Penerapan Relasi Preferensi pada Pengambilan Keputusan yang Melibatkan Banyak Pihak

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penerapan Relasi Preferensi pada Pengambilan Keputusan yang Melibatkan Banyak Pihak"

Transkripsi

1 Penerapan Relasi Preferensi pada Pengambilan Keputusan yang Melibatkan Banyak Pihak Eko Hari Parmadi Fakultas Sains & Teknologi Univ. Sanata Dharma Kampus III Paingan, Maguwoharo, Depok, Sleman. bstract Multiperson decision making is a process to solve different opinions in a group to find the best final decision. It consists of a five-stage process.i.e. determination of domination individual, preference relation, construction of individual preference relations, aggregation of individual preference relations, and the last is determination of final decision. The result of this process is a final decision that is satisfying all members of the group. Keywords: domination, preference relation, individual preference relation, final decision. Pendahuluan Pengambilan keputusan yang melibatkan banyak pihak (kelompok) adalah model pengambilan keputusan yang melibatkan banyak individu pembuat keputusan. Pendapat atau persepsi yang berbeda dari para pengambil keputusan dapat mengakibatkan keputusan yang dihasilkan berbeda-beda dan belum tentu keputusan tersebut diterima oleh pihak yang lain. Masalah lain yang muncul dalam pengambilan keputusan adalah ika kriteria yang dipakai untuk pengambilan keputusan tersebut kabur atau tidak tegas. Sebagai contoh proses pengambilan keputusan untuk memilih sebuah banner dari tiga desain yang diberikan berdasarkan tingkat kemenarikan desain banner tersebut.. Kriteria menarik untuk sebuah banner merupakan istilah yang kabur atau tidak tegas karena tidak ada batasan yang tegas antara menarik dan tidak menarik. kibatnya, pembuat keputusan menadi kesulitan dalam mengambil keputusan. Melalui pendefinisian relasi preferensi pada pengambilan keputusan yang melibatkan banyak pihak maka akan dihasilkan keputusan akhir yang baik, yaitu keputusan yang merupakan kompromi dari banyak individu pengambil keputusan. Selain itu, masalah kekaburan pada kriteria uga dapat diatasi. Pengambilan Keputusan yang Melibatkan Banyak Pihak Masalah pengambilan keputusan adalah masalah menentukan pilihan berdasarkan sekumpulan alternatif dan kriteria-kriteria yang ada. Proses pengambilan keputusan yang melibatkan banyak pihak memerlukan suatu masukan berupa pilihan dari masing-masing individu terhadap beberapa alternatif pilihan yang ada. Penentuan dari fungsi pemilihan yang melibatkan banyak pihak terdiri dari beberapa proses, yaitu: penentuan fungsi sasaran individual, penyusunan relasi pemilihan individual dan pengumpulan relasi pemilihan individual untuk sampai kepada relasi pemilihan yang melibatkan banyak pihak []. Misalkan diberikan = a, a, L, a } adalah himpunan alternatif dan { n F = { f, f, L, fm} adalah himpunan individu pengambil keputusan, maka pilihan

