Peran komunikasi digital menjadi aspek penting dalam kehidupan manusia untuk tetap terkoneksi. Dalam mengirimkan suatu pesan digital berisi informasi berupa teks, gambar, audio, maupun video melalui noisy channel, terdapat kemungkinan pesan akan mengalami error sehingga pesan menjadi tidak reliable. Oleh karena itu, muncullah coding theory untuk menjawab fenomena tersebut. Dalam coding theory, dibahas dua proses penting, yaitu encoding dan decoding. Sender melakukan encoding sebelum mentransmisikan pesan kepada receiver. Kemudian, receiver melakukan decoding sehingga pesan dapat diterima dengan baik. Pada proses decoding terdapat dua aspek penting, yaitu error detection dan error correction. Dalam artikel ini, akan dibahas Hamming code untuk melakukan error detection dan error correction dengan menggunakan parity-check matrix. Tujuan penelitian ini, yaitu untuk mengetahui cara kerja error detection dan error correction pada komunikasi digital menggunakan Hamming code, membentuk contoh perhitungan, serta membentuk program sederhana menggunakan SageMath 9.3. Subjek penelitian ini merupakan pesan digital berupa teks ‘GOLDEN’ yang ditransmisikan sender ke receiver. Metode penelitian ini menggunakan studi kepustakaan. Proses encoding dilakukan dengan mengalikan pesan binary digits dengan generator matrix G untuk memperoleh codeword. Error detection dilakukan dengan mengalikan codeword dengan transposed parity-check matrix H^T untuk memperoleh syndrome. Sedangkan error correction, dilakukan dengan
melakukan operasi XOR received codeword dengan error untuk memperoleh corrected codeword. Dalam contoh perhitungan, error terjadi pada e_2 (posisi pertama), e_3 (posisi kedua), dan e_4 (posisi ketiga). Dalam program sederhana menggunakan SageMath 9.3, diperoleh hasil bahwa Hamming code dapat melakukan error detection maksimum dua kali dan error correction maksimum satu kali (dilihat dari hasil pesan teks setelah proses encoding).
{"title":"Error Detection dan Error Correction pada Komunikasi Digital Menggunakan Hamming Code","authors":"Hafizhah Hafizhah, Putranto Hadi Utomo","doi":"10.21831/pspmm.v7i1.298","DOIUrl":"https://doi.org/10.21831/pspmm.v7i1.298","url":null,"abstract":"Peran komunikasi digital menjadi aspek penting dalam kehidupan manusia untuk tetap terkoneksi. Dalam mengirimkan suatu pesan digital berisi informasi berupa teks, gambar, audio, maupun video melalui noisy channel, terdapat kemungkinan pesan akan mengalami error sehingga pesan menjadi tidak reliable. Oleh karena itu, muncullah coding theory untuk menjawab fenomena tersebut. Dalam coding theory, dibahas dua proses penting, yaitu encoding dan decoding. Sender melakukan encoding sebelum mentransmisikan pesan kepada receiver. Kemudian, receiver melakukan decoding sehingga pesan dapat diterima dengan baik. Pada proses decoding terdapat dua aspek penting, yaitu error detection dan error correction. Dalam artikel ini, akan dibahas Hamming code untuk melakukan error detection dan error correction dengan menggunakan parity-check matrix. Tujuan penelitian ini, yaitu untuk mengetahui cara kerja error detection dan error correction pada komunikasi digital menggunakan Hamming code, membentuk contoh perhitungan, serta membentuk program sederhana menggunakan SageMath 9.3. Subjek penelitian ini merupakan pesan digital berupa teks ‘GOLDEN’ yang ditransmisikan sender ke receiver. Metode penelitian ini menggunakan studi kepustakaan. Proses encoding dilakukan dengan mengalikan pesan binary digits dengan generator matrix G untuk memperoleh codeword. Error detection dilakukan dengan mengalikan codeword dengan transposed parity-check matrix H^T untuk memperoleh syndrome. Sedangkan error correction, dilakukan dengan 
 melakukan operasi XOR received codeword dengan error untuk memperoleh corrected codeword. Dalam contoh perhitungan, error terjadi pada e_2 (posisi pertama), e_3 (posisi kedua), dan e_4 (posisi ketiga). Dalam program sederhana menggunakan SageMath 9.3, diperoleh hasil bahwa Hamming code dapat melakukan error detection maksimum dua kali dan error correction maksimum satu kali (dilihat dari hasil pesan teks setelah proses encoding).","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"86 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-03-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136152022","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}
Misalkan diberikan graf G dengan V(G) sebagai himpunan titik dan E(G) sebagai himpunan sisi pada graf G. Pelabelan koprima didefinisikan oleh fungsi pelabelan f:V(G)→ {1,2,3,...,k} sedemikian sehingga label titik yang bertetangga relatif prima. Fungsi f dikatakan pelabelan koprima jika k≥ |V(G)|. Jika k=|V(G)| maka pelabelan koprima disebut pelabelan prima. Nilai minimum label terbesarnya atau disebut minimum coprime number yang dinotasikan dengan pr(G). Penelitian ini mencari pelabelan prima dan koprima pada graf P_m⨀K_n dan graf P_m⨀P_n. Pada penelitian ini didapatkan hasil bahwa graf P_m⨀K_n merupakan graf koprima, pr(P_m⨀K_n )=p_(m(n-1)+1) dengan p_(m(n-1)+1) merupakan m(n-1)+1 bilangan prima pertama dan graf P_m⨀P_n merupakan graf prima untuk n ganjil dan graf koprima untuk n genap.
