cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Nilwan Andiraja
Contact Email
nilwanandiraja@uin-suska.ac.id
Phone
-
Journal Mail Official
nilwanandiraja@uin-suska.ac.id
Editorial Address
-
Location
Kab. kampar,
Riau
INDONESIA
Jurnal Sains Matematika dan Statistika
Published by Universitas Islam Negeri Sultan Syarif Kasim Riau
ISSN : 24604542     EISSN : 26158663     DOI : -
Core Subject : Education,
Mathematics
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.
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "vol. 12 no. 2 (2026): jsms juli 2026" : 6 Documents clear
Analisis Faktor Resiko Penyebab Penyakit Diabetes Pada Mahasiswa Fmipa Untad Menggunakan Regresi Logistik Biner Andi Harismahyanti A.; Dinda Lestari; Lusy Suryani; Ni Putu Christina Pradnya Dewi; Aditya Dwiputra; Nadya Indah Shafira
Jurnal Sains Matematika dan Statistika Vol. 12 No. 2 (2026): JSMS Juli 2026
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v12i1.37141

Abstract

Diabetes merupakan penyakit kronis yang disebabkan oleh berbagai faktor, seperti gaya hidup dan faktor genetik Penelitian ini berupaya mengidentifikasi faktor-faktor yang memengaruhi risiko diabetes pada mahasiswa Fakultas MIPA Universitas Tadulako melalui metode regresi logistik biner. Pengumpulan data dilakukan secara online melalui kuesioner yang mencakup variabel jenis kelamin, usia, berat badan, pola makan, aktivitas fisik, dan riwayat keluarga diabetes. Hasil analisis menunjukkan bahwa secara keseluruhan, variabel-variabel tersebut berpengaruh signifikan terhadap risiko diabetes. Secara khusus, variabel berat badan dan riwayat keluarga terbukti memiliki pengaruh signifikan terhadap risiko diabetes, dengan p-value masing-masing 0,0342 dan 0,0333. Model regresi yang dihasilkan menunjukkan bahwa risiko diabetes cenderung meningkat pada mahasiswa dengan riwayat keluarga diabetes (koefisien 3,3205), tetapi justru menurun dengan peningkatan berat badan (koefisien -0,2461). Dengan nilai koefisien determinasi 60,25% dan ketepatan klasifikasi 96%, model ini cukup kuat untuk memprediksi risiko diabetes pada mahasiswa. Penelitian ini menyimpulkan bahwa riwayat keluarga dan berat badan menjadi faktor utama dalam memprediksi risiko diabetes pada mahasiswa, dengan akurasi prediksi sebesar 96%.
Pemodelan Curah Hujan Bulanan Jakarta Pusat Menggunakan Neural Network Long Short-Term Memory (LSTM) Syukri Arif Rafhida; Mohamad Khoirun Najib
Jurnal Sains Matematika dan Statistika Vol. 12 No. 2 (2026): JSMS Juli 2026
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/t1b6xb48

Abstract

Jakarta, sebagai pusat pemerintahan dan ekonomi Indonesia, mengalami urbanisasi pesat yang memengaruhi pola curah hujan serta ketersediaan air, terutama di tengah perubahan iklim global. Model Long Short-Term Memory (LSTM), yang efektif dalam menangani data sekuensial, digunakan untuk menangkap pola curah hujan jangka panjang di Jakarta. Penelitian ini bertujuan untuk membangun model prediksi curah hujan menggunakan LSTM dengan berbagai konfigurasi lapisan dan teknik regulasi. Tiga skenario model diuji: LSTM sederhana, LSTM dengan dropout, dan LSTM dengan kombinasi dropout serta early stopping. Hasil evaluasi menunjukkan bahwa model dengan konfigurasi 1 LSTM layer, 2 dense layer, dan dropout menghasilkan nilai Root Mean Squared Error (RMSE) terendah pada data uji (146,41), mengungguli model dengan konfigurasi lain. Dropout terbukti efektif dalam mengurangi overfitting dan meningkatkan generalisasi model. Namun, model ini masih menghadapi kesulitan dalam memprediksi puncak curah hujan ekstrem. Penggunaan early stopping tidak memberikan peningkatan signifikan dalam performa. Penelitian ini menyimpulkan bahwa kombinasi dropout pada model LSTM dapat menghasilkan prediksi curah hujan bulanan yang baik, dengan potensi peningkatan melalui penyesuaian hyperparameter dan arsitektur model yang lebih kompleks. Model LSTM dapat menghasilkan prediksi curah hujan bulanan yang andal, yang berpotensi mendukung pengambilan keputusan dalam mitigasi risiko banjir, pengelolaan sumber daya air, dan perencanaan infrastruktur untuk adaptasi iklim.
Penerapan Algoritma Backpropagation dalam Memprediksi Tingkat Penghunian Kamar Hotel Nonbintang di Provinsi Kepulauan Bangka Belitung Aulia Febiola; Ineu Sulistiana; Ririn Amelia
Jurnal Sains Matematika dan Statistika Vol. 12 No. 2 (2026): JSMS Juli 2026
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/1f49b931

