Matematika Sains: Jurnal Ilmu Matematika
Pure Mathematics, Applied Mathematics and Computation, Statistics and Probability, and Mathematics Education : Pure Mathematics, include analysis and applied analysis, algebra and applied algebra, logic, geometry, differential equations, dynamical system, fuzzy set, and fuzzy logic, etc. Graph and Combinatorics, include all areas in graph theory, combinatorics, number theory, coding theory, cryptography, etc. Applied Mathematics and Computation, include mathematical modeling (including but not limited to mathematical physics, mathematical biology, mathematical medicine), control theory and automation, optimization, operational research, neural network, data science, machine learning, etc. Statistics and Probability, include all areas in statistics and probability, finance mathematics, biostatistics, actuary, etc. Realistic Mathematics Education (RME). The journal receives the results of research on teaching and learning in RME-based mathematics education. Design or Development Research in Mathematics Education. includes of validation studies or development studies in mathematics education, with a comprehensive description and analysis of each stage. PISA Task. Authors can submit their articles on the evaluation of the education system by measuring the scholastic performance of school students about math, science, and students reading activities as well as measuring their math literacy. Mathematics Ability, includes the following abilities: reasoning, connection, communication, representation, and problem solving.
Articles
28 Documents
<![CDATA[SEEMINGLY UNRELATED REGRESSION (SUR) ESTIMATION OF GSTARX(1,1) MODEL USING R ]]>
<![CDATA[Soekardi Hadi Prabowo]]>;
<![CDATA[Lisana Sumarah Pratignyo]]>
<![CDATA[ Matematika Sains Vol 1 No 2 (2023): JURNAL MATEMATIKA SAINS VOLUME 1 NOMOR 2 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v1i2.3238
<![CDATA[In this paper we studied SUR estimation parameter of GSTARX(1,1) Model, which used overcome the weakness Ordinary Least Square (OLS) ignoring the information Errors between the equations of each location are correlated so that there is a problem Contemporaneous correlation, which willresult in inefficient estimators SUR. We built the script using R software to estimate the parameter using seemingly unrelated regression Method. This case study to apply the GSTARX model to Contaminant Load of BOD With Exogenous Variable of COD in Watershed Citarum River is significance for the result test hypothesis simultaneous model.]]>
<![CDATA[TARIF PREMI TUNGGAL NETTO ASURANSI JIWA SEUMUR HIDUP MENGGUNAKAN TABEL MORTALITA INDONESIA IV ]]>
<![CDATA[Avinda Rizky Revyanza]]>;
<![CDATA[Wilda Kamilatunnuuha]]>;
<![CDATA[Andri Saputra]]>
<![CDATA[ Matematika Sains Vol 1 No 2 (2023): JURNAL MATEMATIKA SAINS VOLUME 1 NOMOR 2 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v1i2.3253
<![CDATA[Asuransi jiwa merupakan asuransi yang bertujuan untuk mengantisipasi kerugian finansial yang disebabkan oleh kematian dan berakhirnya masa asuransi. Pada asuransi jiwa, premi bersih yang akan dibayarkan oleh pemegang polis merupakan syarat diperolehnya perlindungan asuransi. Premi tunggal netto asuransi jiwa seumur hidup merupakan premi yang memperhatikan tingkat suku bunga, tingkat mortalita dan hasil investasi. Penentuan nilai premi tunggal netto penting dilakukan oleh setiap perusahaan asuransi untuk mengambil suatu kebijakan yang tepat. Untuk itu perlu dilakukan beberapa tahapan dalam perhitungan premi tunggal netto yaitu menghitung nilai tunai pembayaran, pembentukan tabel mortalita, dan perhitungan anuitas asuransi jiwa seumur hidup. Kemudian barulah ditentukan besarnya nilai premi tunggal netto untuk asuransi jiwa seumur hidup pada usia x tahun. Berdasarkan hasil analisis, diketahui bahwa besarnya nilai premi tunggal netto dipengaruhi oleh tingkat suku bunga, usia tertanggung dan penggunaan tabel mortalita. Jika tingkat suku bunga yang diberikan semakin besar, maka nilai premi tunggal netto juga akan semakin kecil. Kemudian dapat diketahui pula bahwa jika usia tertanggung pada saat kontrak disetujui semakin tua maka premi tunggal netto juga akan semakin besar.]]>
