cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Laksono Budiarto
Contact Email
laksono.budiarto@um.ac.id
Phone
+62895384660796
Journal Mail Official
jmipap.journal@um.ac.id
Editorial Address
Universitas Negeri Malang Jl. Semarang no 5 Malang Jawa Timur 65115
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal MIPA dan Pembelajarannya
Published by Universitas Negeri Malang
ISSN : -     EISSN : 27980634     DOI : https://doi.org/10.17977/um067
Core Subject : Science, Education, Engineering,
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Education Energy Immunology & microbiology Materials Science & Nanotechnology Mathematics
Jurnal MIPA dan Pembelajarannya (JMIPAP) is a publication that focuses on education, particularly in the areas of mathematics and natural sciences. The journal publishes articles, research papers, and other relevant manuscripts related to the teaching and learning of these subjects. It provides a platform for educators, researchers, and scholars to share their ideas, insights, and innovative teaching methods that can enhance the teaching and learning experience of students in mathematics and natural sciences. JMIPAP aims to contribute to the improvement of the quality of education in these fields by providing a space for the exchange of knowledge and ideas among its readers and contributors.
Arjuna Subject : Kimia(semua kategori) - Kimia (Lain-Lain)
Articles 206 Documents
 10   11   12   13   14 
Sifat-sifat semigrup hingga dan gabungannya Ayuningtias, Vita; Irawati , Santi
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p1

Abstract

Semigrup adalah suatu himpunan tidak kosong disertai dengan suatu operasi biner yang assosiatif. Jika banyaknya unsur-unsur di semigrup adalah hingga maka adalah semigrup hingga. Gabungan dari dua semigrup hingga ternyata tidak selalu merupakan semigrup. Minisker (2013) mendefinisikan suatu operasi biner pada gabungan dari dua semigrup hingga yang saling asing. Dari definisi ini, dapat ditunjukkan bahwa gabungan dari dua semigrup hingga tersebut merupakan semigrup juga. Artikel ini akan mengkaji sifat-sifat dari gabungan dua semigrup hingga yang saling asing, yaitu periodisitas dan residual hingga. Selain itu, artikel ini juga dilengkapi dengan definisi, lemma, teorema, dan proposisi pendukung. Beberapa contoh juga diberikan sebagai ilustrasi.
Graph sederhana pembagi nol dari ring komutatif dengan satuan Sukkur , Mohammad; Sulandra, I Made
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p2

Abstract

Misalkan R merupakan ring komutatif dengan unsur satuan. Berdasarkan unsur – unsur di R dan unsur – unsur pembagi nol di R, akan diperoleh suatu graph Γ(R), dengan himpunan titiknya adalah V(Γ(R))=Z(R) dimana Z(R)={0≠x∈R|xy=0,untuk suatu 0≠y∈R} dan himpunan sisinya adalah E(Γ(R))={(x,y)|xy=0,x,y∈Z(R)} dimana (x,y)=(y,x). Graph tersebut disebut graph pembagi nol. Jika himpunan sisi pada graph tersebut adalah E(Γ(R))={(x,y)|xy=0,x,y∈Z(R),x≠y} dimana (x,y)=(y,x), maka graph tersebut disebut graph sederhana pembagi nol. Pada tulisan ini, akan dikaji karakteristik graph sederhana pembagi nol Γ(R), yaitu (1) graph Γ(R) hingga jika dan hanya jika R adalah hingga atau R adalah daerah integral, (2) graph Γ(R) adalah graph terhubung dengan dim⁡(Γ(R))≤3, (3) ada titik dari Γ(R) yang terhubung langsung ke semua titik lainnya jika dan hanya jika Z(R)∪{0} merupakan ideal annihilator, (4) ada titik dari Γ(R) yang terhubung langsung ke semua titik lainnya jika dan hanya jika R≅Z_2×A, dimana A merupakan daerah integral, (5) jika R hingga, maka ada titik dari Γ(R) yang terhubung langsung ke semua titik lainnya jika dan hanya jika R≅Z_2×F, dimana F merupakan field.
Implementasi artificial bee colony pada mix fleet vehicle routing problem (MFVRP) untuk optimalisasi pendistribusian produk Wulandari, Elis Dwi; Satyananda, Darmawan
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p3

