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 203 Documents
 17   18   19   20   21 
Penyelesaian Model Optimisasi Portofolio Saham BNI, BRI, dan BSI Menggunakan Metode Steepest Descent dan Metode Newton Siti Roifa Kharismawati; Fitriana Yuli Saptaningtyas
Jurnal Kajian dan Terapan Matematika Vol 11, No 3 (2025): Jurnal Kajian dan Terapan Matematika (November)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v11i3.21026

Abstract

Optimisasi portofolio diperlukan dalam langkah melakukan investasi untuk memperoleh risiko minimum atau keuntungan yang maksimum. Penyelesaian model optimisasi portofolio saham dapat menjadi langkah investor dalam melakukan investasi. Penelitian ini bertujuan untuk membentuk model optimisasi portofolio pada saham BNI, BRI, dan BSI dengan model Global Minimum Variance (GMV) yang berbentuk model kuadratik nonlinier multivariabel. Metode penyelesaian model optimisasi adalah metode steepest descent dan metode newton. Data yang digunakan adalah data penutupan dan data return harian saham BNI, BRI, dan BSI pada periode 14 November 2022 hingga 10 November 2023 yang diperoleh dari website yahoo finance. Hasil pada metode steepest descent yaitu alokasi dana pada masing-masing saham sebesar  pada saham BRI; 45,2175% pada saham BNI, dan  pada saham BSI dengan Tingkat risiko saham sebesar  dan Tingkat return saham sebesar  dengan waktu komputasi selama 2798,84 detik. Sedangkan pada metode newton diperoleh hasil alokasi dana pada masing-masing saham sebesar pada saham BRI;  pada saham BNI, dan  pada saham BSI dengan Tingkat risiko saham sebesar  dan Tingkat return saham sebesar  dengan waktu komputasi selama 204,95 detik. Berdasarkan hasil penelitian diperoleh bahwa metode newton lebih unggul dan lebih baik digunakan dibandingkan metode steepest descent
ANALISIS SENTIMEN OPINI MASYARAKAT PENGGUNA TWITTER TERHADAP PELAKSANAAN UJIAN TULIS BERBASIS KOMPUTER (UTBK) Liannisa Fadila Tirta; Nur Hadi Waryanto
Jurnal Kajian dan Terapan Matematika Vol 12, No 1 (2026): Jurnal Kajian dan Terapan Matematika (April)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v12i1.21506

Abstract

Penelitian ini bertujuan untuk mengetahui langkah dan akurasi dari analisis sentimen menggunakan data opini masyarakat pengguna Twitter terhadap pelaksanaan UTBK serta mengetahui respon masyarakat terutama calon mahasiswa terkait pelaksanaan UTBK yaitu positif, negatif, atau netral. Tahap awal dari penelitian ini yaitu preprocessing, labelling dengan InSet Lexicon, dan pembagian data menjadi data latih dan data uji dengan perbandingan 80%:20% dan 90%:10%. Analisis sentimen dilakukan dengan menggunakan algoritma Naïve Bayes untuk mengklasifikasikan tweets berdasarkan kategori kelas sentimen positif, netral, atau negatif. Hasil penelitian ini menunjukkan bahwa analisis sentimen opini masyarakat terhadap pelaksanaan UTBK menggunakan algoritma Naïve Bayes memperoleh nilai akurasi tertinggi sebesar 84,4% dengan perbandingan data latih dan data uji 80%:20%. Respon masyarakat terutama calon mahasiswa terhadap pelaksanaan UTBK cenderung negatif dengan persentase sebesar 80,5%.
PREDIKSI KUNJUNGAN WISATAWAN MANCANEGARA DI PROVINSI BALI MENGGUNAKAN ELMAN RECURRENT NEURAL NETWORK (ERNN) Visna Arumvitria Ningsih; Dhoriva Urwatul Wutsqa
Jurnal Kajian dan Terapan Matematika Vol 11, No 3 (2025): Jurnal Kajian dan Terapan Matematika (November)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v11i3.21608

Abstract

Penelitian ini bertujuan untuk memperoleh model terbaik dari Elman Recurrent Neural Network dalam memprediksi kunjungan wisatawan mancanegara di Provinsi Bali. ERNN merupakan salah satu jenis jaringan recurrent yang terdiri dari lapisan tambahan yang kemudian masuk lagi sebagai input. Variabel input yang digunakan yaitu lag-lag dari variabel jumlah kunjungan wisatawan berdasarkan ACF atau PACF yang signifikan, data dipartisi menjadi 60% data training dan 40% data testing. Penentuan model terbaik dilakukan dengan menentukan banyak neuron tersembunyi yang menghasilkan model ERNN dengan nilai MAPE terkecil. Estimasi bobot model dilakukan dengan algoritma backprobagation. Fungsi pembelajaran untuk menentukan bobot-bobot menggunakan adaptive learning rate (traingdx). Evaluasi model dilakukan dengan menguji error data training hasil pemodelan, model dianggap sudah baik jika bersifat white noise dengan melihat plot ACF dan PACF. Hasil penelitian menunjukkan bahwa model terbaik dari Elman RNN adalah dengan 12 variabel input, 1 neuron tersembunyi, dan 1 variabel output dengan nilai MAPE pada data training adalah 5,6216% dan untuk data testing adalah 8,4568%, yang artinya model ini baik digunakan untuk proses prediksi. Hasil prediksi menunjukkan penurunan jumlah kunjungan wisatawan pada pertengahan tahun 2020 dan cenderung meningkat mulai dari pertengahan 2021 hingga akhir 2024.Kata kunci : Elman Recurrent Neural Network; prediksi; wisatawan

Page 21 of 21 | Total Record : 203

 17   18   19   20   21 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 12, No 1 (2026): Jurnal Kajian dan Terapan Matematika (April) Vol 11, No 3 (2025): Jurnal Kajian dan Terapan Matematika (November) 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