<![CDATA[MODEL PERAMALAN JUMLAH KASUS PENDERITA HIV/AIDS DI INDONESIA DENGAN EXPONENTIAL LINEAR ]]>
<![CDATA[Lisana Sumarah Pratignyo]]>;
<![CDATA[Ali Ilham Sofiyat]]>
<![CDATA[ Matematika Sains Vol 1 No 2 (2023): JURNAL MATEMATIKA SAINS VOLUME 1 NOMOR 2 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v1i2.3291
<![CDATA[Masalah HIV/AIDS bukan hanya sebagai permasalahan yang terjadi di tingkat lokal, namun sudah menjadi permasalahan regional maupun global. masalah ini telah menimbulkan banyak korban, baik anak-anak maupun orang dewasa, bahkan telah mengguncang kehidupan keluarga. HIV bukan hanya berdampak secara medis namun juga berdampak secara psikososial-spritual, kondisi ini sangat memprihatinkan apabila tidak ditangani dengan cepat dan tepat. Hasil penelitian menunjukkan kasus penderita HIV di Indonesia mulai tahun 2005 sampai 2010 peningkatan masih relatif kecil dan berbentuk linear, namun pada mulai tahun 2011 sampai 2022 peningkatan jumlah kasusnya meningkat tinggi secara eksponensial. Gambaran kasus penderita AIDS di Indonesia mulai tahun 1987 sampai 1999 peningkatan masih relatif kecil dan berbentuk linear, namun pada mulai tahun 2000 sampai 2022 peningkatan jumlah kasusnya meningkat tinggi secara eksponensial, dengan demikian peningkatan jumlah kasus AIDS dan HIV semakin ke depan semakin meningkat tajam. Diperkirakan jumlah kasus kejadian HIV dan AIDS di Indonesia untuk 5 tahun ke depan pada tahun 2027 masing-masing sebesar 196.417 kasus dan 208.677 kasus, sehingga perlunya banyak penelitian yang dilakukan untuk mengurangi masalah kesehatan yang terjadi di masyarakat yaitu dengan mencari faktor penyebab, cara penyebaran, dan cara menanggulanginya.]]>
<![CDATA[ENSEMBLE MACHINE LEARNING ALGORITHM FOR DIABETES PREDICTION IN MAIDUGURI, BORNO STATE ]]>
<![CDATA[Emmanuel Gbenga Dada]]>;
<![CDATA[Aishatu Ibrahim Birma]]>;
<![CDATA[Abdulkarim Abbas Gora]]>
<![CDATA[ Matematika Sains Vol 2 No 1 (2024): Jurnal MatematikaSains Volume 2 Nomor 1 Tahun 2024 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v2i1.3652
<![CDATA[Diabetes mellitus (DM) is a metabolic disease characterised by high levels of glucose in the blood, known as hyperglycemia, that can result in multiple problems within the body. The World Health Organisation (WHO) data for 2021 reveals a substantial increase in the prevalence of diabetes mellitus (DM), with the number of cases rising from 108 million in 1980 to 422 million in 2014. Between 2000 and 2019, there was a 3% increase in mortality rates associated with diabetes, categorised by age. In 2019, DM caused the deaths of more than 2 million people. These concerning figures clearly necessitate an immediate response. An alarming incidence of diabetes among the population of Maiduguri and Borno State inspired this investigation. This research proposed stacking ensemble learning approach to predict the rate of occurrence of diabetes cases in Maiduguri. The paper used different types of regression models to predict the occurrences of diabetes cases in Maiduguri over time. These models included adaptive boosting regression (Adaboost), gradient boosting regression (GBOOST), random forest regression (RFR), ordinary least square regression (OLS), least absolute shrinkage selection operator regression (LASSO), and ridge regression (RIDGE). The performance indicators studied in this work are root mean square (RMSE), mean absolute error (MAE), and mean square error (MSE). These