2 dari masing-masing individu ini dinotasikan dengan r i, dimana r i = fi ( a ) menunukkan nilai kemenarikan yang diberikan oleh individu f i untuk sebuah alternatif a. Nilai r i ini berada di dalam selang tertutup [0,0]. Semakin nilai r i mendekati 0, maka individu f i memberikan pendapat semakin kuat untuk alternatif a. Sebaliknya, ika nilai r i semakin mendekati nol, maka individu memberikan pendapat semakin lemah untuk alternatif a []. Tabel. Data Pengambilan Keputusan yang Melibatkan Banyak Pihak lternatif individu a a a... an f r r r... rn f r... f fm rm rm rm... rmn Definisi. (Relasi Preferensi) Diberikan f adalah sebuah aturan perkawanan dari himpunan alternatif ke himpunan bilangan real. f : R, dimana, a, maka f (a) merupakan nilai dari alternatif tersebut terhadap sebuah kriteria. Pada saat dua alternatif dibandingkan, a, b, maka harus dapat ditentukan perbandingan preferensinya. P disebut relasi preferensi alternatif a terhadap alternatif b, dinotasikan dengan P( a, b) = f ( a) f ( b). P ( a, b) = 0 berarti tidak ada preferensi a lebih baik daripada b P ( a, b) 0 berarti preferensi a lebih baik daripada b P ( a, b) 0 berarti preferensi b lebih baik daripada a Definisi. (Dominasi ) Misalkan diberikan = a, a, L, a } adalah himpunan alternatif dan { n F = { f, f, L, fm} adalah himpunan individu maka dapat didefinisikan: d i ( ri, rik ) = ri rik, yaitu nilai dominasi alternatif a terhadap alternatif a k yang diberikan oleh individu f i. Untuk memberikan gambaran yang lebih baik, digunakan fungsi selisih nilai kriteria antar alternatif yang dinotasikan H(d) dengan d = f ( a) f ( b), dimana hal ini berhubungan langsung pada relasi preferensi P. da banyak kriteria preferensi yang dapat digunakan seperti, kriteria biasa, kriteria quasi, kriteria level, kriteria gaussian dan masih banyak kriteria lainnya []. Salah satu fungsi yang digunakan adalah dengan kriteria preferensi linear, seperti pada definisi. berikut ini: Definisi. (Kriteria Preferensi Linear) Kriteria preferensi linear didefinisikan sebagai:

3 ika d > p H ( d) = d / p ika 0 < d < p 0 ika d < 0 Kriteria preferensi linear dapat menelaskan bahwa selama nilai selisih memiliki nilai yang lebih rendah dari p, maka preferensi dari pembuat keputusan meningkat secara linear dengan nilai d. Jika nilai d lebih besar dari nilai p maka teradi preferensi mutlak. Pada saat pembuat keputusan mengidentifikasi beberapa criteria untuk tipe ini,dia harus menentukan nilai dari kecenderungan atas nilai p. 0 Gambar. Kriteria Preferensi Linear p d. Himpunan Kabur Tidak semua hal yang diumpai dalam kehidupan sehari-hari dapat didefinisikan secara tegas. Hal ini disebabkan oleh batasan yang kabur atau tidak dapat ditentukan secara tegas. Banyak kata-kata, kriteria atau istilah dalam kehidupan seharihari yang mengandung ketidaktegasan, seperti: tinggi, mahal, kaya, cantik, menarik, hemat dan sebagainya. Untuk mengatasi permasalahan himpunan dengan batas yang tidak tegas ini, Zadeh mengaitkan himpunan semacam itu dengan suatu fungsi yang menyatakan deraat kesesuaian unsur-unsur dalam semestanya dengan syarat konsep yang merupakan syarat himpunan tersebut. Fungsi ini disebut fungsi keanggotaan dan nilai fungsi itu disebut deraat keanggotaan suatu unsur dalam himpunan itu, yang selanutnya disebut himpunan kabur. Deraat keanggotaan dinyatakan dengan suatu bilangan real dalam selang tertutup [0,]. Dengan kata lain, fungsi keanggotaan dari suatu himpunan kabur à dalam semesta X adalah pemetaan µ à dari X ke selang [0,][]. Misalkan diberikan himpunan semesta X, maka suatu himpunan kabur ~ didefinisikan sebagai: ~ = {( x, μ ~ ( x)) x X} μ ~ disebut fungsi keanggotaan dari suatu himpunan kabur ~ dan nilai fungsi μ ( ) menyatakan deraat keanggotaan unsur x X dalam himpunan kabur ~ [],[4],[5],[6]. μ ~ ( x) : X [0,] Salah satu contoh fungsi keanggotaan himpunan kabur adalah fungsi keanggotaan trapesium. Suatu fungsi keanggotaan himpunan kabur disebut fungsi ~ x

