cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Didi Suhaedi
Contact Email
uptpublikasi@unisba.ac.id
Phone
+6289657453976
Journal Mail Official
jrm@unisba.ac.id
Editorial Address
UPT Publikasi Ilmiah, Universitas Islam Bandung. Jl. Tamansari No. 20, Bandung 40116, Indonesia. Tlp +62 22 420 3368, +62 22 426 3895 ext. 6892
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal Riset Matematika
Published by Universitas Islam Bandung
ISSN : 2808313X     EISSN : 27986306     DOI : https://doi.org/10.29313/jrm.v2i2
Core Subject : Education,
Mathematics
Jurnal Riset Matematika (JRM) Jurnal Riset Matematika (JRM) menerbitkan artikel penelitian akademik tentang kajian teoritis dan terapan serta berfokus pada Matematika dengan ruang lingkup Algoritma, MATLAB, ARFIMA, Arithmetic Geometric Mean, Aritmatika Modulo konveksi alamiah, Backorder, Bidang Singgung, EOQ , Fuzzy Decision Tree, Himpunan Fuzzy, Jumlah Riemann, kecepatan aliran, Koefisien Fungsi, Konstanta Pegas Graph Hamilton, Konveksi Alamiah, Lapisan Batas, Logika Fuzzy, Metode Beda Hingga Deret Waktu, Metode Dekomposisi Lower-Upper Gauss, Metode Deret Pangkat, Model Inventory, NCP, Norm Cross Product, Persamaan Arus, Persamaan Diferensial Orde Dua Homogen, Premi Bundaran, Profitabilitas, Risiko, Varians, Shortest Path, Sequential Insertion, Sistem Persamaan Diferensial, Tangga Nada Pentatonik, Time Series, Titik Biasa, Titik Ekuilibrium Luas Permukaan, Titik Kesetimbangan Optimasi Multi Objektif, Titik Singular Regular Rumah Sakit, Transformasi Laplace. Jurnal ini diterbitkan oleh UPT Publikasi Unisba. Artikel yang dikirimkan ke jurnal ini akan diproses secara online dan menggunakan double blind review minimal oleh dua orang mitra bebestari.
Arjuna Subject : Matematika - Matematika Terapan
Articles 137 Documents
 10   11   12   13   14 
Hybrid XGBoost–Random Forest untuk Prediksi Return dan Optimasi Portofolio Darma Ekawati; Adhitya Ronnie Effendie; Aida Luthfiyyah Fathin; Hana Rafeyfa; khlastyar Kalman Achmad; Aiska Fairana Qumairo; Arif Rahman Nurhidayat; Ibadurrohman Sulthon Fathoni Fathoni
Jurnal Riset Matematika Volume 6, No.1, Juli 2026, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrm.v6i1.9741

