PRISMA, Prosiding Seminar Nasional Matematika
PRISMA, Prosiding Seminar Nasional Matematika, mempublikasikan ide, gagasan, hasil penelitian matematika atau pembelajarannya. Prisma diterbitkan berkala setiap tahun, sebagai ajang publikasi seminar nasional yang diselenggarakan oleh Jurusan Matematika Fakultas MIPA Universitas Negeri Semarang. Naskah yang dipublikasikan telah dipresentasikan dalam pertemuan ilmiah tersebut. PRISMA diterbitkan setiap Februari pada tahun setelah pelaksanaan Seminar Nasional Matematika UNNES.
Articles
837 Documents
<![CDATA[Pemilihan Strategi Pemasaran Menggunakan Metode WP (Weighted Product) pada Industri Tekstil ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Salah satu penentu keberhasilan suatu usaha adalah dalam hal strategi pemasaran. Dalam memilih strategi pemasaran yang kompetitif, dibutuhkan penelitian diberbagai faktor internal dan eksternal perusahaan yang berpengaruh terhadap performasi perusahaan. Pemilihan strategi pemasaran dapat dikategorikan sebagai tindakan pengambilan keputusan. Dengan bantuan metode-metode pada Fuzzy seperti metode Weighted Product (WP) dapat membantu pengambilan keputusan mengenai pemilihan strategi pemasaran yang baik. Penelitian ini bertujuan untuk mengetahui hasil perbandingan perhitungan dengan menggunakan metode WP. Terdapat empat alternatif dengan kriteria untuk penilain alternatif digunakan 14 kriteria. Diperoleh bahwa dengan metode WP yang terpilih adalah alternatif 2 (A2), yaitu menggunakan brand image perusahaan dengan melakukan kegiatan promosi produk secara online dan jejaring social dan penyediaan pusat pelayanan pelanggan.]]>
<![CDATA[Pengaruh Model PBL dan AFL Terhadap Motivasi dan Kemampuan Pemecahan Masalah Matematika Siswa Kelas VII ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pembelajaran matematika dengan menerapkan model Problem Based Learning (PBL) dan penilaian Assesessment for Learning (AfL) merupakan salah satu upaya alternatif yang dapat memaksimalkan kemampuan pemecahan masalah matematika dan motivasi belajar siswa. Tujuan penelitian ini untuk menganalisis: (1) ada perbedaan kemampuan pemecahan masalah matematika dan motivasi belajar siswa antara yang menggunakan model PBL dan model ekspositori, (2) ada perbedaan kemampuan pemecahan masalah matematika dan motivasi belajar siswa antara yang menggunakan AfL dan AoL, (3) ada interaksi antara model dan asesmen terhadap kemampuan pemecahan masalah matematika dan motivasi belajar, (4) pasangan model dengan asesmen apa yang memberikan nilai kemampuan pemecahan masalah matematika dan motivasi belajar siswa paling tinggi Kemampuan pemecahan masalah matematika dan motivasi belajar siswa dalam penelitian ini diuji secara terpisah. Penelitian ini merupakan penelitian eksperimen dengan desain faktorial 2x2. Populasi dalam penelitian ini adalah seluruh siswa kelas VII semester genap SMPN 1 Mijen tahun ajaran 2015/2016. Sampel penelitian terdiri dari empat kelas (kelompok siswa). Teknik pengambilan sampel menggunakan multistage cluster sampling. Metode pengumpulan data menggunakan dokumentasi, tes, dan pengukuran dengan skala. Analisis data menggunakan uji proporsi,uji two ways anava, uji lanjut post hoc. Hasil penelitian menunjukkan: (1) kemampuan pemecahan masalah matematika dan motivasi belajar siswa yang menggunakan model PBL lebih baik dari model ekspositori, (2) kemampuan pemecahan masalah matematika dan motivasi belajar siswa yang menggunakan AfL lebih baik dari AoL, (3) ada interaksi antara model asesmen terhadap kemampuan pemecahan masalah dan motivasi belajar, (4) interaksi antara model PBL dengan AfL menghasilkan kemampuan pemecahan masalah matematika dan motivasi belajar paling baik.]]>
