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 267 Documents
 23   24   25   26   27 
Analisis Asosiasi Jenis Kredit Rumah Tangga dengan Jenis Pekerjaan Utama di Provinsi Bengkulu Fairuzindah, Athaya; Marta, Rezkyan; Anjani, Retno Tri; Faeza, Veronnica Noer; Sunandi, Etis; Novianti, Pepi
Jurnal Sains Matematika dan Statistika Vol 11, No 2 (2025): JSMS Juli 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v11i2.32966

Abstract

Kredit rumah tangga di Provinsi Bengkulu berperan penting dalam mendukung kesejahteraan masyarakat, terutama dalam memenuhi kebutuhan dasar seperti perumahan, pendidikan, dan barang konsumsi. Namun tidak semua jenis pekerjaan utama memiliki kemampuan yang sama dalam memenuhi syarat pengajuan kredit. Dengan  permasalahan   tersebut  penelitian   ini   bertujuan  melihat  asosiasi jenis pekerjaan dan jenis kredit rumah tangga dengan menggunakan metode log linear 2 dimensi. Berdasarkan hasil pengujian asosiasi didapatkan hasil berupa terdapat asosiasi antara jenis pekerjaan dan kredit. Setelah melakukan pengujian dilakukan pemilihan model terbaik dengan menggunakan pengujian Goodness of fit (uji G). Berdasarkan hasil pengujian Goodness of fit (uji G) bahwa model dengan interaksi lebih baik dibandingkan model tanpa interaksi.
Penerapan Metode Moora Dalam Pemilihan Bimbingan Belajar Di Kota Palembang Ramury, Feli; Wachyuni, Dessy Rieta
Jurnal Sains Matematika dan Statistika Vol 11, No 2 (2025): JSMS Juli 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v11i2.30632

Abstract

Penelitian ini bertujuan untuk membantu siswa dalam memilih bimbingan belajar di Kota Palembang berdasarkan kriteria yang telah ditetapkan oleh siswa. Untuk mengatasi masalah ini, digunakan sebuah sistem pendukung keputusan  dengan menggunakan metode yaitu Metode Multi-Objective Optimization on The Basic of Ratio Analysis (MOORA). Metode Moora dipilih karena mudah digunakan dan menghasilkan output yang baik. Hasil penelitian ini menunjukkan bahwa alternatif A2, yaitu bimbingan belajar Matrik, memperoleh nilai terbaik sebesar 0,156376. Oleh karena itu, penerapan metode Moora dalam sistem pendukung keputusan dapat menyelesaikan permasalahan dalam pemilihan bimbingan belajar di Kota Palembang dengan cara yang sistematis dan tepat. 
Pemodelan Cadangan Devisa Indonesia Menggunakan Regresi Nonparametrik Spline Widyastuti, Naumi; Hafiyusholeh, Moh
Jurnal Sains Matematika dan Statistika Vol 11, No 2 (2025): JSMS Juli 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v11i2.32774

Abstract

Cadangan devisa adalah aset keuangan yang disimpan oleh bank sentral suatu negara dalam bentuk mata uang asing atau instrumen keuangan lainnya. Cadangan ini sangat penting karena berfungsi menjaga kestabilan perekonomian dan mendukung pertumbuhan di tengah perekonomian global. Oleh karena itu perlunya menjaga stabilitas cadangan devisa, penting untuk mengidentifikasi faktor-faktor yang mempengaruhinya. Penelitian ini bertujuan memodelkan faktor-faktor yang mempengaruhi cadangan devisa Indonesia menggunakan metode regresi nonparametrik spline, dengan titik simpul optimal yang diperoleh dari kombinasi titik simpul berdasarkan nilai Generalized Cross Validation (GCV) terendah sebesar 47652776. Variabel bebas yang digunakan dalam penelitian ini adalah ekspor ( x1), impor (x2), nilai tukar (x3), dan inflasi (x4), yang diduga memiliki pengaruh terhadap cadangan devisa. Hasil analisis menunjukkan bahwa model regresi nonparametrik spline berhasil mengidentifikasi keempat variabel tersebut sebagai faktor yang berpengaruh signifikan terhadap pergerakan cadangan devisa Indonesia. Model yang terbentuk memiliki nilai koefisien determinasi (R²) sebesar 85,86% dan Mean Absolute Percentage Error (MAPE) sebesar 4,644%, menunjukkan tingkat akurasi yang sangat baik.
Penerapan Model Long Short Term Memory Pada Jumlah Produksi Pupuk Di PT. Pelindo Gresik Romdloni, Ro’iqotul Fathiyyah; Yuliati, Dian; Ulinnuha, Nurissaidah
Jurnal Sains Matematika dan Statistika Vol 11, No 2 (2025): JSMS Juli 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v11i2.33034