Abstract

Abstract. Stock market performance plays an important role in portfolio construction, particularly within the mean–variance (MV) optimization framework. Advances in machine learning (ML) have improved the potential for predicting stock returns, yet single predictive models often fail to produce optimal portfolios. This study proposes a hybrid portfolio construction model that integrates ML-based return prediction with MV optimization. The framework consists of two stages: predicting stock returns using a hybrid XGBoost and Random Forest (RF) model with a performance-based weighting scheme, followed by selecting stocks as inputs for the MV model to determine optimal portfolio weights under full-investment and no-short-selling constraints. An empirical analysis is conducted using out-of-sample data from the LQ45 index during 2023–2024. The results show that the hybrid model achieves a Sharpe ratio of approximately 0.25–0.30, outperforming single models (0.14–0.25) while reducing portfolio volatility by 2–10%, thereby improving portfolio performance and contributing to the development of data-driven investment strategies. Abstrak. Kinerja pasar saham berperan penting dalam konstruksi portofolio, khususnya pada optimasi mean–variance. Perkembangan machine learning meningkatkan peluang prediksi return saham, tetapi model tunggal belum mampu menghasilkan portofolio yang optimal. Artikel ini bertujuan mengembangkan model konstruksi portofolio hibrid yang mengintegrasikan prediksi machine learning dengan optimasi mean–variance. Model terdiri atas dua tahap, yaitu prediksi return saham menggunakan kombinasi XGBoost dan Random Forest (RF) melalui pembobotan berbasis kinerja prediksi, kemudian seleksi saham sebagai masukan model mean–variance untuk menentukan bobot portofolio optimal dengan kendala investasi penuh tanpa short selling. Analisis menggunakan data indeks LQ45 periode out-of-sample 2023–2024. Hasil menunjukkan bahwa model hibrid menghasilkan Sharpe ratio sekitar 0,25–0,30, lebih tinggi dibandingkan model tunggal (0,14–0,25), serta menurunkan volatilitas portofolio sebesar 2–10%, sehingga meningkatkan kinerja portofolio dan berkontribusi pada pengembangan strategi investasi berbasis data.
Segmentasi Pelanggan Menggunakan K-Means Clustering berbasis Analisis RFM Jumidah; Didi Suhaedi; Erwin Harahap
Jurnal Riset Matematika Volume 6, No.1, Juli 2026, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract. Increasing business competition requires companies to understand customer behavior in order to maintain customer loyalty and reduce the risk of customer churn. This study aims to perform customer segmentation and identify customers with churn potential using the K-Means Clustering method based on Recency, Frequency, and Monetary (RFM) values. Transaction data were obtained from PD XYZ, a store operating on an e-commerce platform in Indonesia. The data were processed through preprocessing, transformation, and scaling using RobustScaler to standardize the data and reduce the influence of outliers. The optimal number of clusters was determined using the Elbow method and evaluated with the Silhouette Coefficient and Davies–Bouldin Index. The results indicate that k = 3 is the optimal number of clusters, with a Silhouette Coefficient of 0.771495 and a Davies–Bouldin Index of 0.547348. The segmentation produced three customer groups: non-loyal, moderate, and loyal customers. A total of 3,840 customers were identified as having churn potential, while 236 customers were classified as non-churn. The findings demonstrate that the RFM-based clustering approach is effective for understanding customer characteristics and supporting the development of more targeted customer retention and marketing strategies. Abstrak. Peningkatan persaingan usaha mendorong pelaku usaha untuk memahami perilaku pelanggan guna mempertahankan loyalitas dan mengurangi risiko kehilangan pelanggan. Artikel ini bertujuan melakukan segmentasi pelanggan serta mengidentifikasi pelanggan yang berpotensi churn menggunakan metode K-Means Clustering berbasis Recency, Frequency, dan Monetary (RFM). Data transaksi yang digunakan berasal dari PD XYZ, sebuah toko yang beroperasi pada platform e-commerce di Indonesia. Data diproses melalui tahap pra-pemrosesan, transformasi, dan scaling menggunakan RobustScaler untuk menyesuaikan skala data serta mengurangi pengaruh outlier. Jumlah klaster ditentukan menggunakan metode Elbow dan dievaluasi dengan Silhouette Coefficient serta Davies-Bouldin Index. Hasil menunjukkan bahwa k = 3 merupakan jumlah klaster terbaik dengan nilai Silhouette Coefficient sebesar 0,771495 dan Davies-Bouldin Index sebesar 0,547348. Segmentasi menghasilkan tiga kelompok pelanggan, yaitu pelanggan tidak loyal, pelanggan moderate, dan pelanggan loyal. Sebanyak 3.840 pelanggan teridentifikasi berpotensi churn, sedangkan 236 pelanggan tidak churn. Hasil penelitian menunjukkan bahwa pendekatan RFM berbasis klaster efektif dalam memahami karakteristik pelanggan dan mendukung penyusunan strategi retensi serta pemasaran yang lebih tepat sasaran.
Simulasi Monte Carlo pada Pola Tidur Shift Worker untuk Estimasi Risiko Penyakit Sabrina Vidya Siswantoro; Didi Suhaedi; Erwin Harahap
Jurnal Riset Matematika Volume 6, No.1, Juli 2026, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrm.v6i1.10137

