Garuda - Garba Rujukan Digital

PENENTUAN PORTOFOLIO OPTIMAL DALAM SAHAM MENGGUNAKAN PENDEKATAN CAPITAL ASSET PRICING MODEL Luthfiyani, Ema Nur; agustina, Fitriani
Jurnal EurekaMatika (JEM) Vol 1, No 1 (2013): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Model estimasi capital asset pricing model digunakan untuk mengestimasi return yang diharapakan beserta risiko sistematiknya. Risiko sistematik adalah bagian dari risiko total yang dapat mempengaruhi pasar secara keseluruhan. Risiko total terdiri dari risiko sistematik dan risiko tidak sistematik. Untuk mengurangi risiko total dilakukan diversifikasi portofolio yaitu mengalokasikan dana pada beberapa aset yang dimiliki perorangan atau lembaga berupa aktiva berisiko dan aktiva bebas risiko. Memilih saham yang sesuai untuk membentuk portofolio yang optimal menggunakan simple criteria optimal for portfolio selection. Melalui kriteria ini diperoleh delapan saham pada indeks saham IHSG yaitu RBMS.JK, INAI.JK, SMCB.JK, KDSI.JK, TKIM.JK, BMTR.JK, MLIA.JK, AHAP.JK. Sedangkan pada indeks saham STI diperoleh dua saham yaitu J36.SI dan G13.SI. Melalui return yang diperoleh dengan pendekatan capital asset pricing model dan risiko total, akan diukur kinerja portofolio menggunakan excess return on Value at Risk. Dimana nilai kinerja portofolio yang lebih tinggi daripada nilai kinerja portofolio lain dianggap sebagai portofolio yang memiliki kinerja lebih baik. Dari kedua indeks yang dibandingkan, kinerja portofolio pada indeks saham IHSG memiliki nilai yang lebih tinggi daripada nilai kinerja portofolio pada indeks saham STI.Kata Kunci : Capital asset pricing model, Return, Diversifikasi Portofolio, Simple criteria optimal for portfolio selection, Excess return on Value at Risk.

PENERAPAN MODEL THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (TGARCH) DALAM PERAMALAN HARGA EMAS DUNIA Darmawan, Ryaneka; Puspita, Entit; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

ABSTRAKÂ Ekonomi merupakan aspek penting suatu negara, beragamnya bentuk kegiatan ekonomi menggambarkan pentingnya ekonomi bagi masyarakat. Salah satu kegiatan ekonomi adalah investasi, investasi saat ini sangat beragam salah satunya investasi emas. Emas merupakan barang berharga dan memiliki nilai jual yang tinggi, selain itu emas juga lebih mudah didapatkan untuk saat ini. Oleh karena itu diperlukan suatu cara menentukan harga emas pada masa yang akan datang, sehingga investasi yang dilakukan mendapatkan keuntungan. Model runtun waktu terbagi dua kondisi, pertama kondisi dengan variansi konstan (homoskedastisitas) dan kedua kondisi variansi tidak konstan (heteroskedastisitas). Model runtun waktu dengan variansi konstan biasa disebut dengan model Box-Jenkinâs. Harga emas dunia merupakan data yang memiliki variansi tidak konstan, oleh karena itu peramalan harga emas dunia dengan menggunakan model Box-Jenkinâs kurang tepat sehingga model runtun waktu dengan kasus heteroskedastisitas lebih cocok digunakan. Banyak model runtun waktu untuk kondisi heteroskedastisitas, salah satu model terbaik yaitu model Threshold Generalized Autoregressive Conditional Heteroscedastic (TGARCH). Identifikasi model TGARCH dengan cara trial dan error, setelah dilakukan estimasi dan verifikasi maka didapatkan model TGARCH(2,1) sebagai model terbaik untuk peramalan. Hasil peramalan dengan model TGARCH(2,1) memiliki nilai Mean Squared Error (MSE) sebesar 723,032 dan nilai The Mean Absolute Percentage Error (MAPE) yang relatif kecil sebesar 1,4952%.Kata kunci: Investasi, Emas, TGARCH, MSE, MAPEABSTRACTÂ Economics is an important aspect of a country, the diversity of forms of economic activity illustrate the economic importance for the community. One of the economic activity is investment, now investment is diverse one of them gold investment. Gold is valuable and has a high resale value, moreover gold more readily available for the moment. Therefore we need a way to determine the price of gold in the future, so that the investment will be getting profit. Time series models is divided into two conditions, the first condition with constant variance (homoscedastic) and the second condition is variance not constant (heteroscedastic). Time series models with constant variance commonly called the Box-Jenkins models. World gold prices is data that has variance is not constant, therefore the world gold price forecasting using models Box-Jenkins not quite right so the model time series with heteroskedastic case more suitable. Many models for time series heteroskedastic conditions, one of the best model is a model Threshold Generalized Autoregressive Conditional Heteroscedastic (TGARCH). Identification TGARCH model using by trial and error, after the estimation and verification of the obtained models TGARCH (2.1) as the best model for forecasting. Results forecasting model TGARCH (2.1) has a value of Mean Squared Error (MSE) of 723.032 and the value of the Mean Absolute Percentage Error (MAPE) is relatively small as 1.4952%.Keywords : Investment, Gold, TGARCH, MSE, MAPE

