Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika
Not a member yet
462 research outputs found
Sort by
Analisis Multivariat Kemiskinan di Sumatera Utara dengan Metode PCA dan Manova: Peran Indeks Pembangunan Manusia dan Kepadatan Penduduk
No full textKemiskinan tetap menjadi masalah pembangunan multidimensi dan menunjukkan kesenjangan antar wilayah di Provinsi Sumatera Utara, khususnya antara daerah perkotaan dan daerah terpencil. Studi ini bertujuan untuk menganalisis pengaruh kualitas sumber daya manusia dan faktor demografis terhadap kemiskinan secara simultan dengan mempertimbangkan hubungan antar dimensi kemiskinan. Data yang digunakan adalah data lintas sektoral sekunder tahun 2023 dari Badan Pusat Statistik (BPS) yang mencakup 33 kabupaten/kota di Sumatera Utara. Kemiskinan diukur menggunakan tiga indikator Foster–Greer–Thorbecke (FGT): Indeks Penduduk Miskin (P0), Indeks Kesenjangan Kemiskinan (P1), dan Indeks Keparahan Kemiskinan (P2). Kualitas sumber daya manusia dibentuk sebagai indeks komposit dari Rata-rata Tahun Sekolah, Harapan Tahun Sekolah, dan Pengeluaran per Kapita menggunakan Analisis Komponen Utama (PCA). Analisis dilakukan menggunakan Analisis Varians Multivariat (MANOVA) diikuti dengan regresi linier berganda parsial. Hasil PCA menunjukkan satu komponen utama yang mewakili kualitas sumber daya manusia dan mampu menjelaskan 70,75% variasi data. Hasil MANOVA menunjukkan bahwa kualitas sumber daya manusia, kepadatan penduduk, dan rasio jenis kelamin secara signifikan memengaruhi ketiga dimensi kemiskinan secara simultan, sedangkan pertumbuhan penduduk tidak memiliki pengaruh yang signifikan. Analisis regresi menunjukkan bahwa kualitas sumber daya manusia dan kepadatan penduduk secara signifikan memengaruhi semua dimensi kemiskinan, sedangkan rasio jenis kelamin hanya memengaruhi tingkat kemiskinan. Kesimpulan penelitian ini menegaskan bahwa peningkatan kualitas sumber daya manusia dan penguatan pembangunan di daerah yang jarang penduduknya merupakan strategi kunci pengentasan kemiskinan di Sumatera Utara. Oleh karena itu, penelitian ini merekomendasikan agar pemerintah daerah dan pemangku kebijakan fokus pada program-program peningkatan akses pendidikan berkualitas, pelatihan keterampilan, serta pengembangan infrastruktur dasar dan ekonomi lokal di wilayah kepadatan penduduk rendah seperti Kepulauan Nias
Penerapan Model Rantai Markov untuk Memprediksi Probabilitas Return Saham Indosat (ISAT)
No full textPasar saham mempunyai peran penting dalam pembangunan nasional, menjadi sumber pembiayaan bagi dunia usaha atau masyarakat untuk investasi. Pergerakan saham adalah salah satu dari banyak masalah yang akan dihadapi selama proses investasi. Investor harus memprediksi return sahamnya karena pergerakan harga saham yang tidak pasti. Return saham Indosat menjadi objek dalam penelitian ini karena perusahaannya mampu menjaga fluktuasi saham. Penelitian ini merupakan penelitian kuantitatif dengan pendekatan deskriptif menggunakan analisis rantai Markov untuk memprediksi probabilitas perpindahan state return saham Indosat (ISAT) pada periode Maret–Mei 2025. Data yang digunakan berupa return harian saham ISAT. Hasil penelitian ini menunjukkan bahwa rata-rata return harian bernilai negatif dengan standar deviasi sebesar 5,54%. Prediksi satu periode ke depan menunjukkan probabilitas return naik sebesar 50%, sangat naik sebesar 25%, turun sebesar 16,7%, dan sangat turun sebesar 8,3%. Prediksi probabilitas return saham untuk 5 periode ke depan hingga mencapai kondisi steady-state, menunjukkan hasil probabilitas return naik sebesar 52,8%, sangat naik sebesar 9 %, turun sebesar 24,7%, dan sangat turun sebesar 13,5%. Dengan demikian, analisis rantai Markov dapat memberikan gambaran kepada investor mengenai probabilitas return saham untuk jangka waktu tertentu berdasarkan ukuran data historis dan melalui pendekatan steady-state, sehingga dapat membantu proses pengambilan keputusan investasi sesuai profil risiko masing-masing
