Articles
88 Documents
<![CDATA[Spektrum Signless-Laplace dan Spektrum Detour Graf Konjugasi dari Grup Dihedral ]]>
<![CDATA[Abdussakir Abdussakir]]>;
<![CDATA[Rhoul Khasanah]]>
<![CDATA[ KUBIK Vol 3, No 1 (2018): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v3i1.2730
<![CDATA[Misalkan G graf berhingga yang tidak memuat loop dan sisi rangkap. Matriks keterhubungan titik A(G) dari graf G adalah matriks dengan entri aij = 1 jika vi terhubung langsung dengan vj dan aij = 0 untuk lainnya. Matriks derajat D(G) dari graf G adalah matriks diagonal dengan entri dii merupakan derajat titik vi di G. Matriks signless-Laplace dari graf G adalah L+(G) = D(G) + A(G). Matriks detour DD(G) dari graf G adalah matriks dengan entri ddij merupakan panjang lintasan terpanjang dari vi ke vj. Spektrum dari suatu matriks merupakan matriks yang memuat nilai eigen pada baris pertama dan multiplisitas masing-masing nilai eigen pada baris kedua. Spektrum yang diperoleh dari matriks L+(G) disebut spektrum signless-Laplace sedangkan spektrum yang diperoleh dari matriks DD(G) disebut spektrum detour. Penelitian ini menyajikan rumus untuk menghitung spektrum signless-Laplace graf konjugasi dari grup dihedral D2n untuk n ganjil (n ³ 5) dan spektrum detour graf konjugasi dari grup dihedral D2n untuk ganjil (n ³ 3) dan genap (n ³ 6).]]>
<![CDATA[OPTIMASI PEMBAGIAN BEBAN PADA TURBIN GAS BLOK 1 DAN BLOK 3 PLTGU PT. PJB UP GRESIK MENGGUNAKAN METODE ITERASI LAMBDA BERDASARKAN BASE POINT AND PARTICIPATION FACTORS ]]>
<![CDATA[Ery Fuji Risnawati]]>;
<![CDATA[Nurissaidah Ulinnuha]]>
<![CDATA[ KUBIK Vol 5, No 2 (2020): KUBIK: Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v5i2.5094
<![CDATA[Pengoperasian sistem tenaga listrik yang baik dibutuhkan pada sistem pembangkitan untuk mendapatkan biaya operasi yang ekonomis dan pembagian beban yang optimal. Pengoptimalan pembangkitan dapat dilakukan dengan pembagian pembebanan atau economic dispatch untuk mendapatkan daya yang maksimum dengan biaya yang minimum. Metode yang dipakai yaitu iterasi lambda berdasarkan base point and participation factors untuk pembagian beban secara optimal. Pada penelitian ini, metode iterasi lambda berdasarkan base point and participation factors memberikan pembagian beban yang lebih optimal dan biaya operasi lebih hemat dibandingkan sebelumnya. Hasil pembagian beban pada kasus di PLTGU PT PJB UP Gresik yang lebih optimal yaitu turbin gas 1.3 pada Blok 1 dan turbin gas 3.3 pada Blok 3. Pada Blok 1, rata-rata daya yang dibangkitkan turbin gas 1.3 95,449 MW. Pada Blok 3, rata-rata daya yang mampu dibangkitkan turbin gas 3.3 89,205 MW. Biaya yang dihemat setelah optimasi diperoleh selisih pada Blok 1 sebesar Rp. 395.955.074,64 dan Blok 3 sebesar Rp. 565.297.532,00.]]>
<![CDATA[Pencarian Solusi Persamaan Diferensial Parsial Non Linier menggunakan Metode Transformasi Pertubasi Homotopi dan Metode Dekomposisi Adomian ]]>
<![CDATA[Feni Siti Fathonah]]>;
<![CDATA[Diny Zulkarnaen]]>;
<![CDATA[Esih Sukaesih]]>
<![CDATA[ KUBIK Vol 2, No 1 (2017): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v2i1.1472
<![CDATA[Persamaan diferensial parsial nonlinear adalah salah satu tinjauan dalam bidang ilmu matematika. Biasanya persamaan nonlinier sangat sulit untuk dipecahkan secara efektif baik secara numerik maupun analisis. Beberapa metode telah dikembangkan untuk menyelesaikan persamaan diferensial parsial nonlinier, salah satunya adalah Metode Transformasi Pertubasi Homotopi(MTPH) dan Metode Dekomposisi Adomian(MDA). Kedua metode ini memiliki teknik yang sangat kuat dan efisien untuk memecahkan persamaan diferensial parsial nonlinier.]]>
<![CDATA[Modification of Fourth order Runge-Kutta Method for Kutta form With Geometrics Means ]]>
<![CDATA[Irma Suryani]]>;
<![CDATA[Roni Roni]]>;
<![CDATA[Wartono Wartono]]>;
<![CDATA[Yuslenita Muda]]>
<![CDATA[ KUBIK Vol 4, No 2 (2019): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v4i2.6425
