cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Sri Andayani
Contact Email
jktm@uny.ac.id
Phone
-
Journal Mail Official
jktm@uny.ac.id
Editorial Address
Program Studi Matematika FMIPA UNY Jl. Colombo No. 1 Karangmalang, Yogyakarta 55281
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Kajian dan Terapan Matematika
Published by Universitas Negeri Yogyakarta
ISSN : -     EISSN : 30311152     DOI : 10.21831
Core Subject : Science, Education,
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics
Jurnal Kajian dan Terapan Matematika adalah jurnal yang menyajikan hasil penelitian, pemikiran, kajian teori, pengembangan terkini, dan penerapan matematika. Ruang lingkup jurnal ini mencakup bidang: • Aljabar, • Analisis, • Geometri, • Matematika terapan, • Komputasi, dan • Statistika.
Arjuna Subject : Matematika - Matematika Terapan
Articles 7 Documents
 1 
Search results for , issue "Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April)" : 7 Documents clear
Analisis Sistem Antrean pada Loket Pengambilan Obat Pasien Puskesmas Seyegan menggunakan Model Antrean Single Channel Single Phase Sari, Nourma Prima; Fauzan, Muhammad
Jurnal Kajian dan Terapan Matematika Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i1.19507

Abstract

Penelitian ini bertujuan untuk (1) mendeskripsikan waktu yang dibutuhkan setiap pasien untuk mendapatkan pelayanan pada loket pengambilan obat di Puskesmas Seyegan, dan (2) mendeskripsikan tingkat keoptimalan sistem pelayanan pada loket pengambilan obat di Puskesmas Seyegan. Metode yang digunakan yaitu metode analisis data kuantitatif. Penelitian ini dilakukan di Puskesmas Seyegan selama sembilan hari pada bulan Maret . Data didapatkan dengan cara pengamatan secara langsung. Hasil dari penelitian ini menunjukkan bahwa (1) waktu yang dibutuhkan setiap pasien untuk mendapatkan pelayanan pada loket pengambilan obat di Puskesmas Seyegan rata-rata 36 menit setiap pasien, kemudian terjadi penumpukan antrean dikarenakan laju kedatangan lebih besar daripada laju pelayanan.  (2) Sistem pelayanan yang sedang berjalan di Puskesmas Seyegan belum optimal dikarenakan waktu yang dihabiskan pasien untuk menunggu mendapatkan obat cukup lama yakni lebih dari tigapuluh menit agar mendapatkan obat.Kata kunci: Sistem Antrean, Single Channel Single Phase, Loket Pengambilan Obat, Puskesmas.
Penentuan Tingkat Kerawanan Gempa Bumi di Daerah Istimewa Yogyakarta dengan Metode Sugeno Orde Nol Wahyuningsih, Nurul; Abadi, Agus Maman
Jurnal Kajian dan Terapan Matematika Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i1.19532

Abstract

Penelitian ini bertujuan untuk mengetahui tingkat kerawanan gempa di Daerah Istimewa Yogyakarta. Penelitian ini dilakukan dengan menggunakan salah satu metode pada fuzzy yaitu metode Sugeno orde nol. Data yang digunakan untuk melakukan penelitian ini ada tiga variabel, yaitu: Kedalaman Gempa Bumi, Kekuatan Gempa Bumi, dan Jarak Gempa Bumi. Penulis mendapatkan data gempa berupa tiga variabel tersebut dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) Yogyakarta. Data gempa bumi yang digunakan merupakan data gempa bumi di Yogyakarta pada tahun 2014 sampai dengan 2016 atau selama 6 tahun. Banyak data gempa bumi yang digunakan untuk penelitian sebanyak 300 data yang kemudian 225 data dikategorikan sebagai data training dan 72 data dikategorikan sebagai data testing. Hasil penelitian diperoleh nilai MAPE sebesar 3,5493% untuk data training dan 1,2731% untuk data testing, sehingga diketahui akurasi data training adalah 96,4506% dan akurasi data testing sebesar 98,7268%.Kata kunci: gempa bumi, fuzzy, sugeno orde nol.
Dimensi Metrik Lokal pada Graf Garis dari Graf Persahabatan Lathifah, Fithri Annisatun
Jurnal Kajian dan Terapan Matematika Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i1.21148