Penerapan Model Pembelajaran Game Based Learning Untuk Meningkatkan Keterlibatan Siswa Pada Pembelajaran Matematika
No full textPembelajaran matematika sering kali dianggap sulit, abstrak, dan kurang menarik, yang berdampak pada rendahnya keterlibatan siswa serta suasana kelas yang tidak kondusif. Penelitian ini bertujuan untuk meningkatkan keterlibatan belajar siswa kelas VIII SMP Nurul Jadid pada materi Teorema Pythagoras melalui implementasi model Game-Based Learning (GBL) berbasis media SmartMath. Jenis penelitian ini adalah Penelitian Tindakan Kelas (PTK) yang dilaksanakan dalam dua siklus, di mana setiap siklus meliputi tahapan perencanaan, tindakan, observasi, dan refleksi. Subjek penelitian terdiri dari 29 siswa. Instrumen pengumpulan data menggunakan lembar observasi keterlibatan siswa (meliputi aspek keaktifan, antusiasme, dan persistensi) serta tes pemahaman konsep. Hasil penelitian menunjukkan bahwa penggunaan GBL berbasis SmartMath secara signifikan meningkatkan keterlibatan siswa dalam proses pembelajaran. Peningkatan keterlibatan ini berbanding lurus dengan hasil belajar, di mana nilai rata-rata pemahaman siswa meningkat dari 82 pada siklus I menjadi 96 pada siklus II. Melalui aktivitas berbasis tantangan dalam game, siswa menunjukkan ketertarikan yang lebih tinggi dan partisipasi aktif. Penelitian ini menyimpulkan bahwa model GBL yang tepat dapat mengubah stigma matematika yang membosankan menjadi pengalaman belajar yang interaktif dan sesuai dengan karakteristik peserta didik
A Perbandingan Algoritma Support Vector Machine dan Random Forest dalam Klasifikasi Kelayakan Pemberian Pinjaman pada BPR Nusumma Jawa Barat
No full textPesatnya peningkatan pengajuan kredit pada lembaga keuangan menuntut adanya sistem evaluasi kelayakan pinjaman yang mampu bekerja secara cepat, akurat, dan objektif guna meminimalkan risiko kredit bermasalah. Oleh karena itu, penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning, yaitu Support Vector Machine (SVM) dan Random Forest (RF), dalam mengklasifikasikan kelayakan pemberian pinjaman pada BPR Nusumma Jawa Barat. Penelitian ini menggunakan data primer sebanyak 753 observasi dengan enam variabel prediktor dan satu variabel target berupa status pinjaman. Metode penelitian yang digunakan adalah eksperimen kuantitatif melalui beberapa tahapan, meliputi pembersihan data, penyeimbangan kelas menggunakan metode ROSE, transformasi data, pembangunan model SVM dan Random Forest, serta evaluasi kinerja model menggunakan confusion matrix, accuracy, precision, recall, F1-score, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa algoritma SVM menghasilkan nilai AUC sebesar 0,9748, sedangkan algoritma Random Forest memperoleh nilai AUC sebesar 0,9953. Berdasarkan hasil tersebut, Random Forest menunjukkan performa klasifikasi yang lebih unggul dibandingkan SVM. Temuan ini mengindikasikan bahwa Random Forest berpotensi menjadi algoritma yang lebih optimal untuk diterapkan sebagai sistem pendukung keputusan dalam evaluasi kelayakan kredit, sehingga dapat membantu lembaga keuangan dalam meningkatkan efektivitas dan kualitas pengambilan keputusan kredit
The Implementation of the Think Pair Share Learning Model to Improve Understanding of Exponents
No full textMathematics learning, especially on the topic of exponents, is a fundamental component that supports students’ logical thinking and problem-solving skills. However, in practice, this topic often poses significant difficulties for eighth grade students of MTsN 1 Probolinggo. These difficulties are indicated by low learning outcomes and students’ limited ability to apply exponent concepts correctly. One of the main contributing factors is the low level of active student involvement during the learning process, where learning activities tend to be teacher-centered and provide limited opportunities for students to think, discuss, and collaborate. If this condition is not addressed, it may hinder students’ conceptual understanding and negatively impact subsequent mathematics learning. Therefore, it is necessary to implement an innovative learning