cover
Contact Name
Aang Nuryaman
Contact Email
aang.nuryaman@fmipa.unila.ac.id
Phone
+6285324460093
Journal Mail Official
siger.matematika@fmipa.unila.ac.id
Editorial Address
Jurusan Matematika FMIPA Universitas Lampung Jl. Soemantri Brojonegoro No 1 Gedong Meneng Rajabasa Bandar Lampung
Location
Kota bandar lampung,
Lampung
INDONESIA
Jurnal Siger Matematika
Published by Universitas Lampung
ISSN : 27215849     EISSN : 27216853     DOI : https://doi.org/10.23960/JSM
Core Subject : Education,
Jurnal Siger Matematika is a broad scope journal that publishes original research articles as well as review articles on all aspects of both pure and applied mathematics. publised by Departement Mathematics, Faculty of Mathematics and Natural Sciences, University of Lampung. This journal covers all topics of Mathematical sciences which includes: Analysis Geometry Algebra Combinatorics Operation Research Statistics Applied Mathematics Computational Mathematics
Articles 5 Documents
Search results for , issue "Vol 4, No 2 (2023): Jurnal Siger Matematika" : 5 Documents clear
Penerapan Algoritma K-Nearest Neighbor Pada Data Kategorik Untuk Klasifikasi Harga Laptop Citra Puspa Tria; Aang Nuryaman; Ahmad Faisol; Eri Setiawan
Jurnal Siger Matematika Vol 4, No 2 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i2.9234

Abstract

Salah satu algoritma klasifikasi yang banyak digunakan adalah k-nearest neighbor (KNN) di mana algoritma ini mengklasifikasikan objek berdasarkan kelas mayoritas dari k objek terdekat di sekitarnya. Pada umumnya, ukuran kedekatan antar objek dapat dihitung dengan menggunakan jarak Euclidean. Akan tetapi, apabila data yang digunakan adalah data kategorik, maka jarak tersebut dirasa kurang tepat untuk digunakan. Salah satu alternatif ukuran kedekatan antar objek yang dapat digunakan untuk data kategorik adalah jarak weighted simple matching coefficient (WSMC). Penelitian ini dilakukan untuk membangun model klasifikasi untuk penentuan kelas rentang harga laptop berdasarkan 4 fitur yang ditawarkan, yaitu merek laptop, prosesor, kapasitas RAM, dan kapasitas penyimpanan. Terdapat dua proporsi pembagian data latih dan data uji untuk membangun model klasifikasi, yaitu 80:20 dan 90:10. Berdasarkan hasil analisis, model klasifikasi terbaik diperoleh ketika proporsi data yang digunakan adalah 90:10 dan jumlah k sebanyak 17, dengan nilai akurasi yang diperoleh sebesar 86.96%, recall sebesar 50%, presisi sebesar 66.67%, dan f1-score sebesar 57.14%.
Kinerja Naive Nayes Classifier Pada Penyaringan Short Message Service (SMS) Spam Putri Apricia; Khoirin Nisa; Netti Herawati; Muslim Ansori
Jurnal Siger Matematika Vol 4, No 2 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i2.12541

Abstract

Currently short messages or known as SMS (short message service) is one of the communication media that is often used by some irresponsible people to commit criminal acts of fraud. This type of SMS that is abused is called spam. To overcome this problem, SMS operators need to filter the type of incoming SMS to clients using a classification algorithm. One of the classification methods that can be used is the Naïve Bayes method. The Naïve Bayes method is a classification method in machine learning that involves the concept of probability. This method is a simple Bayes algorithm model and it can be used to classify text or document data. In this paper the Naïve Bayes method is applied for SMS data classification analysis. This method is used to classify the type of SMS whether it is "spam" or not spam (called "ham"). Based on the results of the analysis by trying several proportions of the distribution of training data and testing data, the best accuracy results were obtained at 97% using a training-testing data ratio of 60: 40.
Penerapan Model Vector Error Correction Model (VECM) pada Peramalan Data Nilai Ekspor dan Nilai Impor Seluruh Komoditas di Provinsi Lampung Tahun 2022 Mega Putri; Widiarti Widiarti; Aang Nuryaman; Warsono Warsono
Jurnal Siger Matematika Vol 4, No 2 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i2.12583