4 keanggotaan trapesium ika mempunyai empat buah parameter, yaitu a, b, c, d R dengan a< b< c< d dan dinyatakan dengan trapesium(x; a, b, c, d) dengan aturan : Fungsi keanggotaan tersebut dapat uga dinyatakan sebagai berikut : x a d x Trapesium( x; a, b, c, d) = max min,,,0 b a d c 0 R a b c d Gambar. Fungsi Keanggotaan Trapesium(x; a, b, c, d) Sealan dengan definisi relasi tegas pada himpunan tegas, maka antara elemenelemen dalam himpunan X dengan elemen-elemen dalam himpunan Y dapat dibuat Relasi Kabur R ~ yang didefinisikan sebagai himpunan kabur dari X Y, yaitu himpunan kabur: ~ R = {(( x, y),( μ ~ ( x, y)) ( x, y) X Y} R Relasi Kabur R ~ itu uga disebut relasi kabur pada himpunan (semesta) X Y. Jika X = Y maka R ~ disebut relasi kabur pada himpunan X [],[4],[5],[6]. 4. Operasi Baku Pada Himpunan Kabur Operasi-operasi pada himpunan kabur dapat didefinisikan sesuai dengan operasi-operasi pada himpunan tegas, antara lain : 4. Komplemen Komplemen dari suatu himpunan kabur à adalah himpunan kabur à C dengan fungsi keanggotaan: μ ~ ( x) = μ ~ ( x), untuk setiap x X C

5 Gambar. Komplemen dari Himpunan Kabur à 4. Gabungan Gabungan dua buah himpunan kabur à dan B ~ adalah himpunan kabur B ~ dengan fungsi keanggotaan: μ ~ ~ ( x) = maks{ μ ~ ( x), μ ~ ( x)}, untuk setiap x X. B B à B ~ B ~ Gambar 4. Gabungan Dua Himpunan Kabur à B ~ 4. Irisan Gabungan dua buah himpunan kabur à dan B ~ adalah himpunan kabur à B ~ dengan fungsi keanggotaan μ ~ ~ ( x) = min{ μ ~ ( x), μ ~ ( x)}, untuk setiap x X B B B ~ Gambar 5. Irisan Dua Himpunan Kabur à B ~ B ~

6 5. plikasi Pengambilan Keputusan yang Melibatkan Banyak Pihak Seperti dielaskan di bagian awal bahwa penentuan dari fungsi pemilihan yang melibatkan banyak pihak terdiri dari beberapa proses, yaitu: penentuan fungsi sasaran individual, penyusunan relasi pemilihan individual dan pengumpulan relasi pemilihan individual untuk sampai kepada relasi pemilihan yang melibatkan banyak pihak. Namun tahapan tersebut dapat diperluas menadi lima tahap, yaitu: a. Hitung nilai dominasi kemenarikan untuk tiap individu b. Menentukan kriteria preferensi yang akan digunakan c. Menentukan tingkat pilihan relatif untuk masing-masing individu d. Tingkat pilihan relatif, untuk keseluruhan pembuat keputusan e. Keputusan akhir Salah satu aplikasi pengambilan keputusan yang melibatkan banyak pihak adalah menentukan sebuah banner yang akan dipilih dari desain banner yang diberikan berdasarkan kriteria menarik. Gambar 6. Banner Dari sebanyak 4 individu pengambil keputusan diperoleh data sebagai berikut: Individu Individu Individu Individu

7 Berdasarkan data tersebut di atas, desain banner mana, yang harus diputuskan dipilih sedemikian sehingga keputusan tersebut merupakan kompromi dari banyak individu pengambil keputusan (individu sampai individu 5). Karena kriteria menarik tidak tegas maka digunakan himpunan kabur sebagai cara pemecahan masalah tersebut. dapun tahap-tahap yang dilakukan adalah sebagai berikut: a. Hitung nilai d ( a i, a ) yaitu dominasi kemenarikan desain ke-i dengan desain ke- untuk tiap individu Tabel. Dominasi Kemenarikan untuk Tiap Individu individu individu individu individu Hasil pada perhitungan ini masih berupa nilai tegas. b. Menentukan kriteria preferensi linear Misalkan dipilih nilai p = 4, maka diperoleh tabel kriteria preferensi sebagai berikut: Tabel 4. Kriteria Preferensi Linear individu individu individu individu

8 Melalui kriteria preferensi linear, maka semua nilai real pada interval [0,0] dinyatakan dalam suatu deraat keanggotaan pada interval [0,]. Dengan kata lain, akan didapat relasi kabur H pada ={desain, desain, desain} untuk masingmasing individu. c. Tingkat pilihan relatif untuk masing-masing individu p f ) = min{ H ( a, a )} ( k k untuk suatu k, dan untuk setiap =,,..., n. Hasil perhitungan tingkat pilihan relatif untuk masing-masing individu dapat dilihat pada Tabel 5. berikut ini: Tabel 5. Tingkat Pilihan Relatif untuk Masing-Masing Individu Individu p(f ) Individu p(f ) Individu p(f ) Individu 4 p(f 4 ) d. Tingkat pilihan relatif, untuk keseluruhan pembuat keputusan, diperoleh dengan cara menghitung rata-rata tingkat pilihan relatif tiap individu.

