Abstract. The growth of e-commerce in Indonesia continues to increase every year, especially with the pandemic accelerating e-commerce growth so that it is predicted to grow by 91%. Fashion products are a sector that is in great demand by e-commerce users in Indonesia. The many e-commerce platforms available today provide a variety of choices for consumers to buy fashion products according to the desired criteria. For this reason, a decision support system is needed to help the process of selecting e-commerce in the fashion sector with the right method. In this study, the selection of e-commerce in the fashion sector was carried out by applying the Multi-Objective Optimization on the basis of Simple Ratio Analysis (MOOSRA) method. The selection process uses 4 e-commerce alternatives, namely Shopee, Tokopedia, Lazada, and TikTok Shop, and the 5 criteria used are price, product, transaction process, service, and attractiveness. In this study the Entropy method was used to determine the weight of the criteria. The results showed that Shopee was an alternative choice for e-commerce in the fashion sector in the case study of active Unisba students with the highest performance score of 2.11960, followed by TikTok Shop of 1.87437 then Tokopedia of 1.53236 and finally Lazada of 1. 48977. Abstrak. Pertumbuan e-commerce di Indonesia terus meningkat tiap tahunnya, terlebih dengan adanya pandemi mengakselerasi pertumbuhan e-commerce hingga diprediksi bertumbuh sebesar 91%. Produk fashion menjadi sektor yang banyak diminati oleh pengguna e-commerce di Indonesia. Banyaknya platform e-commerce yang tersedia saat ini memberi beragam pilihan bagi konsumen untuk membeli produk fashion sesuai dengan kriteria yang diinginkan. Untuk itu diperlukan sebuah sistem pendukung keputusan untuk membantu proses pemilihan e-commerce di bidang fashion dengan metode yang tepat. Pada penelitian ini dilakukan pemilihan terhadap e-commerce di bidang fashion dengan menerapkan metode Multi-Objective Optimization on the basis of Simple Ratio Analysis (MOOSRA). Proses pemilihan menggunakan 4 alternatif e-commerce yaitu Shopee, Tokopedia, Lazada, dan TikTok Shop, serta 5 kriteria yang digunakan yaitu harga, produk, proses transaksi, pelayanan, dan daya Tarik. Dalam penelitian ini metode Entropy digunakan untuk menentukan bobot kriteria. Hasil penelitian menunjukkan bahwa Shopee menjadi pilihan alternatif e-commerce dalam bidang fashion pada studi kasus mahasiswa aktif Unisba dengan perolehan skor kinerja tertinggi yaitu sebesar 2,11960 disusul oleh TikTok Shop sebesar 1,87437 kemudian Tokopedia sebesar 1,53236 dan terakhir Lazada sebesar 1,48977.
摘要印尼电子商务的增长每年都在持续增长，特别是随着疫情的爆发，电子商务的增长速度加快，预计将增长91%。时尚产品是印尼电子商务用户需求量很大的一个领域。如今的许多电子商务平台为消费者提供了多种选择，让他们可以根据自己想要的标准购买时尚产品。因此，需要一个决策支持系统，以帮助在时尚行业选择电子商务的过程中使用正确的方法。在本研究中，采用基于简单比率分析法(MOOSRA)的多目标优化方法对时尚行业的电子商务进行选择。选择过程中使用了4个电子商务替代品，即Shopee, Tokopedia, Lazada和TikTok Shop，使用的5个标准是价格，产品，交易流程，服务和吸引力。本研究采用熵值法确定各指标的权重。结果显示，在Unisba活跃学生的案例研究中，Shopee是时尚领域电商的另一选择，表现得分最高，为2.11960，其次是TikTok Shop，得分为1.87437，其次是Tokopedia，得分为1.53236，最后是Lazada，得分为1。48977. Abstrak。pertumbuhan e-commerce di Indonesia terus meningkat tiap tahunnya, terlebih dengan adanya流行病mengakselerasi pertumbuhan e-commerce hingga diprediksi bertumbuh sebesar为91%。产品时尚门加迪部门杨班雅克迪米纳迪印尼彭古纳电子商务。Banyaknya平台电商yang tersedia旗下品牌品牌，品牌品牌，品牌品牌，品牌，品牌，品牌，品牌，品牌，品牌，品牌，品牌，品牌，品牌，品牌，品牌，品牌等。Untuk itu diperlukan sebuah系统pendukung keputusan Untuk membantu提出了一种电子商务模式，即bidang fashion dengan方法yang tepat。基于简单比分析(MOOSRA)的多目标优化方法。4 .电子商务替代yitshopee, Tokopedia, Lazada, dantiktok Shop, serta 5 .标准yang digunakan yitharga，产品，transaksi, pelayanan, dandaya Tarik。Dalam penelitian ini方法熵，digunakan menentukan bobot准则。Hasil penelitian menunjukkan bahwa Shopee menjadi pilihan替代电子商务dalam bidang时尚研究kasus mahasiswa aktif Unisba dengan perolehan skor kinerja tertingi yititsebesar 2,11960 disusuloleh TikTok Shop sebesar 1,87437 kemudian Tokopedia sebesar 1,53236 danterakhir Lazada sebesar 1,48977。
{"title":"Penerapan Metode MOOSRA pada Sistem Pendukung Keputusan Pemilihan E-commerce dalam Pembelian Produk Fashion","authors":"Elsa Fitria, Gani Gunawan","doi":"10.29313/jrm.v3i1.1745","DOIUrl":"https://doi.org/10.29313/jrm.v3i1.1745","url":null,"abstract":"Abstract. The growth of e-commerce in Indonesia continues to increase every year, especially with the pandemic accelerating e-commerce growth so that it is predicted to grow by 91%. Fashion products are a sector that is in great demand by e-commerce users in Indonesia. The many e-commerce platforms available today provide a variety of choices for consumers to buy fashion products according to the desired criteria. For this reason, a decision support system is needed to help the process of selecting e-commerce in the fashion sector with the right method. In this study, the selection of e-commerce in the fashion sector was carried out by applying the Multi-Objective Optimization on the basis of Simple Ratio Analysis (MOOSRA) method. The selection process uses 4 e-commerce alternatives, namely Shopee, Tokopedia, Lazada, and TikTok Shop, and the 5 criteria used are price, product, transaction process, service, and attractiveness. In this study the Entropy method was used to determine the weight of the criteria. The results showed that Shopee was an alternative choice for e-commerce in the fashion sector in the case study of active Unisba students with the highest performance score of 2.11960, followed by TikTok Shop of 1.87437 then Tokopedia of 1.53236 and finally Lazada of 1. 48977. \u0000Abstrak. Pertumbuan e-commerce di Indonesia terus meningkat tiap tahunnya, terlebih dengan adanya pandemi mengakselerasi pertumbuhan e-commerce hingga diprediksi bertumbuh sebesar 91%. Produk fashion menjadi sektor yang banyak diminati oleh pengguna e-commerce di Indonesia. Banyaknya platform e-commerce yang tersedia saat ini memberi beragam pilihan bagi konsumen untuk membeli produk fashion sesuai dengan kriteria yang diinginkan. Untuk itu diperlukan sebuah sistem pendukung keputusan untuk membantu proses pemilihan e-commerce di bidang fashion dengan metode yang tepat. Pada penelitian ini dilakukan pemilihan terhadap e-commerce di bidang fashion dengan menerapkan metode Multi-Objective Optimization on the basis of Simple Ratio Analysis (MOOSRA). Proses pemilihan menggunakan 4 alternatif e-commerce yaitu Shopee, Tokopedia, Lazada, dan TikTok Shop, serta 5 kriteria yang digunakan yaitu harga, produk, proses transaksi, pelayanan, dan daya Tarik. Dalam penelitian ini metode Entropy digunakan untuk menentukan bobot kriteria. Hasil penelitian menunjukkan bahwa Shopee menjadi pilihan alternatif e-commerce dalam bidang fashion pada studi kasus mahasiswa aktif Unisba dengan perolehan skor kinerja tertinggi yaitu sebesar 2,11960 disusul oleh TikTok Shop sebesar 1,87437 kemudian Tokopedia sebesar 1,53236 dan terakhir Lazada sebesar 1,48977.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"155 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-07-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"79771737","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. Predicting the outcome of the match is a big thing when it’s always expressed before the game starts, both from fans and analysts. To predict a match, we need a technology that can process input, analysis and output data, namely Machine Learning. Machine Learning is a system or computer to 'learn' independently and improve its capabilities automatically without the need for explicit written programming instructions. several algorithms to predict an event, namely Logistic Regression, K-Nearest Neighbors, Naïve-Bayes, Support Vector Machine, Neural Network and Random Forest. In this study, with the help of Scikit-Learn on Python, it was used to measure the accuracy of the FIFA World Cup 2006-2018 and predicts the results of the FIFA World Cup 2022. The SVM algorithm has the highest accuracy rate in 2010 and 2014. This means that if the same two teams meet in 2010, if they meet again 4 years later, they will have the same chance of winning. The Neural Network algorithm has the highest accuracy rate in 2006 and 2018. This means that if the same two teams met in 2006, if they met again 12 years later, they would have the same chance of winning. Prediction results show that Germany has a chance to win the FIFA World Cup 2022. Abstrak. Memprediksi hasil pertandingan adalah hal yang besar ketika selalu diungkapkan sebelum pertandingan dimulai, baik dari penggemar maupun analis. Untuk memprediksi kecocokan, diperlukan suatu teknologi yang dapat mengolah data input, analisis dan output yaitu Machine Learning. Machine Learning adalah sebuah sistem atau komputer untuk 'belajar' secara mandiri dan meningkatkan kemampuannya secara otomatis tanpa memerlukan instruksi pemrograman tertulis yang eksplisit. beberapa algoritma untuk memprediksi suatu kejadian yaitu Logistic Regression, K-Nearest Neighbors, Naïve-Bayes, Support Vector Machine, Neural Network dan Random Forest. Dalam penelitian ini, dengan bantuan Scikit-Learn on Python digunakan untuk mengukur akurasi FIFA World Cup 2006-2018 dan memprediksi hasil FIFA World Cup 2022. Algoritma SVM memiliki tingkat akurasi tertinggi pada tahun 2010 dan 2014. Artinya, jika dua tim yang sama bertemu di tahun 2010, jika bertemu lagi 4 tahun kemudian, mereka akan memiliki peluang yang sama untuk menang. Algoritma Neural Network memiliki tingkat akurasi tertinggi pada tahun 2006 dan 2018. Artinya jika dua tim yang sama bertemu pada tahun 2006, jika mereka bertemu lagi 12 tahun kemudian, mereka akan memiliki peluang yang sama untuk menang. Hasil prediksi menunjukkan bahwa Jerman berpeluang menjadi juara FIFA World Cup 2022.