Abstract

Model Vector Error Correction Model (VECM) merupakan turunan dari model Vector Autoregressive (VAR) untuk data tidak stasioner dan terdapat hubungan kointegrasi. Model VAR merupakan model peramalan data deret waktu multivariat yang menghubungkan nilai peramalan dengan nilai-nilai data pada periode sebelumnya. Data deret waktu multivariat yang digunakan pada penelitian ini adalah data Nilai Ekspor dan Nilai Impor seluruh komoditas di Provinsi Lampung tahun 2015-2021. Penelitian ini bertujuan untuk melakukan peramalan pada periode Januari sampai Desember 2022 dengan model VECM. Berdasarkan data diperoleh model VECM yaitu model VECM (1) dengan nilai MAPE sebesar 17,01%.
IMPLEMENTASI PEWARNAAN GRAF PADA PENGELOMPOKAN SISWA/I RUMAH BELAJAR AZALEA DENGAN ALGORITMA WELCH-POWELL Alfi Maulani; Desi Wulandari
Jurnal Siger Matematika Vol 4, No 2 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i2.11829

Abstract

Permasalahan dalam penelitian ini adalah masih adanya beberapa anak yang merasa kurang percaya diri selama proses pembelajaran dan kondisi kelas yang kurang kondusif saat anak menerima arahan dari guru. Permasalahan dalam penelitian ini adalah masih adanya beberapa anak yang merasa kurang percaya diri selama proses pembelajaran dan kondisi kelas yang kurang kondusif saat anak menerima arahan dari guru. Penelitian ini bertujuan untuk mengetahui penerapan pewarnaan graf menggunakan Algoritma Welch-Powell dalam mengelompokkan kemampuan Pra-Literasi usia 5-6 tahun di Rumah Belajar Azalea tahun pelajaran 2022/2023 dan mengetahui nilai kromatik yang dihasilkan dengan menggunakan penerapan pewarnaan graf pada pengelompokan Prakemampuan Literasi siswa di Rumah Belajar Azalea. Teknik yang diterapkan adalah menggunakan Nilai kromatik dengan pewarnaan graf menggunakan Algoritma Welch-Powell membutuhkan jumlah warna minimal 5 warna yaitu merah, biru, hijau, pink dan kuning. Banyaknya warna biasanya disebut bilangan kromatik χ(G)=5.
IMPLEMENTASI PEWARNAAN TITIK PADA PENGELOMPOKKAN PENJUALAN BAHAN GORDEN DI WS INTERIOR Alfi Maulani; Ade Kurnia Lestari
Jurnal Siger Matematika Vol 4, No 2 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i2.11570

Abstract

Desain interior dan arsitektur saat ini memiliki perkembangan yang sangat pesat, begitupun dengan desain dan teknik dalam pergordenan yang juga turut berkembang. Tren yang berubah-ubah dari tahun ke tahun, membuat variasi gorden sangat beragam. WS Interior adalah salah satu toko yang menjual berbagai macam bentuk dan variasi gorden yang lengkap. WS Interior menjual berbagai macam bahan gorden yang memiliki komposisi bahan yang berbeda-beda tergantung dengan kebutuhan serta nuansa yang diinginkan oleh masing-masing costumer. Masih ada costumer lama yang mencari bahan yang dahulu pernah dipakai, namun bahan tersebut sudah discontinue atau sudah tidak produksi lagi, sehingga tim WS Interior memberikan alternatif bahan pengganti yang mirip kepada costumer, dengan kualitas terbaik. Proses pengelompokkan jenis bahan gorden ini menggunakan pewarnaan titik dari teori graf dengan metode Algoritma Welch-Powell. Tujuan dari penelitian ini ialah untuk mengetahui kuantitas dan kualitas persediaan bahan gorden yang tidak diminati atau tidak dibeli oleh costumer. Sampel yang diambil ialah 15 costumer dan 5 jenis bahan yang ada di WS Interior. Implementasi pewarnaan titik menggunakan Algoritma Welch-Powell diperlukan jumlah warna minimum sebanyak 4 warna yaitu, warna merah, warna biru, warna hijau, dan warna ungu. Banyaknya warna minimum yang diperlukan disebut dengan bilangan kromatik dari graf G, dinotasikan dengan χ (G) = 4.

Page 1 of 1 | Total Record : 5