Abstract

Sektor pariwisata terbukti mampu meningkatkan penerimaan devisa, pendapatan daerah, serta penyerapan investasi dan tenaga kerja di Provinsi Kepulauan Bangka Belitung. Keberhasilan hotel nonbintang dalam mempertahankan Tingkat Penghunian Kamar (TPK) hotel yang tinggi dapat memberikan dampak positif terhadap pendapatan hotel, ekonomi lokal dan industri pariwisata secara keseluruhan. Namun, ketidakpastian TPK hotel nonbintang di Provinsi Kepulauan Bangka Belitung dapat mempengaruhi kebijakan instansi pemerintah atau swasta maupun pengusaha hotel dan akomodasi serta investor dalam industri perhotelan. Oleh karena itu, penelitian ini bertujuan untuk memprediksi TPK hotel nonbintang di Provinsi Kepulauan Bangka Belitung menggunakan algoritma backpropagation. Hasil dari penelitian ini menunjukkan bahwa arsitektur jaringan backpropagation terbaik untuk memprediksi TPK hotel nonbintang adalah arsitektur jaringan 60-41-1 dengan MAPE pada fase pelatihan sebesar 12,89 persen dan MAPE pada fase pengujian sebesar 9,96 persen. Berdasarkan hasil prediksi, TPK hotel nonbintang tertinggi terjadi pada bulan Februari 2025 dan terendah pada bulan Maret 2028 serta dapat disimpulkan bahwa TPK hotel nonbintang di Provinsi Kepulauan Bangka Belitung mengalami pola fluktuasi yang cenderung turun secara bertahap
Analisis Spasial Dependensi Hasil Produksi Padi  di Kabupaten Lombok Timur Tahun 2023 Muliana Susilawati; Liska Lisnawati; Hasanatul Qudusiah; Siti Hariati Hastuti
Jurnal Sains Matematika dan Statistika Vol. 12 No. 2 (2026): JSMS Juli 2026
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/1nw8kx68

Abstract

Analisis terhadap hasil produksi padi di suatu wilayah sangat penting, terutama untuk memahami efek spasial dan pengaruh faktor-faktor terhadap produktivitasnya. Pendekatan ini berguna dalam mengatasi permasalahan yang timbul akibat ketidakstabilan hasil produksi padi. Oleh karena itu penelitian ini bertujuan untuk menganalisis hasil produksi padi di kabupaten Lombok Timur tahun 2023 menggunakan metode Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM) dengan menggunakan 4 variabel independen yakni luas lahan sawah , jumlah petani , jumlah unit usaha penyedia jasa pertanian  dan jumlah alokasi pupuk . Dari hasil penelitian, Dapat disimpulkan bahwa model SEM model yang lebih baik dibandingkan regresi SAR karena nilai AIC model SEM sebesar 432,588 lebih kecil dibandingkan nilai AIC model SAR. Variabel yang memiliki pengaruh signifikan secara spasial terhadap hasil produksi padi adalah jumlah petani , jumlah unit usaha penyedia jasa pertanian  dan jumlah alokasi pupuk dengan nilai korelasi spasial pada residual antar kecamatan di Lombok Timur sebesar 0,797. Hal ini menunjukkan adanya korelasi spasial yang kuat dimana pola kesalahan di suatu kecamatan dipengaruhi oleh pola kesalahan di kecamatan lain yang berdekatan, sebagaimana ditentukan oleh matriks pembobot spasial. Tingginya korelasi spasial ini menyatakan bahwa faktor spasial berperan signifikan dalam memahami pola produksi padi di Lombok Timur. Kata Kunci: Analisis Spasial, Produksi Padi, SAR, SEM.
Pemodelan Indeks Pembangunan Manusia (IPM) di Pulau Jawa Tahun 2023 Menggunakan Regresi Probit Ordinal Andriano Andriano; Naufal Fadhullah
Jurnal Sains Matematika dan Statistika Vol. 12 No. 2 (2026): JSMS Juli 2026
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/0v8gwq30

