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 bandung,
Jawa barat
INDONESIA
EurekaMatika (Jurnal Online Matematika S1)
Published by Universitas Pendidikan Indonesia
ISSN : -     EISSN : -     DOI : -
Core Subject : Education,
Mathematics
Arjuna Subject : -
Articles 47 Documents
 1   2   3   4   5 
APLIKASI MODEL GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KASUS GIZI BURUK ANAK BALITA DI JAWA BARAT Maulani, Atiya; Herrhyanto, Nar; Suherman, Maman
Jurnal EurekaMatika Vol. 4, No. 1 (2016): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK. Model regresi linear klasik atau Ordinary Linear Regression (OLR) merupakan bentuk regresi yang umum digunakan untuk menyatakan bentuk hubungan antara variabel respon dengan varabel prediktornya. Regresi linear klasik mengasumsikan bahwa nilai taksiran parameter regresi akan bernilai sama untuk setiap lokasi pen gamatan atau berlaku secara global. Model Geographically Weighted Regression (GWR) adalah bentuk lokal dari regresi linear klasik yang memperhatikan aspek spasial atau lokasi geografis yang berupa koordinat titik  Dalam GWR, nilai taksiran parameter regresi yang diperoleh untuk setiap lokasi pengamatan akan berbeda-beda. Penelitian ini bertujuan untuk mengatahui faktor-faktor yang mempengaruhi kasus gizi buruk anak balita di Jawa Barat dengan menggunakan GWR. Hasil pengujian terhadap model regresi linear berganda menunjukkan bahwa asumsi homogenitas varians tidak terpenuhi atau terjadi heterogenitas spasial, dan model regresi linear berganda yang diperoleh tidak berarti secara signifikan. Sehingga, analisis dilanjutkan dengan menggunakan GWR dengan pembobot fixed Kernel Gaussian dan GWR dengan pembobot adaptive Kernel Gaussian. Berdasarkan nilai  dan jumlah kuadrat residual  model GWR dengan pembobot adaptive Kernel Gaussian lebih cocok digunakan untuk memodelkan kasus gizi buruk anak balita di Jawa Barat. Model GWR dengan pembobot adaptive Kernel Gaussian, menghasilkan  paling besar dibandingkan model regresi linear berganda dan model GWR dengan pembobot fixed Kernel Gaussian, yaitu  atau , dan  yang paling kecil, yaitu . Faktor geografis juga berpengaruh terhadap kasus gizi buruk anak balita di Jawa Barat sehingga akan diperoleh model GWR berbeda-beda untuk setiap kota/kabupaten di Jawa Barat. Adapun faktor-faktor lokal yang mempengaruhi kasus gizi buruk anak balita di Jawa Barat adalah kasus bayi dengan berat badan lahir rendah (BBLR), anak balita mendapat vitamin A, sarana kesehatan, bayi yang diberi ASI eksklusif, penduduk miskin, dan usia perkawinan pertama ≤ 15 tahun.Kata Kunci : Geographically Weighted Regression, Pembobot, Gizi BurukABSTRACT. Ordinary Linear Regression (OLR) model is a form of regression that used to indicate the relationship between the response variable with the predictor variable. Classical linear regression assumes that the value of the regression parameter estimates will have the same value for each observation or apply globally. Geographically Weighted Regression (GWR) model is the local form of the classical linear regression model that takes into account aspects of the spatial or geographic coordinates of a point  In GWR, the estimated value of the regression parameters will vary for each location. This study aims to know the factors that affect malnutrition of toodler in West Java by using GWR. The test results of the multiple linear regression model showed that the assumption of varians homogeneity is not significant or there is spatial heterogeneity, and multiple linear regression models were not significant. Thus, the analysis continued using a GWR with weighted fixed Kenel Gaussian and GWR with adaptive weighted Kernel Gaussian. Based on the value of coefficient determination  and sum of squared residuals, GWR models with adaptive weighted Kernel Gaussian is suitable for modeling the malnutrition of toodler in West Java. GWR models with adaptive weighted kernel Gaussian has an  value that greater than the multiple linear regression model and GWR models with fixed weighting kernel Gaussian, 0.8994658 or 89.95%, and JK (S) is the smallest, 0.2555239. Geographical factors also affect the cases of malnutrition of toodler in West Java that would be obtained GWR models vary according to each city/district in West Java. The local factors affecting malnutrition of toodler in West Java is the case of infants with low birth weight (LBW), infants received vitamin A, health facilities, exclusively breast-fed babies, poverty, and the age of first marriage ≤ 15 years.Key words: Geographically Weighted Regression, Weighting, Malnutrition