摘要预测比赛结果是一件大事，因为无论是球迷还是分析师，总是在比赛开始前就做出预测。为了预测比赛，我们需要一种能够处理输入、分析和输出数据的技术，即机器学习。机器学习是一种系统或计算机独立“学习”并自动提高其能力，而不需要明确的书面编程指令。预测事件的几种算法，即逻辑回归，k近邻，Naïve-Bayes，支持向量机，神经网络和随机森林。在这项研究中，在Scikit-Learn on Python的帮助下，它被用来衡量2006-2018年FIFA世界杯的准确性，并预测2022年FIFA世界杯的结果。SVM算法在2010年和2014年准确率最高。这意味着，如果同样的两支球队在2010年相遇，如果他们在4年后再次相遇，他们将有同样的获胜机会。神经网络算法在2006年和2018年的准确率最高。这意味着，如果同样的两支球队在2006年相遇，如果他们在12年后再次相遇，他们将有同样的获胜机会。预测结果显示，德国有机会赢得2022年世界杯。Abstrak。成员间的相互关系是相互的，是相互的，是相互的。Untuk memprediksi keecocokan, diperlukan suatu技术yang dapatmengolah数据输入，yyitu机器学习分析丹输出。机器学习是一种机器学习系统，它是一种计算机学习系统，它是由“belajar”、“secara mandiri”、“meningkatkan kemampuannya”、“secara otomatis”、“memerlukan”、“pemprogramming”和“tertulis”组成的。逻辑回归，k -近邻，Naïve-Bayes，支持向量机，神经网络，随机森林。dam penelitian ini, dengan bantuan Scikit-Learn Python digunakan untuk mengukur akurasi FIFA世界杯2006-2018 dan memprediksi hasil FIFA世界杯2022。支持向量机记忆识别算法(SVM) 2010和2014。Artinya,吉卡瓦蒂姆·杨红十字会内唯一一名央行bertemu di tahun 2010年,吉卡bertemu红十字会内唯一一名lagi 4 tahun kemudian, mereka阿坎人memiliki peluang杨央行为她menang。算法神经网络记忆识别技术与应用，2006和2018。2006年12月12日，新疆新疆维吾尔自治区，新疆新疆维吾尔自治区，新疆新疆维吾尔自治区。哈西尔prediksi menunjukkan bahwa德国berpeluang menjadi juara FIFA世界杯2022。
{"title":"Prediksi Hasil FIFA World Cup Qatar 2022 Menggunakan Machine Learning dengan Python","authors":"Syahrul Zein, Gani Gunawan","doi":"10.29313/jrm.v2i2.1382","DOIUrl":"https://doi.org/10.29313/jrm.v2i2.1382","url":null,"abstract":"Abstract. Predicting the outcome of the match is a big thing when it’s always expressed before the game starts, both from fans and analysts. To predict a match, we need a technology that can process input, analysis and output data, namely Machine Learning. Machine Learning is a system or computer to 'learn' independently and improve its capabilities automatically without the need for explicit written programming instructions. several algorithms to predict an event, namely Logistic Regression, K-Nearest Neighbors, Naïve-Bayes, Support Vector Machine, Neural Network and Random Forest. In this study, with the help of Scikit-Learn on Python, it was used to measure the accuracy of the FIFA World Cup 2006-2018 and predicts the results of the FIFA World Cup 2022. The SVM algorithm has the highest accuracy rate in 2010 and 2014. This means that if the same two teams meet in 2010, if they meet again 4 years later, they will have the same chance of winning. The Neural Network algorithm has the highest accuracy rate in 2006 and 2018. This means that if the same two teams met in 2006, if they met again 12 years later, they would have the same chance of winning. Prediction results show that Germany has a chance to win the FIFA World Cup 2022. \u0000Abstrak. Memprediksi hasil pertandingan adalah hal yang besar ketika selalu diungkapkan sebelum pertandingan dimulai, baik dari penggemar maupun analis. Untuk memprediksi kecocokan, diperlukan suatu teknologi yang dapat mengolah data input, analisis dan output yaitu Machine Learning. Machine Learning adalah sebuah sistem atau komputer untuk 'belajar' secara mandiri dan meningkatkan kemampuannya secara otomatis tanpa memerlukan instruksi pemrograman tertulis yang eksplisit. beberapa algoritma untuk memprediksi suatu kejadian yaitu Logistic Regression, K-Nearest Neighbors, Naïve-Bayes, Support Vector Machine, Neural Network dan Random Forest. Dalam penelitian ini, dengan bantuan Scikit-Learn on Python digunakan untuk mengukur akurasi FIFA World Cup 2006-2018 dan memprediksi hasil FIFA World Cup 2022. Algoritma SVM memiliki tingkat akurasi tertinggi pada tahun 2010 dan 2014. Artinya, jika dua tim yang sama bertemu di tahun 2010, jika bertemu lagi 4 tahun kemudian, mereka akan memiliki peluang yang sama untuk menang. Algoritma Neural Network memiliki tingkat akurasi tertinggi pada tahun 2006 dan 2018. Artinya jika dua tim yang sama bertemu pada tahun 2006, jika mereka bertemu lagi 12 tahun kemudian, mereka akan memiliki peluang yang sama untuk menang. Hasil prediksi menunjukkan bahwa Jerman berpeluang menjadi juara FIFA World Cup 2022.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"154 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"86276853","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. The surge in passengers at Soekarno-Hatta International Airport in new normal era, urged the airport to have information about how many passengers in the next several time periods in order to know the proper plan and optimization of airport operations. This paper aims to use Backpropagation Neural Network methods to predict the number of airplane passengers. The data used is monthly data on the number of passengers on domestic flights at Soekarno-Hatta International Airport from January 2006 to April 2022 obtained from Badan Pusat Statistik (BPS). The results showed predictions with Backpropagation Neural Network method produced the best predictions with 19.77% MAPE. The prediction of the number of passengers in the next period, May 2022 is 1.060.500 passengers. Abstrak. Melonjaknya penumpang di Bandara Internasional Soekarno-Hatta pada era new normal, pihak bandara perlu memiliki informasi mengenai berapa banyak penumpang pada beberapa periode waktu ke depan guna mengetahui perencanaan dan pengoptimalan pengoperasian bandara yang tepat. Penelitian ini bertujuan untuk memprediksi jumlah penumpang pesawat menggunakan Backpropagation Neural Network. Data yang digunakan adalah data bulanan jumlah penumpang pesawat penerbangan domestik di Bandara Internasional Soekarno-Hatta mulai Januari 2006 hingga April 2022 yang diperoleh dari Badan Pusat Statistika (BPS). Hasil penelitian menunjukkan prediksi dengan metode Backpropagation Neural Network menghasilkan prediksi yang baik dengan MAPE 19,77%. Prediksi jumlah penumpang pada periode selanjutnya yaitu Mei 2022 adalah sebanyak 1.060.500 penumpang.
