cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
BIMASTER
Published by Universitas Tanjungpura
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education,
Decision Sciences, Operations Research & Management Mathematics
Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan
Arjuna Subject : -
Articles 12 Documents
 1   2 
Search results for , issue "Vol 2, No 02 (2013): Bimaster" : 12 Documents clear
KAJIAN SIFAT DISTRIBUSI NORMAL BIVARIAT Dadan Kusnandar., Turyadi, Muhlasah Novitasari Mara,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 02 (2013): Bimaster
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i02.3032

Abstract

Distribusi adalah pola penyebaran yang merupakan gambaran kondisi sekelompok data. Salah satu distribusi dengan variabel acak kontinu adalah Distribusi Normal. Distribusi Normal Univariat mempunyai dua parameter yaitu nilai harapan dan variansi ?2. Sedangkan Distribusi Normal Bivariat mempunyai lima parameter yaitu , , dan r. Distribusi Normal Bivariat merupakan gabungan dari dua variabel acak kontinu X dan Y, dengan variabel acak X dan Y keduanya berdistribusi normal. Jika , maka X dan Y independen sehingga Distribusi Normal Bivariat terbentuk dari hasil kali distribusi marginal X dengan distribusi marginal Y. Jika , maka Distribusi Normal Bivariat terbentuk dari hasil kali distribusi marginal yang berdistribusi normal dengan Distribusi bersyarat yang juga Berdistribusi Normal. Kata Kunci : distribusi normal bivariat, distribusi normal, sifat.
PENGELOMPOKAN KINERJA DOSEN JURUSAN MATEMATIKA FMIPA UNTAN BERDASARKAN PENILAIAN MAHASISWA MENGGUNAKAN METODE WARD Neva Satyahadewi., Sela Oktavia, Muhlasah Novitasari Mara,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 02 (2013): Bimaster
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i02.3026

Abstract

Pada penelitian ini, pengelompokan kinerja dosen menggunakan metode Ward. Metode Ward adalah metode yang berdasarkan pada sum square error (SSE) dengan ukuran kehomogenan antara dua objek berdasarkan pada jumlah kuadrat kesalahan yang paling minimal. Ukuran kemiripan yang digunakan adalah jarak Euclidean kuadrat. Metode Ward digunakan untuk meminimalkan variasi antar objekyang ada dalam satu cluster dan memaksimalkan variasi dengan objek yang ada dalam cluster lain. Pada penelitian ini, pengelompokan 15 dosen jurusan Matematika FMIPA Universitas Tanjungpura yang mengajar pada semester ganjil 2011/2012diperoleh 5 cluster. Variabel penilaian dibagi menjadi 7 kategori dari 13 variabel. Cluster pertamaterdiri dari 4 dosen. Mahasiswa menilai kinerja dosen sangat baik untuk semua variabel.Cluster kedua terdiri dari 6 dosen. Mahasiswa menilai kinerja dosen sangat baik untuk 5 variabel dan 8 variabel dinilai baik. Cluster ketiga terdiri dari 3 dosen dengan penilaian mahasiswa terhadap kinerja dosenbaik untuk semua variabel. Cluster keempat terdiri dari 1 dosen. Mahasiswa menilai kinerja dosensangat baik untuk 1 variabel, 7 variabel dinilai baik dan 5 variabel dinilai cukup baik. Cluster kelima terdiri dari 1 dosen dengan penilaian mahasiswa terhadap kinerja dosen baik untuk 1 variabeldan 12 variabel dinilai kurang baik. Kata Kunci : analisis cluster, metode Ward, matriks jarak
COMPLETION DARI RUANG METRIK ., Andi Rini, Sugiatno, Bayu Prihandono
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 02 (2013): Bimaster
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i02.3028

Abstract

Pada sebarang ruang metrik berlaku setiap barisan konvergen adalah barisan Cauchy, tapi tidak berlaku sebaliknya. Dengan kata lain ada ruang metrik dimana ada barisan Cauchy yang tidak konvergen. Ruang metrik yang demikian dinamakan ruang metrik tidak lengkap. Setiap ruang metrik tidak lengkap memiliki suatu completion. Karenanya dalam penelitian ini akan ditentukan completion dari suatu ruang metrik tidak lengkap. Completion dari ruang metrik tidak lengkap ditentukan dengan langkah-langkah berikut: mengidentifikasi apakah ruang metrik (X, d) adalah lengkap, menentukan closure dari X, menentukan ruang metrik baru (X*, d) yang memuat (X, d) dan closure X berada dalam X*, menyelidiki apakah (X*, d) adalah lengkap, menunjukkan bahwa subset dari X* adalah padat di dalam X*, menunjukkan bahwa (X, d) isometrik ke subset padat dalam (X*, d). Hasil penelitian menunjukkan bahwa completion dari ruang metrik tidak lengkap X adalah ruang metrik lengkap X* dengan X subset dari X* dan X padat di X* (closure dari X = X*). Kata Kunci : closure, isometrik, subset padat, ruang metrik lengkap.
PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS Neva Satyahadewi., Ryan Iskandar, Muhlasah Novitasari Mara,
BIMASTER Vol 2, No 02 (2013): Bimaster
Publisher : BIMASTER

