Articles
162 Documents
<![CDATA[Kajian Matriks Bobot Lokasi Model Space Time Autoregresi (STAR) ]]>
<![CDATA[Emah Suryamah]]>;
<![CDATA[Budi Nurani Ruchjana]]>;
<![CDATA[Khafsah Joebaedi]]>
<![CDATA[ Jurnal Matematika Integratif Vol 9, No 2: Oktober, 2013 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1161.456 KB)
|
DOI: 10.24198/jmi.v9.n2.10188.119-130
<![CDATA[Model STAR (Space Time Autoregresi) merupakan pengembangan dari model deret waktu univariat AR (Autoregresi), menjadi model kombinasi lokasi dan waktu. Keterkaitan antar lokasi penelitian pada model STAR dinyatakan dengan matriks bobot W yang merupakan matriks bujur sangkar dengan entri-entri berupa bobot antara dua lokasi yang bersesuaian. Dalam makalah ini dibahas tiga macam matriksbobot untuk model STAR(1;1), yaitu: matriks bobot seragam, matriks bobot seperjarak kuadrat dan matriks bobot spasial, menentukan dan menggunakan matriks bobot tersebut pada data simulasi, membandingkan serta memilih mana yang lebih baik diantara ketiganya dengan kriteria jumlah kuadrat galat yang paling minimum. Taksiran model STAR(1;1) dengan tiga macam bobot menghasilkan jumlah kuadrat galat yang minimum untuk model dengan matriks bobot spasial. Hal ini berarti bahwa bobot spasial memberikan taksiran parameter model STAR(1,1) yang lebih baik dibandingkan penggunaan matriks bobot seragam dan seperjarak kuadrat.Kata kunci: Matriks bobot, model STAR, autoregresi ]]>
<![CDATA[Solusi Persamaan Diferensial Fraksional Non-Linear Menggunakan Telescoping Decomposition Method ]]>
<![CDATA[Anjang Risara Vilinea]]>;
<![CDATA[Endang Rusyaman]]>;
<![CDATA[Eddy Djauhari]]>
<![CDATA[ Jurnal Matematika Integratif Vol 15, No 2: Oktober, 2019 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (426.498 KB)
|
DOI: 10.24198/jmi.v15.n2.23376.139
<![CDATA[Perkembangan ilmu pengetahuan yang terjadi saat ini banyak memunculkan permasalahan dalam berbagai bidang ilmu. Salah satu ilmu yang memiliki peran penting dalam perkembangan ilmu pengetahuan ialah matematika. Beberapa bidang lain menggunakan model matematika dalam memecahkan permasalahan. Salah satu bentuk model matematika yang banyak dipakai ialah persamaan diferensial. Persamaan diferensial adalah persamaan yang melibatkan turunan atau diferensial dari suatu fungsi yang tidak diketahui. Pada umumnya persamaan diferensial menggunakan orde bilangan asli, namun orde pada persamaan diferensial dapat dibentuk menjadi orde pecahan yang disebut persamaan diferensial fraksional. Suatu persamaan diferensial fraksional dapat diselesaikan dan diperoleh solusinya. Ada beberapa metode yang dapat digunakan untuk menyelesaikan persamaan diferensial fraksional, salah satunya yaitu Telescoping Decomposition Method. Penulis akan menyelesaikan persamaan diferensial fraksional non-linear menggunakan metode tersebut. Selanjutnya, barisan orde dari persamaan diferensial fraksional non-linear dapat diamati kekonvergenannya ke suatu bilangan yang mengakibatkan barisan fungsi solusi dari persamaan diferensial fraksional non-linear akan konvergen ke fungsi solusi dengan orde bilangan itu sendiri dan akan dibandingkan hasilnya dengan Adomian Decomposition Method.]]>
<![CDATA[Beberapa Sifat Radikal Prima-R Kiri pada (R,S)-Modul ]]>
<![CDATA[Dian Ariesta Yuwaningsih]]>
<![CDATA[ Jurnal Matematika Integratif Vol 14, No 1: April, 2018 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (326.699 KB)
|
DOI: 10.24198/jmi.v14.n1.14631.1-7
<![CDATA[Diberikan ring R dan ring S sebarang, serta suatu (R,S)-modul M. Submodul P disebut submodul prima-R kiri jika untuk setiap ideal I dan J di R dengan $(IJ)MSS\subseteq P$ berakibat $IMS\subseteq P$ atau $JMS\subseteq P$. Jika M memiliki submodul prima-R kiri, maka radikal prima-R kiri dari M adalah irisan dari semua submodul prima-R kiri di M. Namun, jika M tidak memiliki submodul prima-R kiri, maka radikal prima-R kiri dari M adalah M sendiri. Pada tulisan ini akan disajikan beberapa sifat radikal prima-R kiri pada suatu (R,S)-modul.]]>