Abstract

Diberikan suatu graf terhubung G=(V(G), E(G)) dengan V(G) adalah himpunan titik dan E(G) adalah himpunan sisi di G. Misalkan W={w_1, w_2, ..., w_k} subhimpunan terurut tak kosong dari V(G). Untuk sebarang titik v di G, representasi titik v terhadap W yang dinotasikan r(v|W) didefinisikan sebagai k-vektor (d_G(v,w_1), d_G(v,w_2), ..., d_G(v,w_k)) dengan d_G(v,w_i) adalah panjang lintasan v-w_i terpendek untuk i=1,2, ..., k. Bilangan kardinal k dari W yang minimum sehingga untuk setiap dua titik yang bertetangga di G memiliki representasi yang berbeda disebut sebagai dimensi metrik lokal dari G, dinotasikan dengan lmd(G). Graf garis L(G) dari graf G adalah graf yang dikonstruksi dengan mengambil semua sisi di G sebagai titik-titik pada L(G), dan dua titik pada L(G) bertetangga jika kedua sisi pada G yang bersesuaian dengan kedua titik tersebut mempunyai titik bersama. Graf persahabatan F_n dengan 2n+1 titik adalah graf yang diperoleh dengan menggabungkan n salin C_3 dengan satu titik bersama. Dalam artikel ini diperoleh bahwa dimensi metrik lokal pada graf garis dari graf persahabatan adalah lmd(L(F_n))=2n-1.Kata kunci: dimensi metrik lokal, graf garis, graf persahabatan.
KLASIFIKASI GENRE LINE WEBTOON MENGGUNAKAN K-NEAREST NEIGHBOR BERBASIS PARTICLE SWARM OPTIMIZATION BERDASARKAN RINGKASAN CERITA Khaizah, Siti Nur; Marwoto, Bambang Sumarno Hadi
Jurnal Kajian dan Terapan Matematika Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i1.18616

Abstract

Penelitian ini bertujuan untuk membangun model pengklasifikasian genre Webtoon berdasarkan ringkasan cerita. Dari model yang dihasilkan, akan dieksplorasi proses seleksi fitur pada perbaikan algoritma klasifikasi yang dilihat melalui nilai akurasi dan waktu komputasi. Algoritma klasifikasi yang digunakan adalah K-Nearest Neighbors (KNN) serta algoritma yang digunakan untuk seleksi fitur adalah Particle Swarm Optimization (PSO). Proses ini diawali dengan pemilihan data dan preprocessing yang terdiri dari cleaning, filtering, lemmatization dan stemming, serta tokenizing. Kemudian, diikuti proses transformation dan seleksi fitur dengan package Pyswarm. Fitur terpilih kemudian digunakan pada proses data mining yaitu klasifikasi. selanjutnya hasil dievaluasi dan diinterpretasi. Hasil penelitian menunjukkan bahwa algoritma PSO-KNN terbukti lebih baik daripada algoritma KNN dalam mengklasifikasi genre Webtoon. Diperoleh nilai akurasi dari klasifikasi dengan algoritma KNN yaitu sebesar 88% sedangkan dengan algoritma PSO-KNN diperoleh nilai akurasi sebesar 100%. Selain itu waktu komputasi yang digunakan oleh algoritma PSO-KNN dalam mengkasifikasi terbukti lebih singkat dari algoritma KNN.Kata kunci: Text mining, K-Nearest Neighbors, Particle Swarm Optimization, Seleksi Fitur.
Analisis Model SITR (Susceptible, Infected, Treatment, Recovered) pada Penyebaran Penyakit Kanker Serviks di Daerah Istimewa Yogyakarta Analysis of The SITR Model on The Spread of Cervical Cancer in Special Region of Yogyakarta Aisy, Rihhadatul; Arifah, Husna
Jurnal Kajian dan Terapan Matematika Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i1.19633

Abstract

AbstrakPenelitian ini bertujuan untuk mengetahui model matematika SITR (Susceptible, Infected, Treatment, Recovered) pada penyebaran penyakit kanker serviks, titik kesetimbangan, bilangan reproduksi dasar, kestabilan titik kesetimbangan dan hasil simulasi numerik dengan bantuan software MAPLE. Tahapan penelitian ini adalah menentukan model SITR pada penyebaran penyakit kanker serviks, menentukan titik kesetimbangan, menentukan bilangan reproduksi dasar, menganalisis kestabilan titik kesetimbangan, dan melakukan simulasi numerik pada model dengan software MAPLE. Hasil yang diperoleh adalah terdapat dua titik kesetimbangan yaitu titik kesetimbangan bebas penyakit dan endemik. Titik kesetimbangan bebas penyakit stabil asimtotik apabila, sedangkan titik kesetimbangan bebas endemik stabil asimtotik apabila. Simulasi yang dilakukan menunjukkan bahwa titik kesetimbangan bebas penyakit stabil asimtotik yang artinya penyakit kanker serviks di Daerah Istimewa Yogyakarta tidak akan mewabah.Kata kunci: model SITR, kanker serviks, titik kesetimbangan, bilangan reproduksi dasar, kestabilan.
Analisis Sentimen Ulasan Produk Perawatan Wajah menggunakan Algoritma CNN dan Seleksi Fitur PSO Ardianti, Rahma; Waryanto, Nur Hadi
Jurnal Kajian dan Terapan Matematika Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i1.18947

