overdispersi sehingga regresi Poisson tidak sesuai dan digantikan dengan regresi Negative Binomial. Untuk menangkap variasi pengaruh antar wilayah, model dikembangkan menggunakan pendekatan spasial Geographically Weighted Negative Binomial Regression (GWNBR) dengan fungsi pembobot Fixed Kernel Gaussian dan Bisquare. Variabel prediktor yang digunakan meliputi persentase sarana air minum aman, jumlah puskesmas, dan persentase sanitasi layak. Hasil analisis menunjukkan adanya perbedaan karakteristik faktor risiko antar wilayah, dan berdasarkan nilai Akaike Information Criterion (AIC), model GWNBR dengan Fixed Gaussian Kernel merupakan model terbaik, dengan pengelompokan wilayah menghasilkan tujuh kelompok kabupaten/kota.
Penerapan Dimensi Fraktal Box Counting dan K-Means dalam Klasifikasi Jenis Ngengat Berdasarkan Corak Sayap Feby Febriyanti Puji Lestari; Dwi Juniati
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p611-621

Abstract

Ngengat merupakan kelompok serangga dalam ordo Lepidoptera yang memiliki tingkat keanekaragaman jenis tinggi yang tersebar pada berbagai habitat. Sebagai penyerbuk nokturnal dan bagian dari rantai makanan, ngengat memiliki peran penting dalam menjaga ekosistem. Namun, terdapat beberapa jenis ngengat mengalami penurunan populasi akibat perubahan iklim, degradasi habitat, serta akibat aktivitas manusia. Penurunan ini berpotensi mengganggu keseimbangan ekosistem, termasuk dalam proses penyerbukan dan kestabilan rantai makanan. Oleh karena itu, pemantauan populasi dan identifikasi jenis ngengat diperlukan sebagai langkah awal dalam menjaga keberlanjutan keanekaragaman hayati. Proses identifikasi jenis yang masih dilakukan secara manual memiliki keterbatasan karena bergantung pada keahlian pengamat dan memerlukan waktu yang relatif lama, terutama pada spesies dengan corak sayap kompleks dan serupa. Permasalahan tersebut mendorong perlunya pendekatan yang lebih objektif dan terukur. Penelitian ini bertujuan mengembangkan pendekatan kuantitatif berbasis pengolahan citra digital menggunakan dimensi fraktal box counting untuk merepresentasikan kompleksitas corak sayap, serta algoritma K-Means untuk proses pengelompokan. Penelitian dilakukan terhadap 150 citra dari 10 spesies ngengat yang berfokus pada corak sayap melalui tahapan pra-pengolahan, segmentasi, deteksi tepi, perhitungan dimensi fraktal box counting, klasifikasi, dan evaluasi akurasi. Hasil pengelompokan jenis ngengat tersebut menunjukkan tingkat akurasi mencapai 98%. Kata Kunci: Corak Sayap Ngengat, Box counting, K-Means.
ANALISIS FAKTOR YANG MEMPENGARUHI PREVALENSI STUNTING DI JAWA TENGAH MENGGUNAKAN SPATIAL DURBIN MODEL (SDM) Silvia Eka; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p631-641

Abstract

Stunting menjadi salah satu tantangan kesehatan masyarakat yang paling mendesak di Indonesia. Dengan tingginya jumlah kasus dan kondisi geografis serta sosial ekonomi yang beragam, provinsi Jawa Tengah menjadi fokus menarik untuk diteliti. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi prevalensi stunting di Provinsi Jawa Tengah tahun 2024 dengan menggunakan metode Spatial Durbin Model (SDM) dengan pembobot Queen dan Rook Contiguity. Hasil penelitian menunjukkan bahwa model SDM dengan pembobot Queen Contiguity lebih baik dibandingkan dengan pembobot Rook Contiguity dengan nilai R2 sebesar 0,52257 dan nilai AIC yaitu 195,71. Analisis variabilitas menunjukkan bahwa BBLR (x7) merupakan variabel yang berpengaruh signifikan terhadap prevalensi stunting. Hal ini menunjukkan bahwa hubungan antara faktor yang berpengaruh dan prevalensi stunting berbeda antar kabupaten/kota, sehingga pendekatan menggunakan spasial relevan. Kata Kunci: Prevalensi stunting, Spatial Durbin Model, Queen Contiguity, Rook Contiguity, Analisis Spasial
PEMODELAN KASUS PNEUMONIA PADA BALITA DI JAWA TIMUR MENGGUNAKAN REGRESI SPATIAL AUTOREGRESSIVE (SAR) Mona Triwulandari; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p622-630