<![CDATA[Klasifikasi Objek Terdeformasi Berdasarkan Nilai Deviasi Menggunakan Metode Kontinuitas Kontur ]]>
<![CDATA[Setiawan Hadi]]>;
<![CDATA[Akmal Akmal]]>;
<![CDATA[Susi Herlina]]>
<![CDATA[ Jurnal Matematika Integratif Vol 10, No 2: Oktober, 2014 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (400.453 KB)
|
DOI: 10.24198/jmi.v10.n2.10254.117-126
<![CDATA[Pendeteksian berbagai bentuk objek merupakan topik ilmu visi komputer yang dapat dimanfaatkan sebagai dasar untuk aplikasi komputer cerdas. Proses, yang mudah dilakukan oleh manusia ini, dapat menjadi rumit apabila dilakukan oleh mesin (komputer) karena sifat diskrit dan alami dari objek dalam format citra dijital. Pada literatur dapat dijumpai banyak algoritma yang mendiskusikan proses identifikasi berbagai bentuk objek, tetapi algoritma-algoritma tersebut kurang efisien karena membutuhkan waktu pemrosesan yang tidak sedikit dan data harus memiliki tingkat resolusi yang tinggi. Pada makalah ini akan ditunjukkan sebuah pendekatan matematis untuk pengenalan bentuk objek yang sangat efisien dan cepat, khususnya untuk pendeteksian objek grafis yang terdeformasi. Pengembangan metode didasarkan pada sifat kontinuitas kontur dimana akan diukur penyimpangan atau deviasi dengan menggunakan sifat-sifat unik dari objek primitif yang bersangkutan. Pengujian telah dilakukan menggunakan 60 buah objek dan hasilnya menunjukkan bahwa metode yang dikembangkan mampu mendeteksi objek-objek geometris seperti lingkaran, elips, DES (Deformed Elliptic Shapes), persegi, dan garis dengan tingkat keakurasian sebesar 85%.Kata kunci: pengenalan objek, klasifikasi objek, metode kontinuitas kontur, pengolahan citra ]]>
<![CDATA[Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA (Studi kasus: Prediksi Prestasi Siswa SMAN 4 Ambon) ]]>
<![CDATA[Yopi A. Lesnussa]]>;
<![CDATA[S. Latuconsina]]>;
<![CDATA[E. R. Persulessy]]>
<![CDATA[ Jurnal Matematika Integratif Vol 11, No 2: Oktober, 2015 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (631.006 KB)
|
DOI: 10.24198/jmi.v11.n2.9427.149-160
<![CDATA[Mutu dan kualitas dari suatu institusi pendidikan salah satunya dilihat dari prestasi yang dicapai oleh lulusannya. Salah satu criteria penilaian untuk menilai prestasi lulusan pada tingkat sekolah dasar sampai pada sekolah menengah yaitu melalui NEM. Nilai pada NEM ini sering dijadikan ukuran untuk menilai para siswa yang akan masuk pada suatu jenjang pendidikan berikutnya. Selain itu, penerimaan siswa di suatu jenjang pendidikan juga disesuaikan dengan daya tampung dari sekolah dimaksud. Nilai NEM di jenjang SMP yang tinggi, ternyata tidak menjamin prestasi siswa di jenjang SMA. Sehingga penelitian ini bertujuan untuk memperoleh pola keluaran prediksi prestasi siswa SMA Negeri 4 Ambon yang berkorelasi antara NEM dan total Nilai siswa SMA kelas X (sepuluh) sesuai dengan data yang dilatihkan menggunakan aplikasi Jaringan Saraf Tiruan metode Backpropagation. Jaringan Saraf Tiruan ini menggunakan Arsitektur Multilayer Net yang meliputi 4 unit sel lapisan masukan, satu lapisan tersembunyi dengan jumlah unit sel yang ditentukan secara acak, dan satu lapisan keluaran berjumlah satu unit sel sebagai target. Data yang diambil berupa NEM siswa dan total nilai siswa semester pertama kelas X. Selanjutnya data dianalisis dengan menggunakan JST metode Backpropagation, dengan bantuan software MATLAB. Hasil penelitian ini menunjukkan bahwa korelasi antara NEM dan total nilai siswa semester 1 kelas X cukup baik dengan eror yang kecil. Untuk mempermudah perhitungan didesain suatu toolbox Matlab dengan menggunakan GUI Matlab.]]>