metrics were used to assess the effectiveness of both the machine learning and proposed Stacking Ensemble Learning (SEL) approaches. Performance metrics considered in this study are root mean square (RMSE), mean absolute error (MAE), and mean square error (MSE), which were used to evaluate the performance of the machine learning and the proposed Stacking Ensemble Learning (SEL) technique. Experimental results revealed that SEL is a better predictor compared to other machine learning approaches considered in this work with an RMSE of 0.0493; a MSE of 0.0024; and a MAE of 0.0349. It is hoped that this research will help government officials understand the threat of diabetes and take the necessary mitigation actions.]]>
<![CDATA[PREDIKSI LONJAKAN PENUMPANG BUS TRANS PEKANBARU MENGGUNAKAN SIMULASI MONTE CARLO ]]>
<![CDATA[Wirda Jamiatul Sholeha]]>;
<![CDATA[Depriwana Rahmi]]>;
<![CDATA[Annisa Kurniati]]>;
<![CDATA[Suci Yuniati]]>
<![CDATA[ Matematika Sains Vol 2 No 1 (2024): Jurnal MatematikaSains Volume 2 Nomor 1 Tahun 2024 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v2i1.3666
<![CDATA[Tujuan dari penelitian ini adalah untuk memprediksi tingkat lonjakan penumpang di masa depan dengan menggunakan simulasi Monte Carlo, yang bertujuan untuk membantu PT. Trans Metro Pekanbaru dalam pengambilan keputusan pada saat terjadi lonjakan penumpang. Data yang digunakan berupa jumlah penumpang bus Trans Metro Pekanbaru pada hari libur (Minggu), yang merupakan data rute perjalanan UIN Panam-Kampus Sudirman. Metodologi yang digunakan dalam penelitian ini melibatkan penerapan simulasi Monte Carlo. Hasil pengujian simulasi Monte Carlo ini menunjukkan adanya lonjakan jumlah penumpang, meningkat dari 44% menjadi 61% pada hari Minggu berikutnya. Dengan adanya peningkatan persentase yang cukup besar ini, maka penerapan metode Monte Carlo direkomendasikan untuk memprediksi tingkat lonjakan penumpang dan memfasilitasi peningkatan pelayanan penumpang di PT. Trans Metro Pekanbaru.]]>
<![CDATA[OPTIMALISASI RUTE DISTRIBUSI DEPOT AISUKE DENGAN ALGORITMA CLARKE & WRIGHT SAVINGS ]]>
<![CDATA[Sri Artha Dwi Anjarwati]]>;
<![CDATA[Depriwana Rahmi]]>
<![CDATA[ Matematika Sains Vol 2 No 1 (2024): Jurnal MatematikaSains Volume 2 Nomor 1 Tahun 2024 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v2i1.3746
<![CDATA[Aisuke sebagai perusahaan penyedia air minum di Kota Pekanbaru, menghadapi permasalahan seringnya keterlambatan pengiriman air galon dan ketidaklayanan terhadap beberapa pelanggan sesuai jadwal pengiriman. Dalam rangka penyelesaian permasalahan ini, kami sebagai peneliti memutuskan untuk menggunakan algoritma Clarke and Wright diharapkan dapat meminimalkan jarak tempuh air galon ke tempat pelanggan. Dalam penelitin ini, digunakan metode deskriptif dengan data yang diperoleh secara langsung dari Depot Aisuke pada bulan Agustus 2023. Hasil penelitian menunjukkan keberhasilan implementasi algoritma Clarke and Wright, awal jarak tempuh yang mencapai 127,1 Km. sekarang berhasil dikurangi hingga mencapai 52,7 Km. Ini menandakan bahwa solusi algoritma Clarke and Wright berhasil mengatasi permasalahan distribusi, meningkatkan efisiensi operasional, dan memenuhi kebutuhan pelanggan dengan lebih baik.]]>
<![CDATA[HIDDEN MARKOV MODEL DAN APLIKASINYA ]]>
<![CDATA[Mirtawati Mirtawati]]>;
<![CDATA[Ali Ilham Sofiyat]]>
<![CDATA[ Matematika Sains Vol 2 No 1 (2024): Jurnal MatematikaSains Volume 2 Nomor 1 Tahun 2024 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v2i1.3803
