cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
BIMASTER
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education,
Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan
Arjuna Subject : -
Articles 653 Documents
PEMODELAN DAN PERAMALAN VOLATILITAS SAHAM MENGGUNAKAN MODEL INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY Dadan Kusnandar, Megawati, Shantika Martha,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (560.59 KB) | DOI: 10.26418/bbimst.v9i1.38669

Abstract

Heteroskedastisitas pada sebagian besar data deret waktu ekonomi dan keuangan dapat diselesaikan dengan model ARCH/GARCH. Namun dalam penerapannya model ARCH/GARCH memiliki beberapa kelemahan, diantaranya adalah ketidakmampuannya untuk melihat transisi atau perubahan perilaku antara volatilitas rendah dan volatilitas tinggi. Oleh karena itu, model ARCH/GARCH tersebut dimodifikasi menggunakan model integrated generalized autoregressive conditional heteroscedasticity (IGARCH). Pada  model IGARCH, stasioneritas terpenuhi apabila memenuhi syarat jumlah koefisien semua parameter sama dengan satu. Pemodelan dilakukan dengan membentuk ARIMA sebagai mean model, dilanjutkan dengan memodelkan ARCH/GARCH dan selanjutnya adalah dengan memodelkan varians bersyarat IGARCH dengan jumlah koefisien parameter sama dengan satu. Data yang digunakan adalah data mingguan harga saham S&P 500 dari 19 September 2011 sampai 10 Juni 2019. Model peramalan volatilitas saham yang diperoleh adalah IGARCH(2,1) dengan nilai MAPE sebesar 19,44%. Hasil peramalan untuk 5 minggu ke depan menunjukkan bahwa volatilitas harga saham mengalami penurunan. Kata Kunci: Varians Bersyarat, Heteroskedastisitas, IGARCH
BILANGAN KROMATIK LOKASI PADA GRAF BAYANGAN DAN GRAF MIDDLE DARI GRAF BINTANG Novia Kristefany Kabang; Yundari Yundari; Fransiskus Fran
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (888.48 KB) | DOI: 10.26418/bbimst.v9i2.39977

Abstract

Pewarnaan graf merupakan cara untuk memberi warna pada semua titik atau sisi pada suatu graf, dengan syarat kedua titik atau sisi yang bertetangga harus memiliki warna yang berbeda. Salah satu pengembangan teori yang berhubungan dengan pewarnaan graf adalah pewarnaan lokasi dan bilangan kromatik lokasi. Penelitian ini bertujuan untuk menentukan bilangan kromatik lokasi dari graf bintang , graf bayangan dari graf bintang , dan graf middle dari graf bintang  dengan  Bilangan kromatik lokasi dicari dengan menerapkan pewarnaan lokasi pada ,  dan  Selanjutnya, dicari kelas warna dan kode warna untuk semua titik di ,  dan . Jika setiap titik memiliki kode warna yang berbeda, maka graf tersebut dikatakan memenuhi pewarnaan lokasi. Bilangan kromatik lokasi untuk graf  dinotasikan dengan . Berdasarkan penelitian ini, diperoleh ,  , dan  . Kata kunci: Pewarnaan lokasi, kelas warna, kode warna.
ANALISIS PENGENDALIAN KUALITAS PRODUKSI CRUMB RUBBER DENGAN METODE STATISTICAL PROCESS CONTROL Robiansyah Robiansyah; Dadan Kusnandar; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (217.877 KB) | DOI: 10.26418/bbimst.v7i2.24817

