Jurnal Sains Matematika dan Statistika
Jurnal JSMS (print ISSN: 2460-4542 dan online ISSN: 2615-8663) adalah akademik jurnal yang diterbitkan dua kali setahun (Januari dan Juli). Jurnal JSMS bertujuan menerbitkan hasil penelitian berkualitas tinggi yang direview oleh beberapa orang reviewer di bidang Matematika dan Statistika yang dikelola oleh Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri (UIN) Sultan Syarif Kasim Riau.
Articles
12 Documents
Search results for
, issue
"Vol 9, No 2 (2023): JSMS Juli 2023"
:
12 Documents
clear
<![CDATA[Pemodelan Status Gizi Balita Menggunakan Regresi Logistik Ordinal (Studi Kasus: Puskesmas Limapuluh Di Kota Pekanbaru) ]]>
<![CDATA[Rahmadeni Rahmadeni]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.19080
<![CDATA[Status gizi balita dapat digunakan sebagai indikator keadaan gizi masyarakat dan dapat diketahui melalui prevelensi gizi anak umur 1-5 tahun, karena golongan umur tersebut paling rentan terhadap gangguan gizi dan sangat tergantung terhadap makanan yang diberikan kepada mereka. Penelitian ini bertujuan untuk memodelkan dan menentukan faktor yang mempengaruhi status gizi balita di Kecamatan Limapuluh Kota Pekanbaru pada tahun 2018. Pengumpulan data sekunder dari 190 balita dengan kategori gizi buruk, gizi kurang, gizi baik, dan gizi lebih. Penelitian menggunakan metode regresi logistik ordinal dengan membandingkan model secara empiris dan model secara literatur. Hasil penelitian dengan model secara literatur menunjukkan bahwa model link function logit tepat dan layak untuk digunakan dibanding dengan model secara empiris. Sehingga dengan menggunakan model secara literatur dari 190 orang balita sebanyak 76% mayoritas balita memiliki status gizi baik dan faktor yang paling mempengaruhi status gizi balita adalah berat badan dan pendidikan ibu. ]]>
<![CDATA[Penerapan Adaptive Neuro Fuzzy Inference System (ANFIS) Menggunakan Fungsi Keanggotaan Generalized Bell Untuk Peramalan Data Time Series ]]>
<![CDATA[Rachma Adji Ramadanti]]>;
<![CDATA[Nusyirwan Nusyirwan]]>;
<![CDATA[Pandri Ferdias]]>;
<![CDATA[Khoirin Nisa]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.20789
<![CDATA[Analisis deret waktu merupakan teknik analisis dalam statistika yang menggunakan data observasi dari beberapa periode secara beruntun dalam interval waktu yang tetap. Dalam analisis ini, model dibangun dan diidentifikasi dari pola data peristiwa dari masa lalu. ANFIS merupakan salah satu metode yang dapat digunakan untuk melakukan peramalan data time series, ANFIS sendiri merupakan salah satu jenis neural network yang berbasis pada sistem inferensi fuzzy Takagi Sugeno. Tujuan dari penelitian ini adalah menerapkan ANFIS untuk meramalkan data time series menggunakan fungsi keanggotaan generalized bell. Selanjutnya menduga model ANFIS dan memperoleh tingkat akurasi dari model peramalan Indeks Harga Konsumen (IHK) dengan metode ANFIS. Variabel prediktor yang digunakan adalah inflasi dan uang beredar, untuk variabel respon yang digunakan adalah IHK. Model terbaik dipilih berdasarkan pada nilai RMSE. Hasil analisis menunjukan bahwa penggunaan metode ANFIS sudah baik untuk peramalan data karena hasil prediksi sudah cukup mendekati data aktual dan RMSE model ANFIS dengan 2-cluster memberikan tingkat keakuratan yang baik untuk meramalkan IHK dengan nilai RMSE sebesar 5,29907. Kata Kunci: data time series, ANFIS, indeks harga konsumen, peramalan]]>
<![CDATA[Analisis Viral Marketing Pada Online Customer Terhadap Minat Pembelian Melalui Tiktok Shop Dengan Regresi Linier Sederhana ]]>
<![CDATA[Harizahayu Harizahayu]]>;
<![CDATA[Koko Hermanto]]>;
<![CDATA[Ratna Ratna Yuniarti]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.20652