摘要。新常态下苏加诺-哈达国际机场的客流量激增，要求机场掌握未来几个时间段的客流量信息，以便了解正确的计划和优化机场运营。本文旨在利用反向传播神经网络方法预测飞机乘客数量。使用的数据是2006年1月至2022年4月期间苏加诺-哈达国际机场国内航班乘客人数的月度数据，数据来自巴丹普萨特统计(BPS)。结果表明，用反向传播神经网络方法进行预测的预测效果最好，MAPE为19.77%。预计下一时期2022年5月的客流量为1.060.500人次。Abstrak。苏加诺-哈达时代新常态，苏加诺-哈达时代新常态，苏加诺-哈达时代新常态，苏加诺-哈达时代新常态，苏加诺-哈达时代新常态，苏加诺-哈达时代新常态。反向传播神经网络[j]。数据yangdigunakan adalah数据bulanan jumlah penumpang pesawat penerbangan国内数据di Bandara国际苏加诺-哈达muli 2006年1月至2022年4月yangdiperoleh dari Badan Pusat statistics (BPS)。反向传播神经网络孟哈斯坎预测算法杨百登干MAPE 19,77%。Prediksi jumlah penumpang pada period selanjutnya yitu Mei 2022 adalah sebanyak 1.060.500 penumpang。
{"title":"Prediksi Jumlah Penumpang Pesawat dengan Backpropagation Neural Network","authors":"Desy Pitriyani, Yurika Permanasari","doi":"10.29313/jrm.v2i2.1327","DOIUrl":"https://doi.org/10.29313/jrm.v2i2.1327","url":null,"abstract":"Abstract. The surge in passengers at Soekarno-Hatta International Airport in new normal era, urged the airport to have information about how many passengers in the next several time periods in order to know the proper plan and optimization of airport operations. This paper aims to use Backpropagation Neural Network methods to predict the number of airplane passengers. The data used is monthly data on the number of passengers on domestic flights at Soekarno-Hatta International Airport from January 2006 to April 2022 obtained from Badan Pusat Statistik (BPS). The results showed predictions with Backpropagation Neural Network method produced the best predictions with 19.77% MAPE. The prediction of the number of passengers in the next period, May 2022 is 1.060.500 passengers. \u0000Abstrak. Melonjaknya penumpang di Bandara Internasional Soekarno-Hatta pada era new normal, pihak bandara perlu memiliki informasi mengenai berapa banyak penumpang pada beberapa periode waktu ke depan guna mengetahui perencanaan dan pengoptimalan pengoperasian bandara yang tepat. Penelitian ini bertujuan untuk memprediksi jumlah penumpang pesawat menggunakan Backpropagation Neural Network. Data yang digunakan adalah data bulanan jumlah penumpang pesawat penerbangan domestik di Bandara Internasional Soekarno-Hatta mulai Januari 2006 hingga April 2022 yang diperoleh dari Badan Pusat Statistika (BPS). Hasil penelitian menunjukkan prediksi dengan metode Backpropagation Neural Network menghasilkan prediksi yang baik dengan MAPE 19,77%. Prediksi jumlah penumpang pada periode selanjutnya yaitu Mei 2022 adalah sebanyak 1.060.500 penumpang.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"17 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"90308133","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. Muslims in Indonesia want a sharia-based economic principle, this can be applied to every aspect and transaction carried out. In profit sharing activities there are 2 contracts that can be used in banking, namely Al-Mudharabah and Al-Musyarakah. This study aims to determine the implementation of the profit and loss sharing method for mudharabah and musyarakah contracts. In this study, the focus is the profit-sharing system between Islamic banks and customers. The implementation of this research was carried out using MATLAB (Matrix Laboratorary). The results of this study indicate that the amount of installments paid each month is influenced by the agreement made at the beginning of the contract. From the results of the implementation of the profit and loss sharing method, it is concluded that by using the mudharabah contract, the installment amount will be the same as the principal installment, while in the implementation of the musharaka contract, the installment amount will be obtained from the installment size plus the profit sharing loss. And with the help of the MATLAB program it can make it easier to calculate profit sharing and installments that must be paid every month. Abstrak. Umat Islam di Indonesia menginginkan adanya prinsip perekonomian dengan berbasis syariah, hal tersebut dapat diaplikasikan pada setiap aspek maupun transaksi yang dilakukan. Dalam kegiatan bagi hasil ada 2 akad yang dapat digunakan dalam perbankan yaitu Al-Mudharabah dan Al-Musyarakah. Penelitian ini bertujuan untuk mengetahui implementasi metode profit and loss sharing untuk akad mudharabah dan akad musyarakah. Dalam penelitian ini yang menjadi fokus adalah sistem bagi hasil antara bank syariah dengan nasabah. Implementasi penelitian ini dilakukan dengan menggunakan MATLAB (Matrix Laboratorary). Hasil penelitian ini menunjukan bahwa besarnya angsuran yang dibayarkan setiap bulannya dipengaruhi oleh kesepakatan yang dilakukan diawal akad. Dari hasil Implementasi metode profit and loss sharing disimpulkan bahwa dengan menggunakan akad mudharabah maka besar cicilan akan sama dengan angsuran pokok, sedangkan pada pelaksanaan akad musyarakah besar cicilan akan didapat dari besar angsuran ditambah dengan besar bagi hasil kerugian. Dan dengan bantuan program MATLAB dapat memudahkan untuk menghitung bagi hasil dan angsuran yang harus dibayarkan setiap bulannya.