TEORI DILASI DALAM RUANG HILBERT DAN RUANG BANACH Surachman, Annisanti; Rosjanuardi, Rizky; Yusnitha, Isnie
Jurnal EurekaMatika Vol. 4, No. 1 (2016): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK. Pada artikel ini dibahas teori dilasi dengan ruang Hilbert sebagai ruang pokok dan kaitan antara beberapa teori dilasi yang terdiri dari pemetaan positif lengkap, kontraksi dan ukuran bernilai operator. Selain itu dibahas juga teori dilasi dengan ruang Hilbert sebagai ruang pokok.Kata Kunci: ukuran bernilai operator, pemetaan positif, Teorema Dilasi Naimark, ruang dilasi Hilbert dan ruang dilasi Banach.ABSTRACT. This paper tells about dilation theory with a Hilbert space as an underlying space and  associations between some of dilation theory consist of completely positive maps, contraction and operator-valued measure. In addition also tells about dilation theory with a Banach space as an underlying space.Key words: operator-valued measure, positive maps, Naimark‘s Dilation Theorem, Hilbert dilation space, Banach dilation space.
APLIKASI MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION MENGGUNAKAN SOFTWARE MATLAB Herrhyanto, Nar; Suherman, Maman; Andini, Puty
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: Persamaan regresi dapat diterapkan pada kasus derajat kesehatan masyarakat. Indikator derajat kesehatan yang dalam penulisan ini adalah angka harapan hidup dan persentase gizi buruk balita. Jika persamaan mengandung unsur spasial maka tidak bisa di selesaikan menggunakan regresi global karena akan menyebabkan kesimpulan yang diambil kurang tepat. Keragaman spasial akibat faktor geografis dapat diselasaikan dengan pendekatan titik. Pendekatan titik yang digunakan dalam penulisan ini adalah Multivariate Geographically Weighted Regression (MGWR). Menggunakan dua variabel respon, yaitu angka harapan hidup (Y1) dan persentase gizi buruk balita (Y2) dan enam variabel prediktor, yaitu angka melek huruf (X1), rata-rata lama sekolah (X2) Indeks kesejahteraan rakyat (X3), persentase Penduduk dengan sumber air minum PDAM/pipa (X4), persentase penduduk dengan jarak sumber air minum ke tempat penampungan kotoran > 10 meter (X5), dan pengeluaran perkapita penduduk untuk makan (X6). Dalam model MGWR penaksiran parameter diperoleh dengan menggunakan Weighted Least Square (WLS). Fungsi pembobotan yang digunakan fixed kernel Gaussian. Penelitian ini membuat model  derajat kesehatan dengan metode MGWR menggunakan software Matlab dan membuat peta sebaran kabupaten dan kota di Jawa Barat berdasarkan variabel-variabel yang signifikan terhadap derajat kesehatan. Variabel yang di duga mempengaruhi angka harapan hidup (Y1) adalah rata-rata lama sekolah (X2) dan variabel yang di duga mempengaruhi persentase gizi buruk balita (Y2) adalah Angka Melek Huruf (X1). Kata Kunci: Derajat Kesehatan, Multivariate Geographically Weighted Regression (MGWR)   ABSTRACT: The regression equation can be applied in cases of public health degree. Indicators of health, which in this paper are the life expectancy and the percentage of malnourished children under five years old. If the equation contains spatial element it can not be resolved using the global regression because it would lead to inaccurate conclusions drawn. Spatial heterogeneity due to geographical factors can be solved approach point. Point approach used in this paper is Multivariate Geographically Weighted Regression (MGWR) with two response variables, namely life expectancy (Y1) and the percentage of malnourished children under five (Y2) and six predictor variables, ie the literacy rate (X1), the mean the duration of schooling (X2) Index welfare of the people (X3), the percentage of residents with drinking water taps / plumbing (X4), the percentage of people with a distance of drinking