Articles
41 Documents
<![CDATA[Analisis Tingkat Kepuasan Penggunaan Jasa Terhadap Pelayanan Bus Trans Jogja Dengan Model Regresi Logistik Ordinal ]]>
<![CDATA[Muhamad Zaini]]>;
<![CDATA[Sugiyarto Sugiyarto]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 6, No 1 (2019) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v6i1.19547
<![CDATA[Model regresi digunakan untuk menganalisis hubungan antara variabel respon dan variabel prediktor. Model regresi logistik digunakan saat variabel responya bersifat kualitatif. Model yang sesuai diperoleh setelah dilakukan penaksiran parameter, uji kecocokan model, uji keberartian model dan uji wald. Dalam skripsi ini digunakan model regresi logistik untuk mengetahui tingkat kepuasan para pengguna jasa bus trans jogja. Data responden berjumlah 100 diambil dengan cara menyebarkan kuesioner terhadap para penumpang bus trans yang berada dikota Yogyakarta. Hasil penelitian menunjukkan bahwa tingkat kepuasan secara keseluruhan mempengaruhi penilaian di setiap aspek pelayanan fasilitas, aspek waktu, dan aspek mengemudi sebesar 99,8%. Berdasarkan rasio odd dari 100 responden diketahui peluang pengguna jasa menilai pelayanan di setiap halte dengan skala tidak baik adalah yang paling rendah 0,35 dibandingkan dengan dua skala aspek waktu yaitu sebesar 1,30 dan aspek mengemudi 1,52.]]>
<![CDATA[Adaptive neuro fuzzy inference system untuk peramalan jumlah wisatawan ]]>
<![CDATA[Budi Handarbeni S. Atma]]>;
<![CDATA[Sugiyarto Sugiyarto]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 7, No 1 (2020) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v7i1.19195
<![CDATA[Adaptive Neuro Fuzzy Inference System(ANFIS) yaitu metode yang menggabungkan metode-metode yang ada pada softcomputing. Softcomputing yaitu pemodelan dengan pendekatan seperti nalar dari manusia dan belajar sesuai kondisi yang tidak pasti yang fleksibel atau berubah-ubah. Fuzzy Inference System(FIS) dan Jaringan syaraf merupakan komponen softcomputing dan pembentukan ANFIS. Penggunaan ANFIS terdapat metode pembelajran secara maju dan mundur atau yang disebut hybrid. Pembelajaran secara maju digunakan metode Least Square Estimator(LSE) dan pembelajaran mundur digunakan Gradient descent. Pada penelitian ini juga menggunakan FCM difungsikan untuk membangun aturan akan digunakan pada ANFIS. Tujuan dari peramalan jumlah wisatawan adalah untuk mengimplementasikan metode Adaptive Neuro Fuzzy Inference System dalam memprediksi jumlah wisatawan dan mengetahui hasil prediksi/ramalan jumlah wisatawan. Hasil peramalan jumlah wisatawan dengan menggunakan metode Adaptive Neuro Fuzzy Inference System(ANFIS) pada tahap latih didapatkan epoh 11 dan laju pembelajaran 0.02 mendapatkan nilai RMSE 909.2 sedangkan tahap uji epoh dan laju pembelajaran memberikan keakurasian bagus yang dapat dilihat dari Root Mean Square Error(RMSE) 123.3029.]]>
<![CDATA[Estimasi Parameter Model Survival Distribusi Mixture Weibull ]]>
<![CDATA[Reskika Hasmayuni]]>;
<![CDATA[Joko Purwadi]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 6, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v6i2.19590
<![CDATA[Penelitian ini membahas tentang estimasi model survival distribusi Mixture Weibull menggunakan inferensi Bayes dengan memperhatikan distribusi prior. Bertujuan untuk mengetahui model dari distribusi Mixture Weibull serta hasil estimasi dari model survival distribusi Mixture Weibull yang terdiri dari dimana masing-masing parameter memiliki distribusi prior menggunakan metode Bayes. Model untuk analisis disribusi Mixture Weibull menggunakan metode Bayesian. Dengan parameter Weibull dari tiap elemen distribusi serta  adalah bobot dari tiap elemen. Hasil estimasi parameter model survival distribus Mixture Weibull dengan metode Bayes yang diterapkan pada studi kasus pasien penderita Tuberkulosis dengan  dan  maka diperoleh w1 sama dengan 0.333333, dan w2 sama dengan 0.333333 serta hasil nilai estimasi untuk komponen Weibull tunggal dengan lamda 1.232808 dan beta 1.751471]]>