9 Tabel 6. Tingkat Pilihan Relatif untuk Keseluruhan Pembuat Keputusan individu individu individu Individu Rata-rata e. Keputusan akhir Keputusan akhir dari proses pengambilan keputusan tersebut adalah nilai maksimum dari rata-rata tingkat pilihan relatif, untuk keseluruhan pembuat keputusan. Berdasarkan tabel 6. diperoleh hasil bahwa keputusan akhir yang menadi kesepakatan semua individu pengambil keputusan adalah banner yang menarik adalah banner dengan desain. 6. Penutup Berdasarkan pembahasan di atas, dapat disimpulkan bahwa relasi preferensi dapat diterapkan pada pengambilan keputusan yang melibatkan banyak pihak. Proses pengambilan keputusan uga sangat bergantung pada kriteria preferensi yang dipilih. Daftar Pustaka [] Zimmermann, H-J.,99, Fuzzy Sets, Decision Making and Expert Systems. Kluwer cademic Publishers, Boston [] Suryadi, Kadarsah & Ramdani, M. li, 998, Sistem Pendukung Keputusan Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan, PT Remaa Rosdakarya, Bandung [] Susilo, Frans.,00, Pengantar Himpunan dan Logika Kabur serta plikasinya. Penerbit Universitas Sanata Dharma, Yogyakarta [4] Klir, G.J & Yuan, B., 995, Fuzzy Sets and Fuzzy Logic: Theory and pplications. Englewood Cliffts, Prentice Hall, N.J. [5] Wang, Li Xin, 997, Course in Fuzzy System and Control, Prentice Hall, New Jersey [6] Zimmermann, H.J.,99, Fuzzy Sets Theory and Its pplications. Boston : Kluwer cademic Publishers

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi

Lebih terperinci

PENGEMBANGAN APLIKASI PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PEKERJAAN DI BIDANG TEKNOLOGI INFORMASI

PENGEMBANGAN APLIKASI PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PEKERJAAN DI BIDANG TEKNOLOGI INFORMASI PENGEMBANGAN APLIKASI PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PEKERJAAN DI BIDANG TEKNOLOGI INFORMASI Wilis Kaswidjanti 1, Novrido Charibaldi 2, Datu Lestari Mallisa 3 1,2,3 ), Jurusan Teknik Informatika

Lebih terperinci

PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION

PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION (Forecast The Number of Vehicle in Jakarta Using Backpropagation Neural Net ) Zumrotus Sya diyah Universitas Darussalam Ambon,

Lebih terperinci

PENGANTAR ANALISIS FUNGSIONAL

PENGANTAR ANALISIS FUNGSIONAL PENGANTAR ANALISIS FUNGSIONAL SUMANANG MUHTAR GOZALI KBK ANALISIS UNIVERSITAS PENDIDIKAN INDONESIA BANDUNG 2010 2 KATA PENGANTAR Bismillahirrahmanirrahim Segala puji bagi Allah Rabb semesta alam. Shalawat

Lebih terperinci

Sistem Pendukung Keputusan Pemilihan Laptop Berbasis Web dengan Metode Analytical Hierarchy Process (Studi Kasus: SAMCO COMPUTER)

Sistem Pendukung Keputusan Pemilihan Laptop Berbasis Web dengan Metode Analytical Hierarchy Process (Studi Kasus: SAMCO COMPUTER) Sistem Pendukung Keputusan Pemilihan Berbasis Web dengan Metode nalytical Hierarchy Process (Studi Kasus: SMCO COMPUTER) Teddy Hartanto, Maria Irmina Prasetiyowati Program Studi Teknik Informatika, Universitas

Lebih terperinci

BAB VII LOGIKA FUZZY

BAB VII LOGIKA FUZZY BAB VII LOGIKA FUZZY Logika fuzzy adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy : Antara input dan output terdapat suatu kotak hitam yang harus memetakan