摘要。印度尼西亚的穆斯林想要一个以伊斯兰教为基础的经济原则，这可以应用到每一个方面和进行的交易。在利润分享活动中，银行可以使用两种合同，即Al-Mudharabah和Al-Musyarakah。本研究旨在确定mudharabah和musyarakah合同的盈亏分担方法的实施。在本研究中，重点是伊斯兰银行与客户之间的利润分享制度。本研究的实施采用MATLAB (Matrix laboratory)进行。这项研究的结果表明，每月支付的分期付款数额受到合同开始时所达成的协议的影响。从损益分担法实施的结果来看，采用mudharabah合同时，分期付款金额将与本金分期付款相同，而采用musharaka合同时，分期付款金额将从分期付款规模加上利润分享损失中获得。在MATLAB程序的帮助下，可以更容易地计算利润分成和每月必须支付的分期付款。Abstrak。印度尼西亚的伊斯兰教领袖(Umat Islam di Indonesia)是印度尼西亚的伊斯兰教领袖，也是印度尼西亚的伊斯兰教领袖，是印度尼西亚的伊斯兰教领袖，是印度尼西亚的伊斯兰教领袖。Dalam kegiatan bagi hasil ada 2 akad yang dapat digunakan Dalam perbankan yitu Al-Mudharabah dan Al-Musyarakah。Penelitian ini bertujuan untuk mengetahui实行一种损益分担的方法，即在akad mudharabah和akad musyarakah之间进行损益分担。Dalam penelitian ini yang menjadi专注于adalah系统，bagi hasil antara银行伊斯兰教，dengan nasabah。实现了用MATLAB(矩阵实验室)编写的数学模型。Hasil penelitian ini menunjukan bahwa besarkan angsuran yang dipengaruhi oleh kesepakatan yang dilakukan diawal akad。实行损益分享的方法，不受冲量影响，不受冲量影响，不受影响，不受影响，不受影响，不受影响，不受影响，不受影响，不受影响。丹登安班团程序，MATLAB, MATLAB, dancial.com, dancial.com, dancial.com, dancial.com, banci.com。
{"title":"Aplikasi MATLAB dalam Akad Mudharabah dan Musyarakah Menggunakan Metode Profit and Loss Sharing","authors":"Willy Ledi Widia, Onoy Rohaeni","doi":"10.29313/jrm.v2i2.1343","DOIUrl":"https://doi.org/10.29313/jrm.v2i2.1343","url":null,"abstract":"Abstract. Muslims in Indonesia want a sharia-based economic principle, this can be applied to every aspect and transaction carried out. In profit sharing activities there are 2 contracts that can be used in banking, namely Al-Mudharabah and Al-Musyarakah. This study aims to determine the implementation of the profit and loss sharing method for mudharabah and musyarakah contracts. In this study, the focus is the profit-sharing system between Islamic banks and customers. The implementation of this research was carried out using MATLAB (Matrix Laboratorary). The results of this study indicate that the amount of installments paid each month is influenced by the agreement made at the beginning of the contract. From the results of the implementation of the profit and loss sharing method, it is concluded that by using the mudharabah contract, the installment amount will be the same as the principal installment, while in the implementation of the musharaka contract, the installment amount will be obtained from the installment size plus the profit sharing loss. And with the help of the MATLAB program it can make it easier to calculate profit sharing and installments that must be paid every month. \u0000Abstrak. Umat Islam di Indonesia menginginkan adanya prinsip perekonomian dengan berbasis syariah, hal tersebut dapat diaplikasikan pada setiap aspek maupun transaksi yang dilakukan. Dalam kegiatan bagi hasil ada 2 akad yang dapat digunakan dalam perbankan yaitu Al-Mudharabah dan Al-Musyarakah. Penelitian ini bertujuan untuk mengetahui implementasi metode profit and loss sharing untuk akad mudharabah dan akad musyarakah. Dalam penelitian ini yang menjadi fokus adalah sistem bagi hasil antara bank syariah dengan nasabah. Implementasi penelitian ini dilakukan dengan menggunakan MATLAB (Matrix Laboratorary). Hasil penelitian ini menunjukan bahwa besarnya angsuran yang dibayarkan setiap bulannya dipengaruhi oleh kesepakatan yang dilakukan diawal akad. Dari hasil Implementasi metode profit and loss sharing disimpulkan bahwa dengan menggunakan akad mudharabah maka besar cicilan akan sama dengan angsuran pokok, sedangkan pada pelaksanaan akad musyarakah besar cicilan akan didapat dari besar angsuran ditambah dengan besar bagi hasil kerugian. Dan dengan bantuan program MATLAB dapat memudahkan untuk menghitung bagi hasil dan angsuran yang harus dibayarkan setiap bulannya.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"2 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"81257185","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. Digital data processing requires algorithms that can process data optimally. Processing large amounts of data requires a large number of parameters to produce accurate output. Then the classification accuracy at a certain point will decrease, therefore a process is needed that can extract the required number of parameters, one of which is using the pooling process. Pooling is a selection process to reduce the resolution on an insignificant feature map. Two methods in pooling, namely max pooling and average pooling, work by dividing the layer into several small grids and then taking the largest value or average value of each grid to compose the reduced digital data matrix. The pooling process requires padding to adjust the filter matrix by filling the empty parts of the matrix with the number 0. The size of the filter matrix does not affect the size of the pooling matrix. The smaller the filter matrix size, the more detailed the pooling process will be. The displacement of the filter matrix in the data matrix is determined by the magnitude of the stride. The smaller the stride size, the more detailed it will be, but the larger the pooling matrix will be. Abstrak. Pengolahan data digital membutuhkan algoritma yang dapat memproses data secara optimal. Pemrosesan data jumlah besar membutuhkan jumlah parameter yang besar pula untuk menghasilkan output yang akurat. Maka alkurasi klasifikasi pada titik tertentu akan menurun, oleh karena itu dibutuhkan sutu proses yang dapat mengekstraksi jumlah parameter yang diperlukan salah satunya menggunakan proses pooling. Pooling adalah proses melakukan seleksi untuk mengurangi resolusi pada peta ciri yang tidak signifikan. Dua metode dalam pooling yaitu max pooling dan average pooling, bekerja dengan membagi layer menjadi beberapa grid kecil lalu engambil nilai terbesar atau nilai rata-rata setiap grid untuk Menyusun matriks data digital yang telah direduksi. Proses pooling memerlukan padding untuk menyesuaikan matriks filter dengan mengisi bagian-bagian kosong matriks dengan angka 0. Ukuran matriks filter tidak mempengaruhi ukuran matriks pooling. semakin kecil ukuran matriks filter maka proses pooling akan semakin rinci. Perpindahan matriks filter pada matriks data ditentukan oleh besarnya stride. Semakin kecil ukuran stride akan semakin rinci akan tetapi ukuran matriks pooling akan semakin besar.
摘要数字数据处理需要能够最优处理数据的算法。处理大量的数据需要大量的参数来产生准确的输出。那么在某一点的分类精度就会下降，因此需要一种能够提取所需数量参数的过程，其中之一就是使用池化过程。池化是一种选择过程，用于降低无关紧要的特征映射的分辨率。池化中有两种方法，即最大池化和平均池化，其工作原理是将层分成几个小网格，然后取每个网格的最大值或平均值组成约简后的数字数据矩阵。池化过程需要填充来调整过滤器矩阵，方法是用数字0填充矩阵的空部分。过滤器矩阵的大小不影响池化矩阵的大小。过滤器矩阵的大小越小，池化过程就越详细。滤波矩阵在数据矩阵中的位移由步幅的大小决定。步长越小，越详细，但池化矩阵也越大。Abstrak。彭洛汉数据数字记忆算法对数据进行了最优处理。Pemrosesan数据jumlah besar membutuhkan jumlah参数yang besar pula untuk menghasilkan输出yang akurat。Maka alkurasi klasifikasi pada tititik tentenu akan menurun, oleh karena tu dibutuhkan sutu proses yang dapat mengekstraksi jumlah parameter yang diperlukan salah satunya menggunakan proses pooling。汇集adalah进程的melakukan seleksi, untuk mengurangi决议，pada peta ciri yang具有重要意义。Dua method dalam pooling yitu max pooling dan average pooling, bekerja dengan membagi layer menjadi beberapa grid kecil - lengi - naili - naili - naila - seap grid untuk Menyusun materials数据数字化yang telah direduksi。本文介绍了池化方法，包括:memlukan填充untuk menyessuaikan矩阵滤波，dengan mengisi bagjian - bagjian kosong矩阵，dengan angka 0。Ukuran矩阵滤波。Semakin kecil - ukuran矩阵滤波器使得一个过程池化了Semakin rinci。Perpindahan矩阵对帕达矩阵的数据进行过滤，并对其进行处理。Semakin keecil ukuran stride, Semakin rinci, Semakin rinci, tetapi, ukuran matriks pooling, Semakin besar。
{"title":"Ekstraksi Data Digital Menggunakan Teknik Max Pooling dan Average Pooling","authors":"Puspa Meliuwati, Eti Kurniati","doi":"10.29313/jrm.v2i2.1338","DOIUrl":"https://doi.org/10.29313/jrm.v2i2.1338","url":null,"abstract":"Abstract. Digital data processing requires algorithms that can process data optimally. Processing large amounts of data requires a large number of parameters to produce accurate output. Then the classification accuracy at a certain point will decrease, therefore a process is needed that can extract the required number of parameters, one of which is using the pooling process. Pooling is a selection process to reduce the resolution on an insignificant feature map. Two methods in pooling, namely max pooling and average pooling, work by dividing the layer into several small grids and then taking the largest value or average value of each grid to compose the reduced digital data matrix. The pooling process requires padding to adjust the filter matrix by filling the empty parts of the matrix with the number 0. The size of the filter matrix does not affect the size of the pooling matrix. The smaller the filter matrix size, the more detailed the pooling process will be. The displacement of the filter matrix in the data matrix is determined by the magnitude of the stride. The smaller the stride size, the more detailed it will be, but the larger the pooling matrix will be. \u0000Abstrak. Pengolahan data digital membutuhkan algoritma yang dapat memproses data secara optimal. Pemrosesan data jumlah besar membutuhkan jumlah parameter yang besar pula untuk menghasilkan output yang akurat. Maka alkurasi klasifikasi pada titik tertentu akan menurun, oleh karena itu dibutuhkan sutu proses yang dapat mengekstraksi jumlah parameter yang diperlukan salah satunya menggunakan proses pooling. Pooling adalah proses melakukan seleksi untuk mengurangi resolusi pada peta ciri yang tidak signifikan. Dua metode dalam pooling yaitu max pooling dan average pooling, bekerja dengan membagi layer menjadi beberapa grid kecil lalu engambil nilai terbesar atau nilai rata-rata setiap grid untuk Menyusun matriks data digital yang telah direduksi. Proses pooling memerlukan padding untuk menyesuaikan matriks filter dengan mengisi bagian-bagian kosong matriks dengan angka 0. Ukuran matriks filter tidak mempengaruhi ukuran matriks pooling. semakin kecil ukuran matriks filter maka proses pooling akan semakin rinci. Perpindahan matriks filter pada matriks data ditentukan oleh besarnya stride. Semakin kecil ukuran stride akan semakin rinci akan tetapi ukuran matriks pooling akan semakin besar.