Abstract

PT Pelindo Multi Terminal adalah subholding dari PT Pelabuhan Indonesia (Persero) yang mengelola berbagai terminal multipurpose di Indonesia, termasuk terminal petikemas. Cabang Gresik merupakan salah satu dari banyak cabang yang dikelola oleh PT Pelindo Multi Terminal, yang berfokus pada operasi terminal petikemas dan layanan bongkar muat. Penelitian ini bertujuan untuk mengevaluasi model Long Short-Term Memory (LSTM) dalam memprediksi jumlah produksi pupuk pada kegiatan bongkar muat di PT Pelindo Multi Terminal Petikemas Branch Gresik. LSTM dipilih karena kemampuannya dalam mengolah data berurutan dan memprediksi pola jangka panjang secara akurat. Data yang digunakan dalam penelitian ini adalah jumlah produksi pupuk dari tahun 2018 hingga 2023. Hasil penelitian menunjukkan bahwa model LSTM mampu memberikan prediksi yang cukup akurat, dengan Mean Squared Error (MSE) sebesar 258141463,92 dan Mean Absolute Percentage Error (MAPE) sebesar 18,60% pada epoch 300 dan menunjukkan bahwa LSTM efektif dalam memproses dan memprediksi jumlah produksi pupuk, serta berpotensi meningkatkan efisiensi operasional bongkar muat pupuk. 
Perbandingan Algoritma Real Adaptive Boosting pada Regresi Logistik, CART, dan Naive Bayes dalam Klasifikasi Biji Labu Aprihartha, Moch Anjas; Fallo, Sefri Imanuel; Rasikhun, Hady
Jurnal Sains Matematika dan Statistika Vol 11, No 2 (2025): JSMS Juli 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v11i2.36859

Abstract

Labu merupakan spesies tanaman yang bernilai ekonomis dan medis. Hampir setiap bagian dari labu dapat dikonsumsi terutama pada bijinya. Minyak dari biji labu dapat juga digunakan sebagai saus untuk salad, produk kosmetik, sabun dan lilin. Keterampilan dalam mengklasifikasikan biji labu dengan tepat sangat dibutuhkan diberbagai sektor, seperti pertanian dan industri pangan. Dibutuhkan teknologi pengembangan yang dapat mengidentifikasi dan mensortir biji labu dengan mudah dan cepat. Beberapa algoritma yang umum dapat digunakan untuk mengidentifikasi jenis biji labu seperti algoritma regresi logistik (RL), Classification and Regression Tree (CART), dan Naive Bayes (NB). Penelitian ini bertujuan mengeksplorasi model RL, CART, dan NB pada dua jenis varietas biji labu, yaitu Ürgüp Sivrisi dan Çerçevelik berdasarkan karakteristik fisiknya. Selain itu, digunakan pendekatan Real Adaptive Boosting (RAB) untuk meningkatkan kinerja model dasar. Teknik ini bekerja dengan kemampuan menggabungkan beberapa model homogen secara berulang untuk menghasilkan model yang kuat. Hasil uji kinerja model klasifikasi diperhitungkan melalui metrik evaluasi. Model RAB-RL memiliki performa tertinggi pada akurasi, presisi, dan f1-score sehingga menjadikan model terbaik dalam mengklasifikasikan jenis biji labu dibandingkan model-model lainnya. Dalam model dasar, model RL memiliki performa terbaik dibawah model RAB-RL
Pengelompokan Kabupaten/Kota di Provinsi Jawa Barat Berdasarkan Tingkat Pengangguran Terbuka Tahun 2023 Menggunakan K-Means Clustering Fatimah, Gusmiati Husnul; Setyowisnu, Glagah Eskacakra
Jurnal Sains Matematika dan Statistika Vol 11, No 2 (2025): JSMS Juli 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v11i2.35653