Lebih terperinci

Bab 1. KONSEP DASAR SISTEM TEMU KEMBALI INFORMASI

Bab 1. KONSEP DASAR SISTEM TEMU KEMBALI INFORMASI Bab 1. KONSEP DASAR SISTEM TEMU KEMBALI INFORMASI Tipe Sistem Informasi Sistem Temu Kembali Informasi (Information Retrieval System - IRS) merupakan salah satu tipe sistem informasi. Selain Sistem Temu

Lebih terperinci

FUNGSI. 1. Definisi Fungsi 2. Jenis-jenis Fungsi 3. Pembatasan dan Perluasan Fungsi 4. Operasi yang Merupakan Fungsi. Cece Kustiawan, FPMIPA, UPI

FUNGSI. 1. Definisi Fungsi 2. Jenis-jenis Fungsi 3. Pembatasan dan Perluasan Fungsi 4. Operasi yang Merupakan Fungsi. Cece Kustiawan, FPMIPA, UPI FUNGSI 1. Definisi Fungsi 2. Jenis-jenis Fungsi 3. Pembatasan dan Perluasan Fungsi 4. Operasi yang Merupakan Fungsi Definisi Fungsi Suatu fungsi f atau pemetaan f dari himpunan A ke himpunan B adalah suatu

Lebih terperinci

Fungsi, Persamaaan, Pertidaksamaan

Fungsi, Persamaaan, Pertidaksamaan Fungsi, Persamaaan, Pertidaksamaan Disampaikan pada Diklat Instruktur/Pengembang Matematika SMA Jenjang Dasar Tanggal 6 s.d. 9 Agustus 004 di PPPG Matematika Oleh: Drs. Markaban, M.Si. Widyaiswara PPPG

Lebih terperinci

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc ANOVA SATU ARAH Nucke Widowati Kusumo Proo, S.Si, M.Sc It s about: Ui rata-rata untuk lebih dari dua populasi Ui perbandingan ganda (ui Duncan & Tukey) Output SPSS PENDAHULUAN Ui hipotesis yang sudah kita

Lebih terperinci

GLORIA MARIA CHRISTA I 1304010. Skripsi

GLORIA MARIA CHRISTA I 1304010. Skripsi PENENTUAN LOKASI BARU UNTUK GUDANG DISTRIBUSI GENTENG KEBUMEN DI WILAYAH KOTA SURAKARTA DAN SEKITARNYA DENGAN MENGGUNAKAN PENDEKATAN FUZZY SIMPLE ADDITIVE WEIGHTING Skripsi GLORIA MARIA CHRISTA I 30400

Lebih terperinci

SYARAT PERLU DAN SYARAT CUKUP KEBERADAAN DAN KETUNGGALAN KESEIMBANGAN NASH CAMPURAN SEMPURNA PADA BIMATRIX GAMES

SYARAT PERLU DAN SYARAT CUKUP KEBERADAAN DAN KETUNGGALAN KESEIMBANGAN NASH CAMPURAN SEMPURNA PADA BIMATRIX GAMES Jurnal Matematika UNND Vol. 2 No. 2 Hal. 54 62 ISSN : 233 291 c Jurusan Matematika FMIP UNND SYRT PERLU DN SYRT CUKUP KEBERDN DN KETUNGGLN KESEIMBNGN NSH CMPURN SEMPURN PD BIMTRIX GMES NGGI MUTI SNI Program

Lebih terperinci

Teori dan Operasi Pada Himpunan

Teori dan Operasi Pada Himpunan Teori dan Operasi Pada Himpunan Oleh: Suprih Widodo Pendahuluan Pada dasarnya setiap hari manusia berhubungan dengan himpunan, klasifikasi himpunan dalam hidup manusia sangat beragam dan banyak sekali,

Lebih terperinci

SISTEM INFORMASI SIMULASI PEMILIHAN MATA KULIAH PEMINATAN MAHASISWA : STUDI KASUS PROGRAM STUDI SISTEM INFORMASI STMIK GI MDP