Abstract

Mix Fleet Vehicle Routing Problem (MFVRP) merupakan bagian dari permasalahan Capacitated Vehicle Routing Problem. Tujuan utama dari MFVRP adalah meminimalisasi jarak tempuh dan banyak kendaraan dengan memperhatikan setiap kendaraan yang memiliki kapasitas berbeda. Artificial Bee Colony merupakan algoritma yang didasarkan kecerdasan berkelompok dari lebah dalam mencari sumber makanan. Terdapat tiga bagian dalam kelompok lebah yaitu Lebah Pekerja (Employed), Lebah Penjaga (Onlooker) dan Lebah Pengintai (Scout). Implementasi Algoritma Artificial Bee Colony untuk memudahkan menyelesaikan permasalahan MFVRP menggunakan Borland Delphi 7.
Gelanggang bersih dan perluasannya Aunillah, Ahmad Adil; Irawati, Santi
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p4

Abstract

Misalkan adalah suatu gelanggang dengan unsur satuan 1.Suatu unsur disebut bersih jika , untuk suatu unit di dan suatu idempoten di . disebut gelanggang bersih jika setiap unsurnya adalah bersih. Gelanggang disebut -gelanggang bersih jika setiap unsur di dapat dinyatakan sebagai penjumlahan idempoten dan unit di . Misalkan adalah pusat gelanggang dan adalah polinom di pusat . Suatu unsur di disebut -bersih jika , di mana adalah unit di dan . Selanjutnya disebut -gelanggang bersih jika setiap unsurnya adalah -bersih. Suatu unsur di disebut -bersih jika , di mana adalah unit di dan . Selanjutnya gelanggang disebut -gelanggang bersih jika setiap unsurnya -bersih. Dalam artikel ini akan mengkaji beberapa gelanggang bersih, sifat-sifatnya, dan perluasannya.
Analisis cluster dan analisis diskriminan untuk mengelompokkan provinsi berdasarkan faktor-faktor yang mempengaruhi tingkat kemiskinan di Indonesia tahun 2009, 2010, dan 2011 Widiyatna, Alfiah; Rahardjo, Swasono
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p5

Abstract

Kemiskinan merupakan suatu keadaan yang terjadi karena ketidakmampuan seseorang untuk mencukupi kebutuhan pokok minimum seperti pangan, sandang, kesehatan, perumahan, dan pendidikan yang diperlukan untuk bisa bertahan hidup. Ada banyak faktor yang mempengaruhi suatu daerah dikatakan miskin, salah satunya Tingkat Pengangguran Terbuka (TPT), Upah Minimum Provinsi (UMP), dan Indeks Pembangunan Manusia (IPM). Dalam mengelompokkan daerah berdasarkan faktor yang mempengaruhi kemiskinan digunakan analisis cluster dan analisis diskriminan untuk menentukan fungsi diskriminan. Berdasarkan analisis cluster diperoleh kelompok dengan tingkat kemiskinan tertinggi terdiri atas 7 provinsi, kelompok dengan tingkat kemiskinan ke-2 terdiri atas 8 provinsi, tingkat kemiskinan ke-3 terdiri atas 3 provinsi, dan kelompok dengan tingkat kemiskinan terendah terdiri atas 4 provinsi. Sedangkan fungsi diskriminan yang akurat untuk data tahun 2009 adalah D_1=1,165X_1+1,087X_2+0,098X_3, dan D_2=0,818X_1-1,146X_2+0,664X_3. Tahun 2010 adalah D_1=1,171X_1-0,811X_2+1,088X_3, D_2=1,064X_1+1.043X_2-0,596X_3 dan D_3=-0,794X_1+0,763X_2+0,962X_3. Tahun 2011 adalah D_1=0.623X_1+2.202X_2+0,289X_3, D_2=0,841X_1-0,648X_2+0,815X_3, dan D_3=-0,939X_1+0,338X_2+0,920X_3. Sedangkan gabungan data tahun 2009-2011 adalah D_1=1,253X_1+0,777X_2+0,208X_3, D_2=-0,838X_1+1,394X_2-0,391X_3, dan D_3=-0,829X_1+0,363X_2+1,287X_3.
Analisis model matematika penyebaran virus ebola Ratnaningsih, Ari Juni; Nusantara, Toto
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p6