<![CDATA[Implementasi Algoritma Edmonds Karp Dalam Pencarian Aliran Maksimum Pada Jaringan Listrik ]]>
<![CDATA[Nunik Sutrisni]]>;
<![CDATA[Isnaini Rosyida]]>;
<![CDATA[Tri Sri Noor Asih]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 6, No 1 (2019) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v6i1.19543
<![CDATA[Di dalam jaringan terdapat beberapa model yang bisa digunakan untuk membantu memecahkan masalah-masalah yang merupakan aplikasi network flow, diantaranya model distribusi kendali, model rentang jaringan minimum, model rute terpendek, dan jaringan aliran maksimum. Penelitian ini membahas mengenai penerapan algoritma Edmonds Karp dalam pencarian aliran maksimum pada jaringan listrik dimana dalam pencarian lintasan penambahnya menggunakan algoritma Breadth First Search (BFS). Tujuan penelitian ini adalah mensimulasikan perhitungan aliran maksimum dengan algoritma Edmonds Karp untuk mendapatkan aliran maksimumnya kemudian dibantu dengan tool software Matlab. Data kasus yang dipakai merupakan data sekunder jaringan listrik kota Tegal wilayah Distribusi Kebasen 11 yang diambil dari[1]. Hasil yang didapat disimpulkan menjadi: Pencarian aliran maksimum dengan algoritma Edmonds Karp pada jaringan listrik Kota Tegal wilayah distribusi Kebasen 11 diperoleh aliran maksimum sebesar 1.300 Ampere dengan 8 kali iterasi. Menggunakan software Matlab juga ditemukan jumlah aliran maksimum yang sama yaitu sebesar 1.300 Ampere.]]>
<![CDATA[Aplikasi Teori Graf dalam Menentukan Jalur Tercepat Mitigasi Gunung Merapi Zona 1 ]]>
<![CDATA[Ningrum Citra]]>;
<![CDATA[Wijayanti Eka]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 7, No 2 (2020) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v7i2.19610
<![CDATA[Pada penelitian ini, dilakukan penelitian untuk menentukan jalur tercepat mitigasi Gunung Merapi zona 1 menggunakan kombinasi algoritma Floyd Warshall dan metode Weighted Average (WA). Proses dalam penelitian ini diawali dengan merumuskan permasalahan yang ada menggunakan teori graf, kemudian implementasi metode WA dan dilanjutkan dengan implementasi algoritma Floyd Warshall. Pada proses implementasi metode WA setiap variabel akan diberi bobot utama. Jumlah hasil perkalian dari setiap nilai variabel dan bobot utama akan dibagi dengan jumlah total bobot utama. Berdasarkan implementasi metode tersebut, diperoleh suatu matriks yang merepresentasikan gabungan dari beberapa variabel data yang berbeda. Matriks tersebut digunakan dalam implementasi algoritma Floyd Warshall. Hasil dari penelitian ini berupa jalur tercepat dari seluruh daerah titik awal yang ada mennuju titik akhir. Jalur tercepat yang dibentuk dari daerah Girikerto menuju daerah Lumbungrejo adalah Girikerto-Wonokerto-Lumbungrejo dengan total bobot yakni 19.966 hingga jalur tercepat yang dibentuk dari daerah Trimulyo menuju daerah Lumbungrejo adalah Trimulyo-Mergoejo-Lumbungrejo dengan total bobot yakni 14.633.]]>
<![CDATA[Metode Brown’s Double Exponential Smoothing dalam Peramalan Laju Inflasi di Indonesia ]]>
<![CDATA[Dini Purwanti]]>;
<![CDATA[Joko Purwadi]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 6, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v6i2.19548