Abstract

Statistical Process Control (SPC) merupakan teknik penyelesaian masalah yang digunakan untuk menganalisis data produksi dalam rangka mengendalikan dan memperbaiki kualitas suatu produk. Dalam penelitian ini SPC diterapkan pada perusahaan karet  yang memproduksi olahan karet menjadi barang setengah jadi yaitu crumb rubber. Meskipun proses produksi dilaksanakan dengan baik, kualitas crumb rubber yang dihasilkan masih banyak yang tidak sesuai dengan yang diharapkan karena banyak produk yang cacat. Penelitian ini bertujuan untuk menganalisis data produksi crumb rubber dengan SPC dan menganalisis faktor-faktor penyebab yang mempengaruhi cacat produk crumb rubber. Hasil pengamatan terhadap diagram kendali u untuk cacat jenis white spot menunjukkan adanya dua titik berada di luar batas kendali. Hal ini berarti proses produksi yang terjadi pada produksi crumb rubber yang diakibatkan cacat white spot dalam keadaan tidak terkendali dan perlu dilakukan tindakan perbaikan. Pengamatan terhadap cacat jenis logam, kontaminasi dan low PO menunjukkan bahwa variabel kecacatan tersebut secara keseluruhan berada di dalam batas kendali, yang artinya cacat tersebut dapat dikendalikan pada proses produksi crumb rubber. Faktor-faktor  penyebab cacat  produk crumb rubber yaitu faktor manusia, faktor bahan baku, faktor mesin, faktor metode dan faktor lingkungan.Kata Kunci: SPC, crumb rubber, diagram kendali u, pengendalian kualitas
PENERAPAN METODE LEARNING VECTOR QUANTIZATION PADA PREDIKSI INTENSITAS CURAH HUJAN DI KOTA PONTIANAK Ilham Saputra; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (481.119 KB) | DOI: 10.26418/bbimst.v8i4.36359

Abstract

Cuaca merupakan suatu kondisi udara di suatu wilayah atau tempat pada waktu yang relatif singkat. Keadaan cuaca yang tidak menentu tersebut merupakan hal yang mendasari perlunya untuk meramalkan cuaca. Peramalan dapat dilakukan untuk mengetahui kapan suatu peristiwa akan terjadi sehingga tindakan yang tepat dapat dilakukan. Salah satunya adalah dengan menggunakan jaringan syaraf tiruan. Jaringan syaraf tiruan adalah salah satu kecerdasan buatan yang menyerupai sistem syaraf dari otak manusia. Proses dengan menggunakan jaringan syaraf tiruan ini bertujuan untuk penerapan metode learning vector quantization pada prediksi intensitas curah hujan di Kota Pontianak. Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari BMKG Pontianak. Data tersebut merupakan data curah hujan, kelembapan udara, temperatur maksimum dan temperatur minimum. Proses pelatihan pada metode learning vector quantization ini dengan menentukan bobot awal dan parameter yang digunakan. Selanjutnya melakukan pelatihan dari epoch ke-1 pada data ke-1 sampai data ke-n dan diperoleh bobot akhir. Selanjutnya mengurangi nilai alpha:alpha(hat)=alpha-Decalpha*alpha  . Lakukan cara yang sama pada epoch ke-2 sampai max epoch dan memperoleh bobot akhir. Bobot akhir ini akan digunakan untuk melakukan proses pengujian. Hasil pengujian dengan menggunakan jaringan syaraf tiruan menggunakan metode learning vector quantization diperoleh untuk Maksimum epoch (MaxEpoch) = 5, learning rate (alpha) = 0,4, Decrease learning rate (Decalpha) = 0,1, dan Minimum learning rate (minalpha) = 0 dengan tingkat akurasinya sebesar 90%. Kata Kunci: Jaringan Syaraf Tiruan,Cuaca, Epoch
BILANGAN DOMINASI EKSENTRIK TERHUBUNG PADA GRAF SUNLET DAN GRAF BISHOP Bambang Poniman; Yundari Yundari; Fransiskus Fran
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (357.531 KB) | DOI: 10.26418/bbimst.v9i1.38587

Abstract

Diberikan  suatu himpunan titik pada suatu graf . Sebuah himpunan , dikatakan himpunan dominasi pada graf  jika semua titik yang tidak berada pada himpunan  bertetangga sedikitnya dengan satu titik dari . Kardinalitas minimum dari  disebut bilangan dominasi . Suatu himpunan  disebut himpunan dominasi eksentrik terhubung jika  adalah himpunan dominasi eksentrik dari  dan subgraf induksi dari himpunan dominasi eksentrik yang dibangun oleh    terhubung. Kardinalitas minimum dari setiap himpunan dominasi eksentrik terhubung disebut bilangan dominasi eksentrik terhubung dari  dan dinotasikan sebagai  Pada penelitian ini dikaji tentang bilangan dominasi eksentrik terhubung pada graf sunlet  dan graf bishop . Pada graf sunlet  dengan adalah banyaknya anting yang ditambahkan pada graf cycle. Pada graf bishop  dengan  dan  menjelaskan banyaknya baris dan kolom pada kotak papan catur. Hasil penelitian yang diperoleh bahwa genap, dan ganjil. Pada graf bishop  dibatasi dengan  dan  genap. Lebih lanjut untuk  dengan  adalah , , , .Kata Kunci : eksentrisitas, titik eksentrik, subgraf induksi.
METODE FULL ORTHOGONALIZATION UNTUK MENYELESAIKAN SISTEM PERSAMAAN LINEAR Fransiskus Fran, Sepliong, Yundari,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (244.934 KB) | DOI: 10.26418/bbimst.v8i4.35998

