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
jurnalmatematika@unud.ac.id
Editorial Address
Computational Laboratory, Mathematics Department, Faculty of Mathematics and Natural Science, Udayana University UKM Building, UKM room no 8, Kampus Bukit Jimbaran Street, Badung-Bali.
Location
Kota denpasar,
Bali
INDONESIA
Jurnal Matematika
Published by Universitas Udayana
ISSN : 16931394     EISSN : 26550016     DOI : https://doi.org/10.24843/JMAT
Core Subject : Education,
Mathematics
Jurnal Matematika (p-ISSN: 1693-1394 |e-ISSN: 2655-0016| DOI: 10.24843/JMAT ) is an open access journal which publishes the scientific works for researchers. The articles of this journal are published every six months, that is on June and December.
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "Vol 2 No 2 (2012)" : 6 Documents clear
Produk Cartesius Semipgrup Smarandache Yuliyanti Dian Pratiwi
Jurnal Matematika Vol 2 No 2 (2012)
Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JMAT.2012.v02.i02.p29

Abstract

Smarandache semigroups is an expansion of semigroup structure, by taking a proper subset of semigroups which is in form of group. But, a proper subset which is in form of group cannot always be found in semigroups. Therefore, we need necessary requirements and prosperous requirements in the Smarandache semigroups. Besides, this study also shows some kinds of Smarandache semigroups, which have specific characteristics, namely Smarandache commutative semigroups and Smarandache cyclic semigroups. Then, by the definitions, we will investigate the form of its Cartecius product.
Perbandingan Analisis Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Untuk Mengatasi Overdispersi Studi Kasus: Pemodelan Jumlah Kasus Kanker Serviks di Jawa Timur Brianika Irawati; Purhadi .
Jurnal Matematika Vol 2 No 2 (2012)
Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JMAT.2012.v02.i02.p25

Abstract

Data jumlah kasus kanker serviks di Provinsi Jawa Timur pada penelitian ini merupakan salah satu contoh data diskrit (count) dimana pada umumnya menggunakan regresi poisson dalam analisisnya. Karakteristik penting dalam pemodelan ini yaitu mean harus sama dengan varians. Namun, kondisi seperti ini sulit dipenuhi sedangkan pada umumnya sering ditemui data diskrit dengan varians lebih besar dibandingkan dengan rata-ratanya atau disebut dengan over dispersi seperti yang terjadi pada kasus jumlah kanker serviks di Jawa timur ini. Untuk menangani masalah over dispersi, dapat dilakukan pemodelan dengan Generalized Poisson Regresion (GPR) dan Regresi Binomial Negatif.  Model ini dapat mengatasi masalah over dispersi karena tidak mengharuskan nilai mean yang sama dengan nilai varians seperti pada model regresi poisson. Model terbaik menggunakan GPR menghasilkan 8 variabel prediktor yang signikan mempengaruhi jumlah kasus kanker serviks di Jawa Timur antara lain persentase tenaga medis (X2), persentase penduduk perempuan yang umur kawin pertama ? 16 tahun (X3), persentase penduduk miskin (X7), persentase penduduk perempuan yang menggunakan kondom (X8), persentase penduduk perempuan yang berstatus kawin (X10), persentase penduduk perempuan usia ? 35 tahun (X11), persentase rata-rata pengeluaran untuk konsumsi makanan per bulan (X12), dan persentase penduduk yang merokok (X13). Sedangkan model terbaik menggunakan regresi binomial negative menghasilkan 2 variabel prediktor yang signifikan yaitu persentase penduduk yang tinggal di daerah berstatus desa (X5) dan persentase rata-rata pengeluaran untuk konsumsi makanan per bulan (X12). Model GPR menghasilkan nilai AIC sebesar 349,90. Sedangkan model regresi binomial negatif menghasilkan nilai AIC sebesar 327,65. Maka model terbaik diperoleh dari model regresi binomial negatif karena menghasilkan nilai AIC terkecil.
Analisis Survival Dengan Model Regresi Cox Study Kasus: Pasien Demam Berdarah Dengue di Rumah Sakit Haji Surabaya Ni Putu Lisa Ernawatiningsih; Purhadi .
Jurnal Matematika Vol 2 No 2 (2012)
Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JMAT.2012.v02.i02.p26