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"129 9 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"79597163","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. Cash Social Assistance is a form of government intervention through the Indonesian Ministry of Social Affairs in order to provide a social safety stimulus in the midst of the COVID-19 pandemic. However, in the process there are still obstacles, one of which is in determining the recipients of Cash Social Assistance. The use of the Mamdani Fuzzy Inference System is one method that can be used in the process of determining the recipients of Cash Social Assistance. In its use, Fuzzy Mamdani has four stages, starting from the stages of forming fuzzy sets, application of the Implication function, composition of rules to defuzzification or affirmation. Mamdani's Fuzzy Inference System describes the output in numerical form which determines the eligibility of Cash Social Assistance Recipients. In order to simplify the work, the calculation uses the Toolbox in Matlab. There are 10 fuzzy rules used. The result of the research is a feasibility determination system that has an accuracy value of 92.1835% and this determination system can be used as a reference in the process of determining the recipients of Cash Social Assistance. Abstrak. Bantuan Sosial Tunai merupakan bentuk perwujudan Intervensi Pemerintah melalui Kementrian Sosial RI dalam rangka memberikan stimulus Pengaman Sosial di tengah masa pandemik COVID-19. Akan tetapi dalam prosesnya masih terdapat kendala salah satunya dalam penentuan penerima Bantuan Sosial Tunai. Penggunaan Sistem Inference Fuzzy Mamdani merupakan salah satu metode yang bisa digunakan dalam proses penentuan penerima Bantuan Sosial Tunai. Dalam Penggunaannya Fuzzy Mamdani memiliki empat tahapan yang dilakukan, mulai dari tahapan pembentukan himpunan fuzzy, aplikasi fungsi Implikasi, komposisi aturan sampai defuzifikasi atau penegasan.Variabel yang digunakan adalah Status Pekerjaan Kepala Keluarga, Kondisi Lantai, Kondisi WC, Penghasilan, Dinding. Sistem Inference Fuzzy Mamdani menggambarkan keluaran (Output) dalam bentuk numerik yang menjadi penentu kelayakan Penerima Bantuan Sosial Tunai. Dalam mempermudah pengerjaan, perhitungannya menggunakan Toolbox pada Matlab. Fuzzy rules yang digunakan sebanyak 10 aturan. Hasil dari penelitian berupa sebuah sistem penentuan kelayakan yang memiliki nilai akurasi sebesar 92,1835 % dan sistem penentuan ini dapat dijadikan acuan dalam proses penentuan penerima Bantuan Sosial Tunai.
摘要。现金社会援助是通过印度尼西亚社会事务部进行的一种政府干预形式，目的是在2019冠状病毒病大流行期间提供社会安全刺激。但是，在这一过程中仍然存在障碍，其中之一是确定现金社会援助的接受者。使用Mamdani模糊推理系统是一种可以用于确定现金社会援助接受者的方法。模糊曼达尼在运用中有四个阶段，从模糊集的形成、蕴涵函数的应用、规则的构成到去模糊化或肯定。Mamdani的模糊推理系统以数字形式描述了决定现金社会援助接受者资格的输出。为了简化工作，使用Matlab中的工具箱进行计算。这里使用了10条模糊规则。研究结果为现金社会救助受助人的确定提供了可行性确定系统，准确率为92.1835%，该确定系统可作为确定现金社会救助受助人的参考。Abstrak。班加曼社会突尼斯merupakan bentuk perwujudan干预Pemerintah melalui Kementrian社会RI dalam rangka成员刺激彭加曼社会di tengah masa大流行COVID-19。Akan tetapi dalam prosesnya masih terdapat kendala salah satunya dalam penentuan penerima Bantuan social Tunai。彭古南系统推理Fuzzy Mamdani merupakan salah satu metode yang bisa digunakan dalam propropenentuan penerima Bantuan social Tunai。Dalam Penggunaannya Fuzzy Mamdani memoriliki empat tahapan yang dilakukan, mulai dari tahapan pembentukan hinimpunan Fuzzy, plikasi fungsi Implikasi, komposisi aturan sampai defuzifikasi atau penegasan。Pekerjaan Kepala Keluarga, Kondisi Lantai, Kondisi WC, Penghasilan, ding。系统推理模糊Mamdani menggambarkan keluaran(输出)dalam bentuk numerik yang menjadi penentu kelayakan Penerima Bantuan社会突尼斯。Dalam mempermudah pengerjaan, perhitungannya menggunakan工具箱pada Matlab。模糊规则yang digunakan sebanyak 10 aturan。Hasil dari penelitian berupa sebuah system penentuan kelayakan yang memoriliki nilai akurasi sebesar 92,1835 % dan system penentuan ini dapat dijadikan acuan dalam proses penentuan penerima Bantuan social Tunai。
{"title":"Penerapan Inference Fuzzy Mamdani dalam Seleksi Penerima Bantuan Sosial Tunai Kabupaten Belitung Timur","authors":"Sentya Agus Savitri, Didi Suhaedi","doi":"10.29313/jrm.v2i2.1383","DOIUrl":"https://doi.org/10.29313/jrm.v2i2.1383","url":null,"abstract":"Abstract. Cash Social Assistance is a form of government intervention through the Indonesian Ministry of Social Affairs in order to provide a social safety stimulus in the midst of the COVID-19 pandemic. However, in the process there are still obstacles, one of which is in determining the recipients of Cash Social Assistance. The use of the Mamdani Fuzzy Inference System is one method that can be used in the process of determining the recipients of Cash Social Assistance. In its use, Fuzzy Mamdani has four stages, starting from the stages of forming fuzzy sets, application of the Implication function, composition of rules to defuzzification or affirmation. Mamdani's Fuzzy Inference System describes the output in numerical form which determines the eligibility of Cash Social Assistance Recipients. In order to simplify the work, the calculation uses the Toolbox in Matlab. There are 10 fuzzy rules used. The result of the research is a feasibility determination system that has an accuracy value of 92.1835% and this determination system can be used as a reference in the process of determining the recipients of Cash Social Assistance. \u0000Abstrak. Bantuan Sosial Tunai merupakan bentuk perwujudan Intervensi Pemerintah melalui Kementrian Sosial RI dalam rangka memberikan stimulus Pengaman Sosial di tengah masa pandemik COVID-19. Akan tetapi dalam prosesnya masih terdapat kendala salah satunya dalam penentuan penerima Bantuan Sosial Tunai. Penggunaan Sistem Inference Fuzzy Mamdani merupakan salah satu metode yang bisa digunakan dalam proses penentuan penerima Bantuan Sosial Tunai. Dalam Penggunaannya Fuzzy Mamdani memiliki empat tahapan yang dilakukan, mulai dari tahapan pembentukan himpunan fuzzy, aplikasi fungsi Implikasi, komposisi aturan sampai defuzifikasi atau penegasan.Variabel yang digunakan adalah Status Pekerjaan Kepala Keluarga, Kondisi Lantai, Kondisi WC, Penghasilan, Dinding. Sistem Inference Fuzzy Mamdani menggambarkan keluaran (Output) dalam bentuk numerik yang menjadi penentu kelayakan Penerima Bantuan Sosial Tunai. Dalam mempermudah pengerjaan, perhitungannya menggunakan Toolbox pada Matlab. Fuzzy rules yang digunakan sebanyak 10 aturan. Hasil dari penelitian berupa sebuah sistem penentuan kelayakan yang memiliki nilai akurasi sebesar 92,1835 % dan sistem penentuan ini dapat dijadikan acuan dalam proses penentuan penerima Bantuan Sosial Tunai.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"2023 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"86864363","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. Market equilibrium in the short run in a perfectly competitive market is a condition in which the quantity supplied is equal to the quantity demanded. One way to analyze the market equilibrium in the short run is to analyze the effect of a shift in the supply curve on the market equilibrium. This study analyzes the effect of the shift in the supply curve on the market balance in the short term. The purpose of this study is to analyze the effect of a shift in the supply curve on prices and the equilibrium quantity in the short run in a perfectly competitive market. The equilibrium price is determined in the decision-making process of consumers and producers. A shift in the supply and demand curves will cause a new market equilibrium or the market equilibrium price and quantity to change. The change will depend on the slope of the demand curve and supply curve. Abstrak. Keseimbangan pasar dalam jangka pendek pada pasar persaingan sempurna merupakan kondisi dimana jumlah penawaran sama dengan jumlah permintaan. Salah satu cara untuk menganalisis keseimbangan pasar dalam jangka pendek menggunakan analisis efek pergeseran kurva penawaran terhadap keseimbangan pasar. Pada penelitian ini menganalisis efek pergeseran kurva penawaran terhadap keseimbangan pasar dalam periode jangka pendek. Tujuan dari penelitian ini adalah menganalisis efek pergeseran kurva penawaran terhadap harga dan jumlah keseimbangan dalam jangka pendek pada pasar persaingan sempurna. Harga keseimbangan ditetapkan dalam proses pengambilan keputusan para konsumen dan produsen. Pergeseran kurva permintaan dan penawaran akan menyebabkan keseimbangan pasar baru atau harga dan jumlah keseimbangan pasar berubah. Perubahan tersebut akan tergantung pada kemiringan kurva permintaan dan kurva penawaran.
