cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Juhari
Contact Email
juhari@uin-malang.ac.id
Phone
+6281336397956
Journal Mail Official
jrmm@uin-malang.ac.id
Editorial Address
Jalan Gajayana 50 Malang, Jawa Timur, Indonesia 65144 Faximile (+62) 341 558933
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Riset Mahasiswa Matematika
Published by Universitas Islam Negeri Maulana Malik Ibrahim Malang
ISSN : 28081552     EISSN : 28084926     DOI : https://doi.org/10.18860/jrmm
Core Subject : Education,
Mathematics
Jurnal Riset Mahasiswa Matematika (JRMM) publishes current research articles in any area of Mathematics Research such as graph labelings, modeling, statistics, actuaria, optimal network problems, metric dimension, graph coloring, rainbow connection and other related topics. JRMM is published six times a year, namely in February, April, June, August, October, December JRMM is published by the Association of Indonesian Islamic Religious University Mathematics Lecturers and Department of Mathematics Universitas Islam Negeri Maulana Malik Ibrahim Malang (UIN Malang). All papers will be refereed in the normal manner of mathematical journals to maintain the high standards. JRMM is an open access journal. Full-text access to all papers is available for free. Jurnal Riset Mahasiswa Matematika (JRMM) has been indexed by Google Scholar
Arjuna Subject : Matematika - Matematika (Lain-Lain)
Articles 195 Documents
 16   17   18   19   20 
Teorema Hahn-Banach untuk Fungsional Linier Terbatas Astuti, Rahmadita Widya; Maharani, Dian; Aziz, Abdul
Jurnal Riset Mahasiswa Matematika Vol 5, No 3 (2026): Jurnal Riset Mahasiswa Matematika
Publisher : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/jrmm.v5i3.34722

Abstract

A linear functional  is a mapping from a vector space  to a field , ( or ), that satisfies two properties, additivity and homogeneity. Among the various properties of linear functionals, one important property is boundedness. This research is to prove the boundedness property of linear functionals using the Hahn-Banach Theorem. The Hahn-Banach Theorem addresses the extension of linear functionals. Thus, the results of this research show that with the Hahn-Banach Theorem, every element  in a normed space can be associated with a bounded linear functional  such that  dan . Furthermore, a linear functional defined on a real vector space can be extended to a complex vector space using the structure , and it is proven that this extension satisfies . This research is expected to be beneficial and serve as an additional reference.
Analisis Peramalan Harga Saham PT Unilever Indonesia Menggunakan Pemodelan LSTM dengan Optimasi PSO Burhan, Dewinto; Hasan, Isran K.; Nashar, La Ode
Jurnal Riset Mahasiswa Matematika Vol 5, No 3 (2026): Jurnal Riset Mahasiswa Matematika
Publisher : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/jrmm.v5i3.40090

Abstract

Pergerakan harga saham cenderung tidak stabil dan sulit diprediksi karena memiliki pola yang kompleks serta berubah-ubah dari waktu ke waktu. Untuk mengatasi hal tersebut, penelitian ini menggunakan model Long Short-Term Memory (LSTM) dalam melakukan peramalan harga saham. Agar model yang dihasilkan memiliki kinerja yang optimal, dilakukan optimasi hyperparameter menggunakan metode Particle Swarm Optimization (PSO). Optimasi dilakukan pada tiga parameter utama LSTM yaitu LSTM units, dropout rate, dense units. Dari proses optimasi diperoleh enam konfigurasi model terbaik. Hasil pengujian menunjukkan model ke-5 memberikan hasil optimasi paling baik dengan nilai RMSE 120,3320 dan MAPE sebesar 3,53% dengan menggunakan kombinasi hyperparameter LSTM units = 137, dropout rate = 0,498, dan dense units = 32. Hasil ini menunjukkan bahwa optimasi hyperparameter memberikan peningkatan akurasi peramalan dibandingkan LSTM tanpa optimasi. Dengan demikian, kombinasi model LSTM dengan optimasi PSO mampu menghasilkan peramalan harga saham yang lebih akurat dan stabil. Pendekatan ini dapat digunakan sebagai alternatif dalam analisis pergerakan harga saham dan mendukung pengambilan keputusan investasi.
Dinamika Stunting Remaja Perempuan di Jawa Timur Berdasarkan Model Kompartemen Setiawati, Erna
Jurnal Riset Mahasiswa Matematika Vol 5, No 3 (2026): Jurnal Riset Mahasiswa Matematika
Publisher : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/jrmm.v5i3.39879

