cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
mipa.jurnal@gmail.com
Phone
-
Journal Mail Official
mipa.jurnal@gmail.com
Editorial Address
Faculty of Mathematics and Natural Sciences, D12 Building 1st Floor, Universitas Negeri Semarang, Sekaran, Gunungpati, Semarang, Indonesia 50229
Location
Kota semarang,
Jawa tengah
INDONESIA
Indonesian Journal of Mathematics and Natural Sciences
Published by Universitas Negeri Semarang
ISSN : 02159945     EISSN : 27747832     DOI : https://doi.org/10.15294/ijmns
Core Subject : Education,
Mathematics
The scope of the journal includes the following areas of research: Natural Sciences, Mathematics, and Applied Sciences
Arjuna Subject : Matematika - Matematika (Lain-Lain)
Articles 13 Documents
 1   2 
Search results for , issue " Vol 35, No 2 (2012)" : 13 Documents clear
RANCANG BANGUN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN FISHERFACE DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Abidin, Z
Jurnal MIPA Vol 35, No 2 (2012): October 2012
Publisher : Jurnal MIPA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Di dalam kehidupan sehari-hari, khususnya dalam komunikasi interpersonal, wajah sering digunakan untuk berekspresi. Melalui ekspresi wajah, maka dapat dipahami emosi yang sedang bergejolak pada diri individu. Ekspresi wajah merupakan salah satu karakteristik perilaku. Penggunaan sistem teknologi biometrika dengan karakteristik ekspresi wajah memungkinkan untuk mengenali mood atau emosi seseorang. Komponen dasar sistem analisis ekspresi wajah adalah deteksi wajah, ekstraksi data wajah, dan pengenalan ekspresi wajah. Sehingga untuk membangun sebuah sistem pengenal ekspersi wajah, maka perlu dirancang tiga buah sub sistem yaitu sistem deteksi wajah, sistem pembelajaran jaringan syaraf tiruan. Prinsipnya data wajah yang telah dideteksi, diolah menggunakan fisherface, yang selanjutnya hasilnya digunakan sebagai input untuk jaringan syaraf tiruan. Bobot yang dihasilkan pada saat proses pembelajaran jaringan syaraf tiruan inilah yang akan digunakan untuk pengenalan ekspresi wajah. In daily life, especially in interpersonal communication, face often used for express of emotions. Facial expressions are the facial changes in response to a person’s internal emotional states. A facial expression is one of the behavioral characteristics. The use of facial expression characteristics enables to recognize of person’s mood. Basic components of a facial expression analysis system are face detection, face data extraction, and facial expression recognition. So that, to build a facial expression recognition system, it should be designed three subsystems, namely face detection system, learning of neural network system, and facial expression recognition system itself. In principle, face data that has been successfully detected, then it will be constructed by fisherface, and the results of it will be used as an input of neural network. Afterwards, the weights of neural network learning will be used to recognize facial expression.
PERAMALAN DERET WAKTU MENGGUNAKAN MODEL FUNGSI BASIS RADIAL (RBF) DAN AUTO REGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Wiyanti, DT; Pulungan, R
Jurnal MIPA Vol 35, No 2 (2012): October 2012
Publisher : Jurnal MIPA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu metode peramalan yang paling dikembangkan saat ini adalah time series, yakni menggunakan pendekatan kuantitatif dengan data masa lampau yang dijadikan acuan untuk peramalan masa depan. Berbagai penelitian telah mengusulkan metode-metode untuk menyelesaikan time series, di antaranya statistik, jaringan syaraf, wavelet, dan sistem fuzzy. Metode-metode tersebut memiliki kekurangan dan keunggulan yang berbeda. Namun permasalahan yang ada dalam dunia nyata merupakan masalah yang kompleks. Satu metode saja mungkin tidak mampu mengatasi masalah tersebut dengan baik. Dalam artikel ini dibahas penggabungan dua buah metode yaitu Auto Regressive Integrated Moving Average (ARIMA) dan Radial Basis Function (RBF). Alasan penggabungan kedua metode ini adalah karena adanya asumsi bahwa metode tunggal tidak dapat secara total mengidentifikasi semua karakteristik time series. Pada artikel ini dibahas peramalan terhadap data Indeks Harga Perdagangan Besar (IHPB) dan data inflasi komoditi Indonesia; kedua data berada pada rentang tahun 2006 hingga beberapa bulan di tahun 2012. Kedua data tersebut masing-masing memiliki enam variabel. Hasil peramalan metode ARIMA-RBF dibandingkan dengan metode ARIMA dan metode RBF secara individual. Hasil analisa menunjukkan bahwa dengan metode penggabungan ARIMA dan RBF, model yang diberikan memiliki hasil yang lebih akurat dibandingkan dengan penggunaan salah satu metode saja. Hal ini terlihat dalam visual plot, MAPE, dan RMSE dari semua variabel pada dua data uji coba. The accuracy of time series forecasting is the subject of many decision-making processes. Time series use a quantitative approach to employ data from the past to make forecast for the future. Many researches have proposed several methods to solve time series, such as using statistics, neural networks, wavelets, and fuzzy systems. These methods have different advantages and disadvantages. But often the problem in the real world is just too complex that a single method cannot provide adequate solutions, since a single model may not completely identify all the characteristics of time series. In this research, we propose to combine two methods, Auto Regressive Integrated Moving Average (ARIMA) and Radial Basis Function (RBF). This research will make a forecasting for Wholesale Price Index (WPI) and inflation of Indonesian commodity. Each of data is in the range of 2006 to several months in 2012, and each has 6 variables. The results of ARIMA-RBF forecasting method will be compared with ARIMA method and RBF method individually. The result of the analysis shows that the combined method of ARIMA and RBF is more accurate than the ARIMA model or RBF model only. The result can be observed using the visual plot, MAPE, and MSE of all the variables in the two trial data.
ANALYSIS OF A VIRUS DYNAMICS MODEL WITH BEDDINGTON-DEANGELISH INFECTION RATE AND CTL IMMUNE RESPONSE Kurdhi, NA
Jurnal MIPA Vol 35, No 2 (2012): October 2012
Publisher : Jurnal MIPA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini menganalisis sebuah model dinamika virus dengan laju infeksi Beddington-DeAngelis dan respon imun CTL. Hal ini terbuktik bahwa pemecahan-pemecahan dengan nilai-nilai awal positif semuanya positif dan dibatasi. Stabilitas global titik ekuilibrium untuk model dinamika virus dieksplorasi dengan menggunakan fungsi Lyapunov. Dinamika global dari model ini ditentukan oleh nilai-nilai  bilangan reproduksi dasar R0. Hal ini membuktikan bahwa jika R0<1, terdapat keadaan tetap yang unik, keseimbangan bebas virus yang stabil asimtotik global. Jika R0>1, terdapat keadaan tetap lain, keseimbangan endemik yang stabil asimptotik secara global. Selain itu, kami menunjukkan bahwa respon CTL memiliki peran penting dalam pengendalian kepadatan partikel virus bebas dan sel yang terinfeksi. Simulasi-simulasi numerik disajikan untuk menggambarkan hasil-hasil. A virus dynamics model with Beddington-DeAngelis infection rate and CTL immune response is analyzed. It is proved that the solutions with positive initial values are all positive and bounded. The global stability of equilibrium points for dynamics virus model are explored by using appropriate Lyapunov functions. The global dynamics of the model are determined by the values of the basic reproduction number R0. It is proved that if R0<1, there is a unique steady state, the virus-free equilibrium, which is globally asymptotically stable. If R0>1 there is another steady state, the endemic equilibrium, which is globally asymptotically stable. In addition, we show that the CTL response have important role in controlling of the density of free virus particles and of infected cells. Numerical simulations are presented to illustrate the results.

