cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
EurekaMatika (Jurnal Online Matematika S1)
ISSN : -     EISSN : -     DOI : -
Core Subject : Education,
Arjuna Subject : -
Articles 47 Documents
APLIKASI MODEL ANTRIAN MULTISERVER DENGAN VACATION PADA SISTEM ANTRIAN DI BANK BCA CABANG UJUNG BERUNG zabeth, Ely; Suherman, Maman; Marwati, Rini
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK  Antrian merupakan kegiatan yang sering dijumpai dalam kehidupan sehari-hari. Pelaku utama dalam antrian adalah customer yang membutuhkan pelayanan serta server yang memberikan pelayanan. Sistem antrian dengan laju kedatangan dan pelayanan yang berdistribusi Poisson dan waktu pelayanan yang berdistribusi Eksponensial dilambangkan dengan M/M/c, dimana c adalah banyaknya server. Vacation pada sistem antrian adalah waktu tunda server melayani customer dalam waktu tertentu saat jam operasional. Sistem antrian dengan laju kedatangan dan laju pelayanan yang berdistribusi Poisson serta waktu pelayanan dan waktu vacation yang berdistribusi Eksponensial dimana server yang ada lebih dari satu dan server tidak secara serentak melakukan vacation disebut dengan Asynchronous Multiple Vacation Model (M/M/c (AS, MV)). Berdasarkan studi kasus yang dilakukan di Bank BCA Cabang Ujung Berung dimana pengamatan dipusatkan pada antrian untuk transaksi tunai di atas 10 juta rupiah, dengan banyaknya server sebanyak 3 orang maka model antriannya menjadi (M/M/3 (AS, SV)) dan diperoleh laju kedatangan (λ) 24 orang per jam dan laju pelayanan () 13 orang per jam serta Ekspektasi banyaknya customer dalam antrian ( 4 orang dan Ekspektasi waktu menunggu customer dalam sistem ( 10 menit.Kata kunci: Antrian, Customer, Multiserver, Vacation ABSTRACT  Queuing is the most likely happensin daily life. Those who queue are customers who need service and server that gives service. Queuing system due to arrival and service rate which distribute in Poisson and service time which distributes in Exponensial are symbolized M/M/c, in which c is the quantity of server. Vacation on queuing system is the duration which server delays to serve the customers at a certain time during operational hour. Queuing system due to arrival and service rate which distribute in Poisson along with service and vacation time which distributes in Exponensial which has more than one server and it doesn’t do vacation at the same time is called Asynchronous Multiple Vacation Model (M/M/c (AS, MV)). Based on study which is done in BCA Ujung Berung, we focus on queuing for cash transaction of 10 million rupiahs above, whereas there are three servers and we pay attention to the vacation queuing model which becomes (M/M/3 (AS, MV)) and results arrival rate ( 24 people per hour and service rate ( 13 people per hour and expectation on the quantity of customer in the queue () 4 people and expectation of customer’s queuing time ()10 minutes.Key words: Queuing, Customer, Multiserver, Vacation
APLIKASI ALGORITMA ANT DISPERSION ROUTING (ADR) UNTUK PENYELESAIAN MASALAH PENYEBARAN RUTE LALU LINTAS SEBAGAI UPAYA UNTUK MENGURANGI KEMACETAN Malihah, Lia; Marwati, Rini; Agustina, Fitriani
Jurnal EurekaMatika Vol 2, No 1 (2014): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

