cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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,
Mathematics
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
Arjuna Subject : Matematika - Matematika (Lain-Lain)
Articles 41 Documents
 1   2   3   4   5 
Model EGARCH dan TGARCH untuk Mengukur Volatilitas Asimetris Return Saham Sofalina Nodra Brilliantya; Khoirin Nisa; Subian Saidi; Eri Setiawan
Jurnal Siger Matematika Vol 3, No 2 (2022): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v3i2.3111

Abstract

Model Generalized Autoregressive Conditional Heterocedasticity (GARCH) merupakan salah satu pemodelan data deret waktu yang digunakan untuk mengukur data yang memiliki varians residual yang tidak konstan atau bersifat heteroskedastisitas.  Heteroskedastisitas terjadi karena data deret waktu memiliki volatilitas yang tinggi.  Model Exponential GARCH (EGARCH) dan Threshold GARCH (TGARCH) adalah model-model GARCH yang dapat mengatasi efek asimetris pada volatilitas.  Data yang digunakan pada penelitian ini adalah data return saham harian PT KB Bukopin Tbk (BBKP).  Penelitan ini bertujuan untuk menerapkan model EGARCH dan TGARCH serta mendapatkan  model terbaik dalam mengukur volatilitas asimetris data return saham harian.  Pemilihan model terbaik didasarkan pada nilai Akaike Information Criterion (AIC) terkecil.  Hasil analisis menunjukan bahwa model EGARCH (2,1) adalah model terbaik untuk mengukur dan meramalkan volatilitas asimetris return saham yang digunakan.
Pemodelan Dinamis Distributed Lag Dengan Menggunakan Metode Koyck Dan Metode Almon Dora Panny Nurcahaya Sitorus; Widiarti Widiarti; Agus Sutrisno; Mustofa Usman
Jurnal Siger Matematika Vol 4, No 1 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i1.9210

Abstract

The distributed lag Model is a dynamic model due to the effect of a one-unit change in the value of the distributed independent variable (X) over a period of time. Distributed lag Model there are 2 types, namely: infinite lag model and finite lag model. Infinite lag modeling using koyck method and finite lag modeling using Almon method. This distributed lag Model is used to visualize the impact caused by the independent variable on the dependent variable. This study aims to apply a dynamic model of distributed lag by using the koyck transformation method and Almon transformation method to assess the effect of the rupiah exchange rate on the value of garment exports PT. Shinwon went abroad and determined the best model in Dynamic Modeling of distributed lag using the koyck transformation method and the Almon transformation method. The results showed that dynamic modeling of distributed lag with Almon transformation method is better than koyck transformation.
Penyelesaian Persamaan Nonlinier Menggunakan Metode Modifikasi Potra-ptak Ismawati Ismawati; La Zakaria; Aang Nuryaman; Wamiliana Wamiliana
Jurnal Siger Matematika Vol 4, No 1 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i1.8705

Abstract

Pada peneitian ini, metode Modifikasi Potra-ptak digunakan untuk menyelesaikan persamaan nonlinier. Matlab digunakan untuk menyelesaikan persamaan nonlinier secara komputasi. Terdapat lima contoh yang digunakan sebagai pembanding metode Modifikasi Potra-ptak dengan metode Newton dan metode Newton Ganda. Berdasarkan hasil percobaan metode ini memberikan solusi persamaan nonlinier yang menghampiri nilai eksaknya dengan galat lebih kecil dan dalam waktu yang relatif singkat dibandingkan metode Newton dan metode Newton Ganda.
Penerapan Metode Sumathi-Sathiya Dalam Penyelsaian Masalah Transportasi Raratia ulsa Alfian; Notiragayu Notiragayu; Aang Nuryaman; Asmiati Asmiati
Jurnal Siger Matematika Vol 4, No 1 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i1.8706

Abstract

Masalah transportasi pada pendistribusian suatu produk dari beberapa sumber dengan persediaan terbatas, menuju beberapa tempat tujuannya dengan permintaan tertentu dapat dipandang sebagai masalah Optimasi yang meminimumkan biaya distribusi. Masalah transportasi dapat diselesaikan dengan beberapa metode salah satunya adalah metode Sumathi-Sathiya. Dalam penelitian ini akan dikaji langkah-langkah penyelesaian masalah transportasi menggunakan metode Sumathi-Sathiya untuk mencari solusi layak awal dan dioptimalkan menggunakan metode Modified Distribution (MODI). Selanjutnya, hasil yang diperoleh akan dibandingkan dengan metode lain yaitu metode Pendekatan Eksponensial, metode Pendekatan Vogel-MODI dan Program Solver Excel. Hasil yang diperoleh menunjukan bahwa metode Sumathi-Sathiya MODI mendapatkan hasil yang minimum dibandingkan metode lainnya.
Aplikasi Metode Sillhouette Coefficient, Metode Elbow dan Metode Gap Staticstic dalam Menentukan K Optimal pada Analisis K-Medoids Hilda Lailatul Ramadhania; Widiarti Widiarti; La Zakaria; Nusyirwan Nusyirwan
Jurnal Siger Matematika Vol 4, No 1 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i1.3196

Abstract

The K-Medoids method is a non-hierarchical cluster analysis method where information on the exact number of clusters is required. The data used in this study uses simulation data from reference data on the percentage of households according to drinking water sources. The simulation data used uses a multivariate normal distribution, so that the simulation data allows for negative data. In this study, two options were carried out on negative data results, namely being zero and absolute. The method in determining the optimal number of clusters used the Sillhouette Coefficient method, the Elbow method and the Gap Statistics method. The average Dunn Index value from the data on the zeroed option produces the largest Dunn Index value in determining the optimal number of clusters using the Gap Statistic method, which is 0,125734, while in the second option data, the Dunn Index average is greatest in determining the number of clusters optimally using the Sillhouette Coefficient method, which is 0,113315.
Klasifikasi Penyakit Stroke Menggunakan Metode Naive Bayes Nabilla Yolanda Paramitha; Aang Nuryaman; Ahmad Faisol; Eri Setiawan; Dina Eka Nurvazly
Jurnal Siger Matematika Vol 4, No 1 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i1.9236

Abstract

Klasifikasi adalah suatu proses mengevaluasi data untuk memasukanya ke kelas yang telah ditentukan sebelumnya. Metode klasifikasi yang digunakan dalam penelitian ini adalah Naïve Bayes. Tujuan penelitian ini adalah untuk mengklasifikasikan pasien penyakit stroke menggunakan metode Naive Bayes untuk beberapa proporsi data training dan data testing yang berbeda. Data yang digunakan adalah data pasien penyakit stroke dengan kelas terkena stroke atau tidak terkena stroke dan menggunakan 10 variabel bebas. Hasil klasifikasi dengan nilai akurasi terbesar sebesar 80% diperoleh ketika proporsi data training dan data testing 80:20.
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.

Page 4 of 5 | Total Record : 41

 1   2   3   4   5 

Filter by Year

2020 2023


Reset
Filter By Issues
All Issue Vol 4, No 2 (2023): Jurnal Siger Matematika Vol 4, No 1 (2023): Jurnal Siger Matematika Vol 3, No 1 (2022): Volume 3 No 1 Vol 3, No 2 (2022): Jurnal Siger Matematika Vol 2, No 2 (2021): Jurnal Siger Matematika Vol 2, No 1 (2021): Jurnal Siger Matematika Vol 1, No 2 (2020) Vol 1, No 1 (2020): Jurnal Siger Matematika