PENERAPAN MODEL M_o DAN MODEL M_t UNTUK MENGESTIMASI UKURAN POPULASI TERTUTUP PADA DATA CAPTURE-RECAPTURE Lubis, Asep Ridwan; Dasari, Dadan; Agustina, Fitriani
Jurnal EurekaMatika Vol 5, No 1 (2017)
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

ABSTRAK. Statistika merupakan keilmuan yang bertujuan mengumpulkan, mengolah, menyajikan, dan menarik kesimpulan berdasarkan analisis data. Salah satu kajian yang terus dikembangkan dalam statistika yaitu analisis data Capture-Recapture. Analisis data Capture-Recapture memiliki ciri yaitu mengumpulkan data dengan teknik Capture, Mark, Release, Recapture (CMRR). Permasalahan yang akan dibahas karya tulis ini yaitu mengestimasi ukuran populasi pada data tersebut. Estimasi populasi merupakan proses pendekatan matematis untuk menaksir ukuran populasi. Populasi merupakan objek yang memiliki karakteristik tertentu yang akan dipelajari dan ditarik kesimpulannya. Banyak anggota suatu populasi disebut ukuran populasi. Berdasarkan karakteristik ukuran, populasi dikelompokkan menjadi dua yaitu populasi tertutup dan populasi tidak tertutup. Populasi tertutup berarti banyak anggota dalam populasi dari waktu ke waktu konstan, sedangkan populasi tidak tertutup berarti banyak anggota dalam populasi dari waktu ke waktu tidak konstan. Estimasi ukuran populasi tertutup dipengaruhi oleh nilai peluang penangkapan pada setiap kesempatan penangkapan. Apabila nilai peluang penangkapan selama penelitian tidak berbeda secara signifikan maka estimasi populasi akan dimodelkan dengan Model . Sedangkan, apabila nilai peluang penangkapan selama penelitian berbeda secara siginifikan maka estimasi populasi akan dimodelkan dengan Model . Dalam penulisan karya tulis ilmiah ini, penulis mencoba mengestimasi populasi pada Model Â dan Model Â serta mengaplikasikan kedua model tersebut dalam menghitung populasi paus bungkuk (Megaptera novaeangliae) dan populasi tupai (Eutamias Minimus). Berdasarkan hasil penghitungan diperoleh bahwa estimasi ukuran populasi paus bungkuk adalah sebanyak 121 paus. Sedangkan estimasi ukuran populasi tupai adalah sebanyak 50 tupai.Â Kata kunci: Analisis data Capture-Recapture, Estimasi Ukuran Populasi Tertutup, Model , Model . Â ABSTRACT. Statistics is a science that aims to collecting, processing, presenting, and draw the conclusions based on the analysis of data. One of study is developing in statistical is Analysis of Capture-Recapture Data. Analysis of Capture-Recapture Data has a characteristic which collects data by using technics : Capture, Mark, Release, Recapture (CMRR). The Problems will discussed this paper is how about estimate the closed population size. Estimating the population is a mathematical approach to estimate the population size. Population is an object which has certain characteristics that will be studied and drawn conclusions. The number of all members on population is called the size of population. Based on the characteristics of size, population has grouping into two : closed population and open population. Closed population means the size of population is constant during over time, while open population means the size of population is not constant during over time. Estimating the size of closed population are affected by probability of captured on each occasion the arrest. If the probability of captured during the study is not significantly differ then the estimating process modeled by Model . Otherwise, if the probability of captured is significantly different the estimating process modeled by Model . In this paper, will be shown the estimating process on closed population modeled by Model Â and Model . The application of each models is applied to calculate the population of humpback whales (Megaptera novaeangliae) and the population of squirrels (Eutamias minimus). Based on the calculation results, obtained that the humpback whale population size estimates are 121 whales and the squirrel population size estimates are 50 squirrels.Â Keywords: Analysis of Capture-Recapture Data, Estimation of Closed Population Size, Model , Model .

