cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Resmawan
Contact Email
resmawan@ung.ac.id
Phone
+6285255230451
Journal Mail Official
info.jjom@ung.ac.d
Editorial Address
Jl. Prof. Dr. Ing. B. J. Habibie, Moutong, Tilongkabila, Kabupaten Bone Bolango, Gorontalo, Indonesia
Location
Kota gorontalo,
Gorontalo
INDONESIA
Jambura Journal of Mathematics
Published by Universitas Negeri Gorontalo
ISSN : 26545616     EISSN : 26561344     DOI : https://doi.org/10.34312/jjom
Core Subject : Education,
Mathematics
Jambura Journal of Mathematics (JJoM) is a peer-reviewed journal published by Department of Mathematics, State University of Gorontalo. This journal is available in print and online and highly respects the publication ethic and avoids any type of plagiarism. JJoM is intended as a communication forum for mathematicians and other scientists from many practitioners who use mathematics in research. The scope of the articles published in this journal deal with a broad range of topics, including: Mathematics; Applied Mathematics; Statistics; Applied Statistics.
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol 1, No 2: Juli 2019" : 5 Documents clear
Penerapan Hierarchical Clustering Metode Agglomerative pada Data Runtun Waktu Andrea Tri Rian Dani; Sri Wahyuningsih; Nanda Arista Rizki
Jambura Journal of Mathematics Vol 1, No 2: Juli 2019
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (719.349 KB) | DOI: 10.34312/jjom.v1i2.2354

Abstract

Analisis cluster merupakan seperangkat metode yang digunakan untuk mengelompokkanobjek ke dalam sebuah cluster berdasarkan informasi yang ditemukan pada data. Analisiscluster dapat diterapkan pada data runtun waktu, di mana terdapat prosedur dan algoritmapengelompokkan yang berbeda dibandingkan dengan pengelompokkan data cross-section.Banyak teknik pengelompokkan data runtun waktu yang dikembangkan di antaranya adalahpenggunaan jarak pengukuran kemiripan yang sesuai dengan karakteristik data runtunwaktu, pemilihan algoritma pengelompokkan yang optimal sampai dengan penentuanbanyaknya cluster yang representatif. Tujuan dari penelitian adalah untuk memperoleh jarakpengukuran kemiripan terbaik, kemudian memperoleh algoritma pengelompokkan metodeagglomerative yang optimal serta memperoleh jumlah cluster yang representatif. Pemilihanjarak pengukuran kemiripan terbaik dan algoritma yang optimal menggunakan koefisienkorelasi cophenetic, sedangkan untuk penentuan jumlah cluster menggunakan koefisiensilhouette. Data pada penelitian adalah data jumlah penduduk Kabupaten/Kota di ProvinsiKalimantan Timur dari Tahun 2005-2017. Berdasarkan hasil analisis, diperoleh jarakpengukuran kemiripan terbaik dalam mengelompokkan Kabupaten/Kota di ProvinsiKalimantan Timur adalah jarak autocorrelation based distance (ACF) dengan nilai koefisienkorelasi cophenetic sebesar 0,99. Algoritma pengelompokkan yang optimal adalah algoritmaaverage linkage, dikarenakan memiliki nilai koefisien korelasi cophenetic yang terbesar diantaraalgoritma pengelompokkan lainnya, dengan jumlah cluster yang representatif berdasarkankoefisien silhouette adalah 2 cluster.
Analisis Konjoin dalam Menentukan Persepsi Mahasiswa Matematika terhadap Dosen Muhammad Yahya Matdoan; Imanuel Y Rupilu; Yopi A Lesnussa; A Z Wattimena
Jambura Journal of Mathematics Vol 1, No 2: Juli 2019
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (363.397 KB) | DOI: 10.34312/jjom.v1i2.2318

Abstract

Analisis konjoin merupakan salah satu teknik analisis multivariat yang digunakan untuk mengetahui preferensi konsumen terhadap suatu produk, baik berupa barang atau jasa dengan cara mengkombinasikan jumlah nilai dari masing - masing atribut yang terpisah. Oleh karena itu, analisis konjoin sangat membantu untuk mengetahui preferensi mahasiswa dalam menentukan kriteria dosen yang diiginkan  di suatu perguruan tinggi. Dosen yang banyak melakukan interaksi dengan mahasiswa merupakan salah satu ciri dosen yang diharapkan mahasiswa. Hal tersebut berpengaruh pada motivasi belajar dan perilaku mahasiswa. Penelitian ini dilakukan dengan tujuan untuk mengetahui preferensi mahasiswa jurusan matematika terhadap ciri-ciri dosen yang diharapkan mampu meningkatkan motivasi belajar. Faktor-faktor yang dijadikan sebagai atribut penelitian yaitu jenis kelamin dosen, penampilan dosen, karakter dosen, latar belakang pendidikan dosen, metode pembelajaran dan pemberian tugas serta interaksi di kelas. Hasil penelitian menunjukkan bahwa ciri-ciri dosen yang diharapkan lebih memberikan pengaruh terhadap motivasi belajar mahasiswa adalah dosen yang banyak melakukan interaksi atau sesi tanya jawab dalam kelas dan pemberian tugas yang cukup.
Peramalan Pendapatan Asli Daerah Provinsi Kalimantan Timur Menggunakan Model Grey-Markov (1,1) Latipah Latipah; Sri Wahyuningsih; Syaripuddin Syaripuddin
Jambura Journal of Mathematics Vol 1, No 2: Juli 2019
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (498.387 KB) | DOI: 10.34312/jjom.v1i2.2347

