cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rudianto Artiono
Contact Email
rudiantoartiono@unesa.ac.id
Phone
+6281554785969
Journal Mail Official
mathunesa@unesa.ac.id
Editorial Address
The Department of Mathematics, The first floor of C-8 Building, Faculty of Mathematics and Natural Sciences, Universitas Negeri Surabaya Jl. Ketintang, Surabaya 60231, East Java, Indonesia
Location
Kota surabaya,
Jawa timur
INDONESIA
MATHunesa: Jurnal Ilmiah Matematika
Published by Universitas Negeri Surabaya
ISSN : 23019115     EISSN : 2716506X     DOI : https://doi.org/10.26740/mathunesa
Core Subject : Education,
Mathematics
MATHunesa is a mathematical scientific journal published by the Department of Mathematics, Faculty of Mathematics and Natural Sciences, The State University of Surabaya with e-ISSN 2716-506X and p-ISSN 2301-9115. This journal is published every four months in April, August, and December. One volume consists of three publication numbers. MATHunesa aims at providing a platform and encourages emerging scholars and academicians globally to share their professional and academic experiences to explore, but not limited to the following topics: 1. Analysis Mathematics, 2. Algebra, 3. Applied Mathematics, 4. Statistics, 5. Computation, 6. Combinatorics, and 7. Also giving an opportunity to show the power of innovation and finding new things in the field of mathematics. This journal was published online for the first time in 2013 as part of the graduation for students majoring in Mathematics at the State University of Surabaya.
Arjuna Subject : Matematika - Matematika (Lain-Lain)
Articles 10 Documents
 1 
Search results for , issue "Vol 5 No 2 (2017)" : 10 Documents clear
GRAF TOTAL SUATU MODUL BERDASARKAN SUBMODUL SINGULER DIAN AMBARSARI
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

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

Abstract

Graf total suatu modul adalah graf tak berarah dengan semua elemen di modul ???? sebagai titik, dan dimisalkan????, ???? ∈ ???? dua titik yang berbeda dikatakan berhubungan langsung jika dan hanya jika ???? + ???? ∈ ????(????). Graf total????(????(????)) suatu modul ???? berdasarkan submodul singuler ????(????) diperkenalkan oleh J. Goswami, K.K Rajkhowa danH.K. Saikia. ????(????) disebut submodul singuler ???? apabila ????(????) = {???? ∈ ????|???????? = 0, untuk suatu ???? ideal esensial ????}dengan ???? ring komutatif dan ???? modul-????. Hasil penelitian ini menjelaskan tentang karakteristik dari graf total suatumodul berdasarkan submodul singuler.Kata Kunci : Graf total, modul, submodul singuler, ring komutatif, berhubungan langsung.
GRAF TOTAL SUATU MODUL BERDASARKAN SUBMODUL SINGULER DIAN AMBARSARI
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (756.708 KB)

Abstract

Graf total suatu modul adalah graf tak berarah dengan semua elemen di modul ???? sebagai titik, dan dimisalkan????, ???? ∈ ???? dua titik yang berbeda dikatakan berhubungan langsung jika dan hanya jika ???? + ???? ∈ ????(????). Graf total????(????(????)) suatu modul ???? berdasarkan submodul singuler ????(????) diperkenalkan oleh J. Goswami, K.K Rajkhowa danH.K. Saikia. ????(????) disebut submodul singuler ???? apabila ????(????) = {???? ∈ ????|???????? = 0, untuk suatu ???? ideal esensial ????}dengan ???? ring komutatif dan ???? modul-????. Hasil penelitian ini menjelaskan tentang karakteristik dari graf total suatumodul berdasarkan submodul singuler.Kata Kunci : Graf total, modul, submodul singuler, ring komutatif, berhubungan langsung.
RGD – ALJABAR DIKA ANGGUN NANDANINGRUM
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

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

Abstract

RGD – aljabar merupakan perluasan dari RG – aljabar yang diperkenalkan pertama kali pada tahun 2014oleh R. A. K. Omar. RGD − aljabar adalah suatu himpunan tak kosong ???? yang memuat konstanta 0 ∈ ????,dengan operasi ∗ sehingga untuk setiap ????, ????, ???? ∈ ???? yang memenuhi aksioma-aksioma yang disebutkansebagai berikut ???? ∗ ???? = (???? ∗ ????) ∗ (???? ∗ ????), (???? ∗ ????) ∗ ???? = (???? ∗ ????) ∗ ????, ???? ∗ 0 = ????, ???? ∗ ???? = 0, ???? ∗ ???? = 0dan ???? ∗ ???? = 0 mengakibatkan ???? = ???? . Penelitian ini bertujuan untuk menjelaskan konsep RGD – aljabardan sifat-sifatnya. Hasil penelitian diperoleh konsep RGD – aljabar dan sifat-sifatnya serta telah dibahashubungan RGD – aljabar dengan grup abelian, ideal di RGD – aljabar, elemen khusus di RGD – aljabar danketerkaitan dengan beberapa kelas aljabar lain yang diperkenalkan lebih dulu.Kata Kunci: RG – aljabar, RGD – aljabar, medial, ideal.
RGD – ALJABAR DIKA ANGGUN NANDANINGRUM
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (744.188 KB)