<![CDATA[This paper discuss how to modified Fourth order Runge-Kutta Kutta method based on the geometric mean. Then we have parameters and however by re-comparing the Taylor series expansion of and up to the 4th order. For make error term re-compering of the Taylor series expansion of and up to the 5th order. In the error term an make substitution for the values of and into the Taylor seriese expansion up to the 5th order. So that we have error term modified Fourth Order Runge-Kutta Kutta based on the geometric mean. Modified Fourth Order Runge-Kutta Kutta based on the geometric mean that usually used to solved ordinary differential equations.]]>
<![CDATA[Aplikasi Matriks Hessian Pada Model EPQ (Economic Production Quantity) dengan Kendala Rework ]]>
<![CDATA[Elis Ratna Wulan]]>
<![CDATA[ KUBIK Vol 1, No 1 (2015): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v1i1.319
<![CDATA[Perkembangan industri yang semakin kompetitif, menuntut perusahaan untuk dapat meningkatkan efisiensi dan efektivitas dalam kegiatan operasinya, Salah satu upaya yang dapat dilakukan adalah mengendalikan persediaan dengan menghasilkan produk berkualitas baik tetapi dengan biaya operasional seminimum mungkin.Pada model ini digambarkan dua komponen antara perusahaan dan pelanggan, dengan kebijakan pengiriman bertahap. Model ini mengasumsikan semua item cacat pada saat proses produksi dianggap diperbaiki (rework) pada selang waktureorder point.]]>
<![CDATA[Analisis Model Metapopulasi Pada Transmisi Virus Hepatitis A (Studi Kasus di Jawa Barat, Jawa Tengah dan Jawa Timur) ]]>
<![CDATA[Riad Taufik Lazwardi]]>;
<![CDATA[Diny Zulkarnaen]]>;
<![CDATA[Esih Sukaesih]]>
<![CDATA[ KUBIK Vol 4, No 1 (2019): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v4i1.5675
<![CDATA[Indonesia merupakan negara endemik hepatitis peringkat ketiga sedunia. Hepatitis merupakan penyakit menular yang disebabkan oleh virus. Penyakit hepatitis terbagi menjadi beberapa tipe, salah satunya virus hepatitis A (HAV). Model matematika yang memodelkan penyebaran penyakit ini adalah model yang dibuat oleh Marco Ajelli. Marco Ajelli membuat model metapopulasi pada transmisi virus hepatitis A (HAV) yang diterapkan di negara Italia. Hasil yang diperoleh adalah vaksinasi yang dilakukan di salah satu negara bagian (Puglia) dapat mengurangi secara signifikan jumlah penderita di negara tersebut secara keseluruhan. Skripsi ini mengajukan sebuah model yang dapat diterapkan di Indonesia khususnya di Jawa Barat, Jawa Tengah dan Jawa Timur. Simulasi dilakukan untuk mengetahui pengaruh program vaksinasi yang dilakukan pada satu wilayah terhadap wilayah yang lain dan mengetahui wilayah yang paling optimal untuk diberikan program vaksinasi secara massal jika program vaksinasi massal hanya dapat dilakukan pada satu wilayah saja. Oleh karena itu, faktor mobilitas spatial merupakan faktor yang sangat diperhatikan. Dari hasil simulasi yang dilakukan di daerah Jawa Barat, Jawa Tengah dan Jawa Timur diperoleh kesimpulan bahwa program vaksinasi yang dilakukan di Jawa Timur, akan secara optimal mengurangi jumlah penderita hepatitis A di Jawa Barat, Jawa Tengah dan Jawa Timur.]]>
<![CDATA[Analisis Kestabilan Model Matematika SIA (Susceptible, Infected, AIDS Cases) untuk Penyakit AIDS ]]>
<![CDATA[Nurhalimah Nurhalimah]]>;
<![CDATA[Fadilah Ilahi]]>;
<![CDATA[Elis Ratna Wulan]]>
<![CDATA[ KUBIK Vol 3, No 1 (2018): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v3i1.2735
<![CDATA[HIV (Human Immunodeficiency Virus) adalah virus penyebab penyakit AIDS (Acquired Immunodeficiency Syndrome) yang ditemukan di bali pada tahun 1987, kasus HIV dan AIDS menyebar hampir di seluruh provinsi Indonesia dan mengalami peningkatan jumlah penderita setiap tahunnya. Pada paper ini dibahas model matematika untuk penyebaran penyakit HIV-AIDS [1]. Model merupakan sistem dinamik non linier tiga dimensi yang menggambarkan Interaksi tiga populasi yaitu Susceptible, Infected, dan AIDS Cases. Analisis kestabilan dari titik kesetimbangan endemik menggunakan metode Kriteria Routh Hurwitz. Bilangan reproduksi dasar digunakan untuk menganalisis keendemikan penyakit HIV-AIDS yang diperoleh