Page 2 of 2 | Total Record : 13

 1   2 

Filter by Year

2012 2012


Reset
Filter By Issues
All Issue Vol 46, No 2 (2023): October 2023 Vol 46, No 1 (2023): April 2023 Vol 45, No 2 (2022): October 2022 Vol 45, No 1 (2022): April 2022 Vol 44, No 2 (2021): October 2021 Vol 44, No 1 (2021): April 2021 Vol 42, No 1 (2019): April 2019 Vol 41, No 2 (2018): October 2018 Vol 41, No 1 (2018): April 2018 Vol 40, No 2 (2017): October 2017 Vol 40, No 1 (2017): April 2017 Vol 39, No 2 (2016): October 2016 Vol 39, No 2 (2016): October 2016 Vol 39, No 1 (2016): April 2016 Vol 39, No 1 (2016): April 2016 Vol 38, No 2 (2015): October 2015 Vol 38, No 2 (2015): October 2015 Vol 38, No 1 (2015): April 2015 Vol 38, No 1 (2015): April 2015 Vol 37, No 2 (2014): October 2014 Vol 37, No 2 (2014): October 2014 Vol 37, No 1 (2014): April 2014 Vol 37, No 1 (2014): April 2014 Vol 36, No 2 (2013): October 2013 Vol 36, No 2 (2013): October 2013 Vol 36, No 1 (2013): April 2013 Vol 36, No 1 (2013): April 2013 Vol 35, No 2 (2012): October 2012 Vol 35, No 2 (2012): October 2012 Vol 35, No 1 (2012): April 2012 Vol 35, No 1 (2012): April 2012 Vol 35, No 2 (2012) More Issue