Abstract

RGD – aljabar merupakan perluasan dari RG – aljabar yang diperkenalkan pertama kali pada tahun 2014oleh R. A. K. Omar. RGD − aljabar adalah suatu himpunan tak kosong ???? yang memuat konstanta 0 ∈ ????,dengan operasi ∗ sehingga untuk setiap ????, ????, ???? ∈ ???? yang memenuhi aksioma-aksioma yang disebutkansebagai berikut ???? ∗ ???? = (???? ∗ ????) ∗ (???? ∗ ????), (???? ∗ ????) ∗ ???? = (???? ∗ ????) ∗ ????, ???? ∗ 0 = ????, ???? ∗ ???? = 0, ???? ∗ ???? = 0dan ???? ∗ ???? = 0 mengakibatkan ???? = ???? . Penelitian ini bertujuan untuk menjelaskan konsep RGD – aljabardan sifat-sifatnya. Hasil penelitian diperoleh konsep RGD – aljabar dan sifat-sifatnya serta telah dibahashubungan RGD – aljabar dengan grup abelian, ideal di RGD – aljabar, elemen khusus di RGD – aljabar danketerkaitan dengan beberapa kelas aljabar lain yang diperkenalkan lebih dulu.Kata Kunci: RG – aljabar, RGD – aljabar, medial, ideal.
SEGMENTASI CITRA MAGNETIC RESONANCE IMAGING (MRI) MENGGUNAKAN FUZZY CMEANS(FCM) ERVA ANI DWI K
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (708.993 KB)

Abstract

Pada dunia medis segmentasi citra merupakan hal yang penting, karena proses segmentasi yang dilakukandalam sebuah citra harus sesuai dan tepat agar informasi yang ada di dalam citra dapat diterjemahkandengan baik. Salah satu contoh aplikasi segmentasi citra di dunia medis adalah Magnetic ResonanceImaging (MRI). Ada beberapa metode yang digunakan dalam segmentasi citra MRI diantaranya regiongrowing, thresholding, clustering dan lainnya, namun yang sering digunakan adalah metode clustering.Metode clustering merupakan metode yang baik dalam melakukan segmentasi citra. Metode dalamsegmentasi yang berbasis clustering salah satunya adalah Fuzzy C-Means (FCM). FCM merupakanpengembangan metode K-Means yang diimprovisasi dengan menerapkan derajat keanggotaan, dimanabeberapa cluster dapat memiliki satu piksel citra yang sama. Dalam menentukan keanggotaan dari cluster,clustering ini adalah komputasi yang lebih tepat. Skripsi ini membahas tentang segmentasi citra MRI otakmenggunakan FCM. Dataset yang digunakan dalam dalam penelitian skripsi ini diambil dari Brainwebyang disediakan oleh McConnell Brain imaging Centre of the Montreal Neurological Institute, McGillUniversity. Data tersebut disegmentasi menjadi tiga bagian, yaitu Grey Metter (GM), White Metter (WM),dan Cerebrospinal Fluid (CSF). Hasil segmentasi citra MRI otak menggunakan FCM memiliki nilaiakurasi yang baik yaitu pada CSF sebesar 0,90, GM sebesar 0,91 dan WM sebesar 0,94.Kata Kunci: Magnetic Resonance Imaging (MRI), Segmentasi citra, Citra Otak, Fuzzy C-Means (FCM).
ANALISIS SISTEM ANTRIAN PADA LOADING DOCK BONGKAR BARANG DI PTKAMADJAJA LOGISTICS GUDANG K-66 CONTRACT LOGISTICS NESTLE FURQON ILHAMSYAH
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (722.222 KB)