假设的V (G)中获得格拉芙G作为集合点和E (G)会众在格拉芙G一边。标签koprima标签功能定义f: V (G)→{1,2,3,...因此，节点标签的质量相对较好。据说f标签功能koprima如果k≥| V (G) |。如果k = | V (G) |那么标签koprima叫做标签质数。最大的最小值标签，或称为最小的数字，代表pr(G)。这项研究对格拉芙P_m寻找标签质数和koprima⨀K_n和格拉芙P_m⨀P_n。在这项研究得到的结果是格拉芙P_m⨀K_n是格拉芙koprima,作业(P_m⨀K_n) = p_ (m (n-1)和p_ (m + 1) (n-1) + 1)是第m (n-1) + 1质数和格拉芙P_m⨀P_n格拉芙是质数为n n奇数和格拉芙koprima偶数。
{"title":"PELABELAN PRIMA DAN KOPRIMA PADA GRAF P_m⨀K_n DAN GRAF P_m⨀P_n","authors":"Hafif Komarullah","doi":"10.21831/pspmm.v8i2.312","DOIUrl":"https://doi.org/10.21831/pspmm.v8i2.312","url":null,"abstract":"Misalkan diberikan graf G dengan V(G) sebagai himpunan titik dan E(G) sebagai himpunan sisi pada graf G. Pelabelan koprima didefinisikan oleh fungsi pelabelan f:V(G)→ {1,2,3,...,k} sedemikian sehingga label titik yang bertetangga relatif prima. Fungsi f dikatakan pelabelan koprima jika k≥ |V(G)|. Jika k=|V(G)| maka pelabelan koprima disebut pelabelan prima. Nilai minimum label terbesarnya atau disebut minimum coprime number yang dinotasikan dengan pr(G). Penelitian ini mencari pelabelan prima dan koprima pada graf P_m⨀K_n dan graf P_m⨀P_n. Pada penelitian ini didapatkan hasil bahwa graf P_m⨀K_n merupakan graf koprima, pr(P_m⨀K_n )=p_(m(n-1)+1) dengan p_(m(n-1)+1) merupakan m(n-1)+1 bilangan prima pertama dan graf P_m⨀P_n merupakan graf prima untuk n ganjil dan graf koprima untuk n genap.","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"194 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-03-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136152041","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}
Bidang pendidikan pada saat ini merupakan salah satu prioritas yang menjadi urgensi pemerintah. Berdasarkan Badan Pusat Statistik 2021, tercatat bahwa angka putus sekolah di Provinsi Jawa Barat menduduki peringkat pertama dari 34 provinsi di Indonesia. Fenomena ini tentunya menurunkan indeks pendidikan serta bertolak belakang dengan intensi penting yang menjadi fokus pembangunan pemerintah yakni pemerataan pendidikan. Pada penelitian ini akan dilakukan pemetaan wilayah di Provinsi Jawa Barat berdasarkan indeks pendidikan sehingga didapatkan perencanaan dan kebijakan pemerintah yang lebih akurat. Salah satu algoritma yang dapat digunakan dalam pengelompokan kabupaten berdasarkan indikator pendidikan adalah Agglomerative Hierarchical Clustering (AHC). Beberapa metode pengelompokkan yang digunakan pada penelitian ini adalah AHC dengan metode single linkage, metode complete linkage, metode average linkage, dan metode ward. Hasil dari penelitian ini adalah perbandingan metode yang dilakukan berdasarkan nilai koefisien korelasi cophenetic. Berdasarkan analisis pada penelitian ini, diketahui gambaran pada sektor pendidikan di Provinsi Jawa Barat tahun 2021, yaitu masih terdapat indikasi belum tercapainya pemerataan pendidikan khususnya pada jenjang sekolah menengah atas hingga perguruan tinggi serta terpusatnya jumlah sekolah dan guru di klaster tertentu. Tinjauan indeks pendidikan ini dibentuk menjadi 4 klaster pada setiap masing-masing metode. Berdasarkan hasil perbandingan nilai koefisien korelasi cophenetic dari keempat metode pada analisis AHC, metode ward adalah metode terbaik dengan koefisien korelasi cophenetic terbesar (0,952).