Abstract

Abstract. Shift work can disrupt the body’s circadian rhythm and is associated with changes in sleep duration and an increased risk of chronic diseases. This study aims to model the distribution of sleep duration among day-shift and night-shift workers using Monte Carlo Simulation and to estimate the Population Relative Risk (RRpop) for Coronary Heart Disease and Type 2 Diabetes Mellitus. A total of 10,000 simulation iterations were performed for each shift using sleep duration parameters adopted from previous studies, namely = 7,53 hours (= 1,60) for day shift and = 5,74 hours (= 1,30) for night shift. Relative risk values for each sleep duration category were derived from meta-analysis studies and applied to the simulation results. Among night-shift workers, the majority exhibited short sleep duration, contributing to a higher risk of Coronary Heart Disease (RRpop= 1,1602) compared to day-shift (RRpop= 1,1096). Conversely, day-shift workers generally demonstrated adequate sleep duration but showed an increased proportion of long sleep duration, which was associated with a higher risk of Type 2 Diabetes Mellitus (RRpop= 1,1706) compared to night-shift (RRpop= 1,1390). Overall, health risks among night-shift workers are primarily driven by sleep compression, whereas risks among day-shift workers are more influenced by excessive sleep tendencies. Abstrak. Sistem kerja shift dapat mengganggu ritme sirkadian tubuh dan berhubungan dengan perubahan durasi tidur serta peningkatan risiko penyakit kronis. Penelitian ini bertujuan untuk memodelkan distribusi durasi tidur pada pekerja shift siang dan malam menggunakan Simulasi Monte Carlo, serta mengestimasi Risiko Relatif Populasi (RRpop) terhadap Penyakit Jantung Koroner dan Diabetes Melitus Tipe 2. Simulasi dilakukan sebanyak 10.000 iterasi untuk masing-masing shift dengan parameter durasi tidur yang diadopsi dari studi sebelumnya, yaitu = 7,53 jam ( = 1,60) untuk shift siang dan = 5,74 jam ( = 1,30) untuk shift malam. Nilai risiko relatif per kategori durasi tidur diadopsi dari studi meta-analisis dan diaplikasikan pada hasil simulasi. Pada pekerja shift malam mayoritas individu memiliki durasi tidur yang tergolong pendek, yang berkontribusi terhadap peningkatan risiko Penyakit Jantung Koroner (RRpop = 1,1602) dibandingkan shift siang (RRpop = 1,1096). Sebaliknya, pada kelompok shift siang mayoritas individu memiliki durasi tidur cukup, namun terdapat peningkatan pada durasi tidur berlebih, yang berdampak pada risiko Diabetes Melitus Tipe 2 yang lebih tinggi (RRpop = 1,1706) dibandingkan shift malam (RRpop = 1,1390). Dengan demikian, risiko kesehatan pada pekerja shift malam didominasi oleh kompresi waktu tidur, sementara pada pekerja shift siang risiko lebih dipengaruhi oleh kecenderungan tidur berlebih.
Perbandingan Komputasi Numerik pada Interpolasi Spline Kubik Terapit dan Periodik Oktavia Nurmalinda; Yani Ramdani; respitawulan Ramdani
Jurnal Riset Matematika Volume 6, No.1, Juli 2026, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrm.v6i1.10138