water source to the septic tank of > 10 meters (X5), and spending per capita for the population to eat (X6). In the model parameter estimation MGWR obtained by using Weighted Least Square (WLS). Weighting function used fixed kernel Gaussian. This study makes a model using methods MGWR health status with Matlab Software and create distribution maps districts / cities in West Java based on the variables that significantly influence health status. Variables are assumed to affect life expectancy (Y1) is the average length of the school (X2) and the variables that presumably affect the percentage of malnourished children under five (Y2) is ie the literacy rate (X1). Keywords: Health Status, Multivariate Geographically Weighted Regression (MGWR)
ANALISIS PERTUMBUHAN EKONOMI DAN VOLATILITAS DENGAN MENGGUNAKAN METODE WAVELET Fikri, Ahmad; Agustina, Fitriani; Priatna, Bambang Avip
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. Pertumbuhan Ekonomi merupakan hal yang paling penting dalam pengkategorian atau keadaan dalam suatu negara di dunia, menjadikan analisis pertumbuhan ekonomi dan volatilitas menjadikan topik yang selalu menarik untuk diteliti. Terdapat beberapa cara dalam analisis ekonomi, tetapi teknik tersebut masih belum dapat memenuhi karakteristik dari indikator-indikator pertumbuhan ekonomi dan volatilitas tersebut, contoh tidak stasioner, analisa jangka panjang ataupun pendek. Metode Wavelet digunakan untuk mengantisipasi hal tersebut, karena sifat wavelet yang dapat men-zoom in ataupun zoom out maka wavelet cocok untuk analisa jangka panjang ataupun pendek, dan tidak adanya asumsi yang perlu di penuhi dalam wavelet termasuk stasioneritas merupakan alasan mengapa wavelet digunakan.Wavelet merupakan suatu metode yang sangat berguna untuk memperlajari karakteristik time – varying pada pertumbuhan ekonomi dengan detail yang sangat terperinci dan juga tidak diperlukannya asumsi stasioneritas. Dengan wavelet, kasus time series dijadikan dua komponen yaitu high frequency dan low frequency, sehingga dapat diidentifikasi fase perlambatan dan fase percepatan dari pertumbuhan ekonomi tanpa menggunakan batasan apapun. Wavelet Varians, Wavelet Korelasi dan WRNN (Wavelet Recurrent Neural Network) menjadi alat utama dalam skripsi ini. Wavelet Variansi yang akan menganalisa volatilitas, Wavelet Korelasi yang akan menganalisa co-movement, dan WRNN yang akan memproyeksi keadaan ekonominya. Berdasarkan hasil pengolah menggunakan software Matlab R2015b, Negara Indonesia merupakan negara yang bervolatilitas dalam pertumbuhan ekonomi jangka pendek, dengan co-movement terjadi dengan negara Jepang, Thailand, Philippine, dan dalam pemproyeksiannya nilai IPI Indonesia akan menaik. Kata Kunci: Pertumbuhan Ekonomi, Volatilitas, Wavelet, Wavelet Korelasi, Wavelet Varians, WRNN.   ABSTRACT. Growth Economic known as Growth is one of the most important thing in categorical or describing the condition a country. It happens as growth and volatility analysis is one of interesting topics to be researched. Although there are several method used for growth analysis and volatility, yet those isnt filled the characteristics of growth’s indicator, such stationarity, or short term and long term analysis. Wavelets are used to anticipate it, the ability to zoom in or zoom out are useful in short and long term analysis, and no stationarity assumption is one of the reason wavaelet are used lately.In Time Series’s case wavelet present it to be two components such high frequency and low frequency, as the identification of accrelation phase of growth doesnt need to be bounded. Wavelet Varians, Wavelet Correlation, and WRNN (Wavelet Recurrent Neural Network) are a main tools in this undergraduated’s theses. Wavelet Varians is used for volatility analysis, Wavelet Correlation is used in co-movement analysis, and WRNN will predict the growth condition. Based on the the data proccesing using Matla R2015b, Indonesia is a the volatile country based on growth in short term, with the co-movement happened with Japan, Thailand, and Philippine, and also the proyectory of Indonesia’s IPI will increase. Keywords: Growth, Volatility, Wavelet Varians, Wavelet Correlation, WRNN.