<![CDATA[Regresi linier sederhana digunakan untuk mencari korelasi antara satu variabel dependen dengan satu variabel independen. Penelitian ini bertujuan untuk mengetahui bagaimana viral marketing dan minat pengguna mempengaruhi keputusan konsumen untuk melakukan pembelian secara online. Walaupun penelitian dilakukan berulang kali dengan menggunakan kuesioner yang sama, uji reliabilitas digunakan untuk menilai tingkat konsistensi kuesioner untuk menentukan apakah dapat diandalkan untuk mengukur suatu variabel penelitian. Metode yang digunakan adalah korelasi product moment untuk menilai tingkat validitas kuesioner berdasarkan nilai korelasi (r) dengan total skor 0,25 untuk masing-masing variabel dari kuesioner yang berjumlah 513 responden yang disebar melalui berbagai platform media sosial seperti Whatsapp, Instagram, dan Facebook. Sedangkan untuk pemodelan regresi linier dengan variabel independen minat penggunna aplikasi Tiktok (x1) dan viral marketing (x2) mempengaruhi keputusan untuk membeli produk secara online, maka diperoleh model regresi linier Y=5,53+0,554x1+0,171x2+e.]]>
<![CDATA[Penerapan Pemodelan Space-Time Pada Data Inflasi Bulanan Di DKI Jakarta, Depok, Dan Bogor Tahun 2017-2021 ]]>
<![CDATA[Dwi Retno Puspita Sari]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.22257
<![CDATA[Inflasi merupakan kondisi dimana komoditas harga mengalami peningkatan secara terus menerus, serta peningkatan harga barang dan jasa yang terjadi cenderung meluas dan berakibat pada harga barang lainnya. Perkembangan mengenai analisis deret waktu memunculkan pemikiran bahwa data tidak hanya mempunyai keterikatan pada waktu sebelumnya, tetapi juga lokasi. Gabungan dari kedua metode tersebut selanjutnya disebut dengan model space-time. Model space time yang sering digunakan adalah STAR (Space Time Autoregressive) dan GSTAR (Generalized Space Time Autoregressive). Pada model STAR lebih sesuai untuk lokasi homogen, sedangkan model GSTAR digunakan pada data dengan karakter heterogen. Pada penentuan model untuk data tingkat inflasi bulanan tahun 2017-2021 di wilayah DKI Jakarta, Depok, dan Bogor diperoleh kandidat model STARIMA (1,1) dan GSTARIMA (1,1). Berdasarkan nilai RMSE masing-masing model, diperoleh kesimpulan bahwa model STARIMA (1,1) lebih baik digunakan karena memiliki nilai RMSE yang lebih kecil dibanding GSTARIMA (1,1).]]>
<![CDATA[Klasterisasi Produksi Tanaman Perkebunan di Provinsi Jawa Timur Menggunakan Algoritma Fuzzy C-Means ]]>
<![CDATA[Shofinatul Wahdah Nur Aulia]]>;
<![CDATA[Putroue Keumala Intan]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.22735
<![CDATA[Produksi tanaman perkebunan di Provinsi Jawa Timur menjadi mata pencaharian umum dikarenakan kebutuhan pokok utama pangan berasal dari pertanian atau perkebunan. Hasil produksi tanaman perkebunan memiliki beberapa perbedaan pada setiap daerah kabupaten atau kota. Karena terdapat perbedaan dari hasil produksi tanaman perkebunan, maka diperlukan klasterisasi pada data perkebunan. Tujuan dilakukannya penelitian ini adalah untuk mengetahui daerah yang cocok dan berpotensi dalam memproduksi tanaman perkebunan. Algoritma yang akan digunakan dalam penelitian ini adalah Fuzzy C-Means, dimana derajat keanggotaan menjadi penentu posisi data dalam klaster. Penerapan algoritma Fuzzy C-Means untuk mengetahui nilai yang optimal akan digunakan uji silhouette coefficient dengan hasil yang didapatkan sebesar 0,6413.]]>
<![CDATA[Pemodelan Geographically Weighted Regression Pada Angka Partisipasi Kasar Perguruan Tinggi Di Indonesia Tahun 2022 ]]>
<![CDATA[Fenny Fitriani]]>;
<![CDATA[Eufrosiana Ga’a Bara]]>;
<![CDATA[Artanti Indrasetianingsih]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.22729