Abstract

Abstract. Interpolation plays a vital role in various fields such as natural phenomenon modeling and engineering, yet the use of high-degree polynomials often leads to the Runge phenomenon. This study aims to analyze the comparison of formulation, curve visualization, and accuracy levels between Clamped Cubic Spline and Periodic Cubic Spline interpolation methods. The research method employed is quantitative with a numerical analysis approach using the test function fx=x4-2x2+1 over the interval [-1, 1]. The results indicate that the Clamped Cubic Spline provides a more stable and accurate approximation, with a true error of 0.00390625 at point x = -0.75. In contrast, the Periodic Cubic Spline produced a larger error of 0.02649, as the periodic condition forced the curve to follow properties not inherent in the non-periodic function. In conclusion, the choice of spline type must be adapted to the data characteristics, where the Clamped Spline is superior for data with known endpoint derivative information. Abstrak. Interpolasi berperan penting dalam berbagai bidang seperti pemodelan fenomena alam dan rekayasa, namun penggunaan polinomial derajat tinggi sering kali menimbulkan fenomena Runge. Penelitian ini bertujuan untuk menganalisis perbandingan formulasi, visualisasi kurva, dan tingkat akurasi antara metode interpolasi Spline Kubik Terapit (clamped) dan Spline Kubik Periodik. Metode penelitian yang digunakan adalah kuantitatif dengan pendekatan analisis numerik menggunakan fungsi uji fx=x4-2x2+1 pada interval [-1, 1]. Hasil penelitian menunjukkan bahwa Spline Kubik Terapit menghasilkan aproksimasi yang lebih stabil dan akurat dengan galat sejati sebesar 0,00390625 pada titik x = -0,75. Sebaliknya, Spline Kubik Periodik menghasilkan galat yang lebih besar, yaitu 0,02649, karena kondisi periodik memaksa kurva mengikuti sifat yang tidak dimiliki oleh fungsi non-periodik tersebut. Kesimpulannya, pemilihan jenis spline harus disesuaikan dengan karakteristik data, di mana Spline Terapit lebih unggul untuk data dengan informasi turunan ujung yang diketahui.
Radius Spektral pada Matriks Leslie Novi Andayani Triana; Suroto Suroto; Najmah Istikaanah
Jurnal Riset Matematika Volume 6, No.1, Juli 2026, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract. One of the matrices commonly used in the field of demography is the Leslie matrix. The Leslie matrix is a matrix that can provide information about the age distribution of the population, especially for women. This study discusses the eigenvalues, spektral radius, the properties of spektral radius related to the power of Leslie matrix. The eigenvalues are determined using the characteristic equation. The determination of spektral radius of the Leslie matrix uses the dominant eigenvalues obtained. Meanwhile, the determination of the properties of the spektral radius of the Leslie matrix is based on properties of the power of eigenvalues of Leslie matrix. The results show that the eigenvalue criteria in Leslie matrix are zero if entry in the first row of the last column is zero. Furthermore, a positive eigenvalue in Leslie matrix has a single existence and is a dominant eigenvalue. Based on dominant eigenvalue, it is known that spektral radius of Leslie matrix will be the same as dominant eigenvalue. Furthermore, the research results also show that spektral radius of the power of a Leslie matrix has same value as the power of its spektral radius, the convergence towards zero of power of a Leslie matrix results in spektral radius of Leslie matrix being less than 1, and the spektral radius of the power of a Leslie matrix being less than or equal to the norm of power of Leslie matrix. Abstrak. Salah satu matriks yang umum digunakan dalam bidang demografi ialah matriks Leslie. Matriks Leslie merupakan matriks yang dapat memberikan informasi mengenai distribusi usia penduduk, khususnya yang berjenis kelamin perempuan. Artikel ini membahas nilai eigen dan radius spektral matriks Leslie serta sifat-sifat radius spektral yang berkaitan dengan hasil pangkat matriks Leslie. Adapun nilai eigen ditentukan menggunakan persamaan karakteristik matriks Leslie. Penentuan radius spektral matriks Leslie dilakukan dengan menggunakan nilai eigen dominan yang diperoleh. Sementara itu, penentuan sifat-sifat radius spektral matriks Leslie dilakukan berdasarkan sifat hasil pangkat nilai eigen dari matriks Leslie. Hasil penelitian menunjukkan bahwa kriteria nilai eigen pada matriks Leslie yaitu bernilai nol jika entri pada baris pertama kolom terakhirnya bernilai nol. Selanjutnya, nilai eigen yang bernilai positif pada matriks Leslie memiliki eksistensi yang tunggal dan merupakan suatu nilai eigen dominan. Berdasarkan nilai eigen dominan tersebut, diketahui bahwa radius spektral matriks Leslie akan bernilai sama dengan nilai eigen dominan tersebut. Selanjutnya, hasil penelitian juga menunjukkan bahwa radius spektral dari hasil pangkat suatu matriks Leslie bernilai sama dengan hasil pangkat dari radius spektralnya, kekonvergenan menuju nol dari hasil pangkat suatu matriks Leslie mengakibatkan nilai radius spektral matriks Leslie tersebut kurang dari 1, serta radius spektral dari hasil pangkat suatu matriks Leslie bernilai kurang dari atau sama dengan norm hasil pangkat matriks Leslie tersebut.
Penerapan Algoritma Linier untuk Fitur Pencarian di Google Sheets dengan AppsScript Rian Abdul Wahab; Respitawulan Respitawulan; Erwin Harahap
Jurnal Riset Matematika Volume 6, No.1, Juli 2026, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrm.v6i1.10139