Salah satu metode optimasi yang berhubungan dengan optimasi perutean lalu lintas untuk mencapai keseimbangan jaringan lalu lintas adalah optimasi koloni semut (Ant Colony Optimization – ACO). Suatu metode optimasi yang menggunakan metode dasar ACO dengan kombinasi model prediksi lalu lintas dikenal dengan algoritma penyebaran rute semut (Ant Dispersion Routing – ADR), objek dari algoritma ini adalah penyebaran rute lalu lintas untuk mencapai keseimbangan jaringan lalu lintas. Kebanyakan algoritma perutean hanya mengejar keseimbangan pengguna (User Equilibrium – UE) dan tidak mempertimbangkan dampak dari tindakan pengguna terhadap jaringan lalu lintas sementara algoritma ADR yang merupakan perluasan dari algoritma ACO dikembangkan untuk mencapai keseimbangan pengguna (UE) dan keseimbangan sistem (System Optimum – SO). Secara umum algoritma ADR terbagi menjadi dua langkah utama yang terpisah yaitu pemangkasan jaringan dan optimasi arus. Hasil yang diperoleh dari algoritma ADR merupakan rekomendasi rute optimal dimana ADR akan mendistribusikan lalu lintas menuju beberapa rute optimal sehingga dapat mengurangi kemacetan.Kata Kunci : Ant Colony Optimization (ACO), Ant Dispersion Routing (ADR), keseimbangan jaringan lalu lintas, penyebaran rute lalu lintas, rute optimal
PENERAPAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) UNTUK MENENTUKAN FAKTOR YANG MEMPENGARUHI MASA STUDI MAHASISWA FPMIPA UPI Annur, Mardiah; Dahlan, Jarnawi Afgani; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK  Keterlambatan lulus dari program S1 menjadi salah satu permasalahan yang terjadi pada mahasiswa di sebagian besar perguruan tinggi, salah satunya terjadi di FPMIPA UPI. Salah satu upaya yang dapat dilakukan sebagai usaha meminimalisir banyaknya mahasiswa yang lulus terlambat adalah dengan cara menganalisis faktor yang mempengaruhi lama masa studi mahasiswa FPMIPA UPI.Multivariate Adaptive Regression Spline (MARS), suatu kombinasi antara Recursive Partitioning Regression (RPR) dan metode Spline, mampu mengolah data berdimensi tinggi dan berukuran besar, serta mampu mengolah data dengan variabel respon berbentuk kontinu ataupun biner, sesuai dengan permasalahan klasifikasi alumni FPMIPA UPI. MARS akan membangun suatu model terbaik sebagai model klasifikasi yang melibatkan beberapa fungsi basis yang memuat variabel prediktor yang berpengaruh.Berdasarkan analisis klasifikasi yang dilakukan diperoleh kesimpulan bahwa variabel prediktor yang paling berpengaruh terhadap masa studi mahasiswa FPMIPA UPI adalah jalur masuk. Sementara variabel prediktor yang berpengaruh lainnya yaitu IP semester pertama, jenis kelamin, dan program studi.Kata kunci : Masa Studi, MARS
REFLEKSIVITAS PADA RUANG ORLICZ DENGAN KEKONVERGENAN RATA-RATA Utari, Mila Apriliani; Sumiaty, Encum; Muchtar, Sumanang
Jurnal EurekaMatika Vol 2, No 1 (2014): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK: Ruang Orlicz  merupakan perluasan dari ruang terintegral Lebesgue  yang diperkenalkan oleh Z.W. Rirnbaun dan W. Orlicz pada sekitar tahun 1931. Terdapat beberapa sifat dari  yang berlaku pada ruang Orlicz dengan syarat fungsi Young  yang berlaku pada ruang Orlicz memenuhi kondisi . Pada tulisan ini dibahas mengenai refleksivitas pada ruang Orlicz dengan memanfaatkan kondisi  pada  yang mengimplikasikan kekonvergenan rata-rata dan kepadatan pada .Kata kunci: Ruang Orlicz, Refleksivitas, Konvergen Rata-Rata, Kondisi ABSTRACT: Introduced by Z. W. Rimbaun and W. Orlicz around 1931, Orlicz spaces  is an extension of Lebesgue spaces . There are some properties of  which applicable on Orlicz spaces with condition that Young function  in Orlicz spaces satisfies -condition. In this paper, we study the reflectivity of Orlicz spaces using -condition on  which implies mean convergence and density on .Keyword: Orlicz Spaces, Reflectivity, Mean Convergence, -condition.