model that can actively engage students and improve their conceptual understanding. This study aims to improve the understanding of the concept of exponents through the application of the Think Pair Share (TPS) cooperative learning model using the Classroom Action Research (CAR) method. The study was conducted in two cycles with 15 students as subjects. The research instruments consisted of a concept understanding test and student activity observation sheets. The results showed a significant increase in the average score and student learning completeness, from an average score of 50 in the pre-cycle to 90 in the second cycle, while the percentage of learning completeness increased from 46.7% to 100%. In addition, discussion and collaboration activities among students also improved, indicating more optimal student involvement during the learning process. These findings indicate that the Think Pair Share learning model is effective in improving the understanding of the concept of exponents among eighth grade students of MTsN 1 Probolingg
Perbandingan Algoritma K- Nearest Neighbor dan Naive Bayes Pada prediksi Harga saham Sektor Asuransi
No full textMengingat tingginya volatilitas pasar modal, kemampuan memprediksi pergerakan harga saham menjadi sangat krusial bagi investor dalam pengambilan keputusan strategis, khususnya pada sektor asuransi yang memiliki risiko yang dinamis. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning, yaitu K- Nearest Neighbor (KNN) dan Naïve Bayes dalam memprediksi harga saham di sektor asuransi. Penelitian ini mengimplementasikan kedua algortima tersebut untuk memprediksi naik atau turunnya harga saham. Metode yang digunakan adalah metode kuantitatif komparatif, di mana instrumen pengumpulan data dilakukan melalui studi dokumentasi data sekunder berupa riwayat harga saham harian. Penelitian mengolah data harian dari lima perusahaan asuransi, yaitu asuransi Ramayana, Jasa Tania, Sinarmas, Tugu dan Panin, selama periode Mei 2023 hingga april 2025. Teknik analisis data dilakukan melalui beberapa tahapan, meliputi data cleaning, pembagian data, proses penerapan algoritma, serta evaluasi model. Data dibagi menjadi 80% untuk data latih dan 20% untuk data uji. Hasil kinerja model dievaluasi menggunakan confusion matrix, meliputi akurasi, recall, dan presisi. KNN secara konsisten lebih unggul dan stabil hampir di semua perusahaan yang diteliti. Akurasi KNN secara konsisten berkisar antara 92,84% hingga 97,63%. Presisi KNN juga kuat, berkisar antara 81,94% hingga 98,21%. Recall KNN juga sangat tinggi, bahkan mencapai 100%. Naïve Bayes menunjukan kinerja yang kurang konsisten dan bervariasi. Akurasi Naïve Bayes jauh lebih rendah pada perusahan Ramayana (64,03%) dan Jasa Tania (67,64%). Presisi Naïve Bayes sangat rendah pada saham Ramayana (34,29%) dan Jasa Tania (56,69%). Recall Naïve Bayes juga bervariasi. Pada nilai recall Naïve Bayes menghasilkan nilai yang bervariasi dan turun pada Jasa Tania (27,34%) dan Ramayana (30,70%)
Optimasi Penjadwalan Produksi Menggunakan Metode Palmer pada Mulia Genteng Beton
No full textPenjadwalan produksi yang optimal sangat penting bagi perusahaan manufaktur untuk menghindari penumpukan barang dan keterlambatan distribusi. Penelitian ini bertujuan mengoptimalkan penjadwalan produksi paving block pada Mulia Genteng Beton menggunakan metode Palmer. Data yang digunakan mencakup waktu proses tiap job, jumlah mesin, serta data permintaan bulan September 2022. Metode penelitian yang digunakan adalah metode kuantitatif dengan pendekatan eksperimen yang bertujuan untuk mengoptimalkan penjadwalan produksi pada sistem flowshop. Adapun tahapan dalam penelitian ini meliputi uji kelayakan data, perhitungan waktu baku, perhitungan dengan menggunakan metode Palmer serta perhitungan makespan. Hasil penelitian menunjukkan urutan job optimal adalah J2–J1–J3 dengan makespan sebesar 381.624,66 detik (±106 jam). Hasil ini sama dengan perusahaan namun dengan pendekatan yang lebih sistematis. Penelitian ini berkontribusi dalam memberikan rekomendasi metode penjadwalan sederhana namun efektif pada industri paving block
