Jurnal Matematika, Statistika dan Komputasi
Not a member yet
562 research outputs found
Sort by
Penggunaan Data Mining Saat Ini Dan Tantangannya Di Masa Depan
Get PDFThis paper begins by describing the main activities involved in the data mining process and highlight the two major styles of data mining: supervised and unsupervised. It then describes two “hot” areas where data mining applications are being used successfully business database systems and the Internet. Finally, it concludes by examining the challenges and research issue data mining will face in the futur
Gelanggang Evalusi dan Sifat-sifatnya
Get PDFSifat-sifat gelanggang evaluasi beserta pembuktiannya sudah ada dibeberapa literatur seperti misalnya pada [1] dan [7]. Namun demikian penyajiannya belum terurai dengan jelas sehingga alur pembuktian masih sulit dimengerti. Tulisan ini akan menguraikan secara terperinci dan sistematik dengan bahasa yang mudah dimengerti sifat-sifat dan buktinya tersebut. Sifat-sifat yang akan dibahas antara lain adalah sifat-sifat yang menghubungkan gelanggang evaluasi dengan lapangan pecahan, gelanggang lokal, gelanggang Noetherian, sifat terurut total, dan terintegral tutup.
Analisis Kestabilan Model Logistik Satu Populasi Dengan Tundaan Waktu
Get PDFDalam tulisan ini dibahas model logistik satu populasi dengan tundaan waktu. Tundaan waktu dipertimbangkan dalam model karena laju perubahan suatu populasi tidak hanya bergantung pada jumlah populasi pada saat sekarang tetapi juga bergantung pada jumlah populasi pada waktu lampau. Pada tulisan ini pengaruh tundaan waktu terhadap kestabilan titik keseimbangan model dianalisis dengan menggunakan pendekatan deret Taylor di sekitar titik keseimbangan. Dengan pendekatan itu diperoleh suatu model tanpa bentuk jumlah populasi yang bergantung pada tundaan waktu tetapi model tersebut tetap bergantung pada tundaan waktu. Penyelesaian analitik untuk model tersebut diberikan. Dari penyelesaian analitik itu diketahui bahwa titik keseimbangan positif stabil untuk suatu kondisi tundaan waktu dan jumlah awal populasi tertentu.
Stability Analysis of Wangersky-Cunningham Model with Constant Effort of Harvesting
Get PDFIn this paper we consider another predator-prey model with time delay which is called the Wangersky-Cunningham model. In this model, the rate of change of the predator population depends on the numbers of prey and predator present at some previous time. The model is then improved by considering a constant effort of harvesting into the growth rate of the prey and predator populations. The method use in this analysis is linearization the model around the equilibrium point and then inspecting the eigenvalues to determine the stability. We found that there exists a positive equilibrium point for the model with and without harvesting. The time delay can induce instability and Hopf bifurcation can also occur. Some plots of trajectories of the prey and predator populations are also given
Penerapan Sparse Principal Component Analysis dalam Menghasilkan Matriks Loading yang Sparse
Get PDFAbstract Sparse Principal Component Analysis (Sparse PCA) is one of the development of PCA. Sparse PCA modifies new variables as a linier combination of p old variables (original variable) which is yielded by PCA method. Modifying new variables is conducted by producing a loading yang sparse matrix, such that old variable which is not effective (value of loading is zero) able be exit from PCA. In this study, Sparse PCA method was applied on data of Indonesia Poverty population in 2015, that contains 13 variables and 34 observation with variable reduction such that yields 4 (four) new variables, which can explain 80.1% of total variance data. This study show, the loading matrix that has been yielded by using Sparse PCA method to become sparse with there exist 11 elements (loading value) zero entry of matrix, such that the model that has been produced to be simpler and easy to be interpreted. Keywords: Principal Component Analysis, Sparse Principal Component Analysis, reduksi dimensi, matriks loading yang sparse Abstrak Sparse Principal Component Analysis (Sparse PCA) merupakan salah satu pengembangan dari metode PCA. Sparse PCA memodifikasi variabel-variabel baru yang merupakan kombinasi linear dari variabel lama (variabel