{"title":"Perbandingan Analisis Agglomerative Hierarchical Clustering Berdasarkan Indikator Pendidikan di Provinsi Jawa Barat","authors":"Asma' Khoirunnisa', Firdaus Amruzain Satiranandi Wibowo, Kimiantini Kismiantini","doi":"10.21831/pspmm.v7i1.273","DOIUrl":"https://doi.org/10.21831/pspmm.v7i1.273","url":null,"abstract":"Bidang pendidikan pada saat ini merupakan salah satu prioritas yang menjadi urgensi pemerintah. Berdasarkan Badan Pusat Statistik 2021, tercatat bahwa angka putus sekolah di Provinsi Jawa Barat menduduki peringkat pertama dari 34 provinsi di Indonesia. Fenomena ini tentunya menurunkan indeks pendidikan serta bertolak belakang dengan intensi penting yang menjadi fokus pembangunan pemerintah yakni pemerataan pendidikan. Pada penelitian ini akan dilakukan pemetaan wilayah di Provinsi Jawa Barat berdasarkan indeks pendidikan sehingga didapatkan perencanaan dan kebijakan pemerintah yang lebih akurat. Salah satu algoritma yang dapat digunakan dalam pengelompokan kabupaten berdasarkan indikator pendidikan adalah Agglomerative Hierarchical Clustering (AHC). Beberapa metode pengelompokkan yang digunakan pada penelitian ini adalah AHC dengan metode single linkage, metode complete linkage, metode average linkage, dan metode ward. Hasil dari penelitian ini adalah perbandingan metode yang dilakukan berdasarkan nilai koefisien korelasi cophenetic. Berdasarkan analisis pada penelitian ini, diketahui gambaran pada sektor pendidikan di Provinsi Jawa Barat tahun 2021, yaitu masih terdapat indikasi belum tercapainya pemerataan pendidikan khususnya pada jenjang sekolah menengah atas hingga perguruan tinggi serta terpusatnya jumlah sekolah dan guru di klaster tertentu. Tinjauan indeks pendidikan ini dibentuk menjadi 4 klaster pada setiap masing-masing metode. Berdasarkan hasil perbandingan nilai koefisien korelasi cophenetic dari keempat metode pada analisis AHC, metode ward adalah metode terbaik dengan koefisien korelasi cophenetic terbesar (0,952).","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"2 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-03-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136152043","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}
Indonesia sebagai negara agraris yang memiliki populasi jumlah penduduk tergolong cukup banyak, dimana menempati urutan ke-4 dunia setelah negara Tiongkok, India, dan Amerika Serikat. Mayoritas penduduk Indonesia mengolah padi dan menjadikan olahan padi sebagai makanan pokok. Produksi padi di Indonesia dapat mengalami kenaikan atau penurunan setiap tahunnya. Faktor-faktor yang dapat mempengaruhi data produksi padi yaitu luas tanam, luas lahan terkena serangan organisme pengganggu tanaman (OPT), benih padi inbrida, dan jumlah penduduk di Indonesia. Faktor-faktor tersebut memiliki pencilan, dan residualnya tidak berdistribusi normal, sehingga jumlah produksi padi tidak dapat diperkirakan dengan menggunakan analisis regresi metode kuadrat terkecil (MKT). Regresi robust dengan estimasi Generalized M (GM) dapat digunakan untuk menyelesaikan masalah pencilan dan pelanggaran asumsi normalitas yang terjadi. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana model regresi robust dengan estimasi GM untuk mengestimasi produksi padi di Indonesia dan menentukan faktor-faktor yang berpengaruh secara signifikan. Model regresi robust estimasi GM pada data produksi padi di Indonesia menunjukkan bahwa peningkatan luas tanam (X1), benih padi inbrida (X3), dan jumlah penduduk (X4) akan meningkatkan jumlah produksi padi, sedangkan peningkatan luas lahan terkena serangan OPT (X2) akan menurunkan jumlah produksi padi. Hasil dari penelitian ini menunjukkan bahwa variabel luas tanam (X1), luas lahan terkena serangan OPT (X2), benih padi inbrida (X3), dan jumlah penduduk (X4) berpengaruh secara signifikan terhadap jumlah produksi padi dengan nilai adjusted R-square sebesar 99,99%. Pada hasil model regresi robust yang diperoleh, diharapkan adanya kebijakan yang diambil dengan mempertimbangkan faktor-faktor yang mempengaruhi jumlah produksi padi guna meningkatkan jumlah produksi padi di Indonesia.