Abstract

Pengangguran adalah salah satu masalah serius yang dihadapi oleh bayak negara, termasuk Indonesia. Dari banyak provinsi di Indonesia, Jawa Barat termasuk dalam provinsi dengan jumlah penduduk yang besar dengan variasi pengangguran yang tinggi. Mengingat masalah tersebut cukup besar, pemerintah perlu merancang kebijakan efektif, spesifik, dan tepat sasaran dengan acuan yang sesuai. Oleh karena itu, pada penelitian ini dilakukan analisis pengelompokan kabupaten/kota di Provinsi Jawa Barat berdasarkan pengangguran terbuka dengan menggunakan metode K-means clustering. Data yang digunakan mencakup jumlah pengangguran terbuka usia 15 tahun ke atas menurut tingkat pendidikan yang diperoleh dari Badan Pusat Statistik (BPS) tahun 2023. Analisis dilakukan dengan bantuan software IBM SPSS Statistic 26 dan RStudio. Penentuan banyak klaster optimal dilakukan menggunakan metode elbow, yang dilakukan dengan menghitung nilai Within-cluster Sum of Squares, kemudian hasilnya divisualisasikan dalam bentuk kurva untuk membantu menentukan banyak klaster optimal. Perhitungan tersebut menghasilkan tiga klaster dengan karakteristik pengangguran yang berbeda, di mana klaster 1, 2, dan 3 secara berturut-turut merupakan klaster pengangguran rendah, tinggi, dan sedang, serta terdiri dari 16, 7, dan 3 kabupaten/kota pada setiap klaster tersebut. Hasil ini diharapkan dapat menjadi acuan pemerintah daerah dalam merancang kebijakan untuk menurunkan tingkat pengangguran di Jawa Barat.
Aplikasi Radial Basis Function Network (Rbfn) Pada Prediksi Jumlah Penduduk Kabupaten Banjarnegara Sandira, Cherryana Cesta; Sofiyati, Noor
Jurnal Sains Matematika dan Statistika Vol 11, No 2 (2025): JSMS Juli 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v11i2.36463

Abstract

Kabupaten Banjarnegara memiliki tantangan dalam mengantisipasi pertumbuhan jumlah penduduk guna mendukung perencanaan kebijakan yang lebih efektif dan sesuai dengan kebutuhan masyarakat. Penelitian ini bertujuan untuk memprediksi jumlah penduduk di Kabupaten Banjarnegara dengan menggunakan metode Radial Basis Function Network (RBFN), yaitu salah satu jenis jaringan syaraf tiruan yang efektif dalam menangani data non-linier. Data yang digunakan merupakan data historis jumlah penduduk selama 10 tahun terakhir yang kemudian dibagi menjadi data latih dan data uji untuk melatih model RBFN. Model ini dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) untuk mengukur tingkat akurasi hasil prediksi. Berdasarkan hasil analisis, metode RBFN menunjukkan kemampuan yang baik dalam memprediksi jumlah penduduk dengan tingkat akurasi yang tinggi. Hasil prediksi menunjukkan jumlah penduduk Kabupaten Banjarnegara pada tahun 2024 sebanyak 1.059.211 jiwa dengan nilai MAPE 0.391033%. Informasi yang dihasilkan diharapkan dapat mendukung perencanaan pembangunan yang lebih efektif dan efisien.Kata Kunci:  prediksi penduduk, deret waktu, jaringan syaraf tiruan.
Analisis Dinamik dan Eksistensi Traveling Wave pada Model Penyebaran Penyakit Covid-19 Buana, Chandra; Rozi, Syamsyida; Z, Gusmanely
Jurnal Sains Matematika dan Statistika Vol 10, No 2 (2024): JSMS Juli 2024
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v10i2.24672