Abstract

Dalam era globalisasi permintaan akan kebutuhan barang dan jasa sangatlah tinggi. Peningkatan tersebuttentu akan menyebabkan permasalahan pada sistem pelayanan. Tingginya permintaan yang melebihi barangkapasitas pelayanan maka akan menyebabkan suatu antrian. Suatu proses antrian (queuing process) adalahsuatu proses yang berhubungan dengan kedatangan seseorang pelanggan pada suatu fasilitas pelayanan,kemudian menunggu dalam suatu baris (antrian) jika semua pelayannya sibuk, dan akhirnya meninggalkanfasilitas tersebut setelah dilayani.Objek penelitian dari penelitian skripsi ini adalah antrian truk pada loading dock bongkar barang di PT.Kamadjaja Logistics gudang K-66 Contract Logistics Nestle. Data diambil pada rentang waktu 1 Juli 2013sampai dengan 13 Juli 2013 pada semua shift. Data yang didapat akan dilakukan pengujian distribusi denganbantuan menggunakan software SPSS 20. Terjadinya antrian truk pada loading dock bongkar barang dapatdianalisis dengan menggunakan metode sistem antrian. Dengan menggunakan metode sistem antrian kita bisamengambil suatu kesimpulan apakah sistem antrian pada loading dock sudah optimal atau belum danmendapatkan jumlah server yang optimal. Dari hasil penelitian ini, didapat jumlah server yang optimal adalahdengan meningkatkan jumlah server dari yang sebelumnya memakai 2 server menjadi 3 server.Kata Kunci : Sistem Antrian, SPSS 20, Server
ANALISIS POSISI PRODUK MIE INSTAN DENGAN METODE MULTIDIMENSIONAL SCALING ( MDS )PADA MAHASISWA FMIPA UNIVERSITAS NEGERI SURABAYA HIDAYATUL ULA
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (820.972 KB)

Abstract

Saat ini Indonesia adalah salah satu produsen mie instan terbesar di dunia oleh karena itu banyak perusahaan yangbersaing untuk mendapatkan kosumen, tentunya perusahaan harus menawarkan sesuatu yang berbeda oleh karena ituteori dan metode yang bisa di gunakan salah satunya adalah metode Multidimensional Scaling. Penelitian ini bertujuanuntuk menganalisis posisi produk mie instan yang meliputi Mie SEDAAP, Mie Indomie, mie Sarimi, Mie supermi, danMie ABC menggunakan metode Multidimensional Scaling pada mahasiswa FMIPA Universitas Negeri Surabaya. Padapenelitian ini data diperoleh dari penyebaran kuisioner, kuisioner telah di uji valid dengan nilai r masing-masing butirinstrumen lebih dari 0,5 dan reliable dengan nilai alpha di atas 0,6. Hasil penelitian menunjukkan Mie ABC memilikipesaing terdekat yaitu Mie Supermi. Supermie memiliki pesaing terdekat yaitu Mie Sarimi. Mie Indomie memilikipesaing terdekat yaitu Mie SEDAAP.Kata Kunci : Mie instan. Multidimensional Scaling
KLASIFIKASI KELOMPOK UMUR MANUSIA BERDASARKAN ANALISIS DIMENSIFRAKTAL BOX COUNTING DARI CITRA WAJAH DENGAN DETEKSI TEPI CANNY Muchammad Al Amin
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (950.866 KB)

Abstract

Klasifikasi kelompok umur manusia dalam penelitian ini dibagi menjadi empat kelompok yaitu kanak-kanak (5-11 tahun), remaja (12-25 tahun), dewasa (26-45 tahun), dan lansia (46-65 tahun). Klasifikasi kelompok umur manusiadapat didasarkan pada intensitas kerutan yang nampak pada citra wajah. Metode yang dapat digunakan untukmenganalisis intensitas kerutan tersebut salah satunya yaitu dimensi fraktal box counting. Untuk mendapatkanpenampakan kerutan wajah yang lebih jelas pada citra wajah dapat digunakan deteksi tepi Canny dan beberapapengolahan citra yang lain seperti konversi warna citra.Dalam penelitian ini digunakan data 60 citra wajah individu yang diambil secara langsung dari warga desaNgingas, Kecamatan Waru, Kabupaten Sidoarjo. Data tersebut terdiri dari empat kelompok sesuai dengan kelompokumur di depan dan masing-masing kelompok terdiri dari 15 citra. Data citra tersebut diolah menjadi citra grayscale yangkemudian dilakukan deteksi tepi Canny. Setelah didapat citra tepi wajah kemudian dilakukan penghitungan dimensifraktal box counting. Nilai dimensi fraktal digunakan untuk klasifikasi. Data citra dibagi secara acak menggunakanmetode k-fold cross validation (k=5) menjadi 5 partisi dan dilakukan 5 kali iterasi. Kemudian dilakukan klasifikasi daritiap data citra menggunakan metode ???????????? (????-Nearest Neighbor) dengan percobaan nilai ????=1, 2, 3, …, dan 12. Didapatnilai akurasi paling optimal yaitu 98,33% ketika nilai ????=2.Kata Kunci : citra wajah, kelompok umur, deteksi tepi Canny, dimensi fraktal box counting.
SEGMENTASI CITRA LiDAR MENGGUNAKAN ALGORITMA K-MEANS NOVITA ANDINA FITRIANI
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (660.006 KB)