<![CDATA[Angka Partisipasi Kasar Perguruan Tinggi (APK-PT) merupakan proporsi mahasiswa di perguruan tinggi, tanpa memandang usia, di bandingkan dengan usia kuliah pada umumnya (19-23 tahun). APK PT menjadi salah satu indikator pendidikan yang menjadi perhatian pembangunan berkelanjutan (SDGs). Secara nasional, rata-rata APK PT di Indonesia masih rendah dan belum mencapai target nasional sebesar 34,56% dari tahun ke tahun. Selain itu jika dilihat dari APK PT yang ada di setiap provinsi ternyata memiliki nilai yang berbeda-beda untuk setiap Provinsinya. Hal ini menandakan adanya kemungkinan perbedaan karakteristik dari daerah ke daerah lain. Salah satu cara untuk mengatasi masalah tersebut adalah dengan menggunakan metode Geographically Weighted Regression (GWR). Pada artikel ini dibahas mengenai faktor-faktor yang berpengaruh signifikan terhadap APK PT di seluruh Provinsi di Indonesia didasarkan pada metode GWR. Dari hasil pengujian didapatkan faktor yang berpengaruh secara signifikan terhadap APK PT di Indonesia adalah PDRB per kapita, pengeluaran per kapita yang disesuaikan, persentase penduduk miskin, persentase penduduk usia 15 tahun keatas berpendidikan tinggi ditamatkan di perguruan tinggi, angka melek huruf usia 15-24 tahun dan rasio dosen per mahasiswa. Pemodelan APK PT tiap Provinsi di Indonesia dengan metode GWR mampu memberikan hasil pemodelan terbaik dengan koefisien determinasi sebesar 97,44%.]]>
<![CDATA[PEMODELAN INTEGER PREEMPTIVE GOAL PROGRAMMING DALAM MENGOPTIMALKAN PERENCANAAN PRODUKSI DI UKM RENGGINANG KALIMANTAN BARAT ]]>
<![CDATA[Ikka Rahmawati]]>;
<![CDATA[Mariatul Kiftiah]]>;
<![CDATA[Meliana Pasaribu]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.23261
<![CDATA[Usaha Kecil Menengah (UKM) Rengginang merupakan usaha yang bergerak dibidang produksi pembuatan dan penjualan rengginang. Dalam proses produksinya UKM Rengginang belum memiliki perencanaan produksi yang tepat sesuai dengan ketersediaan bahan baku dan jumlah permintaan. Untuk mengatasi permasalahan tersebut, digunakan model integer preemptive goal programming. Model integer preemptive goal programming merupakan model optimalisasi yang nilai variabel keputusannya berupa bilangan bulat. Model ini dapat mengoptimalkan lebih dari satu tujuan dan memiliki prioritas dalam pengoptimalannya. Tujuan dari penelitian ini yaitu memodelkan masalah dengan menggunakan integer preemptive goal programming dan diselesaikan dengan metode simpleks dimodifikasi. Dalam tabel simpleks yang dimodifikasi terjadi perubahan pada variabel non basis yang akan menjadi variabel masuk, dimulai dari variabel keputusan yang diikuti dengan variabel penyimpangan negatif dan variabel penyimpangan positif. Berdasarkan perhitungan diperoleh jumlah optimal permintaan rengginang yaitu 1307 bungkus untuk rengginang ketan hitam, 1361 bungkus untuk rengginang bawang, 1264 bungkus untuk rengginang asin dan 1280 bungkus untuk rengginang pedas. Dalam proses produksi di UKM Rengginang diperoleh biaya minimal yang harus dikeluarkan yaitu Rp. 42.437.300 dengan keuntungan maksimal yaitu Rp. 59.619.250 . Namun, untuk mencapai solusi optimal tersebut, diperlukan tambahan bahan baku ketan hitam sebanyak 1.4 kg, sehingga total bahan baku yang disediakan sebanyak 261.4 kg dan kelebihan bahan baku ketan putih sebanyak 3.05 kg ini, artinya bahan baku ketan dikurangkan sebanyak 3.05 kg menjadi 1106.95 kg. Kata Kunci: prioritas, penyimpangan, metode simpleks yang dimodifikasi]]>
<![CDATA[Pengujian Model Regresi Logistik Pengaruh Minat Belajar dan Lingkungan Keluarga Terhadap Kemandirian Siswa ]]>
<![CDATA[Atiqotur Royyani]]>;
<![CDATA[Sri Harini]]>;
<![CDATA[Turmudi Turmudi]]>;
<![CDATA[Elly Susanti]]>;
<![CDATA[Ina Maya Sabara]]>;
<![CDATA[Andini Endah Sri Mulyani]]>;
<![CDATA[Anisah Salsabila]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.23304