{"title":"Pemodelan Produksi Padi di Indonesia Menggunakan Regresi Robust Estimasi Generalized M","authors":"Angelaretha Kurniawan, Yuliana Susanti, Hasih Pratiwi","doi":"10.21831/pspmm.v7i1.267","DOIUrl":"https://doi.org/10.21831/pspmm.v7i1.267","url":null,"abstract":"Indonesia sebagai negara agraris yang memiliki populasi jumlah penduduk tergolong cukup banyak, dimana menempati urutan ke-4 dunia setelah negara Tiongkok, India, dan Amerika Serikat. Mayoritas penduduk Indonesia mengolah padi dan menjadikan olahan padi sebagai makanan pokok. Produksi padi di Indonesia dapat mengalami kenaikan atau penurunan setiap tahunnya. Faktor-faktor yang dapat mempengaruhi data produksi padi yaitu luas tanam, luas lahan terkena serangan organisme pengganggu tanaman (OPT), benih padi inbrida, dan jumlah penduduk di Indonesia. Faktor-faktor tersebut memiliki pencilan, dan residualnya tidak berdistribusi normal, sehingga jumlah produksi padi tidak dapat diperkirakan dengan menggunakan analisis regresi metode kuadrat terkecil (MKT). Regresi robust dengan estimasi Generalized M (GM) dapat digunakan untuk menyelesaikan masalah pencilan dan pelanggaran asumsi normalitas yang terjadi. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana model regresi robust dengan estimasi GM untuk mengestimasi produksi padi di Indonesia dan menentukan faktor-faktor yang berpengaruh secara signifikan. Model regresi robust estimasi GM pada data produksi padi di Indonesia menunjukkan bahwa peningkatan luas tanam (X1), benih padi inbrida (X3), dan jumlah penduduk (X4) akan meningkatkan jumlah produksi padi, sedangkan peningkatan luas lahan terkena serangan OPT (X2) akan menurunkan jumlah produksi padi. Hasil dari penelitian ini menunjukkan bahwa variabel luas tanam (X1), luas lahan terkena serangan OPT (X2), benih padi inbrida (X3), dan jumlah penduduk (X4) berpengaruh secara signifikan terhadap jumlah produksi padi dengan nilai adjusted R-square sebesar 99,99%. Pada hasil model regresi robust yang diperoleh, diharapkan adanya kebijakan yang diambil dengan mempertimbangkan faktor-faktor yang mempengaruhi jumlah produksi padi guna meningkatkan jumlah produksi padi di Indonesia.","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"12 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-03-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136152049","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}
Transparansi informasi publik dan reformasi birokrasi yang dicanangkan oleh pemerintah untuk mewujudkan clean goverment dan good goverment dapat diimplementasikan dengan melibatkan partisipasi masyarakat. Pengaduan, kritik, dan saran dari masyarakat kepada pemerintah terkait pelayanan publik yang tidak standar, menyimpang atau tidak teratur perlu diperhatikan untuk evaluasi di masa depan. Seiring perkembangan teknologi, aspirasi masyarakat dapat tersampaikan melalui alat pengaduan publik yang telah dikembangkan oleh pemerintah pusat dan pemerintah daerah. Kabupaten Sleman sendiri telah memiliki sistem Lapor Sleman yang sejalan dengan Smart Regency. Ilmu matematika berperan penting dalam pemecahan masalah terkait dengan pemodelan topik yang sering dilaporkan masyarakat pada masa pasca pandemi. Oleh karena itu, tujuan penelitian ini untuk mengidentifikasi topik pengaduan masyarakat dengan algoritma Latent Dirichlet Allocation (LDA). LDA adalah suatu metode untuk pemodelan topik berdasarkan konsep probabilistik yang mencari kemiripan dalam sebuah dokumen yang kemudian dikelompokkan menjadi beberapa topik. Data yang digunakan pada penelitian ini merupakan data sekunder dari Kominfo Sleman. Tahapan penelitian diawali dengan pengambilan data, dilanjutkan dengan prepocessing data. Terdapat beberapa tahap prepocessing diantaranya case folding, remove punctuation, stopword removal, tokenizing, dan stemming. Tahap terakhir adalah topic modelling dengan algoritma LDA. Hasil analisis menunjukkan bahwa pemodelan LDA dengan 3 topik yang memiliki nilai coherence terbesar. Hasil pemodelan memberikan gambaran bahwa topik yang paling sering muncul dalam laporan pengaduan masyarakat terhadap pemerintah Sleman adalah pelayanan, jalan rusak, vaksin, dan terkait informasi yang dibutuhkan masyarakat.