Abstract

Pneumonia merupakan penyebab utama kematian pada anak balita. Di Provinsi Jawa Timur, terdapat variasi persentase kasus pneumonia pada balita yang dipengaruhi oleh berbagai faktor. Selain itu, diduga terjadi akibat interaksi antara wilayah. Oleh karena itu, untuk memahami faktor-faktor yang mempengaruhi penyakit pneumonia pada balita serta hubungan antar daerah, digunakan pemodelan regresi Spatial Autoregressive (SAR) dengan memanfaatkan metode Maximum Likelihood Estimation (MLE). Model Spatial Autoregressive (SAR) merupakan metode yang efektif untuk memodelkan penyakit pneumonia pada balita dengan mempertimbangkan faktor-faktor seperti balita gizi buruk, balita yang mendapatkan vitamin A, jumlah puskesmas, rumah tangga yang memiliki akses sanitasi layak, cakupan imunisasi dasar lengkap, pemberian ASI eksklusif, serta kepadatan penduduk dengan memperhatikan aspek spasial. Hasil penelitian ini menunjukkan bahwa terdapat dua variabel prediktor yang berpengaruh secara signfikan terhadap variabel respon yaitu jumlah puskesmas dan persentase pemberian ASI eksklusif . Kata Kunci: Pneumonia, Spatial Autoregressive (SAR), Maximum Likelihood Estimation (MLE), balita.
Implementasi Implementasi K-Means dan K-Nearest Neighbor untuk Klasifikasi Status Gizi Balita (Studi Kasus: Gizi Balita Desa Suka Damai 2024) Ayu Risma Agustina Risma; Andri Azmul Fauzi; Syaripuddin
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p642-649

Abstract

K-Means and K-Nearest Neighbor are quantitative methods used in data analysis for clustering and classification. K-Means is used to group data based on proximity to the centroid, while K-Nearest Neighbor is used to classify data based on the nearest neighbors. This study aims to analyze the nutritional status of toddlers in Suka Damai Village in 2024 based on growth indicators. The data used consisted of 149 toddlers, including age, weight, height, and head circumference. The number of clusters was determined as five categories according to World Health Organization standards, namely severe malnutrition, undernutrition, normal nutrition, overnutrition, and obesity. The clustering results using K-Means showed that 23 toddlers were categorized as severely malnourished, 29 as undernourished, 49 as normal, 35 as overnourished, and 13 as obese. Cluster evaluation using the Silhouette Coefficient produced an average value of 0.445, indicating that the cluster quality was still relatively weak. Furthermore, classification using the K-Nearest Neighbor method was carried out by dividing the data into 80% training data (119 data points) and 20% testing data (30 data points). The confusion matrix evaluation results showed an accuracy of 100%, with Precision, Recall, and F1-Score values each reaching 1. These results indicate that the K-Nearest Neighbor method has excellent performance in classifying toddlers’ nutritional status, while K-Means is capable of providing an overview of nutritional status distribution although the cluster quality is not yet optimal. Keywords: Clustering, Classification, K-Means, K-Nearest Neighbor, Toddler Nutritional Status.
Analisis Model Matematika Penyebaran Penyakit Campak Menggunakan Bentuk Saturated Incidence Rate dengan Intervensi Vaksinasi Dan Karantina Fika Kharisma Fika Kharisma
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p479-489

Abstract

Campak (measles) merupakan penyakit menular dengan tingkat penularan yang tinggi sehingga masih menjadi masalah kesehatan masyarakat. Pada penelitian ini dikonstruksi model matematika penyebaran campak dengan intervensi vaksinasi dan karantina menggunakan bentuk laju penularan nonlinear berupa saturated incidence rate. Model dibagi menjadi enam kompartemen, yaitu susceptible (S), vaccinated (V), exposed (E), infected (I), quarantined (Q), dan removed/recovered (R). Selanjutnya ditentukan titik kesetimbangan, bilangan reproduksi dasar , serta dianalisis kestabilan sistem. Hasil analisis menunjukkan bahwa titik kesetimbangan bebas penyakit bersifat stabil asimtotik lokal ketika , sedangkan titik kesetimbangan endemik stabil berdasarkan kriteria Routh–Hurwitz. Simulasi numerik menunjukkan bahwa ketika , jumlah individu terinfeksi menurun hingga mendekati nol sehingga penyakit tidak dapat bertahan dalam populasi. Sebaliknya, ketika , penyakit tetap bertahan dalam populasi pada kondisi endemik. Selain itu, penggunaan saturated incidence rate menghasilkan dinamika sistem yang cenderung stabil tanpa osilasi berkepanjangan. Kata Kunci: Campak, Vaksinasi, Karantina, Model Matematika, Saturated Incidence Rate, Bilangan Reproduksi Dasar, Analisis Kestabilan.

Page 74 of 77 | Total Record : 767

 72   73   74   75   76 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol. 14 No. 02 (2026) Vol. 14 No. 01 (2026) Vol. 13 No. 03 (2025) Vol. 13 No. 02 (2025) Vol. 13 No. 01 (2025) Vol. 12 No. 03 (2024) Vol. 12 No. 02 (2024) Vol. 12 No. 01 (2024) Vol. 11 No. 03 (2023) Vol. 11 No. 02 (2023) Vol. 11 No. 01 (2023) Vol. 10 No. 03 (2022) Vol. 10 No. 02 (2022) Vol. 10 No. 01 (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