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

Abstract

Regresi berganda merupakan suatu metode statistik yang mendeskripsikan hubungan antara variabel terikat dengan dua atau lebih variabel bebas. Penelitian ini membandingkan metode Bootstrap dan metode Jackknife dalam menaksir parameter regresi ketika terjadi multikolinearitas. Penelitian ini menggunakan 33 kondisi data berbeda yang proses simulasinya menggunakan bantuan program R. Tingkat efisiensi dari kedua metode tersebut dibandingkan melalui nilai bias dan standar deviasi dari nilai taksiran yang dihasilkan. Penelitian ini menunjukkan bahwa metode Bootstrap menghasilkan nilai bias dan standar deviasi lebih kecil dibandingkan metode Jackknife. Sehingga metode Bootstrap lebih efisien dalam menduga parameter regresi dibandingkan metode Jackknife ketika terjadi multikolinearitas. Kata Kunci : Multikolinearitas, Bootstrap, Jackknife.
ISOMORFISMA DARI SU(2)/Ker ? KE SO(3) Yundari., Arif Rahman, Nilamsari Kusumastuti,
BIMASTER Vol 2, No 02 (2013): Bimaster
Publisher : BIMASTER

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

Abstract

Suatu grup dapat dibentuk dari himpunansemua matriks spesial ortogonalterhadap operasi perkalian matriks biasa yang disebutGrup Spesial Ortogonal, dinotasikan dengan SO(3). Sementara itu,suatu grup dapat pula dibentuk dari himpunan semua matriks spesial uniterterhadap operasi perkalian matriks biasayang disebut Grup Spesial Uniter, dinotasikan dengan SU(2). Terdapat homomorfisma ?yang memetakan setiap elemen di SU(2) ke elemen di SO(3), dengan kernel dari ? adalah ker ?={I,-I}.Himpunan ker ? merupakan subgrup normal dari SU(2), sehingga dapat dibentuk grup faktor dari SU(2) oleh ker ? yang dinotasikan dengan SU(2)/ker ?. Dengan menggunakan Teorema Fundamental Homomorfisma, dapat ditunjukkan bahwa terdapat isomorfisma dari SU(2)/ker ? ke SO(3). Kata Kunci :Grup Spesial Ortogonal, Grup Spesial Uniter, Isomorfisma.
PENGKLASIFIKASIAN KARAKTERISTIK DENGAN METODE K-MEANS CLUSTER ANALYSIS Neva Satyahadewi., Ediyanto, Muhlasah Novitasari Mara,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 02 (2013): Bimaster
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i02.3033

Abstract

Pengelompokan objek (objek clustering) adalah salah satu proses dari objek mining yang bertujuan untuk mempartisi objek yang ada kedalam satu atau lebih cluster objek berdasarkan karakteristiknya. Objek dengan karakteristik yang sama dikelompokkan dalam satu cluster dan objek dengan karakteristik berbeda dikelompokkan kedalam cluster yang lain. Algoritma K-Means Cluster Analysis termasuk dalam kelompok metode cluster analysis non hirarki, dimana jumlah kelompok yang akan dibentuk sudah terlebih dahulu diketahui atau ditetapkan jumlahnya. Algoritma K-Means Cluster Analysis menggunakan metode perhitungan jarak (distance) untuk mengukur tingkat kedekatan antara objek dengan titik tengah (centroid). Algoritma K-Means tidak terpengaruh terhadap urutan objek yang digunakan, hal ini dibuktikan ketika penulis mencoba menentukan secara acak titik awal pusat cluster dari salah satu objek pada permulaan perhitungan. Jumlah keanggotaan cluster yang dihasilkan berjumlah sama ketika menggunakan objek yang lain sebagai titik awal pusat cluster tersebut. Namun, hal ini hanya berpengaruh pada jumlah iterasi yang dilakukan. Algoritma K-Means Cluster Analysis pada dasarnya dapat diterapkan pada permasalahan dalam memahami perilaku konsumen, mengidentifikasi peluang produk baru dipasaran dan algoritma K-Means ini juga dapat digunakan untuk meringkas objek dari jumlah besar sehingga lebih memudahkan untuk mendiskripsikan sifat-sifat atau karakteristik dari masing-masing kelompok. Kata Kunci: Clustering, Cluster Analysis, Euclidian distance, K-Means.
PENGGUNAAN METODE COST PRORATE TIPE CONSTANT DOLLAR PADA PROGRAM PENDANAAN PENSIUN MANFAAT PASTI Neva Satyahadewi., Agus Joko Sujono, Dadan Kusnandar,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 02 (2013): Bimaster
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i02.3053