摘要在完全竞争市场中，短期市场均衡是供给量等于需求量的状态。分析短期市场均衡的一种方法是分析供给曲线的移动对市场均衡的影响。本文分析了短期内供给曲线的移动对市场平衡的影响。本研究的目的是分析在完全竞争市场中，供给曲线的移动对价格和均衡数量的短期影响。均衡价格是在消费者和生产者的决策过程中确定的。供给和需求曲线的移动将导致新的市场均衡或市场均衡价格和数量的变化。变化取决于需求曲线和供给曲线的斜率。Abstrak。这是我的生日，这是我的生日，这是我的生日，这是我的生日。Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah - Salah中国共产党共产党人的政治分析是，中国共产党人的政治分析是，中国共产党人的政治分析是，中国共产党人的政治分析是，中国共产党人的政治分析是，中国共产党人的政治分析。我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说。Harga keseimbangan ditetapkan dalam提议pengambilan keputusan para konsumen dan produsen。我的女儿，我的女儿，我的女儿，我的女儿，我的女儿，我的女儿。Perubahan tersebut akan tergantung pada kemiringan kurva permintaan dan kurva penawaran。
{"title":"Analisis Efek Pergeseran Kurva Penawaran terhadap Keseimbangan Pasar dalam Shortrun pada Pasar Persaingan Sempurna","authors":"Gian Fitriani Utami, Eti Kurniati","doi":"10.29313/jrm.v2i2.1165","DOIUrl":"https://doi.org/10.29313/jrm.v2i2.1165","url":null,"abstract":"Abstract. Market equilibrium in the short run in a perfectly competitive market is a condition in which the quantity supplied is equal to the quantity demanded. One way to analyze the market equilibrium in the short run is to analyze the effect of a shift in the supply curve on the market equilibrium. This study analyzes the effect of the shift in the supply curve on the market balance in the short term. The purpose of this study is to analyze the effect of a shift in the supply curve on prices and the equilibrium quantity in the short run in a perfectly competitive market. The equilibrium price is determined in the decision-making process of consumers and producers. A shift in the supply and demand curves will cause a new market equilibrium or the market equilibrium price and quantity to change. The change will depend on the slope of the demand curve and supply curve. \u0000Abstrak. Keseimbangan pasar dalam jangka pendek pada pasar persaingan sempurna merupakan kondisi dimana jumlah penawaran sama dengan jumlah permintaan. Salah satu cara untuk menganalisis keseimbangan pasar dalam jangka pendek menggunakan analisis efek pergeseran kurva penawaran terhadap keseimbangan pasar. Pada penelitian ini menganalisis efek pergeseran kurva penawaran terhadap keseimbangan pasar dalam periode jangka pendek. Tujuan dari penelitian ini adalah menganalisis efek pergeseran kurva penawaran terhadap harga dan jumlah keseimbangan dalam jangka pendek pada pasar persaingan sempurna. Harga keseimbangan ditetapkan dalam proses pengambilan keputusan para konsumen dan produsen. Pergeseran kurva permintaan dan penawaran akan menyebabkan keseimbangan pasar baru atau harga dan jumlah keseimbangan pasar berubah. Perubahan tersebut akan tergantung pada kemiringan kurva permintaan dan kurva penawaran.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"18 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"80784651","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. Principal Component Analysis is a statistical technique that has been widely used in terms of data processing. This study aims to extract interrelated variables. This type of research is quantitative in nature by taking the case of fundraising in Dompet Dhuafa, West Java. The variables in this study are the ten types of collection funds from 2016-2021 with 72 data. This shows that the selection of the dominant factor can be used by the principal component analysis method. The results of this study show that there are 10 variables (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) which is extracted into 5 Principal Components based on the eigen1 value , where the first Principal Component is showing the most dominant factor. The first principal component is zakat with a loading value of 0.414 and a variance percentage of 19.39% from 64.37%. Based on the fact in Dompet Dhuafa that the dominant factor is zakat with a percentage of 40%. So that the relative error of the research results is the same as the real data of 0.035. Abstrak. Principal Component Analysis adalah teknik statistik yang sudah digunakan secara luas dalam hal pengolahan data. Penelitian ini bertujuan untuk mengekstraksi variabel yang saling berhubungan. Jenis peneitian ini bersifat kuantitatif dengan mengambil kasus dana penghimpunan di Dompet Dhuafa Jawa Barat. Variabel dalam penelitian ini ialah ke sepuluh jenis dana penghimpunan dari tahun 2016-2021 dengan data sebanyak 72. Hal ini menunjukan bahwa pemilihan faktor dominan dapat digunakan metode principal component analysis. Hasil dari penelitian ini menunjukan ada 10 variabel (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) yang diekstraksi menjadi 5 Principal Component berdasarkan nilai eigen≥1 , dimana principal component pertama ialah menunjukan faktor yang paling dominan karena memiliki nilai keragaman total yang paling besar. Principal Component pertama ialah zakat dengan nilai loading sebesar 0,414 dan presentase varians sebesar 19,39% dari 64,37% . Berdasarkan kenyataan di Dompet Dhuafa bahwa faktor dominan adalah zakat dengan persentase sebesar 40 %. Sehingga galat relatif hasil penelitian sama dengan data real sebesar 0.035.
