cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Djoni Hatidja
Contact Email
dhatidja@unsrat.ac.id
Phone
+628124442829
Journal Mail Official
dhatidja@unsrat.ac.id
Editorial Address
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sam Ratulangi Jl. Kampus Kleak Manado 95115
Location
Kota manado,
Sulawesi utara
INDONESIA
Jurnal Ilmiah Sains
Published by Universitas Sam Ratulangi
ISSN : 14123770     EISSN : 25409840     DOI : https://doi.org/10.35799/jis.v22i2.40961
Core Subject : Science, Education, Agriculture,
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Mathematics Physics
Jurnal Ilmiah Sains (Journal of Scientific Sciences) is the Journals Published by Faculty of Mathematics and Natural Sciences, Sam Ratulangi University. Jurnal Ilmiah Sains Published Twice a Year, i.e April and October. Jurnal Ilmiah Sains  welcomes full research articles in the area of Mathematics and Natural Sciences from the following subject areas: Mathematics Statistics Computer Science Physics Chemistry Biology
Arjuna Subject : Umum - Umum
Articles 23 Documents
 1   2   3 
Search results for , issue "Volume 11 Nomor 1, April 2011" : 23 Documents clear
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja
JURNAL ILMIAH SAINS Volume 11 Nomor 1, April 2011
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (712.886 KB) | DOI: 10.35799/jis.11.1.2011.53

Abstract

ABSTRAKPenelitian ini bertujuan untuk mengetahui karakteristik data harga saham harian PT. Telkom, Tbk, membuat model dan melakukan prediksi harga saham PT. Telkom, Tbk bulan Mei sampai Juni tahun 2011.  Data yang digunakan adalah data sekunder yang diambil dari website perusahaan PT. Telkom, Tbk sejak Januari 2010 sampai 30 Maret 2011 untuk memprediksi harga saham Mei sampai Juni 2011.  Hasil penelitian menunjukkan bahwa model untuk harga saham maksimum adalah ARIMA (3,1,3), Sedangkan model harga saham minimum adalah ARIMA (3,1,1).  Prediksi harga saham minimum dan maksimum dan PT. Telkom, Tbk untuk bulan Mei sampai Juni didapatkan harga saham berkisar antara Rp. 7.099 sampai Rp. 7.282.Kata Kunci : ARIMA, PT. Telkom Tbk., Stasioner APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELKOM Tbk.ABSTRACTThe objevtives of this research was to knowed the daily stock price of PT. Telkom, Tbk, make models and  predicted May up to June 2011 using the data from 2008 up to March 2011.  Data that are used by secondary data and take from website of  PT. Telkom, Tbk since January 2010 to March 2011 for predicting May to June 2011. The results showed that the maximum stock price model was ARIMA (3,1,3), while the minimum stock price model was ARIMA (3,1,1) .  Predicted minimum and maximum stock price of PT. Telkom Tbk. for   May to June was Rp. 7.099 to Rp. 7.282.Keywords: ARIMA, PT. Telkom Tbk., stationary
PENENTUAN KLASIFIKASI STATE PADA RANTAI MARKOV DENGAN MENGGUNAKAN NILAI EIGEN DARI MATRIKS PELUANG TRANSISI Yohanes A. R. Langi
JURNAL ILMIAH SAINS Volume 11 Nomor 1, April 2011
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (398.91 KB) | DOI: 10.35799/jis.11.1.2011.54

Abstract

Masalah dasar dari pemodelan stokastik dengan proses Markov adalah menentukan deskripsi state yang sesuai, sehingga proses stokastik yang berpadanan akan benar-benar memiliki sifat Markov, yaitu pengetahuan terhadap state saat ini adalah cukup untuk memprediksi perilaku stokastik dari proses di waktu yang akan datang. Penelitian ini dilakukan untuk menentukan klasifikasi state pada rantai Markov yang dibatasi untuk n = 4. Hasil penelitian ini menunjukkan bahwa untuk, state 4 terdapat satu state absorbing dan tiga state transient. Untuk batasan nilai terdapat dua state yang transient, dua state yang recurrent, dan membentuk satu kelas ekivalensi, sedangkan untuk batasan nilai terdapat dua state yang transient, dua state yang recurrent, dan termasuk state yang recurrent dalam satu kelas ekivalensi. DETERMINE CLASSIFICATION OF STATE IN MARKOV CHAIN USING EIGEN VALUE FROM TRANTITION PROBABILITY MATRIXABSTRACTBase problem from stochastic modal with Markov process is to determine appropriate state of description, in order that stochastic process corresponding will has truly Markov’s characteristic. Recently, it is adequate for knowledge of state to predict process of behavior stochastic in future. The research is intended to determine classification of state in Markov’s chain that is restriction to 4. The results indicate that for state,for 4. A restriction value will be formed one state transient, two states recurrent and one class of equivalent, while limited one will be formed two states transient, two states recurrent, and including one state recurrent inside one class of equivalent.
SISTEM PAKAR PENDIAGNOSA PENYAKIT GINJAL Luther Latumakulita; Chriestie E. J. C. Montolalu
JURNAL ILMIAH SAINS Volume 11 Nomor 1, April 2011
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (633.356 KB) | DOI: 10.35799/jis.11.1.2011.55