PENERAPAN METODE SCHNABEL DALAM MENGESTIMASI JUMLAH ANGGOTA POPULASI TERTUTUP (Studi Kasus Perhitungan Populasi Ikan Mola-mola) Savitri, Gina; Dasari, Dadan; Agustina, Fitriani
Jurnal EurekaMatika Vol. 4, No. 1 (2016): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK. Jumlah populasi baik manusia, hewan, tumbuhan berubah setiap waktu. Informasi mengenai jumlah populasi ini dibutuhkan untuk mengetahui keragaman dan kemelimpahan makhluk hidup agar tetap terjaga kelestariannya. Statistika telah mengembangkan sebuah metode dalam mengestimasi jumlah anggota populasi hewan pada populasi tertutup yaitu metode Capture Mark Release Recapture (CMRR) yaitu metode estimasi populasi yang dilakukan dengan cara menangkap, menandai, melepaskan dan menangkap kembali sampel sebagai metode pengamatan populasi.Teknik Capture Mark Release Recapture (CMRR) terdiri dari 3 metode, yaitu metode Licoln-Petersen, metode Schnabel dan metode Schumacher-Eschmeyer. Metode yang paling sederhana dalam Capture Mark Release Recapture (CMRR) adalah metode Licoln-Petersen. Metode Licoln-Petersen merupakan metode yang dilakukan dengan satu kali penandaan (marking) dan satu kali penangkapan ulang (recapture). Karena estimasi yang diperoleh dari metode ini dinilai kurang akurat, maka untuk mengatasi kekurangan tersebut muncul sebuah metode baru yaitu metode Schnabel. Metode Schnabel merupakan metode estimasi jumlah anggota populasi dalam teknik Capture Mark Release Recapture (CMRR) dimana pengambilan sampel dan penandaan sampelnya dilakukan lebih dari dua kali. Dalam penulisan karya tulis ilmiah ini penulis mencoba mengaplikasikan metode Schnabel dalam menghitung populasi ikan mola-mola. Berdasarkan hasil perhitungan diperoleh bahwa estimasi jumlah anggota populasi ikan mola-mola adalah sebanyak 450 ikan.Kata Kunci: Populasi hewan, ikan mola-mola, Capture Mark Release Recapture (CMRR), metode Schnabel.ABSTRACT. The number of human, animal and plant population changes every time.The most accurate method to determine the density of population is by counting the number of the entire individual (cencus), but it is getting hard to conducted due to various constraints such as the natural situation, the locations of research, the funding and the time.Statistics have developed a method to estimate the number of animal populations in the covered population. The technique is Capture Mark Release Recapture (CMRR). The population estimation in this technique is done by capturing, marking, releasing and recapturing sample population as a method of observation.In Capture Mark Release Recapture (CMRR) there is 3 methods, Licoln-Petersen Method, Schnabel Method and Schumacher-Eschmeyer method. Licoln-Petersen is the simplest method in Capture Mark Release Recapture (CMRR). Licoln Petersen is the method which is performed with one marking and one recapture. Because of the estimates obtained from this method was considered less accurate, then to overcome these deficiencies, the method od Schnabel arose. Schnabel method is a method of estimating the number of closed population in Capture Mark Release Recapture (CMRR)  which is sampling and marking more than twice. In writing this paper, the researcher tried to apply Schnabel method in calculating the population of sunfish. Based on the calculations, the estimation number of the sunfish population is 450 fish.Keyword: Animal population, Sunfish, Capture Mark Release Recapture (CMRR), Schnabel Method.