Abstract

Demam berdarah dengue (DBD) merupakan suatu wabah penyakit musiman yang jika tidak mendapatkan penanganan yang tepat akan bisa menjadi sebuah kejadian luar biasa, karena penyebarannya sangat cepat dan dapat menyebabkan kematian. Untuk mengurangi angka kematian akibat demam berdarah dengue, maka penelitian ini akan memodelkan waktu survival dengan studi kasus pada pasien demam berdarah dengue yang dirawat di Rumah Sakit Haji Surabaya pada tahun 2011. Metode yang digunakan adalah Analisis Survival dengan model regresi cox. Adapun hasil analisisnya berdasarkan nilai AIC masing-masing faktor, diperoleh faktor yang paling berpengaruh terhadap laju kesembuhan pasien adalah usia dan jumlah trombosit. Dari 66 pasien yang dirawat 50% pasien berusia 0-14 tahun sisanya diatas 14 tahun, dan 70% pasien yang jumlah trombosit di bawah normal sisanya normal. Dari nilai odds ratio untuk usia dan jumlah trombosit disimpulkan pasien yang berusia lebih tua akan lebih lama kesembuhannya dari pada pasien yang berusia lebih muda dan ketika jumlah trombosit di bawah normal akan mencapai sembuh lebih lama daripada pasien dengan jumlah trombosit normal.
Boosting Neural Network dan Boosting Cart Pada Klasifikasi Diabetes Militus Tipe II Jerhi Wahyu Fernanda; Bambang W. Otok
Jurnal Matematika Vol 2 No 2 (2012)
Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JMAT.2012.v02.i02.p27

Abstract

Diabetes Militus Tipe II merupakan salah satu penyakit yang paling banyak diderita masyarakat Indonesia. Untuk mengantisipasi terkena penyakit DM tipe II, diperlukan suatu tindakan untuk mengurangi resiko terkena penyakit ini dengan mengetahui faktor-faktor resiko yang menyebabkan DM tipe II. Beberapa faktor-faktor resiko yang dapat menyebabkan penyakit ini adalah Riwayat Keturunan, Umur, Jenis Kelamin, Obesitas, Pola Makan, Aktifitas Olahraga. Penelitian tentang klasifikasi DM tipe II telah banyak dilakukan dengan menggunakan metode-metode klasifikasi. Seperti Artificial Neural Network(ANN), CART, dan lain-lain. Tingkat akurasi dari suatu metode klasifikasi seperti ANN, CART dapat ditingkatkan untuk memberikan hasil klasifikasi yang lebih baik dengan menggunakan metodeboosting. Boostingadalah metodeensemble yang digunakan untuk meningkatkan akurasi dari suatu metode klasifikasi. Salah satu variasi boosting adalah adaboost. Beberapa penelitian juga telah menunjukkan bahwa adaboost mampu meningkatkan akurasi dari suatu metode klasifikasi. Penelitian ini dilakukan untuk mengkaji implementasi boosting pada metode Feedforwarf Neural Network (FFNN) dan CART. Hasil klasifikasi memperlihatkan bahwa tingkat akurasi dari FFNN dan CART setelah dilakukan boosting mengalami kenaikan dibandingkan sebelum dilakukan proses boosting. Berdasarkan nilai AUC didapatkan metode boosting CART pada iterasi 50, 100, 200, dan 500 memiliki tingkat akurasi yang paling tinggi dengan tingkat akurasi sebesar 98.75% dibandingakan dengan FFNN dan boosting FFNN.
Pendekatan-pendekatan Titik Sadel: Suatu Kajian Pustaka I Wayan Sumarjaya
Jurnal Matematika Vol 2 No 2 (2012)
Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JMAT.2012.v02.i02.p28