Abstract

Sistem persamaan linear dapat diselesaikan dengan metode langsung dan metode iteratif. Salah satu metode iteratif untuk menyelesaikan sistem persamaan linear yaitu metode Full Orthogonalization. Penyelesaian sistem persamaan linear dengan metode Full Orthogonalization dapat dilakukan dengan cara mereduksi matriks A  yang merupakan matriks koefisien dari sistem persamaan linear menjadi matriks Hessenberg Hm dengan menggunakan algoritma Arnoldi. Matriks  A dapat ditulis sebagai A=Vm Hm Vm(transpose) dengan Vm  matriks ortogonal. Setelah diperoleh matriks Hessenberg Hm , selanjutnya ditentukan invers dari matriks Hessenberg dengan eliminasi Gauss-Jordan. Langkah selanjutnya setelah invers matriks Hessenberg diperoleh yaitu mencari vektor ym. Solusi pendekatan sistem persamaan linear dicari dengan rumus xm=x0 + Vmym. Kata Kunci : sistem persamaan linear, algoritma Arnoldi, ortogonal
PEMETAAN SEBARAN TITIK PANAS DI KABUPATEN KUBU RAYA Yundari, Sujiman, Naomi Nessyana Debataraja,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (846.132 KB) | DOI: 10.26418/bbimst.v8i4.37194

Abstract

Titik panas (hotspot) merupakan indikator kebakaran hutan yang mendeteksi suatu lokasi yang memiliki suhu relatif lebih tinggi. Sebaran titik panas merupakan hasil pengamatan dari satelit-satelit yang mengudara di atas Bumi. Penelitian ini bertujuan untuk memetakan sebaran titik panas di Kabupaten Kubu Raya. Dalam penelitian ini digunakan variabel pengamatan diantaranya adalah latitude dan longitude yang berguna untuk melihat lokasi titik panas, serta confidence sebagai level titik panas. Kemudian dilakukan analisis variansi untuk mengetahui perbedaan rata-rata nilai jumlah titik panas setiap kecamatan. Kemudian dilakukan visualisasi menggunakan sistem informasi geografis untuk melihat peta sebaran titik panas pada tingkat kabupaten, kecamatan, desa dan penggunaan lahan di Kabupaten Kubu Raya. Kata Kunci: Pemetaan, Latitude, Longitude, Confidence, Analisis Variansi.
PENERAPAN MODEL NEURO-GARCH PADA PERAMALAN DATA RETURN SAHAM Nova Andaresta; Shantika Martha; Dwi Marisa Midyanti
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (477.666 KB) | DOI: 10.26418/bbimst.v9i2.39911