Abstract

Produk perawatan wajah lokal di Indonesia kini telah menjamur dan mencoba bersaing dengan kehadiran produk perawatan wajah asing dengan berbagai keunggulan yang ditawarkan. Klasifikasi ulasan berupa analisis sentimen penggunaan produk ke dalam kelas positif dan negatif dapat membantu calon konsumen menyimpulkan bagaimana kualitas produk dari suatu merek tertentu. Tujuan penelitian ini adalah untuk mengetahui hasil klasifikasi sentimen ulasan produk merek AVS menggunakan Convolutional Neural Network (CNN) dan seleksi fitur Particle Swarm Optimization (PSO). Penelitian dilakukan dengan mengumpulkan data melalui web scraping, pelabelan dan preprocessing data, word embedding, seleksi fitur dengan PSO, klasifikasi sentimen dengan CNN, dan evaluasi model klasifikasi. Model klasifkasi CNN memperoleh akurasi sebesar 61% hingga 83% untuk sembilan percobaan untuk tiga rasio dataset yang berbeda yaitu 70:30, 75:25, 80:20 dan tiga model word embedding yang berbeda yaitu Glove, Word2Vec CBOW, dan Word2Vec Skipgram.. Sedangkan pengujian menggunakan PSO-CNN memilih 44-60 fitur atau kata-kata penting dari total 100 fitur, sehingga diperoleh nilai akurasi 77% hingga 86%. Rata-rata kenaikan akurasi yang diperoleh akibat penambahan seleksi fitur oleh PSO adalah 8,7%. Akurasi terbaik diperoleh oleh model PSO-CNN dengan rasio dataset 80:20 dan model word embedding Word2Vec Skipgram yaitu 86%.Kata kunci: analisis sentimen, produk perawatan wajah, CNN, seleksi fitur, PSO.
PERBANDINGAN TINGKAT AKURASI METODE GAUSSIAN NAIVE BAYES DAN LEARNING VECTOR QUANTIZATION (LVQ) UNTUK KLASIFIKASI TANDA-TANDA VITAL PEROKOK Asiyah, Ai Aas Siti; Andayani, Sri
Jurnal Kajian dan Terapan Matematika Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i1.19621

Abstract

AbstrakTujuan penelitian ini untuk memperoleh gambaran hasil pemodelan klasifikasi tanda-tanda vital perokok menggunakan metode klasifikasi Gaussian Naive Bayes dan metode Learning Vector Quantization serta membandingkan kinerja kedua metode berdasarkan nilai akurasinya. Data yang digunakan pada penelitian ini adalah data tanda-tanda vital perokok yang diambil dari situs Kaggle.com dengan banyaknya data yaitu 1000. Data tersebut dilakukan tahap preprocessing untuk mendapatkan pemodelan terbaik kemudian data dibagi menjadi data training dan data testing dengan perbandingan 70:30, 75:25, 80:20, 85:15, 90:10, dan 95:5. Selain itu, digunakan nilai random state 0, 1, 30, dan 42. Pada metode Learning Vector Quantization digunakan nilai learning rate (α), pengurangan learning rate, dan maksimum epoh masing-masing sebesar 0,1; 0,5*α; dan 100. Setelah itu dilakukan pengklasifikasian menggunakan kedua metode kemudian dicari nilai akurasinya untuk dibandingkan. Hasil dari penelitian ini adalah pada kedua metode nilai akurasi terbaik diperoleh saat perbandingan data training dan data testing sebesar 90:10 dan nilai random state 42. Pada metode Gaussian Naïve Bayes diperoleh nilai akurasi sebesar 0,8 dan metode Learning Vector Quantization (LVQ) diperoleh nilai akurasi sebesar 0,809091. Hal tersebut menunjukkan bahwa kedua metode memiliki performa yang hampir sama.Kata kunci: analisis perbandingan akurasi, tanda vital perokok, Gaussian Naïve Bayes, Learning Vector Quantization.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 11, No 2 (2025): Jurnal Kajian dan Terapan Matematika (Juli) Vol 11, No 1 (2025): Jurnal Kajian dan Terapan Matematika (April) Vol 10, No 3 (2024): Jurnal Kajian dan Terapan Matematika (November) Vol 10, No 2 (2024): Jurnal Kajian dan Terapan Matematika (Juli) Vol 10, No 1 (2024): Jurnal Kajian dan Terapan Matematika (April) Vol 9, No 3 (2023): Jurnal Kajian dan Terapan Matematika (November) Vol 9, No 2 (2023): Jurnal Kajian dan Terapan Matematika (Juli) Vol 9, No 1 (2023): Jurnal Kajian dan Terapan Matematika (Maret) Vol 8, No 3 (2022): Jurnal Kajian dan Terapan Matematika Vol 8, No 2 (2022): Jurnal Kajian dan Terapan Matematika Vol 8, No 1 (2022): Jurnal Kajian dan Terapan Matematika Vol 7, No 5 (2018): Jurnal Matematika Vol 7, No 4 (2018): Jurnal Matematika Vol 7, No 3 (2018): Jurnal Matematika Vol 7, No 2 (2018): Jurnal Matematika Vol 7, No 1 (2018): Jurnal Matematika Vol 6, No 4 (2017): Jurnal Matematika Vol 6, No 3 (2017): Jurnal Matematika Vol 6, No 2 (2017): Jurnal Matematika Vol 6, No 1 (2017): Jurnal Matematika Vol 5, No 6 (2016): Jurnal Matematika Vol 5, No 5 (2016): Jurnal Matematika Vol 5, No 4 (2016): Jurnal Matematika Vol 5, No 3 (2016): Jurnal Matematika Vol 5, No 2 (2016): Jurnal Matematika Vol 5, No 1 (2016): Jurnal Matematika More Issue