Abstract

Ebola adalah jenis virus yang unik dari keluarga virus asam ribonukleat yang dikenal tidak memiliki reservoir alami. Masa inkubasi dari Ebola adalah 2-21 hari, dan periode infeksi adalah 4-10 hari. Dalam model wabah Ebola tahun 1976 di Yambuku, Zaire digunakan beberapa variabel, yaitu dan . Dalam hasil penelitian ini menunjukkan bahwa pada titik kesetimbangan bebas penyakit akan stabil jika nilai rasio reproduksinya kurang dari 1.
Pelabelan skolem graceful pada graf (S_n,r) Sedayu, Angger; Purwanto, Purwanto
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p7

Abstract

Pelabelan pada suatu graph adalah pemetaan yang memetakan unsur-unsur graph yaitu himpunan titik, himpunan sisi, maupun himpunan titik dan sisi ke suatu bilangan asli dengan aturan tertentu. Pelabelan Skolem Graceful adalah fungsi injektif γ dari himpunan titik V ke himpunan bilangan {1,2,…,|V|} yang menginduksi fungsi bijektif γ' dari himpunan sisi E ke himpunan {1,2,…,|E|} dimana setiap sisi uv∈E dengan titik u,v∈V berlaku γ'(uv)=|γ(u)-γ(v)|.Pada skripsi ini ditunjukkan bahwa graf (S_n,r) mempunyai pelabelan skolem graceful untuk 2≤r≤5. Pembuktian dilakukan dengan mengkontruksi himpunan pelabelan titik dan pelabelan sisinya. Graf (S_n,r) adalah suatu graf yang dibangun dari graf bintang S_n sebanyak r, kemudian diberikan sebuah titik pusat c yang dihubungkan ke setiap titik pusat S_n dengan menambahkan sisi.Dari pembahasan diperoleh graf (S_n,r) untuk 2≤r≤5 mempunyai pelabelan skolem graceful. Pelabelan Skolem Graceful pada graf 〖(S〗_n,r),2≤r≤5 dikerjakan dengan melabeli titik terlebih dahulu, dan dilanjutkan dengan melabeli sisi. Lebih lanjut pembahasan ini dapat dibuat aplikasi khusus untuk memeriksa apakah suatu graf dapat dilabeli secara skolem graceful untuk graf 〖(S〗_n,r) untuk r lebih tinggi.
Analisis faktor eksploratori komponen utama penyebab inflasi di kota Malang Larasati, Annisa; Rahardjo, Swasono
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p8

Abstract

Inflasi merupakan suatu keadaan dimana terjadi proses kenaikan harga berlangsung terus-menerus dan saling mempengaruhi. Inflasi menjadi konsentrasi utama setiap negara dalam pertumbuhan ekonomi dan peningkatan kualitas hidup masyarakatnya, karena kestabilan harga menjadi cermin dari kestabilan ekonomi suatu negara dan menimbulkan ketenangan dalam politik dan pemerintahan. Penelitian ini mengkaji faktor-faktor penyebab inflasi di Kota Malang dengan cara mereduksi variabel-variabel awal menjadi faktor baru. Cara mereduksi variabel-variabel tersebut adalah dengan analisis faktor eksploratori komponen utama. Variabel-variabel yang digunakan dalam penelitian ini adalah kelompok bahan makanan ( ), kelompok makanan jadi, minuman, rokok dan tembakau ( ), kelompok perumahan, air, listrik, gas dan bahan bakar ( ), kelompok sandang ( ), kelompok kesehatan ( ), kelompok pendidikan, rekreasi dan olahraga ( ), kelompok transpor, komunikasi dan jasa keuangan ( ), serta laju inflasi bulanan Kota Malang . Dari hasil penerapan analisis komponen utama, diperoleh sebanyak tiga faktor baru yang terbentuk. Dari tiga faktor baru yang terbentuk dan diregresikan dengan inflasi, diperoleh kesimpulan bahwa besar pengaruh yang mampu dijelaskan oleh faktor 1, 2, dan 3 terhadap laju inflasi adalah 93,7%, sedangkan sisanya dipengaruhi variabel lain, seperti penambahan pencetakan uang baru, kekacauan politik, dll.
Pemodelan faktor-faktor yang mempengaruhi angka kematian bayi di pulau Jawa menggunakan regresi terpotong Agung, Citra Amelia; Susiswo, Susiswo
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p9