摘要主成分分析是一种广泛应用于数据处理的统计技术。本研究旨在提取相关变量。这种类型的研究本质上是定量的，以西爪哇东佩杜瓦法的筹款为例。本研究的变量为2016-2021年的十种征缴基金，共72个数据。这表明主成分分析法可以用于主导因素的选择。研究结果表明:10个变量(=Fidyah， =Zakat MPZ， =Zakat Fitrah， =Kurban， =Bound Infak， =Thematic Infak， =Humanity， =Waqf， =Infak，=Zakat)根据特征值提取为5个主成分，其中第一个主成分显示出最主导的因素。第一主成分是天课，载荷值为0.414，方差百分比从64.37%增加到19.39%。根据东佩华法的事实，占主导地位的因素是天课，占40%。使得研究结果与实际数据的相对误差为0.035。Abstrak。主成分分析adaltech统计杨sudah digunakan secara luam hal pengolahan数据。Penelitian ini bertujuan untuk mengekstraksi variabel yang saling berhubungan。Jenis penetitian是一种定量的dengan和monbibil kasus, penghimpunan和Dompet Dhuafa Jawa Barat。变量dalam penelitian ini ialah ke sepuluh jenis dana penghimpunan dari tahun 2016-2021 dengan数据sebanyak 72。主成分分析方法:主成分分析。Hasil dari penelitian ini menunjukan ada 10个变量(=Fidyah， =Zakat MPZ， =Zakat Fitrah， =Kurban， =Bound Infak， =Thematic Infak， =Humanity， =Waqf， =Infak，=Zakat) yang diekstraksi menjadi 5个主成分berdasarkan nilai eigenen≥1,dimana主成分perama ialah menunjukan factor for yang paling dominan karena memiliki nilai keragaman总yang paling besar。主成分perama - alah zakat - dengan - nilai加载sebesar 0,414，呈现不同的sebesar 19,39%和64,37%。Berdasarkan kenyataan和di Dompet Dhuafa bahwa因素主导adalah zakat dengan代表sebesar 40%。星城银河相对较弱，观测数据真实值为0.035。
{"title":"Penggunaan Metode Principal Component Analysis dalam Menentukan Faktor Dominan","authors":"Gina Enzellina, Didi Suhaedi","doi":"10.29313/jrm.v2i2.1192","DOIUrl":"https://doi.org/10.29313/jrm.v2i2.1192","url":null,"abstract":"Abstract. Principal Component Analysis is a statistical technique that has been widely used in terms of data processing. This study aims to extract interrelated variables. This type of research is quantitative in nature by taking the case of fundraising in Dompet Dhuafa, West Java. The variables in this study are the ten types of collection funds from 2016-2021 with 72 data. This shows that the selection of the dominant factor can be used by the principal component analysis method. The results of this study show that there are 10 variables (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) which is extracted into 5 Principal Components based on the eigen1 value , where the first Principal Component is showing the most dominant factor. The first principal component is zakat with a loading value of 0.414 and a variance percentage of 19.39% from 64.37%. Based on the fact in Dompet Dhuafa that the dominant factor is zakat with a percentage of 40%. So that the relative error of the research results is the same as the real data of 0.035. \u0000Abstrak. Principal Component Analysis adalah teknik statistik yang sudah digunakan secara luas dalam hal pengolahan data. Penelitian ini bertujuan untuk mengekstraksi variabel yang saling berhubungan. Jenis peneitian ini bersifat kuantitatif dengan mengambil kasus dana penghimpunan di Dompet Dhuafa Jawa Barat. Variabel dalam penelitian ini ialah ke sepuluh jenis dana penghimpunan dari tahun 2016-2021 dengan data sebanyak 72. Hal ini menunjukan bahwa pemilihan faktor dominan dapat digunakan metode principal component analysis. Hasil dari penelitian ini menunjukan ada 10 variabel (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) yang diekstraksi menjadi 5 Principal Component berdasarkan nilai eigen≥1 , dimana principal component pertama ialah menunjukan faktor yang paling dominan karena memiliki nilai keragaman total yang paling besar. Principal Component pertama ialah zakat dengan nilai loading sebesar 0,414 dan presentase varians sebesar 19,39% dari 64,37% . Berdasarkan kenyataan di Dompet Dhuafa bahwa faktor dominan adalah zakat dengan persentase sebesar 40 %. Sehingga galat relatif hasil penelitian sama dengan data real sebesar 0.035.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"89433402","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. General Regression Neural Network (GRNN) is a nonparametric method of developing the concept of an artificial neural network. The GRNN operation is based on the estimated expected output value determined by the input set. One of the characteristics of GRNN is that the number of neurons in the pattern layer will increase with the amount of training data. This problem can be solved with K-means. The K-means method in this study aims to obtain various groups of training data based on similar characteristics so that it is easier for GRNN to study data in a group and reduce the problem of network complexity and large computations. One of the implementations of hybrid K-means & GRNN is to predict the price of the LQ45 stock index. The LQ45 stock price index is a combination of 45 stock members with high liquidity. One of the efforts before market participants make a decision to invest is to predict the stock index in the future to understand the investment prospects of a company in the future so as to reduce the risk for investors in investing. The results of this study indicate that the K-Means & GRNN hybrid model has a MAPE value of 0.943%. The results of the LQ45 index stock price prediction for the next period show the LQ45 index price of Rp1,002,28. Abstrak. General Regression Neural Network (GRNN) merupakan metode nonparametrik dari pengembangan konsep jaringan syaraf tiruan. Operasi GRNN didasarkan pada estimasi nilai harapan output ditentukan oleh himpunan input. Salah satu karakteristik dari GRNN adalah jumlah neuron pada pattern layer akan bertambah seiring meningkatnya jumlah data pelatihan. Permasalahan tersebut dapat diatasi dengan K-means. Metode K-means pada penelitian ini bertujuan untuk mendapatkan berbagai kelompok data pelatihan yang dikelompokkan berdasarkan karakteristik yang serupa sehingga GRNN lebih mudah mempelajari data dalam suatu kelompok serta mengurangi masalah kompleksitas jaringan dan jumlah komputasi yang besar. Salah satu implementasi hybrid K-means & GRNN adalah memprediksi harga saham indeks LQ45. Harga saham indeks LQ45 merupakan gabungan dari 45 anggota saham dengan likuiditas yang tinggi. Salah satu upaya sebelum pelaku pasar mengambil keputusan untuk berinvestasi adalah memprediksi nilai indeks saham pada waktu yang akan datang untuk memahami prospek investasi saham sebuah perusahaan pada masa yang akan datang sehingga mengurangi resiko bagi investor dalam berinvestasi. Hasil dari penelitian ini menunjukkan bahwa model hybrid K-Means & GRNN memiliki nilai MAPE sebesar 0.943%. Hasil prediksi harga saham Indeks LQ45 untuk periode selanjutnya menunjukkan harga indeks LQ45 sebesar Rp1.002,28.
摘要。广义回归神经网络(GRNN)是一种发展人工神经网络概念的非参数方法。GRNN操作基于输入集确定的估计期望输出值。GRNN的一个特点是模式层的神经元数量会随着训练数据量的增加而增加。这个问题可以用k均值来解决。本研究中的K-means方法旨在基于相似的特征获得不同组的训练数据，使GRNN更容易对一组数据进行研究，减少网络复杂性和计算量大的问题。混合k -均值和GRNN的实现之一是预测LQ45股票指数的价格。LQ45股票价格指数是由45只具有较高流动性的成份股组合而成。在市场参与者做出投资决策之前，预测未来的股票指数，了解公司未来的投资前景，从而降低投资者的投资风险，这是市场参与者在做出投资决策之前所做的努力之一。研究结果表明，K-Means与GRNN混合模型的MAPE值为0.943%。LQ45指数下一时期股价预测结果显示LQ45指数价格为rp1002,28。Abstrak。广义回归神经网络(GRNN)的非参数预测方法及其应用。利用广义神经网络(GRNN)对日本的输出和日本的输入进行估计。Salah satu karakteristik dari GRNN adalah jumlah神经元模式层akan bertambah seering脑膜炎jumlah数据pelatihan。Permasalahan的翻译结果:方法K-means是指数据的K-means是指数据的K-means，是指数据的K-means，是指数据的n -means，是指数据的n -means，是指数据的n -means。基于k -均值和GRNN的混合统计模型实现了Salah状态。Harga saham indeks LQ45 merupakan gabungan dari LQ45 anggota saham dengan likuiditas yang tinggi。Salah satu u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u。Hasil dari penelitian ini menunjukkan bahwa模型混合K-Means & GRNN memiliki nilai MAPE sebesar 0.943%。Hasil prediksi harga saham Indeks LQ45 untuk周期selanjutnya menunjukkan harga Indeks LQ45 sebesar [j]， 2002,28。