<![CDATA[Klasifikasi Pelanggan pada Customer Churn Prediction Menggunakan Decision Tree ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Kompetisi dalam dunia perdagangan semakin meningkat. Perusahaan membutuhkan klasifikasi pelanggan untuk megetahui tingkat loyalitas pelanggan. Data-data pelanggan yang tersedia dapat dimanfaatkan untuk mengklasifikasikan loyalitas pelanggan. Klasifikasi pelanggan dapat dilakukan dengan Customer Churn Prediction. Penentuan proses klasifikasi data dalam menemukan informasi dan pengetahuan dapat dilakukan dengan data mining. Salah satu metode yang digunakan pada data mining untuk prediksi adalah decision tree, representasi sederhana dari teknik klasifikasi. Dalam penelitian ini algoritma yang digunakan untuk membangun decision tree adalah algoritma C4.5. Data yang digunakan berjumlah 996 data set sample pelanggan dengan artibut gender, umur, metode pembayaran, dan jumlah transaksi. Tujuan dari penelitian ini adalah mengklasifikasi pelanggan dengan menggunakan decision tree. Klasifikasi dilakukan berdasarkan nilai confidence pelanggan termasuk loyal atau churn. Dari hasil klasifikasi, menunjukan 61 pelanggan loyal dan 35 pelanggan churn, kemudian diakumulasikan total pelanggan loyal menjadi 636 pelanggan dan pelanggan churn 357 pelanggan.]]>
<![CDATA[Pemanfaatan Graf pada Manajemen Kunci Kriptografi untuk Mengamankan Komunikasi Grup ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Komunikasi grup merupakan salah satu bentuk komunikasi yang mengijinkan user untuk mentransmisikan data kepada user lain dalam satu grup komunikasi. Permasalahan utama dari komunikasi grup ini adalah keamanan dari data yang ditransmisikan. Meskipun enkripsi dapat digunakan untuk mengamankan data tersebut, tetapi manajemen kunci kriptografi yang digunakan untuk proses enkripsi masih menjadi permasalahan yang perlu diperhatikan. Pada makalah ini akan dibahas bagaimana graf pohon dapat digunakan untuk memodelkan bentuk komunikasi grup sehingga akan memudahkan manajemen kunci enkripsi yang digunakan pada komunikasi grup tersebut. Dengan memanfaatkan graf pohon, pembaruan kunci ketika terjadi penambahan dan pengurangan user akan menjadi lebih mudah.]]>
<![CDATA[Model Optimasi Pengelolaan Sampah Perkotaan: Penentuan Lokasi Pembuangan Sampah ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pemanfaatan teknologi insenerator modern merupakan salah satu pilihan dalam pengelolaan sampah perkotaan. Teknologi ini mampu mereduksi sampah hingga mencapai 90% dan menyisakan residu 10% berupa abu. Mesin insenerator ini juga dapat dimanfaatkan sebagai pembangkit listrik. Mesin insenerator ini sebaiknya ditempatkan di TPST (Tempat Pengolahan Sampah Terpadu) yang idealnya relatif dekat dengan TPS-TPS (Tempat Penampungan sampah Sementara) agar efisien dalam pengangkutan sampah dan residunya. Sampah dari TPS dapat dibuang ke TPST atau langsung dibuang ke TPA (Tempat Pemrosesan Akhir). Sampah yang dibuang ke TPST selanjutnya diolah dengan insenerator, dan residu yang dihasilkannya kemudian dibuang ke TPA. Penentuan lokasi pembuangan sampah dari TPS ke TPST atau ke TPA dan juga penentuan lokasi pembuangan residu dari TPST ke TPA jelas akan memengaruhi