{"title":"Pemodelan Topik Keluhan Masyarakat Pasca Pandemi Menggunakan Metode Latent Dirichlet Allocation (LDA)","authors":"Ika Lailia Nur Rohmatun Nazila, Dina Tri Utari","doi":"10.21831/pspmm.v7i1.300","DOIUrl":"https://doi.org/10.21831/pspmm.v7i1.300","url":null,"abstract":"Transparansi informasi publik dan reformasi birokrasi yang dicanangkan oleh pemerintah untuk mewujudkan clean goverment dan good goverment dapat diimplementasikan dengan melibatkan partisipasi masyarakat. Pengaduan, kritik, dan saran dari masyarakat kepada pemerintah terkait pelayanan publik yang tidak standar, menyimpang atau tidak teratur perlu diperhatikan untuk evaluasi di masa depan. Seiring perkembangan teknologi, aspirasi masyarakat dapat tersampaikan melalui alat pengaduan publik yang telah dikembangkan oleh pemerintah pusat dan pemerintah daerah. Kabupaten Sleman sendiri telah memiliki sistem Lapor Sleman yang sejalan dengan Smart Regency. Ilmu matematika berperan penting dalam pemecahan masalah terkait dengan pemodelan topik yang sering dilaporkan masyarakat pada masa pasca pandemi. Oleh karena itu, tujuan penelitian ini untuk mengidentifikasi topik pengaduan masyarakat dengan algoritma Latent Dirichlet Allocation (LDA). LDA adalah suatu metode untuk pemodelan topik berdasarkan konsep probabilistik yang mencari kemiripan dalam sebuah dokumen yang kemudian dikelompokkan menjadi beberapa topik. Data yang digunakan pada penelitian ini merupakan data sekunder dari Kominfo Sleman. Tahapan penelitian diawali dengan pengambilan data, dilanjutkan dengan prepocessing data. Terdapat beberapa tahap prepocessing diantaranya case folding, remove punctuation, stopword removal, tokenizing, dan stemming. Tahap terakhir adalah topic modelling dengan algoritma LDA. Hasil analisis menunjukkan bahwa pemodelan LDA dengan 3 topik yang memiliki nilai coherence terbesar. Hasil pemodelan memberikan gambaran bahwa topik yang paling sering muncul dalam laporan pengaduan masyarakat terhadap pemerintah Sleman adalah pelayanan, jalan rusak, vaksin, dan terkait informasi yang dibutuhkan masyarakat.","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"188 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-03-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136152035","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}
Investasi di pasar modal banyak diminati dengan tujuan mendapatkan capital gain dan deviden. Investor perlu melakukan penelitian sebelum membuat keputusan untuk membeli saham di suatu pasar modal agar terhindar dari risiko terjadinya kerugian dan mendapatkan peluang keuntungan. Penelitian ini membahas mengenai prediksi harga closing saham di pasar modal syariah Indonesia yaitu Jakarta Islamic Index (JII) menggunakan model hibrida ARIMA dan runtun waktu fuzzy Chen. Model hibrida dalam penelitian ini digunakan untuk mendapatkan nilai akurasi yang lebih tinggi dibandingkan dengan model tunggal sehingga mendapatkan hasil yang baik untuk peramalan. Model ARIMA digunakan untuk pendekatan komponen linier dan model runtun waktu fuzzy Chen digunakan untuk pendekatan komponen nonlinier. Data yang digunakan adalah data closing harga saham Jakarta islamic index sejak 13 April 2021 sampai 13 April 2022 untuk data insample dan 14 April 2022 sampai 22 Juli 2022 sebagai data outsample. Penelitian ini mendapatkan tiga model ARIMA yang memenuhi yaitu ARIMA (0,1,1), ARIMA (1,1,0), dan ARIMA (2,1,0) yang kemudian residu dari setiap model ARIMA tersebut dianalisis dengan fuzzy runtun waktu Chen. Model hibrida terbaik yang didapatkan untuk peramalan yaitu model hibrida ARIMA (1,1,0) dan runtun waktu fuzzy Chen dengan nilai akurasi terkecil yaitu nilai MAPE sebesar 0,101% dan RMSE sebesar 1,1978.
{"title":"PENERAPAN MODEL HIBRIDA ARIMA-RUNTUN WAKTU FUZZY CHEN PADA SAHAM JII","authors":"Ade Rizky Rahmania, Winita Sulandari, Isnandar Slamet","doi":"10.21831/pspmm.v7i1.265","DOIUrl":"https://doi.org/10.21831/pspmm.v7i1.265","url":null,"abstract":"Investasi di pasar modal banyak diminati dengan tujuan mendapatkan capital gain dan deviden. Investor perlu melakukan penelitian sebelum membuat keputusan untuk membeli saham di suatu pasar modal agar terhindar dari risiko terjadinya kerugian dan mendapatkan peluang keuntungan. Penelitian ini membahas mengenai prediksi harga closing saham di pasar modal syariah Indonesia yaitu Jakarta Islamic Index (JII) menggunakan model hibrida ARIMA dan runtun waktu fuzzy Chen. Model hibrida dalam penelitian ini digunakan untuk mendapatkan nilai akurasi yang lebih tinggi dibandingkan dengan model tunggal sehingga mendapatkan hasil yang baik untuk peramalan. Model ARIMA digunakan untuk pendekatan komponen linier dan model runtun waktu fuzzy Chen digunakan untuk pendekatan komponen nonlinier. Data yang digunakan adalah data closing harga saham Jakarta islamic index sejak 13 April 2021 sampai 13 April 2022 untuk data insample dan 14 April 2022 sampai 22 Juli 2022 sebagai data outsample. Penelitian ini mendapatkan tiga model ARIMA yang memenuhi yaitu ARIMA (0,1,1), ARIMA (1,1,0), dan ARIMA (2,1,0) yang kemudian residu dari setiap model ARIMA tersebut dianalisis dengan fuzzy runtun waktu Chen. Model hibrida terbaik yang didapatkan untuk peramalan yaitu model hibrida ARIMA (1,1,0) dan runtun waktu fuzzy Chen dengan nilai akurasi terkecil yaitu nilai MAPE sebesar 0,101% dan RMSE sebesar 1,1978.","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"79 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-03-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136152042","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}