Abstract

Model grey (1,1) adalah model peramalan yang digunakan ketika jumlah data yang tersedia sedikit atau terbatas. Model tersebut menggunakan persamaan differensial orde satu dengan satu variabel penelitian. Pada penelitian ini dibahas model grey-Markov (1,1) yang merupakan pengembangan dari model grey (1,1) dan diaplikasikan pada data tahunan realisasi pendapatan asli daerah Provinsi Kalimantan Timur. Tujuan penelitian ini adalah memperoleh hasil dan akurasi peramalan pendapatan asli daerah Provinsi Kalimantan Timur Tahun 2009-2018 yang terdiri dari pajak daerah, retribusi daerah, hasil pengelolaan kekayaan daerah yang dipisahkan, dan lain-lain pendapatan asli daerah yang sah menggunakan model grey-Markov (1,1). Tahap awal dalam penelitian ini yaitu bentuk barisan data aktual, tahap kedua hitung AGO, tahap ketiga hitung MGO, tahap keempat tentukan nilai parameter model grey (1,1), tahap kelima hitung nilai prediksi model grey (1,1), tahap selanjutnya hasil peramalan model grey (1,1) dimodifikasi dengan rantai Markov, sehingga diperoleh hasil peramalan model grey-Markov (1,1). Hasil penelitian menunjukkan bahwa model grey-Markov (1,1) memberikan hasil peramalan cenderung mengikuti pola data. Nilai akurasi peramalan menunjukkan bahwa tingkat akurasi model grey-Markov (1,1) untuk peramalan data hasil pengelolaan kekayaan daerah yang dipisahkan dan data lain-lain pendapatan asli daerah yang sah adalah sangat akurat, sedangkan untuk data pajak daerah dan data retribusi daerah adalah akurat.
Algoritma Ant Colony Optimization pada Quadratic Assignment Problem Oni Soesanto; Pardi Affandi; Nurul Dasima Astuti
Jambura Journal of Mathematics Vol 1, No 2: Juli 2019
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (310.11 KB) | DOI: 10.34312/jjom.v1i2.2353

Abstract

Quadratic Assignment Problem (QAP) is one extension of the assignment problem by setting n facilities to n certain locations to minimize the total assignment costs. QAP is also a combinatorial optimization problem that is a problem that has a finite set of solutions. Basically the solution of combinatorial problems can be obtained with the right results but for complex problems with larger data sizes it is quite difficult to calculate because the time used is long enough for the completion process. One of the algorithms implemented in the completion of QAP is the Ant Colony Optimization (ACO) algorithm is an algorithm that mimics the behavior of ants in finding food from the nest to a food source with the help of indirect communication called pheromone, so that pheromone is used to find optimal solutions with quite a short time. in this research ACO is used to solve the QAP problem by using a random proportional of rule formula then getting the smallest solution and renewing the pheromone until the assignment is stable and the solution obtained is fixed until the maximum assignment solution. The results obtained to complete the Quadratic Assignment Problem with the Ant Colony Optimization algorithm to get a solution to the QAP problems tested in the Nugent case resulted in a more minimal solution and the placement of appropriate location facilities through pheromone assistance and stored in a taboo list so that all facilities get a decent location with a worth it short time in completion.
Perbandingan Analisis Diskriminan dan Regresi Logistik Multinomial WD Rifqah Amalliah Ndangi; Resmawan Resmawan; Ismail Djakaria
Jambura Journal of Mathematics Vol 1, No 2: Juli 2019
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (381.337 KB) | DOI: 10.34312/jjom.v1i2.2100

Abstract

Penetapan jurusan siswa yang tidak sesuai dengan kemampuan yang dimiliki dapat menyebabkan capaian hasil belajar siswa tidak optimal. Kasus seperti ini sering terjadi karena tidak optimalnya proses pengklasifikasian siswa sesuai dengan kemam puan yang dimiliki. Beberapa analisis statistik telah banyak dikembangkan untuk membantu menyelesaikan masalah-masalah klasifikasi diantaranya analisis diskriminan dan regresi logistik multinomial. Kedua analisis tersebut dapat digunakan sebagai metode pengklasifikasian objek, sehingga keduanya dapat dibandingkan berdasarkan ketepatan pengelompokkanya. Artikel ini membandingkan analisis diskriminan dan analisis regresi logistik multinomial dalam pengklasifikasian siswa ke kelompok IPA, IPS, Bahasa atau Agama. Kriteria perbandingan didasarkan pada kesalahan klasifikasi yang dikenal dengan Apparent Error Rate (APER). Data yang digunakan adalah nilai rata-rata raport, nilai baca alquran, nilai hasil tes, nilai wawancara dan nilai tes potensi akademik siswa. Kedua analisis menunjukkan hasil yang sama bahwa variabel yang secara signifikan mempengaruhi pengklasifikasian siswa adalahnilai rata-rata raport dan nilai tes potensi akademik. Ketepatan klasifikasi yang ditunjukkan pada kedua metode ini juga menunjukkan persentasi yang sama dengan nilai 53.60%. Hal ini menunjukkan bahwa kedua metode ini sama baiknya digunakan dalam proses pengklasifikasian siswa. Analisis regresi logistik hanya lebih mudah digunakan karena tidak mempertimabangkan asumsi yang harus dipenuhi, sementara analisis diskriminan harus mempertimbangkan dua asumsi yaitu data berdistribusi normal multivariat dan kesamaan matriks varians kovarians.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 5, No 2: August 2023 Vol 5, No 1: February 2023 Vol 4, No 2: July 2022 Vol 4, No 1: January 2022 Vol 3, No 2: July 2021 Vol 3, No 1: January 2021 Vol 2, No 2: Juli 2020 Vol 2, No 1: Januari 2020 Vol 1, No 2: Juli 2019 Vol 1, No 1: Januari 2019