{"title":"Penggunaan Hybrid K-Means dan General Regression Neural Network untuk Prediksi Harga Saham Indeks LQ45","authors":"Gilland Achyar, Onoy Rohaeni","doi":"10.29313/jrm.v2i2.1193","DOIUrl":"https://doi.org/10.29313/jrm.v2i2.1193","url":null,"abstract":"Abstract. General Regression Neural Network (GRNN) is a nonparametric method of developing the concept of an artificial neural network. The GRNN operation is based on the estimated expected output value determined by the input set. One of the characteristics of GRNN is that the number of neurons in the pattern layer will increase with the amount of training data. This problem can be solved with K-means. The K-means method in this study aims to obtain various groups of training data based on similar characteristics so that it is easier for GRNN to study data in a group and reduce the problem of network complexity and large computations. One of the implementations of hybrid K-means & GRNN is to predict the price of the LQ45 stock index. The LQ45 stock price index is a combination of 45 stock members with high liquidity. One of the efforts before market participants make a decision to invest is to predict the stock index in the future to understand the investment prospects of a company in the future so as to reduce the risk for investors in investing. The results of this study indicate that the K-Means & GRNN hybrid model has a MAPE value of 0.943%. The results of the LQ45 index stock price prediction for the next period show the LQ45 index price of Rp1,002,28. \u0000Abstrak. General Regression Neural Network (GRNN) merupakan metode nonparametrik dari pengembangan konsep jaringan syaraf tiruan. Operasi GRNN didasarkan pada estimasi nilai harapan output ditentukan oleh himpunan input. Salah satu karakteristik dari GRNN adalah jumlah neuron pada pattern layer akan bertambah seiring meningkatnya jumlah data pelatihan. Permasalahan tersebut dapat diatasi dengan K-means. Metode K-means pada penelitian ini bertujuan untuk mendapatkan berbagai kelompok data pelatihan yang dikelompokkan berdasarkan karakteristik yang serupa sehingga GRNN lebih mudah mempelajari data dalam suatu kelompok serta mengurangi masalah kompleksitas jaringan dan jumlah komputasi yang besar. Salah satu implementasi hybrid K-means & GRNN adalah memprediksi harga saham indeks LQ45. Harga saham indeks LQ45 merupakan gabungan dari 45 anggota saham dengan likuiditas yang tinggi. Salah satu upaya sebelum pelaku pasar mengambil keputusan untuk berinvestasi adalah memprediksi nilai indeks saham pada waktu yang akan datang untuk memahami prospek investasi saham sebuah perusahaan pada masa yang akan datang sehingga mengurangi resiko bagi investor dalam berinvestasi. Hasil dari penelitian ini menunjukkan bahwa model hybrid K-Means & GRNN memiliki nilai MAPE sebesar 0.943%. Hasil prediksi harga saham Indeks LQ45 untuk periode selanjutnya menunjukkan harga indeks LQ45 sebesar Rp1.002,28.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"49 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"86076441","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. The defined benefit pension program is a program organized by the Pension Fund. The calculation of defined benefit pension plan funds is carried out using the actuarial calculation method which calculates the cash value of pension benefits, normal contributions, and actuarial obligations. This study uses the projected unit credit method where the benefits are calculated according to the services provided up to the date of calculation. Based on the calculation results, the normal contribution for participants with the same basic salary and different years of service has a difference of while for participants with a basic salary and years of cooperation there is a difference of where participants with the longest working period and the largest basic salary will pay a larger contribution with smaller installments every year. The amount of the actuarial obligation will be equal to the value of the pension benefit to be received. Likewise, the value of pension benefits, for participants with the same basic salary and different years of service, there is a difference of, while for participants with different basic salaries and years of service there is a difference of . Thus, the basic salary affects the cash value of the pension benefit more than the length of service. Abstrak. Program pensiun manfaat pasti merupakan suatu program yang diselenggarakan oleh lembaga Dana Pensiun. Perhitungan pendanaan program pensiun manfaat pasti dilakukan menggunakan metode perhitungan aktuaria yang menghitung nilai tunai manfaat pensiun, iuran normal, dan kewajiban aktuaria. Penelitian ini menggunakan metode projected unit credit dimana besar manfaatnya dihitung sesuai dengan jasa yang telah diberikan sampai dengan tanggal perhitungan. Berdasarkan hasil perhitungan bahwa iuran normal untuk peserta dengan gaji pokok sama dan masa kerja berbeda memiliki selisih 5% sedangkan untuk peserta dengan gaji pokok berbeda dan masa kerja sama memiliki selisih 34% dimana peserta dengan masa kerja terlama dan gaji pokok terbesar akan membayar iuran lebih besar dengan cicilan lebih kecil tiap tahun. Besarnya kewajiban aktuaria akan sama besar dengan nilai manfaat pensiun yang akan diterima. Begitu juga dengan nilai manfaat pensiun, untuk peserta dengan gaji pokok sama dan masa kerja berbeda memiliki selisih sedangkan untuk peserta dengan gaji pokok berbeda dan masa kerja sama memiliki selisih . Dengan demikian besar gaji pokok lebih mempengaruhi nilai tunai manfaat pensiun dibandingkan dengan masa kerja.
摘要固定收益养老金计划是由养老基金组织的一项计划。设定受益型养老金计划基金的计算采用精算方法，计算养老金福利的现金价值、正常供款和精算义务。本研究采用预计单位信用法，根据计算之日为止所提供的服务计算收益。根据计算结果，相同基本工资和不同工作年限的参与者的正常缴费有差异，而具有基本工资和合作年限的参与者的正常缴费有差异，其中工作时间最长和基本工资最高的参与者每年支付的缴费金额较大，分期付款金额较小。精算义务的数额将等于将收到的养恤金福利的价值。同样，对于相同基本工资和不同服务年限的参与人，养恤金福利的价值存在差异，而对于不同基本工资和服务年限的参与人，养恤金福利的价值存在差异。因此，基本薪金对养恤金福利现金价值的影响大于对服务年资的影响。Abstrak。计划养老金manfaat pasti merupakan suatu计划yang diselenggarakan oleh lembaga Dana养老金。内蒙古自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区自治区。Penelitian ini menggunakan方法预测单位信用dimana besar manfaatnya dihitung sessuai dengan jasa yang telah diberikan sampai dengan tanggal perhitungan。Berdasarkan hasil perhitungan bahwa iuran正常为她peserta dengan gaji pokok央行丹玛莎kerja berbeda memiliki selisih 5%而为她peserta dengan gaji pokok berbeda丹玛莎kerja央行memiliki selisih 34% dimana peserta dengan玛莎kerja terlama丹gaji pokok terbesar阿坎人membayar iuran lebih大的dengan cicilan lebih kecil tiap tahun。我想说的是，我想说的是，我想说的是，我想说的是，我想说的是，我想说的是，我想说的是。我要给你一份礼物，我要给你一份礼物，我要给你一份礼物，我要给你一份礼物，我要给你一份礼物。邓干德米克先生，我的父亲，我的父亲，我的父亲，我的父亲，我的父亲，我的父亲，我的父亲，我的父亲，我的父亲，我的父亲。
{"title":"Model Perhitungan Pendanaan Program Pensiun Manfaat Pasti Menggunakan Metode Projected Unit Credit","authors":"Jessica Delianti, Onoy Rohaeni","doi":"10.29313/jrm.v2i2.1162","DOIUrl":"https://doi.org/10.29313/jrm.v2i2.1162","url":null,"abstract":"Abstract. The defined benefit pension program is a program organized by the Pension Fund. The calculation of defined benefit pension plan funds is carried out using the actuarial calculation method which calculates the cash value of pension benefits, normal contributions, and actuarial obligations. This study uses the projected unit credit method where the benefits are calculated according to the services provided up to the date of calculation. Based on the calculation results, the normal contribution for participants with the same basic salary and different years of service has a difference of while for participants with a basic salary and years of cooperation there is a difference of where participants with the longest working period and the largest basic salary will pay a larger contribution with smaller installments every year. The amount of the actuarial obligation will be equal to the value of the pension benefit to be received. Likewise, the value of pension benefits, for participants with the same basic salary and different years of service, there is a difference of, while for participants with different basic salaries and years of service there is a difference of . Thus, the basic salary affects the cash value of the pension benefit more than the length of service. \u0000Abstrak. Program pensiun manfaat pasti merupakan suatu program yang diselenggarakan oleh lembaga Dana Pensiun. Perhitungan pendanaan program pensiun manfaat pasti dilakukan menggunakan metode perhitungan aktuaria yang menghitung nilai tunai manfaat pensiun, iuran normal, dan kewajiban aktuaria. Penelitian ini menggunakan metode projected unit credit dimana besar manfaatnya dihitung sesuai dengan jasa yang telah diberikan sampai dengan tanggal perhitungan. Berdasarkan hasil perhitungan bahwa iuran normal untuk peserta dengan gaji pokok sama dan masa kerja berbeda memiliki selisih 5% sedangkan untuk peserta dengan gaji pokok berbeda dan masa kerja sama memiliki selisih 34% dimana peserta dengan masa kerja terlama dan gaji pokok terbesar akan membayar iuran lebih besar dengan cicilan lebih kecil tiap tahun. Besarnya kewajiban aktuaria akan sama besar dengan nilai manfaat pensiun yang akan diterima. Begitu juga dengan nilai manfaat pensiun, untuk peserta dengan gaji pokok sama dan masa kerja berbeda memiliki selisih sedangkan untuk peserta dengan gaji pokok berbeda dan masa kerja sama memiliki selisih . Dengan demikian besar gaji pokok lebih mempengaruhi nilai tunai manfaat pensiun dibandingkan dengan masa kerja.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"10 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"90979787","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：