Abstract

Dana Pensiun merupakan suatu badan hukum yang mengelola dan menjalankan program pensiun serta membayarkan manfaat pensiun untuk memberikan kesejahteraan kepada karyawan suatu perusahaan yang telah memasuki masa pensiun. Tujuan utama Dana Pensiun adalah memberikan kesinambungan pendapatan dalam bentuk manfaat pensiun kepada karyawan pada saat pensiun. Program pensiun dari perusahaan merupakan bentuk balas jasa untuk memenuhi kebutuhan hidup dimasa pensiun bagi karyawan. Perhitungan manfaat pensiun pada Program Pensiun Manfaat Pasti terbagi menjadi tiga metode, yaitu Accrued Benefit, Benefit Prorate dan Cost Prorate. Metode Cost Prorate adalah metode pendanaan pensiun yang perhitungan manfaat pensiunnya berdasarkan masa kerja dan gaji karyawan. Penelitian ini menganalisis besar manfaat pensiun yang dikeluarkan Dana Pensiun PT. PLN (Persero) Wilayah Kalimantan Barat dengan menggunakan metode Cost Prorate tipe Constant Dollar. Berdasarkan perhitungan, iuran yang dibayarkan oleh PT. PLN (Persero) Wilayah Kalimantan Barat dan karyawan kepada Dana Pensiun untuk seorang karyawan dengan masa kerja 18 tahun adalah Rp32.290.695,00. Besar manfaat pensiun yang akan dibayarkan Dana Pensiun PT. PLN (Persero) Wilayah Kalimantan Barat kepada karyawan tersebut untuk pensiun normal 56 tahun adalah Rp107.650.913,00. Kata Kunci: Dana Pensiun, Metode Cost Prorate
PENENTUAN CADANGAN PREMI MENGGUNAKAN METODE FACKLER PADA ASURANSI JIWA DWI GUNA M.Novitasari Mara., Indri Mashitah, Neva Satyahadewi,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 02 (2013): Bimaster
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i02.3030

Abstract

Tidak sedikit perusahaan jasa asuransi jiwa yang mengalami kerugian dikarenakan tidak mampu membayar santunan kepada tertanggung. Keadaan seperti ini dapat diantisipasi jika perusahaan jasa asuransi jiwa memiliki dana cadangan premi yang telah dipersiapkan dan diperhitungkan secara tepat. Dana cadangan premi merupakan kewajiban perusahaan jasa asuransi jiwa yang sangat penting sebagai syarat berdirinya perusahaan jasa asuransi jiwa. Salah satu perhitungan cadangan premi adalah cadangan retrospektif, dimana perhitungan cadangan didasarkan jumlah total pendapatan pada waktu yang lalu sampai saat dilakukan perhitungan cadangan, dikurangi jumlah pengeluaran yang lalu untuk tiap pemegang polis. Metode Fackler merupakan salah satu perhitungan cadangan retrospektif. Cara kerja metode Fackler dimulai dengan menentukan nilai tunai anuitas menggunakan tingkat suku bunga yang telah diasumsikan, kemudian menghitung premi bersih tunggal dan premi bersih tahunan, dilanjutkan dengan menghitung cadangan akhir tahun ke t. Perhitungan cadangan premi menggunakan metode Fackler sangat berpengaruh pada premi bersih tahunannya. Semakin kecil nilai premi bersih tahunan maka semakin kecil pula nilai cadangan yang diperoleh. Nilai cadangan premi menggunakan metode Fackler untuk simulasi tingkat suku bunga 2% sampai 9%, dengan Tabel mortalita Commisioners Standard Ordinary (CSO) 1958 lebih besar dibandingkan dengan Tabel Mortalita Indonesia (TMI) 1999. Kata Kunci : Premi, cadangan premi, metode Fackler.
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Neva Satyahadewi., Zainal Aripin, M.Novitasari Mara,
BIMASTER Vol 2, No 02 (2013): Bimaster
Publisher : BIMASTER