Abstract

Pada akhir tahun 2019, dunia digemparkan dengan munculnya penyakit COVID-19. Penyebaran penyakit COVID-19 pada saat itu berlangsung cukup cepat hingga menyebar ke berbagai negara. Hal tersebut menyebabkan banyak negara-negara yang memberikan batasan perjalanan bagi masyarakatnya dengan tujuan untuk mengurangi penyebaran dari penyakit ini. Batasan perjalanan bagi masyarakat dapat terjadi jika terjadi lonjakan kecepatan penyebaran penyakit, hal tersebut dapat dianalisis lebih awal dengan pemodelan matematika. Penelitian ini bertujuan untuk menemukan struktur kualitatif dari model penyebaran COVID-19 dan menemukan eksistensi traveling wave pada model penyebaran COVID-19. Berdasarkan penelitian yang telah dilakukan, diperoleh model PDB dan model PDP pada penyebaran penyakit COVID-19. Model PDB menunjukkan penyakit akan menyebar di dalam populasi yang menyebabkan terjadinya endemik. Model PDP menghasilkan kecepatan minimum penyebaran penyakit COVID-19 sebesar 0,3954599146 km/hari yang artinya dalam satu hari penyakit akan menyebar sejauh 0,3954599146 km. Kata Kunci: COVID-19, Pemodelan Matematika, Traveling Wave.  
Prediksi Harga Emas Menggunakan Metode Radial Basis Function Neural Network (RBFNN) Khotijah, Siti; Sarifah, Luluk; Fuaddiyah, Alifatul
Jurnal Sains Matematika dan Statistika Vol 10, No 1 (2024): JSMS Januari 2024
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v10i1.20890

Abstract

Berinvestasi merupakan kegiatan di mana dana diinvestasikan dalam satu atau lebih kelas aset selama periode waktu tertentu dengan harapan menghasilkan pendapatan dan/atau meningkatkan nilai investasi di masa depan Salah satu investasi yang berkembang saat ini adalah investasi emas. Emas merupakan logam mulia yang memiliki ketahanan yang tinggi untuk disimpan dalam jangka waktu yang lama. Akan tetapi terdapat resiko dalam berinvestasi emas, resiko umum saat berinvestasi emas adalah harganya berfluktuasi setiap hari. Teknik prediksi yang akurat diperlukan untuk menghindari risiko. Dalam penelitian ini, metode yang digunakan untuk melakukan prediksi adalah Radial Basis Function Neural Network  (RBFNN). Hasil prediksi harga emas pada tahun 2022 dengan menggunakan metode Radial Basis Function Neural Network (RBFNN) mengalami kenaikan disetiap bulannya dengan nilai MSE sebesar 0.54134. Hal ini menunjukkan bahwa akan terjadi kenaikan harga harga emas pada tahun 2022 disetiap bulannya.
Penentuan Nilai Premi Asuransi Pertanian Berbasis Indeks Curah Hujan Menggunakan Burn Analysis di Kabupaten Bone Abubakar, Rahmah; Yanti, Reski Wahyu; Fatimah, Meryta Febrilian
Jurnal Sains Matematika dan Statistika Vol 10, No 2 (2024): JSMS Juli 2024
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v10i2.29996

Abstract

Potensi produksi padi di Kabupaten Bone Sulawesi Selatan sangat besar, enam tahun terakhir Bone menduduki peringkat pertama sebagai penghasil produksi padi terbesar di Sulawesi Selatan. Pada penelitian ini akan dihitung premi asuransi pertanian berbasis indeks curah hujan pada tanaman padi di Kabupaten Bone. Penentuan indeks curah hujan menggunakan metode Burn Anaylsis. Nilai exit dan trigger yang diperoleh dari indeks curah hujan sebagai dasar penentuan premi asuransi pertanian yang dihitung berdasarkan metode Black-Scholes. Sumber data yang digunakan adalah data produksi padi GKG dan curah hujan CHRIPS Kabupaten Bone tahun 2018-2023. Nilai pertanggungan ditentukan berdasarkan pedoman Kementerian Pertanian tentang Asuransi Usaha Tani Padi (AUTP) sebesar Rp 6.000.000,- perhektar. Diperoleh nilai exit 33,55 mm sedangkan nilai trigger berdasarkan persentil dari indeks curah hujan. Nilai trigger di persentil 20 adalah 34,65 mm denganh hasil perhitungan premi sebesar Rp 3.688.936. Kata Kunci:  Asuransi pertanian, Black-Scholes, Burn Analysis, premi, indeks curah hujan.

Page 25 of 27 | Total Record : 267

 23   24   25   26   27 

Filter by Year

2015 2025


Reset
Filter By Issues
All Issue 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