MODEL REGRESI DATA PANEL BERGANDA (Contoh Kasus: Data Hubungan Valuasi (Cum Dividen Price (CDP)) yang diduga dipengaruhi oleh Laba (earnings per share (EPS)) dan Nilai Buku Ekuitas (Book Value (BV)) pada Tahun 1991-2000) Kurniawan, Asep Egi; Herrhyanto, Nar; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK  Metode regresi data panel merupakan salah satu metode regresi yang mengikutsertakan pengaruh waktu kedalam model. Model yang diperoleh melalui metode regresi data panel adalah model regresi data panel. Model regresi data panel beranekaragam dan dapat ditaksir melalui dua pendekatan, yakni pendekatan fixed effect dan pendekatan random effect. Model yang dihasilkan dengan pendekatan fixed effect disebut Fixed Effect Model (FEM), sedangkan model yang dihasilkan dengan pendekatan random effect disebut Random Effect Model (REM). Jika kedua pendekatan signifikan, maka pengujian hipotesis yang digunakan untuk memilih model terbaik antara pendekatan fixed effect dan random effect adalah dengan menggunakan uji Hausman. Jika, pada model data panel terdapat variabel prediktor lebih dari satu dan satu variabel respon, maka model regresi data panel tersebut merupakan model regresi data panel dengan bentuk linear berganda. Sehingga, model yang dihasilkan menjadi model regresi data panel berganda.Kata kunci: Data Panel, Pendekatan Fixed Effect, Pendekatan Random Effect, Uji Hausman.ABSTRACT  Panel data regression method is one method of regression that includes the influence of time into the model. The model obtained through the method of panel data regression is panel data regression model. Panel data regression models are diverse and can be assessed through two approaches, namely the approach of fixed effect and random effect approach. The resulting model with fixed effect approach is called Fixed Effect Model (FEM), while the resulting models with random effects approach is called Random Effects Model (REM). If both approaches significantly, then the hypothesis testing is used to select the best model among the approaches fixed effect and random effect is to use the Hausman test. If, on the model of panel data there are more than one predictor variables and the response variable, then the panel data regression model is a panel data regression model with linear forms. Thus, the resulting model into multiple panel data regression model.Keywords: Panel Data, Fixed Effect Approach, Random Effect Approach, Hausman Test.
ANALIS EFISIENSI PELAYANAN RUMAH SAKIT UMUM PEMERINTAH KABUPATEN/KOTA DI JAWA BARAT MENGGUNAKAN METODE PCA-DEA ANALYSIS EFFICIENCY OF PUBLIC HOSPITALS IN WEST JAVA: AN APPROACH TO PRINCIPAL COMPONENT ANALYSIS WITH DATA ENVELOPMENT ANALYSIS Herrhyanto, Nar; Hardiyana, Indra; Rachmatin, Dewi
Jurnal EurekaMatika Vol 2, No 1 (2014): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAKAnalisis efisiensi merupakan salah satu metode yang digunakan untuk menghitung kinerja Decisions Making Unit (DMU). Analisis efisiensi sendiri secara sederhana merupakan perbandingan antara output dan input suatu DMU. Bidang pelayanan kesehatan mempunyai peran dalam suksesnya pembangunan nasional yang perlu dinilai kinerjanya, oleh karena itu pada penelitian kali ini akan dikaji perhitungan efisiensi 21 rumah sakit umum kelas B milik pemerintahkabupaten/kota yang ada di Jawa Barat dengan menggunakan metode Principal Component Analysis-Data Envelopment Analysis (PCA-DEA) untuk menilai kinerja rumah sakit sebagai pelayan kesehatan masyarakat. Penelitian ini akan menggunakan PCA untuk menentukan komponen utama pada 5 variabel output dan 2 variabel input dan menggunakan hasil komponen utama PCA sebagai variabel output dan input yang baru untuk menghitung DEA, diperoleh 3 komponen utama input dan 1 komponen utama output. Dari 21 rumah sakit hanya terdapat 5 rumah sakit yang efisien berdasarkan metode PCA-CCR dan 6 rumah sakit yang efisien berdasarkan PCA-BCC, dari proyeksi perbaikan penilain yang dilakukan perbaikan rumah sakit umum yang tidak efisien mengalami pengurangan yang sangat progresif rata-rata 49% menurut model PCA-CCR, sedangkan pada model PCA-BCC rata-rata 28% pada seluruh inputnya dikedua model tersebut.Kata kunci :Efisiensi, Rumah Sakit Umum, DEA,PCA-CCR,PCA-BCC. 