menggunakan next generation matrix [2]. Hasil analisis memberikan informasi bahwa semakin besar nilai bilangan reproduksi dasar maka penyebaran penyakit HIV-AIDS di dalam suatu populasi akan semakin cepat dan dalam waktu yang lama penyakit tersebut akan tetap ada. Berdasarkan analisis sensitivitas diketahui parameter-parameter yang berpengaruh terhadap bilangan reproduksi dasar yaitu tingkat kontak Susceptible dengan Infected, peluang sukses terjadinya transmisi virus HIV dari Infected ke Susceptible, tingkat kontak Susceptible dengan AIDS Cases, peluang sukses terjadinya transmisi virus HIV dari AIDS Cases ke Susceptible, tingkat kematian yang disebabkan oleh penyakit AIDS, dan tingkat penjangkitan virus HIV.]]>
<![CDATA[Penentuan Akar-Akar Sistem Persamaan Tak Linier dengan Kombinasi Differential Evolution dan Clustering ]]>
<![CDATA[Jamaliatul Badriyah]]>
<![CDATA[ KUBIK Vol 2, No 2 (2017): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v2i2.1856
<![CDATA[Pada artikel ini akan dibahas tentang modifikasi dari Differential Evolution untuk menentukan akar-akar dari suatu sistem persamaan tak linier. Algoritma Differential Evolution ini nantinya akan dikombinasikan dengan teknik clustering. Algoritma Differential Evolution dengan clustering ini mampu untuk menentukan akar-akar dari system persamaan tak linier dalam satu kali running.]]>
<![CDATA[Pengelompokan Kabupaten/Kota di Jawa Barat Tahun 2018 Berdasarkan Indikator Kemiskinan dengan Polythetic Divisive Method ]]>
<![CDATA[Clarita Simar]]>;
<![CDATA[Nurul Gusriani]]>;
<![CDATA[Iin Irianingsih]]>
<![CDATA[ KUBIK Vol 5, No 1 (2020): KUBIK: Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v5i1.8549
<![CDATA[Masalah kemiskinan merupakan salah satu masalah yang bersifat multidimensi. Faktor kemiskinan pada setiap wilayah berbeda, dan hal tersebut dipengaruhi oleh banyak indikator kemiskinan. Pengukuran dan penentuan indikator kemiskinan akan memudahkan pemerintah membedakan tingkat kemiskinan pada suatu wilayah, sehingga pemerintah dapat membuat kebijakan yang lebih tepat untuk menanggulangi kemiskinan di wilayah tersebut. Penelitian ini bertujuan untuk mengelompokkan karakteristik suatu wilayah ke dalam beberapa tingkat kemiskinan berdasarkan variabel penjelas kemiskinan. Penelitian ini menggunakan data kemiskinan kabupaten/kota se-Jawa Barat pada tahun 2018 yang diperoleh dari BPS. Terkait dengan pengelompokan wilayah kemiskinan ke beberapa kategori, metode yang digunakan adalah metode hierarki pada analisis cluster yaitu polythetic divisive method. Banyaknya cluster optimal dipilih dengan menggunakan Dunn Index. Hasil yang diperoleh adalah polythetic divisive method menghasilkan tiga kelompok wilayah kemiskinan dengan Dunn Index sebesar 0,4490613. Karakteristik wilayah masing-masing cluster diharapkan dapat membantu pemerintah menentukan kebijakan yang sesuai untuk menanggulangi tingkat kemiskinan di Jawa Barat.]]>
<![CDATA[PENJADWALAN OPTIMAL TIPE PRODUKSI FLOWSHOP DUA TAHAP MENGGUNAKAN METODE BRANCH AND BOUND DENGAN MEMPERHATIKAN WAKTU TRANSPORTASI ]]>
<![CDATA[Marie Muhammad]]>;
<![CDATA[Elis Ratna Wulan]]>
<![CDATA[ KUBIK Vol 2, No 1 (2017): KUBIK : Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v2i1.1452
<![CDATA[Penjadwalan produksi dapat dibagi menjadi dua jenis, yaitu penjadwalan produksi tipe jobshop dan penjadwalan produksi tipe flowshop. Penjadwalan produksi tipe flowshop adalah sebuah penjadwalan sebuah produk yang sedemikian rupa sehingga setiap produk diproduksi melalui mesin yang sama dengan alur produksi yang sama. Terdapat beberapa masalah flowshop, salah satunya adalah dengan memperhatikan waktu transportasi. Dan metode Branch and Bound adalah solusi yang tepat untuk memecahkan masalah penjadwalan produksi dengan memperhatikan waktu transportasi untuk meminimalisir waktu yang terlewati. Pada penulisan Studi Literatur ini, Penjadwalan optimal dari 4 buah job dan 2 buah mesin dengan memperhatikan waktu transportasi adalah 1, 2, 4, dan 3 dengan waktu yang terlewati adalah 59 unit satuan waktu.]]>