<![CDATA[Penelitian ini membahas tentang metode analisis runtun waktu (time series), metode yang digunakan yaitu Brown’s Double Exponential Smoothing. Penelitian ini bertujuan untuk menjelaskan penerapan metode Brown’s Double Exponential Smoothing dalam peramalan laju inflasi di Indonesia, mengetahui nilai parameter optimum dan mengetahui tingkat akurasi dari hasil peramalan. Penelitian ini mengambil data inflasi dari website resmi Bank Indonesia. Langkah-langkah peramalan menggunakan metode Brown's yaitu menentukan nilai parameter optimum, menghitung nilai pemulusan tunggal (single smoothing), menghitung nilai pemulusan ganda (double smoothing), menghitung nilai konstanta pemulusan, menghitung nilai koefisien trend, kemudian melakukan peramalan. Berdasarkan perhitungan pada metode Brown’s diperoleh nilai parameter optimum yaitu alpha (α) sebesar 0,9 dengan nilai MAPE sebesar 10,607%. Dari perhitungan peramalan menggunakan metode Brown's diperoleh nilai kesalahan/eror yaitu MAPE sebesar 10,607% yang berarti bahwa metode Brown's mempunyai kemampuan yang baik dalam peramalan sesuai dengan kriteria MAPE.]]>
<![CDATA[Kekuatan tak beraturan sisi total pada graf hasil gabungan graf lintasan dengan beberapa kelas graf ]]>
<![CDATA[Setyo Dwi Pratama]]>;
<![CDATA[Dian Eka Wijayanti]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 7, No 1 (2020) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v7i1.19196
<![CDATA[Penelitian ini bertujuan untuk menentukan nilai kekuatan tak beraturan sisi total pada graf hasil gabungan graf lingkaran dengan graf lintasan dan graf hasil gabungan dua graf lingkaran masing-masing untuk n sama dengan 3. Pelabelan tak beraturan sisi total pada graf, dengan himpunan titik tak kosong V dan himpunan sisi E suatu fungsi, sehingga bobot setiap sisinya berbeda. Nilai k terkecil pada pelabelan tak beraturan sisi total disebut kekuatan tak beraturan sisi total dari G yang dinotasikan dengan tes G. Selanjutnya, bobot sebuah sisi uv dengan fungsi pelabelan. Berdasarkan pembahasan, dapat disimpulkan bahwa nilai kekuatan tak beraturan sisi total pada graf hasil gabungan graf lingkaran dengan graf lintasan dan graf hasil gabungan dua graf lingkaran yang berturut-turut mempunyai nilai n sama dengan 3.]]>
<![CDATA[Peramalan Data Runtun Waktu Menggunakan Metode Wavelet-VAR ]]>
<![CDATA[Siti Nur Azizah]]>;
<![CDATA[Julan Hernadi]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 7, No 2 (2020) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v7i2.19603
<![CDATA[Peramalan adalah kegiatan meramalkan kejadian yang akan datang berdasarkan data dari kejadian sebelumnya. Data yang digunakan dalam penelitian ini adalah data deret waktu. Penelitian ini mengembangkan metode peramalan yang menggabungkan penggunaan wavelet dalam vector autoregressive (VAR). Wavelet digunakan sebagai alat denoising sebelum dimasukkan ke dalam persamaan regresi menggunakan vektor autoregresif. Metode ini disebut metode Wavelet-VAR. Dalam implementasinya, data deret waktu ditransformasikan menggunakan transformasi wavelet diskrit (DWT) untuk mendapatkan koefisien perkiraan dan koefisien detail. Selanjutnya noise yang terdapat pada koefisien detail dihilangkan dengan menggunakan metode thresholding tertentu. Melalui inversi transformasi wavelet diskrit (IDWT), data baru bebas noise diperoleh. Selanjutnya data bersih ini digunakan dalam peramalan dengan metode vector autoregressive. Dalam implementasinya, diterapkan data curah hujan di Kabupaten Sleman mulai Desember 2019 hingga April 2020 yang diperoleh dari situs resmi Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Untuk mengukur kualitas kualitas peramalan digunakan mean square error (MSE). Metode Wavelet-VAR menghasilkan MSE 0,354 sedangkan metode VAR menghasilkan MSE 0,838. Dalam hal ini, metode Wavelet-VAR lebih baik daripada metode VAR.]]>