Abstract

Dalam banyak area riset seperti biologi dan ilmu kedokteran, sering dijumpai jumlah amatan terlalu sedikit atau informasi yang diperoleh sangat sedikit atau terbatas. Inferensi dengan menggunakan teorema limit pusat untuk menyimpulkan statistik yang diteliti mendekati normal tentu tidaklah tepat. Salah satu cara untuk mengatasi masalah ini adalah dengan menggunakan pendekatan titik sadel (saddlepoint approximation). Artikel ini mengulas konsep dan beberapa perkembangan penting pendekatan titik sadel seperti pendekatan titik sadel untuk rata-rata, fungsi distribusi kumulatif, distribusi bersyarat, statistik umum, dan distribusi posterior.
Estimasi Nilai VaR Dinamis Indeks Saham Menggunakan Peak-Over Threshold dan Block Maxima Komang Dharmawan
Jurnal Matematika Vol 2 No 2 (2012)
Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JMAT.2012.v02.i02.p24

Abstract

Kejadian ekstrim pada bidang finansial pada periode 2008/2009  telah menyadarkan para praktisi maupun peneliti di bidang finansial untuk mengevaluasi kembali teknik-teknik pemodelan risiko finansial.  Ini menegaskan bahwa diperlukan model-model matematika atau teknik pemodelan yang lebih baik di bidang manajemen risiko finansial yang dapat mengatisipasi adanya kejadian-kejadian yang jarang muncul seperti pada periode tahun tersebut di atas. Metode yang paling sesuai dalam menangani kejadian kejadian ekstrim seperti ini adalah Extreme Value Theory (EVT). Dalam pemodelan Value at Risk(VaR), tingkat pengembalian (return) suatu data finansial biasanya ditaksir menggunakan suatu pendekatan yang mengasumsikan bahwa data tersebut terdistrubusi secara normal. Namun asumsi ini tidak merefleksikan perilaku nilai return yang sesungguhnya, sebab distribusi data finansial menunjukkan adanya ekor distribusi yang lebih gemuk (heavy-tail), yaitu ekor distribusi turun lebih pelan dibandingkan dengan ekor distribusi normal.  Ini berarti peluang munculnya nilai ekstrim lebih besar. Sehingga pendekatan secara konvensional dianggap mengabaikan nilai-nilai ekstrim ini. Paper ini membahas penerapkan EVT pada data finansial. Kemudian menghitung nilai VaR dinamis dari nilai indeks IHSG (Jakarta Stock Exchange) periode 28 Desember 2007-28 Desembar 2012. EVT dipakai untuk memprediksi VaR statis dan EVT-GARCH(1,1) dipakai untuk memprediksi VaR dinamis.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2012 2012


Reset
Filter By Issues
All Issue Vol 13 No 1 (2023) Vol 12 No 2 (2022) Vol 12 No 1 (2022) Vol 11 No 2 (2021) Vol 11 No 1 (2021) Vol 10 No 2 (2020) Vol 10 No 1 (2020) Vol 9 No 2 (2019) Vol 9 No 1 (2019) Vol 8 No 2 (2018) Vol 8 No 1 (2018) Vol 7 No 2 (2017) Vol 7 No 1 (2017) Vol 6 No 2 (2016) Vol 6 No 1 (2016) Vol 5 No 2 (2015) Vol 5 No 1 (2015) Vol 4 No 2 (2014) Vol 4 No 1 (2014) Vol 3 No 2 (2013) Vol 3 No 1 (2013) Vol 2 No 2 (2012) Vol 2 No 1 (2012) Vol 1 No 2 (2011) Vol 1 No 1 (2010) Vol. 1, No. 1 April 2007 More Issue