Realistic Mathematics Education (RME) dikembangkan dengan gagasan bahwa pembelajaran matematika yang pada umumnya berbentuk abstrak, baiknya dimulai dengan situasi yang realistis. Aturan cosinus pada materi trigonometri merupakan satu diantara sub materi yang abstrak sehingga siswa sulit untuk membentuk alur pikirnya yang mengakibatkan terjadinya rentetan kesalahan siswa dalam memahami konsep tersebut. Namun trigonometri juga memiliki kedekatan pada lingkungan sekitar siswa, sehingga dalam pembelajarannya dapat direpresentasikan lebih realistik. Penelitian ini memiliki tujuan untuk mengetahui peran dari RME terhadap miskonsepsi siswa MAN Tolitoli pada materi aturan cosinus. Penelitian ini menggunakan metode penelitian one-group pretest-posttest design dengan sampel penelitiannya adalah siswa kelas X MIA 1 yang berjumlah 33 siswa. Teknik pengumpulan datanya berupa tes yaitu pretest dan posttest. Pada hasil penelitian terungkap informasi bahwa sebelum diterapkannya pendekatan RME pada materi aturan cosinus, miskonsepsi siswa pada pretest untuk masing-masing jenis yakni klasifikasional, korelasional dan teoritikal secara berurut adalah 19.19%, 35.35% dan 23.23%. Kemudian setelah pembelajaran dengan RME dilakukan posttest dan diperoleh persentasi untuk masing-masing miskonsepsi klasifikasional, korelasional dan teoritikal secara berurut adalah 7.58%, 26.26% dan 15.15%. Hal ini terjadi penurunan persentasi untuk masing-masing miskonsepsi klasifikasional, korelasional dan teoritikal secara berurut sebesar 11,61%, 9,09%, dan 8,08%. Jadi, dapat disimpulkan bahwa RME efektif dalam mengatasi miskonsepsi siswa pada materi aturan cosinus.
{"title":"Peran Realistic Mathematics Education (RME) Terhadap Miskonsepsi Siswa pada Materi Aturan Cosinus","authors":"Sukri Sukri, Dian Usdiyana, Destria Pitaloka Pertiwi","doi":"10.21831/pspmm.v7i1.291","DOIUrl":"https://doi.org/10.21831/pspmm.v7i1.291","url":null,"abstract":"Realistic Mathematics Education (RME) dikembangkan dengan gagasan bahwa pembelajaran matematika yang pada umumnya berbentuk abstrak, baiknya dimulai dengan situasi yang realistis. Aturan cosinus pada materi trigonometri merupakan satu diantara sub materi yang abstrak sehingga siswa sulit untuk membentuk alur pikirnya yang mengakibatkan terjadinya rentetan kesalahan siswa dalam memahami konsep tersebut. Namun trigonometri juga memiliki kedekatan pada lingkungan sekitar siswa, sehingga dalam pembelajarannya dapat direpresentasikan lebih realistik. Penelitian ini memiliki tujuan untuk mengetahui peran dari RME terhadap miskonsepsi siswa MAN Tolitoli pada materi aturan cosinus. Penelitian ini menggunakan metode penelitian one-group pretest-posttest design dengan sampel penelitiannya adalah siswa kelas X MIA 1 yang berjumlah 33 siswa. Teknik pengumpulan datanya berupa tes yaitu pretest dan posttest. Pada hasil penelitian terungkap informasi bahwa sebelum diterapkannya pendekatan RME pada materi aturan cosinus, miskonsepsi siswa pada pretest untuk masing-masing jenis yakni klasifikasional, korelasional dan teoritikal secara berurut adalah 19.19%, 35.35% dan 23.23%. Kemudian setelah pembelajaran dengan RME dilakukan posttest dan diperoleh persentasi untuk masing-masing miskonsepsi klasifikasional, korelasional dan teoritikal secara berurut adalah 7.58%, 26.26% dan 15.15%. Hal ini terjadi penurunan persentasi untuk masing-masing miskonsepsi klasifikasional, korelasional dan teoritikal secara berurut sebesar 11,61%, 9,09%, dan 8,08%. Jadi, dapat disimpulkan bahwa RME efektif dalam mengatasi miskonsepsi siswa pada materi aturan cosinus.","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"34 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-03-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136151955","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}
Galang Sumantri, Mardhani Dwi Novianto, Pusparani Puan Prihastuti