Abstract

Sistem pakar merupakan salah satu cabang kecerdasan buatan yang mempelajari bagaimana meniru cara berpikir seorang pakar dalam menyelesaikan suatu permasalahan. Kecerdasan buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berperilaku cerdas seperti manusia. Ilmu komputer mengembangkan perangkat lunak dan perangkat keras untuk menirukan tindakan manusia. Aktifitas manusia yang ditirukan seperti penalaran, penglihatan, pembelajaran, pemecahan masalah, pemahaman bahasa alami, dan sebagainya. Sesuai definisi, teknologi kecerdasan buatan dipelajari dalam bidang-bidang seperti Robotika (Robotics), Penglihatan Komputer (Computer Vision), Pengolahan Bahasa Alami (Natural Language Processing), Pengenalan Pola (Pattern Recognition), Sistem Syaraf Buatan (Artificial Neural System), Pengenalan Suara (Speech Recognition), dan Sistem pakar (Expert System). Sistem pakar terdiri 2 bagian pokok, yaitu lingkungan pengembangan (development environment) digunakan sebagai pembangun sistem pakar baik dari segi pembangun komponen maupun basis pengetahuan dan lingkungan konsultasi (consultation environment)digunakan oleh seseorang yang bukan ahli untuk berkonsultasi. Lingkungan pengembangan digunakan oleh ES builder untuk membangun komponen dan memasukan penetahuan kedalam basis pengetahuan. Aplikasi Sistem Pakar ini adalah merupakan paket perangkat lunak yang membahas bagaimana cara untuk mendeteksi penyakit ginjal pada manusia. Sistem pakar pendeteksi penyakit ginjal pada manusia ini terdiri atas 2 bagian yaitu : Lingkungan Konsultasi (Development environment) dan Lingkungan Pengembangan (Consultation environment). Bahasa pemrograman yang digunakan untuk membuat aplikasi system pakar ini Microsoft Visual Studio 6.0 dengan databasenya menggunakan Microsoft Access 2003. sesuai dengan bahasa pemrograman yang digunakan maka interface yang akan ditampilkan dalam memberikan informasi bagi user akan berbentuk visual. EXPERT SYSTEM FOR KIDNEY DISEASE DIAGNOSISABSTRACTExpert System (ES) is an artifial intelligence which aplicate a profesional’s way of think in solving a problem. Artificial intelligence is a computer field which move computer to operate as smart as human brain. This computer science develop software and hardware to act like a human. Human activities which modify such as reasoning, vision, learning, problem solving, natural language, etc. Base on that definition, artificial intelligence technologi were improved in many fields such as Robotics, Computer Vision, Natural Language Processing, Pattern Recognition, Artificial Neural System, Speech Recognition, and Expert System. Expert System consist of two main fields: development environment used as expert system builder in component builder and also knowledge base, and consultation builder used by a person who has not ability in in consultation. Development environment used by ES builder to build component and input knowledge in to the knowledge base. This Expert System Aplication is a software sistem, which improve the aplication to detect kidney disease for human. Expert System detection of kidney disease for human consists of two parts: Development environment and Consultation environment.Programming language, which used to build this Expert System aplication, is Microsoft Visual Studio 6.0 with database Microsoft Access 2003. Base on the language programming used, then the interface, to give the information for user, will be shown in visual.

Page 3 of 3 | Total Record : 23

 1   2   3 

Filter by Year

2011 2011


Reset
Filter By Issues
All Issue Volume 25 Issue 2, October 2025 Volume 25 Issue 1, April 2025 Volume 24 Issue 2, October 2024 Volume 24 Issue 1, April 2024 Volume 23 Nomor 2, Oktober 2023 Volume 23 Nomor 1, April 2023 Volume 22 Nomor 2, Oktober 2022 Volume 22 Nomor 1, April 2022 Volume 21 Nomor 2, Oktober 2021 Volume 21 Nomor 1, April 2021 Volume 20 Nomor 2, Oktober 2020 Volume 20 Nomor 1, April 2020 Volume 19 Nomor 2, Oktober 2019 Volume 19 Nomor 1, April 2019 Volume 18 Nomor 2, Oktober 2018 Volume 18 Nomor 1, April 2018 Volume 17 Nomor 2, Oktober 2017 Volume 17 Nomor 1, April 2017 Volume 16 Nomor 2, Oktober 2016 Volume 16 Nomor 1, April 2016 Volume 15 Nomor 2, Oktober 2015 Volume 15 Nomor 1, April 2015 Volume 14 Nomor 2, Oktober 2014 Volume 14 Nomor 1, April 2014 Volume 13 Nomor 2, Oktober 2013 Volume 13 Nomor 1, April 2013 Volume 12 Nomor 2, Oktober 2012 Volume 12 Nomor 1, April 2012 Volume 11 Nomor 2, Oktober 2011 Volume 11 Nomor 1, April 2011 Volume 9 Nomor 1, April 2009 Volune 8 Nomor 1, April 2008 Volume 7 Nomor 1, April 2007 More Issue