IMPLEMENTASI ALGORITMA FUZZY EVOLUSI PADA PENJADWALAN PERKULIAHAN Pangestu, Herny Wulandari; Yulianti, Kartika; Marwati, Rini
Jurnal EurekaMatika Vol. 4, No. 1 (2016): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

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

Abstract

ABSTRAK. Algoritma fuzzy evolusi merupakan perpaduan antara algoritma genetika dengan sistem fuzzy. Dalam algoritma fuzzy evolusi, tahapan-tahapannya dapat diselesaikan seperti tahapan yang terdapat pada algoritma genetika. Namun untuk penentuan parameter-parameter genetika seperti probabilitas crossover dan probabilitas mutasi dihasilkan melalui sistem inferensi fuzzy Tsukamoto. Aturan fuzzy yang digunakan didasarkan dari masukkan jumlah populasi dan jumlah generasi. Dari dua buah masukkan tersebut diperoleh sembilan aturan yang akan menghasilkan probabilitas crossover dan probabilitas mutasi. Salah satu permasalahan yang dapat diselesaikan oleh algoritma fuzzy evolusi adalah penjadwalan mata kuliah. Dalam penyusunan penjadwalan mata kuliah dibutuhkan waktu yang cukup lama dan ketelitian yang sangat tinggi. Oleh karena itu, tujuan dari penelitian ini adalah mengimplementasikan algoritma fuzzy evolusi pada permasalahan penjadwalan perkuliahan. Sehingga keakuratan dan kecepatan dalam menentukan jadwal kuliah dapat terpenuhi. Hasil pengujian menunjukkan bahwa dengan menerapkan sistem fuzzy pada algoritma genetika dapat mempercepat proses pencarian solusi optimal. Hal tersebut terlihat dari diperolehnya jadwal mata kuliah tanpa adanya benturan dalam satu kali proses iterasi dengan menggunakan jumlah populasi 100 dan jumlah generasi 200.Kata kunci: Algoritma fuzzy evolusi, fuzzy Tsukamoto, algoritma genetika, penjadwalan mata kuliahABSTRACT. Fuzzy evolutionary algorithm is a combination of genetic algoritm with fuzzy system. In fuzzy evolutionary algorithm, phases can be completed as phase contained in genetic algorithm. However, for the determination of genetic parameters such as the probability of crossover and probability of mutation are generated by Tsukamoto fuzzy inference system. Fuzzy rules uses are based on the number of population and the number of generation. By that two input obtained nine rules will generate the probability of crossover and the probability of mutation. One of the problems that can be solved by fuzzy evolutionary algorithm is the scheduling of course. In the preparation of the course scheduling takes considerable time and very high accuracy. Therefore, the purpose of this research is implementation of fuzzy evolutionary algorithm in the course scheduling problem using. So, the accuracy and speed in determine the course schedule can be solved. The result show that by applying the fuzzy system on genetic algorithm can speed up the process of finding the optimal solution. It is seen from obtaining a schedule of course without collisions in one iteration process by using 100 of population and 200 of generation.Keywords: fuzzy evolutionary algorithm, fuzzy Tsukamoto, genetic algorithm, scheduling course
REGRESI NONPARAMETRIK BIRESPON SPLINE Nurdiani, Nunung; Herrhyanto, Nar; Dasari, Dadan
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: Salah satu ciri majunya suatu negara adalah dengan majunya pembangunan manusia. Pembangunan manusia berperan penting dalam suatu negara. Faktor-faktor yang berpengaruh terhadap pembangunan manusia, diantaranya pendidikan dan ekonomi. Salah satu komponen yang berpengaruh terhadap Indeks Pembangunan Manusia adalah tingkat pendidikan yang diukur dengan Angka Melek Huruf dan Rata-Rata Lama Sekolah. Dalam penelitian ini metode yang digunakan untuk memodelkan Angka Melek Huruf dan Rata-Rata Lama Sekolah adalah regresi nonparametrik birespon spline. Metode ini digunakan karena Spline memiliki kelebihan yakni model akan cenderung mencari estimasinya kemanapun data tersebut akan bergerak. Pemilihan model terbaik berdasarkan nilai Generalized Cross Validation (GCV) yang minimum. Model terbaik yang dihasilkan dari penelitian ini adalah model linear dengan satu titik knot. Kata kunci : Pembangunan Manusia, Rata-Rata Melek Huruf, Rata-Rata Lama Sekolah, Regresi Nonparametrik Birespon Spline, GCV. ABSTRACT: One feature of progress of a country is the advancement of Human Development. Human Development plays an important role in a country. Factors that influence Human Development, including education and the economy. One of components that affect the Human Development index is measured by the level of education Literacy Rate and Mean Year School. In this research method is used to model Literacy Rate and Mean Year School is nonparametric biresponse spline regression. This method is used because the spline has the advantage that the model will tend to look for the estimate wherever the data is moved. Selecting the best model is based on the minimum Generalized Cross Validation (GCV). Best model resulting from tis researc is a linear model with one knot. Keywords: Human Development, Literacy Rate, Mean Year School, nonparametric biresponse spline regression, GCV

Page 5 of 5 | Total Record : 47

 1   2   3   4   5 

Filter by Year

2013 2017


Reset
Filter By Issues
All Issue Vol 5, No 1 (2017) Vol. 4, No. 1 (2016): Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika Vol 2, No 1 (2014): Jurnal EurekaMatika Vol 1, No 1 (2013): Jurnal EurekaMatika