<![CDATA[This paper presents the results of research literature about the author of Hidden Markov Model (HMM). Theories about HMM developed for state that can not be observed directly, the model also remain hidden, but the model parameters are known and fixed output can be obtained. Application state HMM on weather observation within 7 days and hidden and not brought the state to bring a raincoat, using all five parameters: The transition matrix (A), the emission matrix (B), the number of hidden elements of state (N), the number of state observed (M) and the initial probability distribution (π). The output obtained after the evaluation phase and decoding is the same as the chance of rain state 0.13 or δ2 (h) = 0.13 and optimal sequence state is Q={q1*,q2* } = {rain. rain}]]>
<![CDATA[APLIKASI R PADA AKURASI ESTIMASI OBSERVASI HILANG DALAM PENELITIAN RANCANGAN ACAK KELOMPOK ]]>
<![CDATA[Lisana Sumarah Pratignyo]]>;
<![CDATA[Soekardi Hadi Prabowo]]>
<![CDATA[ Matematika Sains Vol 2 No 1 (2024): Jurnal MatematikaSains Volume 2 Nomor 1 Tahun 2024 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v2i1.3813
<![CDATA[Abstrak.Tujuan Penelitian ini mengkaji Aplikasi Software R pada Akurasi Estimasi Observasi yang Hilang dalam penelitian Rancangan Acak Lengkap (RAK), serta Analisis Signifikansi Hasil Pengujian F-ANAVA/ Proses Estimasi observasi Hilang menggunakan metode Yates berdasarkan Prinsip Least Means Square (LMS). sSedangkan Akurasi estimasi observasi hilang menggunakan kriteria Means Absolute Percentage Error (MAPE).rPenelitian memberikan Hasil Akurasi estimasi observasi hilang menunjukkan masuk dalam kriteria Sangat Baik atau Akurat. Observasi Hilang berpengaruh pada Proses perhitungan Analisis Variansi, kehilangan dua observasi mengakibatkan derajat kebebasan berkurang 2 dan mempengaruni jumlah Kuadrat Residu sehingga menjadi kecil.]]>
<![CDATA[ALGORITMA PRIM DALAM PENENTUAN LINTASAN TERPENDEK DAN LINTASAN TERCEPAT PADA PENDISTRIBUSIAN BARANG PT.SUMBER ALFARIA TRIJAYA TBK PEKANBARU ]]>
<![CDATA[hana rezki yana]]>;
<![CDATA[depriwana rahmi]]>;
<![CDATA[annisah kurniati]]>;
<![CDATA[suci yuniati]]>
<![CDATA[ Matematika Sains Vol 2 No 2 (2024): Jurnal MatematikaSains Volume 2 Nomor 2 tahun 2024 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v2i2.3843
<![CDATA[distribution of goods PT Sumber Alfaria Trijaya Tbk Pekanbaru by using Prim's Algorithm. Data and information that includes all paths connecting alfamart-alfamart are obtained through the google maps application. Mini data is used to build an initial model in the form of a connected weighted graph. By using Prim's Algorithm, optimization of the path model is carried out, so that the minimum spanning tree is obtained. Based on this minimum spanning tree, the shortest path and the fastest path from PT.Sumber Alfaria Trijaya are 25.5 km and 50 minutes, respectively.]]>
<![CDATA[PEMODELAN VECTOR AUTOREGRESSIVE (VAR) PADA PERAMALAN TINGKAT PENCEMARAN UDARA OLEH OZON DAN NITROGEN DIOKSIDA DI DKI JAKARTA ]]>
<![CDATA[Ika Hairul Nisa]]>;
<![CDATA[Soekardi Hadi Prabowo]]>;
<![CDATA[Mirtawati Mirtawati]]>
<![CDATA[ Matematika Sains Vol 2 No 1 (2024): Jurnal MatematikaSains Volume 2 Nomor 1 Tahun 2024 ]]>
Publisher : <![CDATA[Fakultas Sains Dan Teknologi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34005/ms.v2i1.4130
<![CDATA[Tingkat polusi udara Jakarta pada awal tahun 2016 sangat mengkhawatirkan, data Greenpeace Indonesia menyebutkan tingkat polusi berada pada level 4,5 kali dari ambang batas yang ditetapkan World Health Organization (WHO) dan tiga kali lebih besar dari standar yang ditetapkan pemerintah Indonesia. Penelitian ini menghitung dan meramalkan tingkat pencemaran udara dengan parameter pencemar ozon (O3) dan nitrogen dioksida (NO2) di DKI Jakarta. Berupaya untuk memodelkan tingkat pencemaran udara oleh O3 dan NO2 secara bersama-sama dengan Vector Autoregressive (VAR). Hasil yang diperoleh menunjukan tingkat pencemaran udara parameter pencemar ozon di DKI Jakarta termasuk kedalam kategori tidak sehat dengan konsentrasi udara ambien sebesar 315,934 μg/m3 telah melewati batas baku mutu yang dizinkan yaitu 235]]>