Abstract

Angka kematian bayi adalah rata-rata banyaknya bayi yang meninggal setiap seribu kelahiran hidup. Faktor-faktor yang dapat mempengaruhi angka kematian bayi (Y) antara lain angka melek huruf (X_1), berat badan bayi lahir rendah (X_2), kelahiran ditolong tenaga kesehatan (X_3), pemberian ASI eksklusif (X_4), pemberian imunisasi lengkap (X_5), jumlah rumah sakit (X_6), jumlah puskesmas (X_7), jumlah posyandu (X_8), jumlah dokter (X_9), jumlah bidan (X_10). Penelitian ini bertujuan untuk mengetahui faktor-faktor yang paling berpengaruh terhadap angka kematian bayi. Angka kematian bayi dapat dikelompokkan menjadi angka kematian bayi per 1000 kelahiran hidup tergolong rendah apabila kematian bayi kurang dari 35 angka kematian, sedang apabila kematian bayi diantara 35 sampai 75 angka kematian, dan tinggi apabila kematian bayi lebih dari 75 angka kematian. Sehingga pemotongan untuk data angka kematian bayi ini menggunakan pengelompokkan tersebut. Metode yang digunakan pada penelitian ini adalah analisis regresi terpotong. Analisis regresi terpotong adalah analisis regresi yang digunakan untuk menjelaskan hubungan antara variabel tak bebas dengan beberapa variabel bebas yang memuat data terpotong. Data terpotong adalah data dengan peubah tak bebas yang mengalami pembatasan atau pemotongan untuk tujuan tertentu. Adapun pembatasan yang dialami pada data ini yaitu kelompok rendah (0<AKB<35) dan kelompok sedang (35≤AKB≤75). Analisis regresi terpotong menghasilkan model y=-4,112431+0,354999X_3-0,046976X_9+0,004812X_10-3,624764(λ(□((35-(-4,112431+0,354999X_3-0,046976X_9+0,004812X_10 ))/3,624764))-λ(□((0-(-4,112431+0,354999X_3-0,046976X_9+0,004812X_10 ))/3,624764))), dengan nilai SIC 5,074748dan y=31,3868-1,098724X_1+0,646404X_7-0,011127X_8-7,551392(λ(□((75-(31,3868-1,098724X_1+0,646404X_7-0,011127X_8 ))/7,551392))-λ(□((35-(31,3868-1,098724X_1+0,646404X_7-0,011127X_8 ))/7,551392))), dengan nilai SIC 5,718472.Dari persamaan regresi yang diperoleh maka faktor dominan yang mempengaruhi angka kematian bayi pada kelompok rendah adalah kelahiran ditolong tenaga kesehatan, jumlah dokter, dan jumlah bidan. Sedangkan pada kelompok sedang adalah angka melek huruf, jumlah puskesmas, dan jumlah posyandu.
Kajian penaksiran parameter regresi robust untuk data outlier (pencilan) dengan estimasi-mm Ningrum, Citra Setya; Rahardjo, Swasono
Jurnal MIPA dan Pembelajarannya Vol. 2 No. 10 (2022): Oktober
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um067v2i102022p10