Abstract

Abstract. The rapid development of information technology has increased the demand for data management and retrieval systems that are fast, accurate, and easily accessible. Google Sheets is widely used as a cloud-based data storage platform; however, its built-in search feature has limitations, particularly in retrieving data across multiple sheets. This study aims to develop a more structured search feature in Google Sheets using Apps Script by implementing the Linear Search algorithm. Theoretically, the Linear Search algorithm works by sequentially comparing each data element until the target data are found, making it suitable for searching unsorted datasets. The research method consisted of designing and implementing the Linear Search algorithm using Apps Script, followed by testing on regional taxpayer data from City/Regency X. The results show that the developed search feature can display search results in a more organized manner within a dedicated search sheet and retrieve data from all available sheets. Furthermore, variations in keyword categories and keyword length do not significantly affect the search performance. These findings demonstrate that implementing the Linear Search algorithm in Google Sheets improves the efficiency of data management and retrieval. Abstrak. Perkembangan teknologi informasi mendorong meningkatnya kebutuhan akan sistem pengelolaan dan pencarian data yang cepat, akurat, serta mudah diakses. Google Sheets banyak digunakan sebagai media penyimpanan data berbasis cloud, namun fitur pencarian bawaan masih memiliki keterbatasan, terutama dalam menampilkan hasil pencarian dari beberapa sheet. Penelitian ini bertujuan mengembangkan fitur pencarian yang lebih terstruktur pada Google Sheets menggunakan Apps Script dengan menerapkan algoritma pencarian linier (Linear Search). Secara teoritis, algoritma pencarian linier bekerja dengan membandingkan setiap elemen data secara berurutan hingga data yang dicari ditemukan sehingga sesuai diterapkan pada data yang tidak terurut. Metode penelitian dilakukan melalui perancangan dan implementasi algoritma pencarian linier menggunakan Apps Script, kemudian diuji pada data wajib pajak daerah di Kota/Kabupaten X. Hasil penelitian menunjukkan bahwa fitur pencarian yang dikembangkan mampu menampilkan hasil pencarian secara lebih terorganisir pada sheet pencarian serta dapat mencari data dari seluruh sheet yang tersedia. Selain itu, pemilihan kategori kata kunci maupun jumlah karakter pada kata kunci tidak memberikan pengaruh yang signifikan terhadap kecepatan pencarian. Hasil tersebut menunjukkan bahwa penerapan algoritma pencarian linier pada Google Sheets mampu meningkatkan kemudahan pengelolaan dan pencarian data.
Klasifikasi Jenis Sampah Berbasis Dataset Roboflow Menggunakan Convolutional Neural Network (CNN) Muhammad Raka Mugni Mubarok; Yurika Permanasari; Fariz Fahmi Fikri
Jurnal Riset Matematika Volume 6, No.1, Juli 2026, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrm.v6i1.10140