Pendidikan berperan penting dalam membangun sumber daya manusia yang unggul dan berdaya saing. Namun, adanya pandemi COVID-19 telah menyebabkan hilangnya pembelajaran (learning loss) di kalangan peserta didik dan tenaga pendidik sehingga perlu dilakukan berbagai upaya pemulihan terkait hal tersebut. Selain itu, upaya pemulihan juga dilakukan untuk mendukung terlaksananya pendidikan berkualitas yang menjadi target dalam Sustainable Development Goals (SDGs) poin ke-empat. Namun, upaya tersebut juga perlu memperhatikan tingkat kualitas pendidikan di Indonesia yang berbeda-beda di setiap provinsinya. Oleh karena itu, diperlukan suatu pengelompokan atau klasterisasi provinsi di Indonesia berdasarkan indikator kualitas pendidikan untuk mempermudah pemerintah dalam upaya pemerataan kualitas pendidikan. Salah satu algoritma pengelompokan yang dapat digunakan adalah Fuzzy C-Means. Fuzzy C-Means merupakan suatu teknik pengelompokan data dimana keberadaan tiap titik data dalam suatu kelompok ditentukan oleh derajat keanggotaan. Data yang digunakan berasal dari publikasi Statistik Pendidikan 2022 oleh Badan Pusat Statistik. Adapun objek yang digunakan adalah 34 provinsi di Indonesia dengan 24 variabel yang merepresentasikan indikator kualitas pendidikan. Pada penelitian ini, dilakukan pengelompokan dengan skenario sebanyak 2 sampai dengan 5 cluster dan diperoleh cluster yang optimal yaitu 2 cluster. Validasi cluster optimal ini menggunakan indeks validitas yaitu PC, PE, dan MPC. Berdasarkan hasil penelitian, cluster pertama terdapat 12 provinsi yang dapat digolongkan sebagai kelompok provinsi dengan kualitas pendidikan rendah, sementara cluster kedua terdapat 22 provinsi yang dapat digolongkan sebagai kelompok provinsi dengan kualitas pendidikan tinggi.
{"title":"Implementasi Fuzzy C-Means dalam Pengelompokan Provinsi di Indonesia untuk Pemerataan Kualitas Pendidikan","authors":"Galang Sumantri, Mardhani Dwi Novianto, Pusparani Puan Prihastuti","doi":"10.21831/pspmm.v8i2.310","DOIUrl":"https://doi.org/10.21831/pspmm.v8i2.310","url":null,"abstract":"Pendidikan berperan penting dalam membangun sumber daya manusia yang unggul dan berdaya saing. Namun, adanya pandemi COVID-19 telah menyebabkan hilangnya pembelajaran (learning loss) di kalangan peserta didik dan tenaga pendidik sehingga perlu dilakukan berbagai upaya pemulihan terkait hal tersebut. Selain itu, upaya pemulihan juga dilakukan untuk mendukung terlaksananya pendidikan berkualitas yang menjadi target dalam Sustainable Development Goals (SDGs) poin ke-empat. Namun, upaya tersebut juga perlu memperhatikan tingkat kualitas pendidikan di Indonesia yang berbeda-beda di setiap provinsinya. Oleh karena itu, diperlukan suatu pengelompokan atau klasterisasi provinsi di Indonesia berdasarkan indikator kualitas pendidikan untuk mempermudah pemerintah dalam upaya pemerataan kualitas pendidikan. Salah satu algoritma pengelompokan yang dapat digunakan adalah Fuzzy C-Means. Fuzzy C-Means merupakan suatu teknik pengelompokan data dimana keberadaan tiap titik data dalam suatu kelompok ditentukan oleh derajat keanggotaan. Data yang digunakan berasal dari publikasi Statistik Pendidikan 2022 oleh Badan Pusat Statistik. Adapun objek yang digunakan adalah 34 provinsi di Indonesia dengan 24 variabel yang merepresentasikan indikator kualitas pendidikan. Pada penelitian ini, dilakukan pengelompokan dengan skenario sebanyak 2 sampai dengan 5 cluster dan diperoleh cluster yang optimal yaitu 2 cluster. Validasi cluster optimal ini menggunakan indeks validitas yaitu PC, PE, dan MPC. Berdasarkan hasil penelitian, cluster pertama terdapat 12 provinsi yang dapat digolongkan sebagai kelompok provinsi dengan kualitas pendidikan rendah, sementara cluster kedua terdapat 22 provinsi yang dapat digolongkan sebagai kelompok provinsi dengan kualitas pendidikan tinggi.","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"17 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-03-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136152029","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}
Harga minyak dunia berdampak pada perekonomian suatu negara. Dampak dari kenaikan harga minyak dunia diantaranya akan mendorong tingkat inflasi dan kegiatan ekonomi. Harga minyak dunia seringkali mengalami perubahan yang fluktuatif. Oleh sebab itu, perlu dilakukannya peramalan terhadap harga minyak mentah dunia sebagai upaya untuk mengantisipasi dampak negatif dari perubahan harga minyak mentah dunia. Harga minyak mentah dunia yang dihitung setiap bulan merupakan suatu data time series. Model peramalan untuk data time series yang sering dilakukan adalah model ARIMA. Peramalan yang dilakukan dalam penelitian ini menggunakan model ARIMA dan regresi linier. Model ARIMA (1,1,0) adalah model ARIMA terbaik yang diperoleh dari penelitian ini dengan nilai AIC dan MAPE berturut-turut sebesar 1416.07 dan 8.00485. Sementara model regresi dalam hal ini menghasilkan nilai AIC dan nilai MAPE berturut-turut sebesar 1918.38 dan 29.26. Hasil peramalan dengan menggunakan model ARIMA (1,1,0) dan model regresi, keduanya menghasilkan nilai peramalan harga minyak mentah dunia yang akan mengalami penurunan.