<![CDATA[Kemandirian siswa merupakan salah satu indikator tercapainya tujuan dalam pembelajaran. Kemandirian siswa dipengaruhi oleh faktor internal dan eksternal yang meliputi minat belajar dan lingkungan keluarga. Penelitian ini bertujuan untuk mengetahui pengaruh minat belajar dan lingkungan keluarga terhadap kemandirian siswa. Penelitian ini menggunakan pendekatan model regresi logistik dengan minat belajar dan lingkungan keluarga sebagai variabel independen dan kemandirian siswa yang terklasifikasi berdasarkan skala Likert 1 (sangat tidak mandiri), 2 (tidak mandiri), 3 (mandiri), dan 4 (sangat mandiri) sebagai variabel dependen. Responden pada penelitian ini diambil dari 146 siswa di MA Al-Karimi Tebuwung, Dukun, Gresik dengan menggunakan teknik random sampling. Hasil penelitian dengan nilai taraf kesalahan 5% didapatkan tiga model matematik pengaruh minat belajar dan lingkungan keluarga terhadap kemandirian siswa. Berdasarkan hasil analisis, didapatkan tiga model tingkat kemandirian siswa yang terdiri dari sangat tidak mandiri, tidak mandiri, dan mandiri. Hasil ini didukung nilai koefisien determinasi sebesar 40.3% yang menjelaskan bahwa minat belajar dan lingkungan keluarga memiliki pengaruh sebesar 63.2% terhadap kemandirian siswa dibandingkan dengan pengaruh yang lain]]>
<![CDATA[Analisis Kestabilan Model Penyebaran Penyakit Antraks Tipe SVEIQR pada Ternak ]]>
<![CDATA[Sigit Sugiarto]]>;
<![CDATA[Asmirani Alam]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.21529
<![CDATA[Penelitian ini bertujuan untuk menganalisis penyebaran penyakit antraks pada ternak dengan tipe SVEIQR, yaitu dengan perlakuan berupa vaksinasi, karantina dan pengobatan. Untuk tujuan tersebut akan ditentukan titik tetap dan bilangan reproduksi dasar. Ada dua titik tetap, yaitu titik tetap tanpa penyakit dan titik tetap endemik. Berdasarkan hasil analisis pada model diperoleh bahwa titik tetap tanpa penyakit bersifat stabil asimtotik local ketika reproduksi dasar bernilai kurang dari satu dan titik tetap endemik bersifat stabil asimtotik lokal ketika reproduksi dasar bernilai lebih dari satu. Simulasi numerik yang dilakukan menunjukkan hasil yang sesuai dengan sifat kestabilan pada titik tetap tanpa penyakit dan titik tetap endemik. Kata Kunci: Analisis kestabilan, penyakit antraks, sistem dinamik, titik tetap.]]>
<![CDATA[Pemodelan Gizi Buruk Balita Di Indonesia Dengan Model Robust Spasial Autoregresif ]]>
<![CDATA[Tasya Abrari]]>;
<![CDATA[Ferra Yanuar]]>;
<![CDATA[Dodi Devianto]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i2.23362
<![CDATA[Gizi buruk merupakan suatu keadaan kekurangan konsumsi zat gizi yang disebabkan oleh rendahnya konsumsi energi protein dalam makanan sehari-hari, ditandai dengan berat dan tinggi badan di bawah rata-rata. Penelitian ini bertujuan untuk menentukan model terbaik pada kasus gizi buruk balita serta melihat faktor-faktor apa saja yang mempengaruhi gizi buruk balita pada provinsi-provinsi di Indonesia. Data yang digunakan adalah data hasil studi status gizi Indonesia oleh Kementerian Kesehatan Republik Indonesia. Untuk mendapatkan model terbaik, diperlukan model regresi spasial dengan mempertimbangkan pengaruh spasial suatu daerah. Metode regresi spasial yang menunjukkan adanya efek spasial pada variabel terikatnya disebut Spatial Autoregressive Model (SAR). Pada kasus tertentu, pengujian efek spasial yang melibatkan data pencilan menyebabkan suatu metode gagal dalam menangani efek spasial tersebut sehingga perlu adanya kombinasi model SAR dengan metode regresi robust yang membentuk Robust Spatial Autoregressive Model (RSAR). Hasil penelitian menunjukkan bahwa variabel persentase asuransi kesehatan dan akses air bersih berpengaruh terhadap gizi buruk balita. RSAR M-estimator mengakomodir keberadaan outlier dalam model regresi spasial, hal ini ditunjukkan dengan penurunan RMSE yang disebabkan oleh perubahan parameter koefisien penduga. Model Robust-SAR merupakan model terbaik karena memiliki nilai RMSE terkecil serta robust terhadap spatial outlier.]]>