Abstract

Segmentasi citra LiDAR masih menjadi pembahasan yang menarik hingga saat ini. Skripsi ini membahassegmentasi LiDAR menggunakan algoritma K-Means. Terdapat dua dataset yang digunakan dalam penelitian skripsiini. Dataset diambil dari Geographic Information System (GIS) yaitu Open Topography dan dipetakan denganmenggunakan aplikasi Google Earth. Citra pertama yaitu EarthScope Northern California LiDAR Imagery, merupakancitra pada bagian utara California. Sedangkan citra yang kedua merupakan citra pada area Ketintang. Citra tersebutdisegmentasi menjadi 3 bagian yaitu daratan (jalan), vegetasi dan pemukiman. Setelah proses segmentasi selesai,selanjutnya dilakukan teknik masking untuk memberikan pewarnaan pada bagian yang telah tersegmentasi. Hasil dariproses segmentasi pada data pertama yaitu warna merah yang menunjukkan daratan (jalan), warna hijau menunjukkanvegetasi, dan warna biru menunjukkan pemukiman. Sedangkan untuk hasil dari proses segmentasi pada data keduayaitu warna merah yang menunjukkan pemukiman, warna hijau menunjukkan vegetasi, dan warna biru menunjukkandaratan (jalan).Kata Kunci : Segmentasi citra , LiDAR, K-Means, Geographic Information System (GIS), Matlab R2009a.
IDEAL ANTI FUZZY PADA ALJABAR_CI SITI NUR LAILI
MATHunesa: Jurnal Ilmiah Matematika Vol 5 No 2 (2017)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (848.991 KB)

Abstract

Struktur aljabar merupakan himpunan yang tak kosong dengan satu atau lebih operasi dan memenuhiaksioma– aksioma yang berlaku. Pulak Sabhanpandit dan Biman Ch.Chetia memperkenalkan ideal antifuzzy dalam aljabar-CI. Aljabar-CI merupakan suatu himpunan tak kosong ????, elemen khusus 1 dan operasibiner ∗ memenuhi aksioma : (i) ???? ∗ ???? = 1, (ii)1 ∗ ???? = ????, (iii) ???? ∗ (???? ∗ ????) = ???? ∗ (???? ∗ ????), untuk semua????, ????, ???? ∈ ????. Misal ???? himpunan fuzzy pada aljabar-CI, ???? disebut ideal anti fuzzy jika untuk setiap ????, ????, ???? ∈???? memenuhi ????????(???? ∗ ????) ≤ ????????(????) dan (???????? ((???? ∗ (???? ∗ ????)) ∗ ????)) ≤ max{????????(????), ????????(????)}. Hasil penelitianmenjelaskan konsep dan struktur yang terkait dari ideal anti fuzzy pada aljabar-CI.Kata Kunci: Aljabar-CI, ideal anti fuzzy, homomorfisme, hasil kali kartesius

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2017 2017


Reset
Filter By Issues
All Issue Vol 11 No 03 (2023): Article in Press Vol 11 No 2 (2023) Vol 11 No 1 (2023) Vol 10 No 3 (2022) Vol 10 No 2 (2022) Vol 10 No 1 (2022) Vol 9 No 3 (2021) Vol 9 No 2 (2021) Vol 9 No 1 (2021) Vol 8 No 3 (2020) Vol 8 No 2 (2020) Vol 8 No 1 (2020) Vol 7 No 3 (2019) Vol 7 No 2 (2019) Vol 7 No 1 (2019) Vol 6 No 3 (2018) Vol 6 No 2 (2018) Vol 6 No 1 (2018) Vol 5 No 3 (2017) Vol 5 No 2 (2017) Vol 5 No 1 (2017) Vol 3 No 3 (2014) Vol 3 No 2 (2014) Vol 3 No 1 (2014) Vol 1 No 5 (2013) Vol 1 No 4 (2013) Vol 1 No 3 (2013) Vol 1 No 2 (2013) Vol 1 No 1 (2013) More Issue