<![CDATA[Implementasi Metode VECM (Vector Error Corection Model) dalam Menganalisis Pengaruh Kurs Mata Uang, Inflasi dan Suku Bunga terhadap Jakarta Islamic Indeks (JII) ]]>
<![CDATA[Dita Fadma Ristianti]]>;
<![CDATA[Joko Purwadi]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 6, No 1 (2019) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v6i1.19544
<![CDATA[Vector Error Correction Model (VECM) merupakan salah satu model multivariate runtun waktu (time series) . VECM adalah model VAR terbatas yang dirancang untuk digunakan pada deret waktu stasioner namun memiliki hubungan kointegrasi antar variabel. VECM sangat berguna karena dapat mengestimasi efek jangka pendek antar variabel dan efek jangka panjang dari data deret waktu. Pendekatan kointegrasi yang digunakan dalam penelitian ini kointegrasi Johansen Jesilius. Variabel inflasi, kurs, dan suku bunga pada penelitian ini sebagai variabel endogen dan variabel JII (Jakarta Islamic Index) sebagai variabel eksogen dari luar sistem kointergasi. Untuk kemudian diselidiki hubungan antar variabel endogen serta untuk mengetahui respon dari variabel endogen terhadap shock dari variabel lain didalam model VECM. Parameter model diestimasi menggunakan Maksimum Likelihood Estimation (MLE), dengan hasil estimasi jangka pendek terdapat 1 variaabel signifikan pada taraf nyata sebesar 0,231. Estimasi jangka pendek terdapat 2 variabel signifikan pada taraf nyata yaitu suku bunga sebesar 0,186 dan kurs sebesar -0,955. Dari analisis kausalitas Granger terdapat hubungan variabel inflasi (INF) dengan variabel JII, variabel JII dengan variabel suku bunga dan variabel inflasi (INF) dengan variabel suku bunga, serta dari analisis Impulse Response Function (IRF) memperlihatkan semua variabel merespon positif walaupun inflasi sempat bernilai negatif pada periode ke 2.]]>
<![CDATA[Implementasi Analisa Komponen Utama untuk Mereduksi Variabel yang Mempengaruhi Perbaikan pada Fungsi Ginjal Tikus ]]>
<![CDATA[Fitrianingsih Fitrianingsih]]>;
<![CDATA[Sugiyarto Sugiyarto]]>
<![CDATA[ Jurnal Ilmiah Matematika Vol 6, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/konvergensi.v6i2.19549
<![CDATA[Penelitian ini bertujuan untuk mereduksi variabel yang mempengaruhi fungsi ginjal pada tikus. Untuk memperoleh informasi yang diinginkan, maka diperlukan suatu metode yang tepat agar dapat digunakan dalam mengolah data yang sudah ada. Ada banyak metode yang digunakan untuk mereduksi variabel, di antaranya yaitu Principal Component Analysis (PCA) dan Factor Analysis (FA). Metode yang akan digunakan dalam penelitian ini adalah metode principal component analysis (PCA) atau analisa komponen utama. PCA merupakan salah satu metode dalam analisis multivariat yang secara khusus dikembangkan untuk mereduksi dimensi data yang ukurannya besar menjadi lebih sederhana tanpa harus kehilangan informasi data asli. Pada penelitian ini, metode PCA digunakan untuk mereduksi jumlah variabel, sehingga dari 8 variabel yang ada hanya akan diketahui 3 variabel yang benar-benar mempengaruhi perbaikan fungsi ginjal tikus, dimana 3 variabel yang dihasilkan tersebut dapat mewakili 8 variabel yang ada pada dataset. Variabel baru hasil reduksi akan dijadikan sebagai variabel input untuk membuat model persamaan regresinya untuk melihat sebagaimana pengaruh variabel tersebut terhadap perbaikan fungsi ginjal tikus. Dataset yang digunakan pada penelitian ini adalah data dosis pemberian ekstrak tanaman obat. Adapun model regresi akhir hasil komponen utama yaituY=β0 + β1PC1 + β2PC2 + β3PC3]]>