Abstract

Prevalensi stunting pada remaja perempuan merupakan masalah kesehatan masyarakat yang signifikan di Jawa Timur. Penelitian ini bertujuan menganalisis dinamika stunting terkait pernikahan dini menggunakan model kompartemen berbasis simulasi. Model memperkirakan aliran populasi dari remaja, ibu, hingga anak, dengan parameter laju pernikahan dini, pernikahan usia ideal, dan pemulihan stunting. Simulasi digunakan untuk memprediksi perubahan prevalensi stunting dan menilai sensitivitas terhadap parameter utama. Hasil menunjukkan bahwa penurunan laju pernikahan dini secara bertahap menurunkan prevalensi stunting pada ibu dan anak, sedangkan analisis sensitivitas parameter γ menegaskan dampak signifikan perubahan laju pemulihan stunting. Temuan ini menekankan pentingnya intervensi sosial yang menargetkan penundaan pernikahan dini. Model kompartemen ini menyediakan kerangka kuantitatif yang berguna untuk perumusan kebijakan kesehatan remaja dan anak.
Penerapan Metode Fuzzy Time Series Chen Orde Tinggi Pada Peramalan Nilai Tukar Petani Provinsi Gorontalo Muhammad, Nur Miftah; Hasan, Isran K.; Arsal, Armayani; Rahmi, Emli; Nashar, Laode
Jurnal Riset Mahasiswa Matematika Vol 5, No 4 (2026): Jurnal Riset Mahasiswa Matematika
Publisher : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/jrmm.v5i4.41337

Abstract

Nilai Tukar Petani (NTP) merupakan salah satu indikator ekonomi yang digunakan untuk menggambarkan tingkat kesejahteraan petani dan kondisi sektor pertanian. Pergerakan nilai NTP yang bersifat fluktuatif memerlukan pendekatan peramalan yang mampu menangkap pola data secara memadai. Penelitian ini bertujuan menerapkan metode Fuzzy Time Series (FTS) Chen orde tinggi untuk meramalkan Nilai Tukar Petani di Provinsi Gorontalo serta mengidentifikasi model orde yang memberikan tingkat kesalahan peramalan yang paling tepat. Data yang digunakan berupa data bulanan NTP Provinsi Gorontalo periode Januari 2020 hingga Oktober 2025 yang terdiri dari 70 observasi dan diperoleh dari publikasi resmi Badan Pusat Statistik. Data dibagi menjadi 80% data latih dan 20% data uji menggunakan pendekatan pembagian berdasarkan waktu. Tahapan analisis meliputi penentuan himpunan semesta, pembentukan interval, proses fuzzifikasi, pembentukan Fuzzy Logical Relationship (FLR) dan Fuzzy Logical Relationship Group (FLRG), defuzzifikasi, serta evaluasi kinerja model menggunakan Mean Absolute Percentage Error (MAPE). Hasil analisis menunjukkan bahwa model FTS Chen orde dua menghasilkan nilai MAPE sebesar 3,3164% pada data uji, yang lebih kecil dibandingkan dengan model orde satu. Sementara itu, model orde tiga tidak dapat digunakan secara optimal karena tidak terbentuk hubungan fuzzy pada beberapa periode data pengujian. Hasil ini menunjukkan bahwa pendekatan FTS Chen orde dua dapat memberikan hasil peramalan yang relatif lebih baik pada data NTP yang dianalisis dalam penelitian ini.
Deep Neural Network-Based Student Performance Prediction with Hessian-Free Optimization Irawan, Andy; Abidin, Zainal; Jamhuri, Mohammad
Jurnal Riset Mahasiswa Matematika Vol 5, No 4 (2026): Jurnal Riset Mahasiswa Matematika
Publisher : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/jrmm.v5i4.37951

Abstract

Predicting student graduation predicates is important for academic monitoring and timely intervention in higher education. This study investigates graduation predicate prediction using deep neural networks under three feature-group settings: academic-only, non-academic-only, and combined academicnon-academic features. A multilayer perceptron with three hidden layers was trained using SGD with momentum, RMSProp, Adam, and a damped Hessian-free optimization procedure. Two tasks were considered: a four-class graduation predicate classification task and a binary risk-screening task in which Sufficient was treated as the positive risk class. The results show that the combined feature group achieved the best multiclass performance, with an accuracy of 0.8478 and a weighted F1-score of 0.8274. Hessian-free optimization consistently produced the best results across all feature-group scenarios, with the clearest gain appearing in the non-academic-only setting. In the additional risk-screening analysis, non-academic variables provided meaningful but limited predictive signal, and Major emerged as the strongest individual predictor. These findings show that combining academic and non-academic information improves graduation predicate prediction and that Hessian-free optimization is an effective training strategy for deep neural classification in educational data.

Page 20 of 20 | Total Record : 195

 16   17   18   19   20 

Filter by Year

2021 2026


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