METODE CONSTANT PERCENT OF SALARY DALAM MENENTUKAN BENEFIT DAN IURAN NORMAL PROGRAM PENSIUN NORMAL DAN DIPERCEPAT Dewi Achmad, Puteri Ressiana; Marwati, Rini; Agustina, Fitriani
Jurnal EurekaMatika Vol. 4, No. 1 (2016): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Metode Constant Percent of Salary merupakan metode pendanaan pensiun yang menghitung manfaat pensiun berdasarkan gaji karyawan sejak pertama kali masuk kerja sampai dengan pensiun. Metode tersebut dalam skripsi ini digunakan untuk menghitung besarnya benefit yang akan diperoleh peserta program pensiun pada saat pensiun normal dan pensiun dipercepat dan menghitung besarnya iuran normal yang harus dibayarkan peserta program pensiun pada saat masih aktif bekerja. Data yang digunakan adalah data karyawan suatu perusahaan dengan usia 31 tahun sampai usia 55 tahun. Data diolah dengan menggunakan Microsoft Excel 2007.

PENERAPAN METODE WEIGTHED LEAST SQUARE UNTUK MENGATASI HETEROSKEDASTISITAS PADA ANALISIS REGRESI LINEAR Hanifah, Nurul; Herrhyanto, Nar; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

ABSTRAKÂ Analisis regresi merupakan analisis statistik yang mempalajari bagaimana memodelkan regresi linear. Jika model regresi linear memenuhi uji asumsi klasik dengan metode OLS maka mempunyai sifat BLUE (Beast Linear Unbiased Estimator). Uji heteroskedastisitas,yaitu varian error pada setiap nilai variabel bebas bernilai tidak konstan. Akibat dari heteroskedastisitas yaitu nilai parameter yang diperoleh tetap tidak bias tetapi varian penaksir yang diperoleh menjadi tidak efisien, artinya uji hipotesis yang dilakukan tidak akan memberikan hasil yang baik (tidak valid) atau prediksi koefisien-koefisien populasinya akan keliru. Oleh karena itu untuk mengetahui apakah terdapat heteroskedastisitas dilakukan uji White. Karena terdapat heteroskedastisitas pada skripsi ini, maka harus dilakukan transformasi dengan metode kuadrat terkecil tertimbang (Weighted Least Square).Kata Kunci: Uji Asumsi Klasik, Weighted least Square, Uji White.Â ABSTRACTÂ Regression analysis is a statistical analysis that learn how to model linear regression. If a linear regression model meets the Classic Assumption Test by OLS method, it has the nature of BLUE (Best Linear Unbiased Estimator). Error variance at each independent variable value is not constant. It means that heteroskedasticity test is unfulfilled andÂ Â the classical assumption is not met.The result of heteroskedastisitas is thatÂ the parameter value remains biased but variance estimator becomes inefficient.Â It means thata hypothesis test wouldnât give good results (not valid) or predictions coefficients of the population would be mislead. Therefore,Â to knowÂ whether there are heteroskedasticity, White testÂ is conducted. Because heteroskedasticity exists in this thesis, transformation with weighted least squares method (Weighted Least Square) must be carried out.Keyword: Classic Assumption Test, Weighted least Square, White Test.Â