<![CDATA[Analisis Dinamik Model Pengguna Barang Impor dan Lokal dengan Pengaruh Kebijakan dan Peran Media ]]>
<![CDATA[Muhammad Audri Indraputra]]>;
<![CDATA[Sanubari Tansah Tresna]]>
<![CDATA[ Jurnal Matematika Integratif Vol 18, No 1: April 2022 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (320.114 KB)
|
DOI: 10.24198/jmi.v18.n1.36585.1-8
<![CDATA[Kebijakan impor barang memiliki kemungkinan untuk menjadi kompetitor produk lokal di pasar. Secara umum, masyarakat dapat memilih untuk menggunakan produk lokal maupun impor. Tidak jarang masyarakat lebih cenderung untuk menggunakan produk impor dengan pertimbangan merek dan variasi pilihan. Tentu saja persaingan tersebut berdampak terhadap daya serap produk lokal oleh masyarakat sehingga perlu dilakukan intervensi untuk menjaga masyarakat tetap menggunakan barang-barang lokal. Pada paper ini dibangun model matematika deterministik untuk menginterpretasikan keadaan pengguna barang impor dan lokal dengan mempertimbangkan banyaknya produk impor dan lokal di pasar serta pengaruh peran media sebagai upaya edukasi dan persuasi masyarakat. Teori sistem dinamik digunakan untuk melakukan analisis pada model yang sudah dibangun. Ditentukan rasio reproduksi dasar untuk mengetahui daya serap produk impor oleh masyarakat. Kemudian, dilakukan simulasi numerik untuk memperoleh prediksi dinamika pengguna barang-barang impor dan lokal dengan mempertimbangkan pelaksanaan intervensi.]]>
<![CDATA[Implementasi Cell ID dan GPS dalam Pencarian Lokasi Fasilitas Kesehatan Terdekat ]]>
<![CDATA[Fahmi Candra Permana]]>;
<![CDATA[Diah Chaerani]]>;
<![CDATA[Erick Paulus]]>
<![CDATA[ Jurnal Matematika Integratif Vol 13, No 1: April, 2017 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1137.587 KB)
|
DOI: 10.24198/jmi.v13.n1.11675.55-66
<![CDATA[Cell ID dan GPS merupakan layanan berbasis lokasi dan teknologi yang banyak membantu manusia dalam hal navigasi dan penemuan tempat-tempat yang bermanfaat di sekitarnya. Salah satu komponen utama dari teknologi ini dapat diterapkan pada telepon seluler. Dalam penelitian ini, dirancang sebuah aplikasi dengan memanfaatkan teknologi berdasar implementasi dari Cell ID dan GPS untuk mengetahui posisi user dan lokasi fasilitas kesehatan terdekat di sekitar user dan penggunaan JSON sebagai sarana untuk menyimpan database pada web. Aplikasi ini diimplementasikan pada telepon seluler dengan sistem operasi Android. Hasil dari penelitian ini menunjukkan bahwa Cell ID dan GPS dapat diimplementasikan dengan baik dengan memanfaatkan akses Internet dan Google Maps untuk mencari fasilitas kesehatan terdekat dan menggambarkan daerah sekitar user.]]>
<![CDATA[Pengklasteran K-Means Database Citra Untuk Meningkatkan Akurasi Pencarian Query CBIR Menggunakan Intensitas Warna ]]>
<![CDATA[Juli Rejito]]>
<![CDATA[ Jurnal Matematika Integratif Vol 9, No 1: April, 2013 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (842.361 KB)
|
DOI: 10.24198/jmi.v9.n1.10200.91-108
<![CDATA[Meningkatnya jumlah gambar digital yang tersimpan dalam media penyimpanan database dan kemampuan komputer untuk menyediakan kebutuhan informasi pengguna dengan cepat telah menjadi kebutuhan penting saat ini. Efisiensi pencarian citra dalam database berukuran besar menggunakan sistem CBIR (Content Based Image Retrieval) telah menjadi kebutuhan. Makalah ini bertujuan untuk mendapatkan solusi peningkatan akurasi query CBIR pada database WANG sebanyak 1.000 record database citra yang memiliki resolusi 256 x 384 piksel dan 384 x 256 piksel. Solusi yang diusulkan berupa model arsitektur sistem yang mengintegrasikan optimasi query dan pengklasteran partisi dengan harapan bahwa model ini akan meningkatkan tingkat akurasi pencarian dan efisiensi waktu hasil pencarian. Pembentukan