biaya operasional pengangkutan sampah dan residunya. Penelitian ini bertujuan untuk membangun model optimasi pengelolaan sampah perkotaan yang berguna untuk menentukan lokasi bagi pembuangan sampah dari TPS-TPS ke TPST-TPST atau ke TPA-TPA dan lokasi pembuangan residu dari TPST-TPST ke TPA-TPA, sehingga biaya operasional pengangkutan sampah ini minimum. Dua model diusulkan, yakni model eksak berdasar integer programming dan model pendekatan berdasar nearest neighbour. Model pendekatan ditujukan untuk menyelesaikan kasus-kasus dengan populasi relatif besar dimana model eksak tidak mampu menyelesaikan dalam waktu relatif singkat. Implementasi kedua model di kota Jakarta menunjukkan bahwa sejalan dengan pemanfaatan TPST ternyata volume sampah dan volume pekerjaan pengangkutan sampah mengalami penurunan secara signifikan. Penurunan volume pekerjaan ini menunjukkan adanya penurunan biaya operasional pengangkutan sampah. Hasil implementasi juga memperlihatkan bahwa model pendekatan yang diusulkan dapat dipandang reasonable untuk digunakan.]]>
<![CDATA[Penyelesaian {0,1}-Knapsack Problem dengan Algoritma Soccer League Competition ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Knapsack Problem (KP) adalah masalah penempatan item (barang) ke dalam suatu tempat (biasa disebut Knapsack) yang mempunyai kapasitas tertentu, dimana setiap item memiliki berat dan nilai, sehingga total berat dari item-item yang ditempatkan tidak melebihi kapasitas Knapsack dan nilai yang didapatkan maksimum. {0,1}-Knapsack Problem ({0,1}-KP) adalah kasus khusus dari KP dimana setiap item hanya tersedia 1 unit, sehingga keputusannya adalah untuk memasukkan item tersebut ke dalam Knapsack (x=1) atau tidak (x=0). Telah banyak metode yang dikembangkan untuk menyelesaikan {0,1}-KP, salah satunya adalah Algoritma Soccer League Competition (SLC). SLC adalah algoritma Âmeta-heuristic yang terinspirasi dari kompetisi pada liga sepakbola. Kompetisi antar tim untuk menjadi juara dan kompetisi internal antar pemain untuk memperoleh kesempatan bermain disimulasikan untuk mencari nilai optimum dari {0,1}-KP. Hasil simulasi pada beberapa permasalahan {0,1}-KP yang telah menjadi benchmark menunjukkan bahwa SLC dapat digunakan untuk menyelesaikan {0,1}-KP, yang mana melampaui hasil dari algoritma lain.]]>
<![CDATA[Menentukan Distribusi Variabel Random Berdasar Observasi yang Memuat Bentuk Kuadratik ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Dalam praktek, seringkali dihadapkan pada masalah pengambilan simpulan berdasar informasi atau data yang terbatas (sampel). Suatu pertanyaan yang muncul sejauh manakah simpulan yang diambil dipercayai memiliki kualitas yang baik? Untuk dapat melakukan apresiasi terhadap hasil inferensi tersebut, diperlukan teori tentang distribusi peluang. Berdasar distribusi tersebut, semua pertanyaan tentang populasi dapat dijawab dengan baik. Persoalan yang muncul adalah bagaimana menentukan distribusi variabel random yang merupakan fungsi dari beberapa variabel random yang dapat dinyatakan dalam bentuk kuadrat? Pada pemaparan ini akan dikaji distribusi bentuk kuadratik beserta sifat-sifatnya dan asumsi-asumsi yang harus dipenuhi. Berdasarkan kajian ini ditunjukkan bahwa distribusi variabel random yang dapat dinyatakan dalam bentuk kuadrat adalah chi- kuadrat non sentral. Juga ditunjukkan bahwa variabel random tersebut bersifat independen.]]>