PERAMALAN CURAH HUJAN KOTA BANDUNG MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT PADA DERET BERKALA MUSIMAN Prahesti, Danica Dwi; Puspita, Entit; Agustina, Fitriani
Jurnal EurekaMatika Vol. 4, No. 1 (2016): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

ABSTRAK. Model fungsi transfer pada deret berkala pola musiman merupakan penggabungan karakteristik dari model analisis regresi berganda dengan karakteristik model deret berkala pola musiman SARIMA (Seasonal Autoregresive Integrated Moving Average). Model fungsi transfer yang memiliki lebih dari dua deret berkala pada variabel input disebut dengan model fungsi transfer multivariat. Prosedur untuk menentukan model fungsi transfer diawali dengan menghilangkan pengaruh musiman (deseasonalized) pada semua deret berkala, kemudian untuk menentukan model fungsi transfer multivariat dimulai dengan pembentukan model fungsi transfer univariat pada masing-masing variabel input, kemudian dilakukan pembentukan secara serentak menjadi model fungsi transfer multivariat. Model fungsi transfer pada deret berkala pola musiman diterapkan untuk meramalkan jumlah curah hujan di kota Bandung, dengan variabel input berupa data kelembaban udara, suhu udara, tekanan udara, dan kecepatan angin. Data yang digunakan dimulai dari bulan Januari 2000 hingga Desember 2013. Hasil penelitian ini menunjukkan bahwa : (1) model peramalan curah hujan menggunakan model fungsi transfer multivariat pada deret berkala musiman yaitu: ; (2) hasil peramalan curah hujan kota bandung untuk 12 bulan ke depan menunjukkan terjadi fluktuasi dimana jumlah curah hujan paling tinggi terjadi pada bulan Februari 2014 dan jumlah curah hujan terendah pada bulan Januari 2014.Kata Kunci: Deret Berkala, SARIMA, Fungsi Transfer, Multivariat, CurahÂ Â Hujan.ABSTRACT. Transfer function models for time series seasonal pattern which is combination characteristic of the multiple regression analysis model with a characteristics of the time series seasonal pattern models SARIMA (Seasonal Autoregresive Integrated Moving Average). Transfer function models has more than two time series on the input variables is called multivariate transfer function model. The procedure for determining the transfer function models begins with remove the influence of seasonal (deseasonalized) at all time series, then for determine multivariate transfer function models begins with the establishment of the univariate transfer function models at each input variable, and then do the establishment simultaneously be a multivariate transfer function models. multivariate transfer function models for time series seasonal pattern applied to predict the amount of rainfall at Bandung city, with a form of data input variable is air humidity, air temperature, air pressure, and wind speed. Used data starts from January 2000 to December 2013. Results from this study indicate that : (1) forecasting models of rainfall used transfer function models that :Â ; (2) the results of forecasting for rainfall Bandung city for 12th month ahead showed fluctuation where the number of the rainfall highest uccurred on February 2014 and the number of rainfall lowest on January 2014.Key word: Time Series, SARIMA, Transfer Function, Multivariate, Rainfall.

APLIKASI METODE THORANI DALAM PENYELESAIAN PERMASALAHAN PROGRAM LINEAR FUZZY Haryanti, Mutia Dwi; Lukman, Lukman; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