asli) yang dihasilkan oleh metode PCA. Pemodifikasian variabel baru ini dilakukan dengan dengan menghasilkan matriks loading yang sparse sehingga variabel lama yang tidak efektif (memiliki nilai loading sama dengan nol) dapat dikeluarkan dari model PCA. Pada penelitian ini, metode Sparse PCA diterapkan pada data Indikator Kemiskinan Penduduk Indonesia Tahun 2015 yang memuat 13 variabel dan 34 observasi dengan reduksi variabel menghasilkan 4 (empat) variabel baru yang telah mampu menjelaskan 80,1% dari total variansi data. Hasil penelitian menunjukkan, matriks loading yang dihasilkan menggunakan metode Sparse PCA menjadi sparse dengan terdapat 11 elemen (nilai loading) matriks bernilai nol sehingga model yang dihasilkan menjadi lebih sederhana dan mudah untuk diinterpretasikan. Kata Kunci: Principal Component Analysis, Sparse Principal Component Analysis, reduksi dimensi, matriks loading yang spars
Beberapa Karakteristik Fungsi Mobius
Get PDFFungsi Mobius adalah fungsi unik yang terdapat dalam teori bilangan dan transformasi Mobius dalam bidang Geometri. Fungsi ini mengelompokkan himpunan bilangan asli menjadi tiga kelompok bilangan. Aturan fungsi ini memiliki beberapa karakteristik khusus
KONSTRUKSI UJI KESESUAIAN MODEL GEOGRAPHICALLY WEIGHTED POLYNOMIAL REGRESSION
Get PDFAbstractGeographically Weighted Polynomial Regression (GWPolR) is a generalization of Geographically Weighted Regression (GWR) model. By using the generalization, GWPolR has parameters much more than GWR model. In general, excess of the number of parameter will have a higher appropriate value. However, the model which has less parameter will have the excess for easing in application and its interpretation. Nevertheless, when the model has more the parameters, then the model will be better significantly to be used. Therefore, the aim of this paper is to construct the conformity between hypothesis test with respect to the GWPolR model. Keywords: Geographically weighted polynomial regression, Geographically Weighted Regression, uji kesesuaian model AbstrakGeographically Weighted Polynomial Regression (GWPolR) merupakan perumuman dari model Geographically Weighted Regression (GWR). Dengan perumuman tersebut, model GWPolR memiliki jumlah parameter yang lebih banyak daripada model GWR. Umumnya, kelebihan model dengan jumlah parameter lebih banyak adalah memiliki nilai kesesuaian lebih tinggi. Sebaliknya, model dengan jumlah parameter yang sedikit memiliki kelebihan berupa kemudahan dalam aplikasi dan interpretasinya. Namun demikian, jika model dengan jumlah parameter yang lebih banyak ternyata secara signifikan lebih baik maka sudah seharusnya model tersebut dipilih untuk digunakan. Oleh karena itu, tujuan paper ini adalah mengkonstruksi uji hipotesis kesesuaian model GWPolR. Kata Kunci: Geographically weighted polynomial regression, Geographically Weighted Regression, uji kesesuaian mode
Penaksiran Parameter Regresi Nonlinier dengan Algoritma Gauss-Newton dan Tafsiran Geometris Least Squares
Get PDFPenggunaan Bilangan Fuzzy Segitiga pada Perbandingan Kemampuan Proses
Get PDFKebanyakan metode-metode untuk menilai kemampuan proses manufaktur menggunakan bilangan biasa. Dalam tulisan ini dibahas metode untuk menilai kemampuan proses (Perbandingan Kemampuan Proses) dengan menggunakan bilangan fuzzy yang mempunyai fungsi keanggotaan berbentuk segitiga. Perbandingan Kemampuan Proses (PKP) tersebut diperlukan apabila batas spesifikasi yang diberikan adalah fuzzy. Beberapa hubungan di antara PKP fuzzy tersebut juga akan diberika
Penggunaan Metode Chaid (Chi Square- Automatic Interaction Detection) Pada Pohon Klasifikasi Menggunakan Satu Peubah Respon Dengan Perbandingan Taraf Nyata
Get PDFBila semakin besar nilai (alpha= 0,05) yang dipilih dalam analisa pengklasifikasian data dengan menggunakan metode CHAID pada pohon klasifikasi untuk satu peubah respon, maka faktor-faktor penduga yang signifikan yang dihasilkan akan semakin lebih banyak, dan sebaliknya. Efek CHAID dapat melihat faktor-faktor yang lebih signifikan secara jelas dan mendeteksi setiap interaksi pada tiap-tiap pembagian pada pohon klasifikasi. Selanjutnya metode ini dapat digunakan dalam menganalisa data survei bertipe kategori dalam jumlah sangat besar dengan berbagai nilai perbandingan taraf nyata yang reliabel