Abstract

Regresi probit ordinal adalah salah satu teknik statistik yang digunakan untuk mengevaluasi hubungan antara variabel independen dan variabel dependen berskala ordinal, yaitu variabel yang memiliki lebih dari dua kategori yang tersusun secara berurutan.Dalam penelitian ini, metode regresi probit ordinal diterapkan untuk mengidentifikasi faktor-faktor yang memengaruhi Indeks Pembangunan Manusia (IPM) di wilayah Pulau Jawa pada tahun 2023. Estimasi parameter dilakukan menggunakan pendekatan Maximum Likelihood Estimation (MLE). Karena bentuk fungsi likelihood tidak dapat diselesaikan secara analitik, proses estimasi dilanjutkan menggunakan metode iterasi numerik Berndt, Hall, Hall, and Hausman (BHHH). Selanjutnya, dilakukan pengujian hipotesis parameter secara serentak dan individu guna menguji pengaruh beberapa variabel terhadap IPM di tingkat kabupaten/kota. Adapun variabel-variabel yang dianalisis meliputi persentase penduduk miskin, Tingkat Pengangguran Terbuka (TPT), laju pertumbuhan penduduk, dan persentase rumah tangga yang memiliki akses terhadap air minum yang layak. Hasil penelitian menunjukkan bahwa persentase penduduk miskin serta persentase rumah tangga dengan akses terhadap air minum layak memiliki pengaruh yang signifikan terhadap IPM di Pulau Jawa tahun 2023. Temuan ini mengindikasikan bahwa penurunan tingkat kemiskinan dan peningkatan akses air minum layak berkontribusi positif terhadap peningkatan kualitas hidup masyarakat.
Analisis Persepsi dan Preferensi Generasi Z Terhadap Penggunaan Generative AI dalam Dunia Perkuliahan Alfan Izza Maulana; Aisyatul Mutia Sabila; Bintang Auladina Rahmi; Achmad Faizir Arkanul; Slavina; Ardi Kurniawan
Jurnal Sains Matematika dan Statistika Vol. 12 No. 2 (2026): JSMS Juli 2026
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/2kqqbf63

Abstract

Adopsi Generative Artificial Intelligence (GenAI) oleh mahasiswa Generasi Z dalam dunia perkuliahan menimbulkan polarisasi diskursus antara potensi pedagogis dan ancaman terhadap integritas akademik serta kemampuan berpikir kritis. Penelitian ini berangkat dari kesenjangan empiris mengenai perspektif pengguna utama (mahasiswa) terhadap teknologi ini. Tujuan penelitian adalah untuk: (1) mendeskripsikan persepsi dan preferensi Generasi Z, (2) menguji validitas dan reliabilitas instrumen, serta (3) menganalisis hubungan karakteristik demografis dengan persepsi dan preferensi tersebut. Metode kuantitatif dengan desain survei diterapkan pada mahasiswa Universitas Airlangga dari bidang STEM dan SOSHUM. Kuesioner penelitian terbukti valid (korelasi item-total > 0,7) dan sangat reliabel (α = 0,846). Hasil analisis deskriptif mengungkapkan persepsi positif mayoritas responden terhadap manfaat GenAI. Hasil uji Chi-Square mengindikasikan bahwa hanya variabel tahun perkuliahan yang memiliki hubungan signifikan (p < 0,05) dengan berbagai aspek persepsi dan preferensi, sementara jenis kelamin dan bidang studi tidak. Temuan ini memberikan landasan empiris bahwa pendekatan kebijakan dan pedagogis dalam integrasi GenAI perlu dikembangkan secara kontekstual dengan mempertimbangkan tingkat kematangan akademik mahasiswa.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol. 12 No. 2 (2026): JSMS Juli 2026 Vol. 12 No. 1 (2026): JSMS Januari 2026 Vol 11, No 2 (2025): JSMS Juli 2025 Vol 11, No 1 (2025): JSMS Januari 2025 Vol 10, No 2 (2024): JSMS Juli 2024 Vol 10, No 1 (2024): JSMS Januari 2024 Vol 9, No 2 (2023): JSMS Juli 2023 Vol 9, No 1 (2023): JSMS Januari 2023 Vol 8, No 2 (2022): JSMS Juli 2022 Vol 8, No 1 (2022): JSMS Januari 2022 Vol 7, No 2 (2021): JSMS Juli 2021 Vol 7, No 1 (2021): JSMS Januari 2021 Vol 6, No 2 (2020): JSMS Juli 2020 Vol 6, No 1 (2020): JSMS Januari 2020 Vol 5, No 2 (2019): JSMS Juli 2019 Vol 5, No 1 (2019): JSMS Januari 2019 Vol 4, No 2 (2018): JSMS Juli 2018 Vol 4, No 2 (2018): JSMS Juli 2018 Vol 4, No 1 (2018): JSMS Januari 2018 Vol 3, No 2 (2017): JSMS Juli 2017 Vol 3, No 1 (2017): JSMS Januari 2017 Vol 2, No 2 (2016): JSMS Juli 2016 Vol 2, No 1 (2016): JSMS Januari 2016 Vol 1, No 2 (2015): JSMS Juli 2015 Vol 1, No 1 (2015): JSMS Januari 2015 More Issue