PENGGUNAAN REGRESI AKAR LATEN UNTUK MEMPREDIKSI PENJUALAN MOBIL DI AMERIKA SERIKAT TAHUN 1961-1990 Purwanto, Edi; Herrhyanto, Nar; Suherman, Maman
Jurnal EurekaMatika Vol 2, No 1 (2014): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK:Variabel tak bebas tidak hanya cukup dipengaruhi oleh satu variabel bebas dalam analisis regresi. Semakin banyak variabel bebas yang dilibatkan pada analisis regresi semakin baik pula untuk menaksir variabel tak bebasnya. Akan tetapi, hal ini juga menyebabkan peluang terjadinya multikolinearitas akan semakin besar. Regresi akar laten merupakan salah satu analisis regresi di mana terjadi hubungan di antara variabel-variabel bebasnya. Regresi akar laten akan menggunakan akar laten  (nilai eigen) dan vektor laten (vektor eigen) yang diperoleh dari matriks yang entri-entrinya merupakan variabel bebas dan variabel tak bebas untuk membentuk persamaan regresi. Kata kunci : multikolinearitas, nilai eigen, vektor eigen, regresi akar laten. ABSTRACT: Dependent variableis notonlysufficientlyinfluencedbyanindependent variablein the regression analysis. The moreindependent variableswere includedin theregressionanalysisto estimatethe greater theindependentvariable. However, this is alsocausingthe possibility ofmulticollinearitywill be greater. latentrootregressionis one of theregressionanalysiswhere there isa relationshipbetweenthe independent variables. Latentrootregressionwilluse thelatentroots(eigenvalues) andlatentvectors(eigenvectors) areobtainedfrom thematrixwhose entriesareindependent variablesand thedependent variabletoestablish the regression equation. Keywords: multicollinearity, eigenvalues, eigenvectors, latentrootregression. 
SIFAT-SIFAT FUNGSI KONVEKS YANG TIDAK DAPAT DIGENERALISASI MENJADI SIFAT-SIFAT FUNGSI KUASIKONVEKS Andina, Vika; Cahya, Endang; Fatimah, Siti
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK  Fungsi konveks adalah fungsi yang dapat ditandai oleh epigraph yang konveks tetapi fungsi konveks tidak dapat ditandai oleh himpunan level bawah yang konveks. Fungsi kuasikonveks merupakan generalisasi dari fungsi konveks yang dapat ditandai oleh himpunan level bawah yang konveks. Kajian ini menghadirkan sifat-sifat fungsi konveks yang memiliki kemiripan dengan sifat-sifat fungsi kuasikonveks dan mengkaji sifat-sifat fungsi konveks yang tidak memiliki kemiripan dengan sifat-sifat fungsi kuasikonveks. Dengan kata lain, sifat-sifat tersebut berlaku untuk fungsi konveks tetapi tidak berlaku untuk fungsi kuasikonveks.Kata kunci: fungsi konveks, epigraph, himpunan level bawah, fungsi kuasikonveks, sifat dengan kemiripan, sifat tanpa kemiripan ABSTRACT  Convex function is a function that can be characterized by convexity of its epigraph but can not be characterized by convexity of its lower level set. Quasiconvex function is a generalization of convex functions which can be characterized by convexity of its lower level set. This study presents the properties of convex functions with analogue for quasiconvex functions and observes the properties of convex functions with no analogue for quasiconvex functions. In other words, these properties valid for convex functions but does not valid for quasiconvex functions.Keyword: convex function, epigraph, lower level set, quasiconvex function, analogue properties, no analogue properties
Kaitan Antara Homomorfisma Pada Graf dan Homomorfisma Pada Aljabar Graf Nurhidayah, Nunung; Rosjanuardi, Rizky; Yusnitha, Isnie
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK. Diberikan graf berarah  dan  serta masing-masing aljabar-  yang terkait dengan graf tersebut, yakni  dan . Selanjutnya aljabar-  ini disebut sebagai aljabar graf. Homomorfisma pada graf adalah pemetaan  dari E  ke  yang mengawetkan struktur graf. Sama halnya untuk aljabar-    dan , homomorfisma pada aljabar graf  dan  merupakan pemetaan  dari  ke  yang mengawetkan struktur aljabar-  Rosjanuardi dan Albania (2012) menyatakan bahwa automorfisma pada graf  dapat menginduksi automorfisma pada aljabar graf . Selanjutnya, dari hubungan ini dapat diperoleh bahwa aksi  dapat menginduksi suatu aksi .Kata Kunci : aljabar graf, homomorfisma, automorfisma dan aksi. ABSTRACT. Let  and  be directed graphs and their associated -algebras respectively,  and . We call this -algebras as graph algebras. Graph homomorphism is a map  of E to  such that preserves the structure of graph. Moreover for graph algebras  and , their homomorphism is a map  of  to  such that preserves the structure of graph algebras  Rosjanuardi and Albania (2012) said that an automorphism of  induces an automorphism of graph algebras . Furthermore, from this relation we get an action  induces an action .Key word : graph algebras, homomorphism, automorphism and action.