Abstract

Abstract. The issue of waste management has become increasingly complex along with the growth of population and human activities. In Indonesia, the high volume of waste and the low recycling rate indicate the need for a more effective waste management system, particularly at the waste sorting stage. Manual sorting of organic, inorganic, and hazardous (B3) waste still faces various obstacles, including low public awareness and limited efficiency. Therefore, this study aims to design and implement an image-based waste classification system using the Convolutional Neural Network (CNN) method as an automated solution for the waste sorting process. The results show that the CNN model achieves an accuracy of 82% for the inorganic class, 85% for the hazardous (B3) class, and 94% for the organic class. Model evaluation indicates good performance in classifying organic and inorganic waste, with F1-scores of 85% and 86%, respectively, while the classification of hazardous (B3) waste shows lower performance with an F1-score of 64%. These results indicate that the model is overall fairly effective, but still faces challenges in distinguishing the visual characteristics of hazardous (B3) waste. Abstrak. Permasalahan pengelolaan sampah saat ini menjadi isu yang semakin kompleks seiring dengan meningkatnya jumlah penduduk dan aktivitas manusia. Di Indonesia, volume sampah yang tinggi serta rendahnya tingkat daur ulang menunjukkan perlunya sistem pengelolaan sampah yang lebih efektif, khususnya pada tahap pemilahan sampah. Pemilahan sampah organik, anorganik dan B3 secara manual masih menghadapi berbagai kendala, antara lain masih rendahnya kesadaran masyarakat dan keterbatasan efisiensi. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem klasifikasi sampah berbasis citra menggunakan metode Convolutional Neural Network (CNN) sebagai solusi otomatis dalam proses pemilahan sampah. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai nilai akurasi sebesar 82% pada kelas anorganik, 85% pada kelas B3, dan 94% pada kelas organik. Evaluasi model menunjukkan performa yang baik dalam mengklasifikasikan sampah organik dan anorganik, dengan nilai F1-Score masing-masing sebesar 85% dan 86%, sedangkan klasifikasi sampah B3 masih memiliki performa yang lebih rendah dengan F1-Score sebesar 64%. Hasil ini menunjukkan bahwa model cukup efektif secara keseluruhan, namun masih menghadapi tantangan dalam membedakan karakteristik visual sampah B3.

Page 14 of 14 | Total Record : 137

 10   11   12   13   14 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Volume 6, No.1, Juli 2026, Jurnal Riset Matematika (JRM) Volume 5, No.2, Desember 2025, Jurnal Riset Matematika (JRM) Volume 5, No.1, Juli 2025, Jurnal Riset Matematika (JRM) Volume 4, No.2, Desember 2024, Jurnal Riset Matematika (JRM) Volume 4, No.1, Juli 2024, Jurnal Riset Matematika (JRM) Volume 3, No.2, Desember 2023, Jurnal Riset Matematika (JRM) Volume 3, No.1, Juli 2023, Jurnal Riset Matematika (JRM) Volume 2, No. 2, Desember 2022, Jurnal Riset Matematika (JRM) Volume 2, No. 1, Juli 2022, Jurnal Riset Matematika (JRM) Vol. 1 No. 2 (2021): Jurnal Riset Matematika Volume 1, No.2, Desember 2021, Jurnal Riset Matematika (JRM) Vol. 1 No. 1 (2021): Jurnal Riset Matematika Volume 1, No.1, Juli 2021, Jurnal Riset Matematika (JRM) More Issue