klaster didasarkanpada nilai PSNR minimum dan maksimum yang dihasilkan dari perbandingan antara ekstraksi fitur warna record database citra dan citra dasar, yang ditunjukkan dalam pembentukan 2, 4 ,8 ,16, dan 32 cluster sebagai indeks cluster sekaligus difungsikan sebagai penyaring. Hasil implementasi model inimenunjukkan bahwa akurasi nilai F -Score untuk query CBIR non klastermeningkat ketika diterapkan query CBIR menggunakan 5 klastermenggunakan ekstraksi fitur intensitas warna yang ditunjukkan oleh nilai F-Score dari 0,14 menjadi 0,17.Kata kunci : CBIR, Pengklasteran, PSNR, WANG Database, Intensitas Warna, F-Score]]>
<![CDATA[Forecasting the Indonesian Coffee Production and Consumption Using the Modified Golden Section Search to Estimate the Smoothing Parameters ]]>
<![CDATA[Triesha Syifahati]]>;
<![CDATA[Anita Triska]]>;
<![CDATA[Julita Nahar]]>
<![CDATA[ Jurnal Matematika Integratif Vol 19, No 1: April 2023 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (427.831 KB)
|
DOI: 10.24198/jmi.v19.n1.44573.41-54
<![CDATA[The Double Exponential Smoothing (DES) and Triple Exponential Smoothing (TES) are forecasting methods that require two and three smoothing parameters, respectively. Smoothing parameters are often determined through a trial and error process that is not really efficient since many experiments need to be done. Therefore, in this study, a smoothing parameter estimation algorithm is conducted in the form of the modified Golden Section Search (GSS) to obtain the optimal smoothing parameters from the DES and TES methods. Forecasting is carried out on production, domestic consumption, and export consumption data of Indonesian coffee, which is one of the leading agricultural sub-sector commodities. The data is obtained from the Ministry of Agriculture of the Republic of Indonesia. The smoothing parameters obtained by applying the modified GSS are used to forecast production and domestic consumption data using the DES method, while the forecasting of the export consumption data is done with the TES method. All of the MAPE values are less than 20% which indicates that the smoothing parameters obtained by using the modified GSS are able to perform good forecasting. The results show that coffee production in Indonesia cannot meet its demand until 2024 since the total coffee consumption exceeds the production.]]>
<![CDATA[Algoritma Solusi Polinom dengan Teorema Enestrom-Kakeya Menggunakan Metode Bairstow dan Metode Müller ]]>
<![CDATA[Elis Ratna Wulan]]>;
<![CDATA[Wila Tresna Dewi]]>
<![CDATA[ Jurnal Matematika Integratif Vol 11, No 1: April, 2015 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (660.271 KB)
|
DOI: 10.24198/jmi.v11.n1.9394.35-44
<![CDATA[Metode Numerik adalah teknik untuk menyelesaikan permasalahan-permasalahan yang diformulasi-kan secara matematis dengan cara operasi hitungan/aritmatika biasa (tambah, kurang, bagi, dan kali). Salah satu kajian dalam metode numerik yaitu mencari nilai pembuat nol. Berdasarkan latar belakang tersebut penelitian ini dilakukan dengan tujuan untuk mencari nilai pembuat nol pada persamaan polinomial dengan menggunakan metode Bairstow dan metode Müller. Polinomial adalah suatu bentuk ekspresi matematika berderajat yang ditulis Polinomial telah diketahui sejak zaman Sumeria, dan telah mempengaruhi perkembangan matematika sampai sekarang. Dalam paper ini, peneliti menggunakan salah satu teorema yaitu teorema Enestrom-Kakeya. Adapun teorema Enestrom-Kakeya menjelaskan bahwa untuk polinomial orde n, memiliki semua pembuat nol di disk , dengan asumsi . Dapat dianalisis bahwa dengan menggunakan metode Bairstow dapat mencari semua nilai pembuat nol hingga berderajat ke n. Sedangkan dengan menggunakan metode Müller hanya dapat mencari satu nilai pembuat nol.]]>