PENERAPAN MODEL M_o DAN MODEL M_t UNTUK MENGESTIMASI UKURAN POPULASI TERTUTUP PADA DATA CAPTURE-RECAPTURE Dasari, Dadan; Lubis, Asep Ridwan; Agustina, Fitriani
Jurnal EurekaMatika Vol 5, No 1 (2017)
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK. Statistika merupakan keilmuan yang bertujuan mengumpulkan, mengolah, menyajikan, dan menarik kesimpulan berdasarkan analisis data. Salah satu kajian yang terus dikembangkan dalam statistika yaitu analisis data Capture-Recapture. Analisis data Capture-Recapture memiliki ciri yaitu mengumpulkan data dengan teknik Capture, Mark, Release, Recapture (CMRR). Permasalahan yang akan dibahas karya tulis ini yaitu mengestimasi ukuran populasi pada data tersebut. Estimasi populasi merupakan proses pendekatan matematis untuk menaksir ukuran populasi. Populasi merupakan objek yang memiliki karakteristik tertentu yang akan dipelajari dan ditarik kesimpulannya. Banyak anggota suatu populasi disebut ukuran populasi. Berdasarkan karakteristik ukuran, populasi dikelompokkan menjadi dua yaitu populasi tertutup dan populasi tidak tertutup. Populasi tertutup berarti banyak anggota dalam populasi dari waktu ke waktu konstan, sedangkan populasi tidak tertutup berarti banyak anggota dalam populasi dari waktu ke waktu tidak konstan. Estimasi ukuran populasi tertutup dipengaruhi oleh nilai peluang penangkapan pada setiap kesempatan penangkapan. Apabila nilai peluang penangkapan selama penelitian tidak berbeda secara signifikan maka estimasi populasi akan dimodelkan dengan Model . Sedangkan, apabila nilai peluang penangkapan selama penelitian berbeda secara siginifikan maka estimasi populasi akan dimodelkan dengan Model . Dalam penulisan karya tulis ilmiah ini, penulis mencoba mengestimasi populasi pada Model  dan Model  serta mengaplikasikan kedua model tersebut dalam menghitung populasi paus bungkuk (Megaptera novaeangliae) dan populasi tupai (Eutamias Minimus). Berdasarkan hasil penghitungan diperoleh bahwa estimasi ukuran populasi paus bungkuk adalah sebanyak 121 paus. Sedangkan estimasi ukuran populasi tupai adalah sebanyak 50 tupai. Kata kunci: Analisis data Capture-Recapture, Estimasi Ukuran Populasi Tertutup, Model , Model .  ABSTRACT. Statistics is a science that aims to collecting, processing, presenting, and draw the conclusions based on the analysis of data. One of study is developing in statistical is Analysis of Capture-Recapture Data. Analysis of Capture-Recapture Data has a characteristic which collects data by using technics : Capture, Mark, Release, Recapture (CMRR). The Problems will discussed this paper is how about estimate the closed population size. Estimating the population is a mathematical approach to estimate the population size. Population is an object which has certain characteristics that will be studied and drawn conclusions. The number of all members on population is called the size of population. Based on the characteristics of size, population has grouping into two : closed population and open population. Closed population means the size of population is constant during over time, while open population means the size of population is not constant during over time. Estimating the size of closed population are affected by probability of captured on each occasion the arrest. If the probability of captured during the study is not significantly differ then the estimating process modeled by Model . Otherwise, if the probability of captured is significantly different the estimating process modeled by Model . In this paper, will be shown the estimating process on closed population modeled by Model  and Model . The application of each models is applied to calculate the population of humpback whales (Megaptera novaeangliae) and the population of squirrels (Eutamias minimus). Based on the calculation results, obtained that the humpback whale population size estimates are 121 whales and the squirrel population size estimates are 50 squirrels. Keywords: Analysis of Capture-Recapture Data, Estimation of Closed Population Size, Model , Model .