ABSTRAKÂ Program linear merupakan salah satu teknik untuk menyelesaikan persoalan pengalokasian sumber-sumber yang terbatas menggunakan persamaan dan ketidaksamaan linear dalam rangka untuk mencari pemecahan yang optimum dengan memperhatikan pembatasan-pembatasan yang ada. Permasalahan program linear memiliki parameter antara lain jumlah produk yang harus diproduksi, jumlah bahan mentah yang tersedia terbatas atau jumlah tenaga kerja yang terampil terbatas. Seringkali parameter-parameter tersebut tidak dapat diprediksi secara pasti sehingga nilainya menjadi samar (fuzzy). Oleh karena itu, Thorani et al. (2012) memperkenalkan Metode Perangkingan Thorani untuk menyelesaikan masalah pemrograman linear dengan parameternya samar (fuzzy). Metode ini memiliki kelebihan dibanding metode lain karena perhitungannya lebih akurat dalam membandingkan beberapa bilangan samar (fuzzy). Untuk membantu perhitungan, sebuah aplikasi komputer dibuat untuk memudahkan pengguna dalam memahami penyelesain masalah program linear tersebut.Kata kunci: pemrograman linear fuzzy, bilangan fuzzy.Â ABSTRACT Â Linear programming is one technique for solving the problems of allocating limited resources to use linear equations and inequalities in order to find the optimum solution by taking into account the existing restrictions. Parameters of linear programming problem are the amount of product to be produced, the amount of raw material available is limited or the amount of skilled labor is limited. Often these parameters can not be predicted with certainty so that its value become fuzzy. Therefore, Thorani et al. (2012) introduced a Thorani method to solve the linear programming problems where the parameters are fuzzy numbers. This method has advantages over other methods because the calculation is more accurate to compare some fuzzy numbers To help the calculation, a software designed to enable users to understand how to solve the linear programming problem.Key words: fuzzy linear programming, fuzzy numbers.

APLIKASI ALGORITMA ANT DISPERSION ROUTING (ADR) UNTUK PENYELESAIAN MASALAH PENYEBARAN RUTE LALU LINTAS SEBAGAI UPAYA UNTUK MENGURANGI KEMACETAN Malihah, Lia; Marwati, Rini; Agustina, Fitriani
Jurnal EurekaMatika Vol 2, No 1 (2014): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Salah satu metode optimasi yang berhubungan dengan optimasi perutean lalu lintas untuk mencapai keseimbangan jaringan lalu lintas adalah optimasi koloni semut (Ant Colony Optimization â ACO). Suatu metode optimasi yang menggunakan metode dasar ACO dengan kombinasi model prediksi lalu lintas dikenal dengan algoritma penyebaran rute semut (Ant Dispersion Routing â ADR), objek dari algoritma ini adalah penyebaran rute lalu lintas untuk mencapai keseimbangan jaringan lalu lintas. Kebanyakan algoritma perutean hanya mengejar keseimbangan pengguna (User Equilibrium â UE) dan tidak mempertimbangkan dampak dari tindakan pengguna terhadap jaringan lalu lintas sementara algoritma ADR yang merupakan perluasan dari algoritma ACO dikembangkan untuk mencapai keseimbangan pengguna (UE) dan keseimbangan sistem (System Optimum â SO). Secara umum algoritma ADR terbagi menjadi dua langkah utama yang terpisah yaitu pemangkasan jaringan dan optimasi arus. Hasil yang diperoleh dari algoritma ADR merupakan rekomendasi rute optimal dimana ADR akan mendistribusikan lalu lintas menuju beberapa rute optimal sehingga dapat mengurangi kemacetan.Kata Kunci : Ant Colony Optimization (ACO), Ant Dispersion Routing (ADR), keseimbangan jaringan lalu lintas, penyebaran rute lalu lintas, rute optimal

PENERAPAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) UNTUK MENENTUKAN FAKTOR YANG MEMPENGARUHI MASA STUDI MAHASISWA FPMIPA UPI Annur, Mardiah; Dahlan, Jarnawi Afgani; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

ABSTRAKÂ Keterlambatan lulus dari program S1 menjadi salah satu permasalahan yang terjadi pada mahasiswa di sebagian besar perguruan tinggi, salah satunya terjadi di FPMIPA UPI. Salah satu upaya yang dapat dilakukan sebagai usaha meminimalisir banyaknya mahasiswa yang lulus terlambat adalah dengan cara menganalisis faktor yang mempengaruhi lama masa studi mahasiswa FPMIPA UPI.Multivariate Adaptive Regression Spline (MARS), suatu kombinasi antara Recursive Partitioning Regression (RPR) dan metode Spline, mampu mengolah data berdimensi tinggi dan berukuran besar, serta mampu mengolah data dengan variabel respon berbentuk kontinu ataupun biner, sesuai dengan permasalahan klasifikasi alumni FPMIPA UPI. MARS akan membangun suatu model terbaik sebagai model klasifikasi yang melibatkan beberapa fungsi basis yang memuat variabel prediktor yang berpengaruh.Berdasarkan analisis klasifikasi yang dilakukan diperoleh kesimpulan bahwa variabel prediktor yang paling berpengaruh terhadap masa studi mahasiswa FPMIPA UPI adalah jalur masuk. Sementara variabel prediktor yang berpengaruh lainnya yaitu IP semester pertama, jenis kelamin, dan program studi.Kata kunci : Masa Studi, MARS

APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN STATUS GIZI DAN KEBUTUHAN KALORI HARIAN BALITA MENGGUNAKAN SOFTWARE MATLAB Febriany, Nadra; Agustina, Fitriani; Marwati, Rini
Jurnal EurekaMatika Vol 5, No 1 (2017)
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

ABSTRAK: Penentuan status gizi merupakan suatu upaya yang dilakukan dalam meningkatkan derajat kesehatan balita. Balita membutuhkan energi yang berfungsi sebagai zat tenaga untuk metabolisme dan pertumbuhan. Secara teori sudah ada cara untuk menentukan status gizi dan kebutuhan kalori harian, namun penentuan tersebut menggunakan himpunan tegas (crisp). Hal ini sangat kaku, karena dengan adanya perubahan yang kecil saja terhadap suatu nilai mengakibatkan perbedaan kategori. Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut, karena dapat memberikan toleransi terhadap suatu nilai sehingga dengan adanya perubahan sedikit pada nilai tidak akan memberikan perbedaan yang signifikan.Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan atau keputusan. Salah satu metodenya adalah Metode Fuzzy Mamdani. Prosedur dalam metode ini adalah pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan, dan defuzzifikasi. Berdasarkan hasil pengolahan menggunakan program aplikasi yang telah dibangun dengan software Matlab R2013a dalam menentukan status gizi balita di Desa Margahayu Selatan, Kabupaten Bandung dengan menggunakan Metode Fuzzy Mamdani dan dilakukan penaksiran total populasi, maka diperoleh 271 balita dengan status gizi baik (indeks antropometri BB/U) dan status gizi normal (Indeks Massa Tubuh), 60 balita dengan status gizi lebih (indeks antropometri BB/U) dan status gizi gemuk (Indeks Massa Tubuh), dan 112 balita dengan status gizi kurang (indeks antropometri BB/U) dan status gizi kurus (Indeks Massa Tubuh).Â Â Kata Kunci: Status Gizi Balita, Kebutuhan Kalori Harian Balita, Logika Fuzzy, Fuzzy Inference System, Metode Fuzzy Mamdani.Â Â ABSTRACT: Determination of nutritional status is an effort made to improve the health of infants and can be seen nutritional condition of children under five. Children need energy to function as an energy for metabolism and growth. In theory there is a way to determine the nutritional status and daily calorie needs, but the determination of the use of the set firmly (crisp). It is very stiff, because with only minor changes to a value resulting in the different categories. Set of fuzzy is used to anticipate, because it can provide tolerance to a value so that with slight changes in the value will not be a significant difference.Fuzzy Inference System is a framework for the calculation is based on the concept ofset theory fuzzy and thinking fuzzy used in drawing conclusions or decision. As well as to problems in determining the nutritional status and daily calorie needs in infants. One of method is Method Fuzzy Mamdani. The procedure in this method is namely the establishment ofset, fuzzy the implications of the application functions, composition rules, and defuzzification. Based on the results of processing using a program application that has been built with sofware Matlab R2013a in determining the nutritional status of infants at Margahayu Village South, Bandung regency by using the Method Fuzzy Mamdani, and after the assessment of the total population, it is obtained as many as 271 children with good nutritional status (anthropometric indices W/A) and normal nutritional status (the Body Mass Index), 60 children with nutritional status (anthropometric indices W/A) and the nutritional status of obese (the Body Mass Index), and 112 children with malnutrition status (anthropometric indices W/A) and the nutritional status of underweight (Body Mass Index).Â Â Keywords: Children Nutritional Status, Daily Calorie Needs Children, Fuzzy Logic, Fuzzy Inference System, Method Fuzzy Mamdani.

Title

Found 33 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 33 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 33 Documents
Search