Abstract

Heteroskedastisitas merupakan masalah yang sering terjadi dalam proses peramalan pada data keuangan. Model generalized autoregressive conditional heteroscedasticity (GARCH) merupakan model runtun waktu yang dapat digunakan untuk data yang mengalami heteroskedastisitas. Model lain yang dapat digunakan untuk memodelkan data dengan fluktuasi yang sangat besar dan tidak tetap adalah jaringan saraf tiruan (JST). Dalam penelitian ini kedua model digabungkan menjadi sebuah model yang disebut Neuro-GARCH. Tujuan penelitian ini membentuk arsitektur jaringan model terbaik dan membandingkan hasil peramalan dengan data aktual return saham pada tanggal 11 Juli 2018 sampai dengan 28 Februari 2019. Data yang digunakan adalah  data return saham PT Bank Central Asia Tbk penutupan harian pada periode Januari 2017 sampai dengan Februari 2019. Adapun langkah-langkah dalam penelitian ini diawali dengan pembentukan model box jenkins. Residual model box jenkins terbaik digunakan untuk mendeteksi heteroskedastisitas menggunakan uji lagrange multiplier (ARCH-LM). Data residual yang memiliki heteroskedastisitas dimodelkan ke dalam model GARCH. Variabel bebas pada model GARCH kemudian dijadikan input pada model JST dan targetnya adalah data return (aktual). Hasil analisis menunjukkan bahwa bentuk jaringan terbaik adalah (2-5-1) dengan nilai MSE pengujian sebesar 0,00014955. Hasil peramalan selama 167 hari mengalami fluktuasi, dengan return tertinggi yaitu pada tanggal 14 September 2018 sebesar 0,0128467 dan terendah terjadi pada tanggal 13 Juli 2018 sebesar -0,0049574. Kata Kunci: ARIMA, heteroskedastisitas, JST, backpropagation
ANALISIS JUMLAH PERTUMBUHAN PENDUDUK PEREMPUAN KOTA PONTIANAK MENGGUNAKAN METODE MATRIKS LESLIE Mustofa, Hasan
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (675.814 KB) | DOI: 10.26418/bbimst.v8i4.35878

Abstract

Matriks Leslie merupakan salah satu metode yang dapat digunakan untuk memprediksi pertumbuhan suatu populasi penduduk. Penelitian ini bertujuan untuk menentukan pertumbuhan populasi penduduk perempuan dikota Pontianak tahun 2019 menggunakan Matriks Leslie. Adapun faktor yang berpengaruh dalam pertumbuhan penduduk adalah tingkat kesuburan dan tingkat ketahanan hidup. Rumus yang digunakan untuk memprediksi jumlah penduduk p tahun berikutnya dengan menggunakan Matriks Leslie adalah p  dengan A merupakan Matriks Leslie dan  adalah vector penduduk berisi prediksi jumlah penduduk pada kelas ke-(t+ p) sedangkan  adalah vektor populasi yang berisi jumlah penduduk pada kelas umur ke-t. Hasil prediksi pada jumlah penduduk perempuan kota Pontianak tahun 2019 diperoleh sebanyak 315.218 jiwa, sedangkan jumlah penduduk perempuan pada tahun 2017 berjumlah 314.775 jiwa. Hal ini menunjukkan  pertumbuhan  penduduk perempuan cenderung meningkat. Kata Kunci: Tingkat kesuburan, ketahanan hidup, prediksi
BILANGAN DOMINASI INVERS PADA GRAF ULAR SEGITIGA, ULAR SEGITIGA GANDA, ULAR SEGIEMPAT, ULAR SEGIEMPAT GANDA DAN GRAF PEMBANGUNNYA Fransiskus Fran, Anggun Fitria Febrianti, Mariatul Kiftiah,
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (839.403 KB) | DOI: 10.26418/bbimst.v8i4.36634

Abstract

Pada suatu graf , himpunan bagian  dari  merupakan himpunan dominasi jika simpul-simpul yang tidak berada di  bertetangga sedikitnya dengan satu simpul di . Kardinalitas minimum dari disebut bilangan dominasi . Terdapat beberapa topik mengenai bilangan dominasi diantaranya bilangan dominasi invers. Misalkan  merupakan himpunan dominasi dari graf  dengan kardinalitas minimum. Suatu himpunan  adalah himpunan dominasi invers jika  memuat suatu himpunan dominasi yang terkait dengan . Kardinalitas minimum dalam himpunan dominasi invers didefinisikan sebagai bilangan dominasi invers dari graf  yang dinotasikan dengan . Penelitian ini mengkaji tentang bilangan dominasi invers pada beberapa graf yaitu graf lintasan  dan graf cycle  dengan n simpul. Graf ular segitiga , graf ular segitiga ganda , graf ular segiempat  dan graf ular segiempat ganda  yang dibangun oleh graf lintasan dan cycle dengan  simpul. Berdasarkan penelitian diperoleh bahwa bilangan dominasi invers yaitu  untuk  dengan ,  untuk  lainnya, , ,   ,  dan . Kata kunci : bilangan dominasi invers, graf lintasan, graf cycle, graf ular

Page 5 of 66 | Total Record : 653


Filter by Year

2012 2023


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 Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) 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 Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 2 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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