Abstract

Hubungan linear variabel terikat dan variabel bebas dapat diwujudkan dalam suatu model regresi. Dalam memodelkan suatu regresi dibutuhkan metode penaksiran. Metode penaksiran parameter model dengan Metode Kuadrat Terkecil (MKT) akan menghasilkan kesimpulan yang tidak sempurna apabila diketahui data yang memuat pencilan. Karena adanya pencilan menyebabkan penaksiran koefisien regresi yang dihasilkan tidak tepat. Oleh karena itu, diperlukan metode penaksiran parameter regresi yang kekar terhadap keberadaan pencilan, yaitu regresi robust. Regresi robust merupakan salah satu analisis statistik terutama analisis regresi yang digunakan untuk mengatasi pencilan yang tidak perlu dihapus dari data. Regresi ini memiliki beberapa metode penaksiran salah satunya adalah estimasi-MM yang diperkenalkan oleh Yohai (1987). Estimasi ini merupakan gabungan dari metode estimasi-S (High Breakdown) dan metode estimasi-M. Sebelum menaksir dengan estimasi-MM, data diidentifikasi untuk melihat pencilan dengan menggunakan metode grafis (Scatterplot), boxplot, dan sebagainya. Pada kasus ini dalam mengestimasi parameter regresi dengan software SAS 9.1, Minitab 16, dan SPSS 21.Analisis ini bertujuan untuk mengetahui dampak pencilan terhadap hasil penaksiran dari estimasi-MM dan MKT dengan penghapusan pencilan serta menentukan metode terbaik antara keduanya. Data yang digunakan adalah data sekunder yang memuat pencilan. Hasil analisis menunjukkan adanya pengaruh terhadap hasil analisis regresi yang terlihat pada perubahan nilai dan tanda koefisien regresi, serta nilai R^2. Berdasarkan kriteria keakuratan model R^2 yang dihasilkan menunjukkan bahwa nilai R^2 MKT dengan menghapus pencilan lebih tinggi dibanding nilai R^2 estimasi-MM. Meskipun nilai keakuratannya lebih tinggi MKT dengan menghapus pencilan tetap saja lebih baik menggunakan estimasi-MM untuk menaksir parameter model regresi pada data yang memuat pencilan. Hal ini karena estimasi-MM dapat menaksir parameter pada data yang memuat pencilan tanpa menghapus pencilan tersebut, tetapi hanya menurunkan bobot dari pencilan tersebut. Berbeda dengan MKT, apabila data memuat pencilan untuk mendapatkan model regresi yang baik data pencilan tersebut dihapus. Padahal menghapus data bukan tindakan baik, dengan menghapus sebagian data berarti mengubah data aslinya sehingga kebenaran hasil prediksi masih dipertanyakan.

Page 12 of 21 | Total Record : 206

 10   11   12   13   14 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2025): February Vol. 5 No. 1 (2025): Januari Vol. 4 No. 12 (2024): Desember Vol. 4 No. 11 (2024): Nopember Vol. 3 No. 12 (2023): Desember Vol. 3 No. 11 (2023): November Vol. 3 No. 10 (2023): Oktober Vol. 3 No. 9 (2023): September Vol. 3 No. 8 (2023): Agustus Vol. 3 No. 7 (2023): Juli Vol. 3 No. 6 (2023): Juni Vol. 3 No. 5 (2023): Mei Vol. 3 No. 4 (2023): April Vol. 3 No. 3 (2023): Maret Vol. 3 No. 2 (2023): Februari Vol. 3 No. 1 (2023): Januari Vol. 2 No. 12 (2022): Desember Vol. 2 No. 11 (2022): Nopember Vol. 2 No. 10 (2022): Oktober Vol. 2 No. 9 (2022): September Vol. 1 No. 10 (2021) Vol. 1 No. 9 (2021) Vol. 1 No. 8 (2021) Vol. 1 No. 7 (2021) Vol. 1 No. 6 (2021) Vol. 1 No. 5 (2021) Vol. 1 No. 4 (2021) Vol. 1 No. 3 (2021) Vol. 1 No. 2 (2021) Vol. 1 No. 1 (2021) More Issue