Parametric Represantations of Surfaces Containing a Common Isophote Curve In 3-Dimensional Galilean Space
No full textThis paper investigates a family of defined surfaces that share a common isophote curve in three‑dimensional Galilean space. By employing a given curve in this space with its Frenet frame we derive characterizations of the surfaces and present illustrative examples where in the curve functions, as an isophote
Analisis Fuzzy Time Series pada Jumlah Penumpang Kereta Api Whoosh dengan Markov Chain dan Lee
No full textFluktuasi jumlah penumpang Kereta Cepat Whoosh yang bersifat dinamis dan tidak linier menuntut adanya model peramalan yang akurat guna mendukung efisiensi operasional. Penelitian ini bertujuan untuk memprediksi jumlah penumpang Kereta Api Whoosh menggunakan kombinasi Fuzzy Time Series. Penelitian ini menggunakan pendekatan kuantitatif berbasis analisis deret waktu (time series) dengan penerapan metode Fuzzy Time Series yang dikombinasikan dengan Markov Chain dan metode Lee. Data yang digunakan adalah jumlah penumpang kereta api whoosh dari periode bulan April 2024–April 2025 yang diperoleh dari BPS. Kedua metode ini memiliki kemampuan yang baik dalam meramalkan data. Selanjutnya, keakuratan kedua metode dibandingkan melalui nilai evaluasi peramalan dengan menghitung MAE, MSE, RMSE, dan MAPE. Hasil Penelitian dari kedua metode tersebut diperoleh bahwa Fuzy Time Series Markov Chain lebih baik di bandingkan dengan Fuzzy Time series Markov Lee dengan nilai MAPE sebesar 9.04%, nilai MAE sebesar 42.553, nilai MSE sebesar 3216.050, dan RMSE sebesar 56.709. Sedangkan fuzzy time series lee mendapatkan nilai MAPE sebesar 9.07%, nilai MAE sebesar 42.529, nilai MSE sebesar 4466.798, dan RMSE sebesar 66.834. Hal ini menunjukkan bahwa fuzzy time series marcov chain lebih baik untuk peramalan jumlah penumpang kereta api whoosh karena menghasilkan nilai error yang lebih kecil
Analisis Klaster dan Prediksi Dinamika Produksi Padi Sawah menggunakan K-Means dan Adams-Bashforth-Moulton di Kabupaten Banyumas
No full textThis study aims to classify rice-farming areas in Banyumas Regency based on differences in rice production characteristics between regions that have the potential to influence rice production planning and distribution. This study was conducted to support food security in line with Indonesia\u27s national development vision for 2045. The data used included rice production volume and rice field area. Cluster analysis was performed using the K-Means method with the determination of the optimal number of clusters through the Elbow method, resulting in three regional clusters, namely low, medium, and high rice production clusters, which reflect the differences in rice production characteristics between subdistricts in Banyumas Regency. Rice production dynamics were modeled using the Verhulst growth model, which was solved numerically using the fourth-order Runge Kutta method, followed by the Adams-Bashforth-Moulton method to predict rice production. Predictions were made for 2025, 2030, and 2045 to illustrate rice production trends over several time periods. The main analysis of this study focused on the period up to 2030 because the model did not include several important external factors that could potentially affect rice production in the long term. The error analysis results showed that the error values in the predictions for the 2025 and 2030 periods were relatively small, indicating that the model was able to represent rice production dynamics well during those periods. Predictions up to 2045 are presented as a mathematical illustration of long-term trends and are not used as the main basis for error evaluation or drawing conclusions. The results of this study are expected to be used as preliminary considerations for local governments in formulating rice production plans, taking into account the different characteristics of regional clusters and the predicted rice production in Banyumas Regency