{"title":"Peramalan Harga Minyak Mentah Dunia dengan Metode ARIMA dan Regresi Linier","authors":"Riani Utami, Vira Ananda, Ade Maya Sari","doi":"10.21831/pspmm.v7i1.269","DOIUrl":"https://doi.org/10.21831/pspmm.v7i1.269","url":null,"abstract":"Harga minyak dunia berdampak pada perekonomian suatu negara. Dampak dari kenaikan harga minyak dunia diantaranya akan mendorong tingkat inflasi dan kegiatan ekonomi. Harga minyak dunia seringkali mengalami perubahan yang fluktuatif. Oleh sebab itu, perlu dilakukannya peramalan terhadap harga minyak mentah dunia sebagai upaya untuk mengantisipasi dampak negatif dari perubahan harga minyak mentah dunia. Harga minyak mentah dunia yang dihitung setiap bulan merupakan suatu data time series. Model peramalan untuk data time series yang sering dilakukan adalah model ARIMA. Peramalan yang dilakukan dalam penelitian ini menggunakan model ARIMA dan regresi linier. Model ARIMA (1,1,0) adalah model ARIMA terbaik yang diperoleh dari penelitian ini dengan nilai AIC dan MAPE berturut-turut sebesar 1416.07 dan 8.00485. Sementara model regresi dalam hal ini menghasilkan nilai AIC dan nilai MAPE berturut-turut sebesar 1918.38 dan 29.26. Hasil peramalan dengan menggunakan model ARIMA (1,1,0) dan model regresi, keduanya menghasilkan nilai peramalan harga minyak mentah dunia yang akan mengalami penurunan.","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"49 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-03-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136152044","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}
Bangsa Indonesia merupakan bangsa besar dan kaya akan nilai-nilai luhur budaya bangsa yang telah diwariskan oleh para leluhur sejak abad-abad sebelumnya. Kekayaan budaya yang luhur tersebut akan tetap menjadi milik bangsa Indonesia apabila keberlangsungannya senantiasa terjaga dari generasi ke generasi. Gelombang tren dari bangsa-bangsa lain melalui musik, film, gaya berpakaian, hingga kuliner yang muncul belakangan ini menjadikan generasi muda Indonesia lebih familiar dengan budaya bangsa asing dibanding dengan budaya lokal. Hal tersebut berpotensi menjadikan budaya bangsa ini lebih asing dibanding budaya asing di tanah air sendiri. Melalui kajian teori, tulisan ini bertujuan membahas upaya pengenalan nilai-nilai budaya bangsa Indonesia melalui kegiatan pembelajaran, khusunya pembelajaran matematika. Simpulan dari tulisan ini menunjukkan bahwa pembelajaran matematika berbasis budaya dengan memanfaatkan konsep etnomatematika dapat dijadikan salah satu opsi dalam upaya mengenalkan budaya bangsa Indonesia kepada siswa.
{"title":"MENGENAL BUDAYA BANGSA MELALUI PEMBELAJARAN MATEMATIKA","authors":"Maria Isabella Chrissanti","doi":"10.21831/pspmm.v2i0.74","DOIUrl":"https://doi.org/10.21831/pspmm.v2i0.74","url":null,"abstract":"Bangsa Indonesia merupakan bangsa besar dan kaya akan nilai-nilai luhur budaya bangsa yang telah diwariskan oleh para leluhur sejak abad-abad sebelumnya. Kekayaan budaya yang luhur tersebut akan tetap menjadi milik bangsa Indonesia apabila keberlangsungannya senantiasa terjaga dari generasi ke generasi. Gelombang tren dari bangsa-bangsa lain melalui musik, film, gaya berpakaian, hingga kuliner yang muncul belakangan ini menjadikan generasi muda Indonesia lebih familiar dengan budaya bangsa asing dibanding dengan budaya lokal. Hal tersebut berpotensi menjadikan budaya bangsa ini lebih asing dibanding budaya asing di tanah air sendiri. Melalui kajian teori, tulisan ini bertujuan membahas upaya pengenalan nilai-nilai budaya bangsa Indonesia melalui kegiatan pembelajaran, khusunya pembelajaran matematika. Simpulan dari tulisan ini menunjukkan bahwa pembelajaran matematika berbasis budaya dengan memanfaatkan konsep etnomatematika dapat dijadikan salah satu opsi dalam upaya mengenalkan budaya bangsa Indonesia kepada siswa.","PeriodicalId":471034,"journal":{"name":"Prosiding Seminar Pendidikan Matematika dan Matematika","volume":"116 18","pages":""},"PeriodicalIF":0.0,"publicationDate":"2020-05-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141205446","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：