<![CDATA[Analisis Antrian Multi Server di Kantor Pelayanan Perbendaharaan Negara (KPPN) Kota Balikpapan ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Tujuan penelitian ini adalah untuk membandingkan ekspektasi tingkat pelayanan di antara tanggal-tanggal pelayanan. Data yang dibutuhkan pada penelitian ini berupa: waktu kedatangan, waktu mulai pelayanan, waktu selesai pelayanan, dan banyaknya server yang ada. Pada penelitian ini dipilih program R untuk membantu perhitungan pada sistem antrian. Berdasarkan hasil penelitian dapat disimpulkan bahwa pada suatu tanggal dengan tingkat antar kedatangan yang lebih tinggi tidak selalu membawa konsekuensi nilai ekspektasi tingkat pelayanan yang lebih tinggi.]]>
<![CDATA[SOLUSI SISTEM PERSAMAAN LINIER PADA ALJABAR MAX-PLUS ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Dalam kehidupan sehari-hari seringkali kita mendapatkan permasalahan yang dapat di modelkan dalam bentuk sistem persamaan linier. Sistem persamaan linier yang terbentuk dapat diselesaikan dengan menggunakan operasi maksimum (max) dan operasi penjumlahan (+), sebagai contoh sistem jaringan kereta, sistem jaringan telekomunikasi, sistem produksi, sistem pemrosesan pararel pada komputer, dan sebagainya. Pengoprasian dengan menggunakan operasi dasar maksimum (max) dan penjumlahan (+) terdapat pada Aljabar Max-Plus. Dalam penelitian ini akan dikaji “Bagaimana proses menentukan solusi dari sistem persamaan linier pada Aljabar Max-Plusâ€. Secara umum system persaman linier pada dapat dinotasikan dalam persamaan dan dua persamaan linier yang dapat ditentukan solusinya adalah . Pada sistem solusi akan didapatkan ketika sistem persamaan linier dinotasikan dalam bentuk kanonik selanjutkan diselesaikan dengan prinsip yang ada di aljabar linier. Solusi dari adalah dengan dan solusi sistem persamaan ada jika subpenyelesaian terbesarnya memenuhi sistem persamaan linier .]]>
<![CDATA[Meningkatkan Kemampuan Pemecahan Masalah dan Karakter Kreatif dalam Pembelajaran Matematika Problem Posing Berbasis Collaborative Learning ]]>
<![CDATA[ PRISMA, Prosiding Seminar Nasional Matematika 2017: Prosiding Seminar Nasional Matematika X 2016 ]]>
Publisher : <![CDATA[Jurusan Matematika FMIPA UNNES ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pembelajaran matematika dikatakan efektif bila guru mampu mengkondisikan kegiatan belajar mengajar yang menyenangkan dan berkualitas bagi pemahaman dan juga hasil prestasi belajar matematika siswa. Salah satu model pembelajaran yang diyakini efektif untuk meningkatkan kemampuan pemahaman matematika siswa adalah dengan menerapkan pembelajaran Problem Posing. Kreativitas matematika tidak bisa muncul begitu saja hanya dengan metode pembelajaran matematika yang konvensional. Kreativitas membutuhkan suatu konteks dimana individu dipersiapkan pada pengalaman-pengalaman yang signifikan untuk menghadapi keadaan yang baru. Dengan penerapan pembelajaran ini siswa diyakini mampu memahami konsep dengan lebih maksimal serta mampu merumuskan kembali soal yang ada oleh siswa. Ketika siswa diberikan kesempatan untuk mengajukan persoalan baik secara individu maupun secara kolaboratif, hal ini berguna untuk mengembangkan keterampilan matematikanya sekaligus pemikiran kreatif siswa tersebut dalam mengolah konsep dan memikirkan penyelesaian dari soal tersebut. Ketika guru menerapkan pembelajaran problem posing berbasis collaborative learning diharapkan mampu untuk meningkatkan kemampuan pemecahan masalah dan juga karakter kreatif siswa.]]>