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

Abstract

Diagram jalur merupakan salah satu metode statistika yang digunakan untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda, jika variabel eksogen mempengaruhi variabel endogen tidak hanya secara langsung tetapi juga secara tidak langsung. Dalam penelitian ini digunakan diagram jalur untuk menganalisis pengaruh banyaknya benih, urea dan KCL terhadap produksi tanaman kedelai. Metode yang digunakan untuk menduga parameter dari model yang terbentuk berdasarkan diagram jalur adalah metode kuadrat terkecil. Hasil analisis menunjukkan bahwa variabel benih (x1) dan KCL (x3) memiliki pengaruh langsung paling besar terhadap produksi tanaman kedelai(y). Sedangkan variabel urea (x2) memiliki pengaruh langsung yang sangat kecil terhadap produksi tanaman kedelai (y). Demikian untuk pengaruh tidak langsung, diketahui bahwa pengaruh tidak langsung benih (x1) terhadap produksi tanaman kedelai (y) melalui urea (x2) memiliki pengaruh tidak langsung yang kecil. Sedangkan pengaruh tidak langsung KCL (x3) terhadap produksi tanaman kedelai (y )melalui benih (x1) memiliki pengaruh tidak langsung yang paling besar. Kata Kunci:estimasi, parameter,diagram jalur
KRIPTOGRAFI KLASIK DENGAN METODE MODIFIKASI AFFINE CIPHER YANG DIPERKUAT DENGAN VIGENERE CIPHER Nilamsari Kusumastuti., Juliadi, Bayu Prihandono,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 2, No 02 (2013): Bimaster
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v2i02.3025

Abstract

Kriptografi adalah ilmu atau seni untuk menjaga keamanan pesanyang meliputi aspek keamanan pesan seperti kerahasiaan, integritas data, serta otentikasi.Salah satu metode yang dapat untuk meyandikan pesan adalah Affine cipher dan Vigenere cipher. Metode modifikasi Affine cipher yang diperkuat dengan Vigenere cipher merupakan penggabungan dari Affine cipher dan Vigenere cipher. Plainteks dienkripsi dengan Affine cipher menggunakan persamaanCi=(aPi+b)mod m, dengan m adalah ukuran konversi,Pi adalah plainteks, Ci adalah cipherteks, a adalah kunci pertama dan b adalah kunci kedua. Enkripsi pada Affine cipher menghasilkan cipherteks sementara. Kemudian cipherteks sementara menjadi plainteks yang dienkripsi dengan Vigenere cipher menggunakan persamaan Ci=(Pi+kr)mod m, dengan kradalah kunci ketiga, sehingga menghasilkan cipherteks. Sebaliknya, untuk mendapatkan plainteks, cipherteks didekripsi dengan Vigenere cipher menggunakanPi=(Ci-kr)mod m, yang menghasilkan plainteks sementara, kemudian plainteks sementara menjadi cipherteks didekripsi dengan Affine cipher menggunakan persamaan Pi=a-1(Ci-b)mod m sehingga diperolehplainteks. Modifikasi Affine cipher yang diperkuat dengan Vigenere cipher merupakan dua kali proses penyandian. Kata kunci: Affine cipher, enkripsi, dekripsi,cipherteks, plainteks, Vigenere cipher.

Page 1 of 2 | Total Record : 12

 1   2 

Filter by Year

2013 2013


Reset
Filter By Issues
All Issue Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): BIMASTER Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER Vol 8, No 3 (2019): BIMASTER Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER Vol 7, No 4 (2018): BIMASTER Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER Vol 5, No 03 (2016): BIMASTER Vol 5, No 02 (2016): BIMASTER Vol 5, No 01 (2016): BIMASTER Vol 4, No 03 (2015): BIMASTER Vol 4, No 01 (2015): BIMASTER Vol 4, No 2 (2015): BIMASTER Vol 3, No 03 (2014): BIMASTER Vol 3, No 02 (2014): BIMASTER Vol 3, No 01 (2014): Bimaster Vol 2, No 03 (2013) Vol 2, No 02 (2013): Bimaster Vol 2, No 1 (2013): BIMASTER Vol 1, No 01 (2012): BIMASTER More Issue