SISTEM INFORMASI SIMULASI PEMILIHAN MATA KULIAH PEMINATAN MAHASISWA : STUDI KASUS PROGRAM STUDI SISTEM INFORMASI STMIK GI MDP SISTEM INFORMASI SIMULASI PEMILIHAN MATA KULIAH PEMINATAN MAHASISWA : STUDI KASUS PROGRAM STUDI SISTEM INFORMASI STMIK GI MDP Aighner Ahsarif Ario (aighner@gmail.com), Novita (novieliem@ymail.com) Mardiani

Lebih terperinci

Matematika Lanjut 1. Sistem Persamaan Linier Transformasi Linier. Matriks Invers. Ruang Vektor Matriks. Determinan. Vektor

Matematika Lanjut 1. Sistem Persamaan Linier Transformasi Linier. Matriks Invers. Ruang Vektor Matriks. Determinan. Vektor Matematika Lanjut 1 Vektor Ruang Vektor Matriks Determinan Matriks Invers Sistem Persamaan Linier Transformasi Linier 1 Dra. D. L. Crispina Pardede, DE. Referensi [1]. Yusuf Yahya, D. Suryadi. H.S., gus

Lebih terperinci

Program Studi Teknik Informatika STMIK GI MDP

Program Studi Teknik Informatika STMIK GI MDP PENERAPAN ETODE FUZZY ADANI UNTUK EPREDIKSI JULAH PRODUKSI INYAK SAWIT BERDASARKAN DATA PERSEDIAAN DAN JULAH PERINTAAN (STUDI KASUS PT PERKEBUNAN ITRA OGAN BATURAJA) Dwi artha Sukandy), Agung Triongko

Lebih terperinci

TOPOLOGI METRIK PARSIAL

TOPOLOGI METRIK PARSIAL Jurnal Matematika UNAND Vol. 1 No. 2 Hal. 71 78 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND TOPOLOGI METRIK PARSIAL DESY WAHYUNI Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

4. Himpunan penyelesaian dari sistem persamaan linear x + y = 5 dan x - 2y = -4 adalah... A.{ (1, 4) }

4. Himpunan penyelesaian dari sistem persamaan linear x + y = 5 dan x - 2y = -4 adalah... A.{ (1, 4) } 1. Diketahui himpunan P = ( bilangan prima kurang dari 13 ) Banyak himpunan bagian dari P adalah... 5 25 10 32 P = {Bilangan prima kurang dari 13} = {2, 3, 5, 7, 11} n(p) = 5 2. Dari diagram Venn di bawah,

Lebih terperinci

REDUKSI ORDE MODEL REAKTOR NUKLIR DALAM DOMAIN FREKUENSI DAN WAKTU'

REDUKSI ORDE MODEL REAKTOR NUKLIR DALAM DOMAIN FREKUENSI DAN WAKTU' REDUKSI ORDE MODEL REKTOR NUKLIR DLM DOMIN FREKUENSI DN WKTU' BSTRCT ID9928 REDUCED ORDER FOR NUCLER RECTOR MODEL IN FREQUENCY ND TIME DOMIN. In control system theory, a model can be represented by frequency

Lebih terperinci

PERT / CPM. Materi MPK. www.adamjulian.net MANAJEMEN PENGAMBILAN KEPUTUSAN. Penjelasan PERT dan CPM METODE MANUAL: PERT CPM SOFTWARE POM QM: PERT CPM

PERT / CPM. Materi MPK. www.adamjulian.net MANAJEMEN PENGAMBILAN KEPUTUSAN. Penjelasan PERT dan CPM METODE MANUAL: PERT CPM SOFTWARE POM QM: PERT CPM MANAJEMEN PENGAMBILAN KEPUTUSAN PERT / CPM THE DECISION PROCESS IN OPERATIONS Materi MPK Penjelasan PERT dan CPM METODE MANUAL: PERT CPM SOFTWARE POM QM: PERT CPM Analisis Jaringan Kerja Metode yang digunakan

Lebih terperinci

STRUKTUR ALJABAR 1. Winita Sulandari FMIPA UNS

STRUKTUR ALJABAR 1. Winita Sulandari FMIPA UNS STRUKTUR ALJABAR 1 Winita Sulandari FMIPA UNS Pengantar Struktur Aljabar Sistem Matematika terdiri dari Satu atau beberapa himpunan Satu atau beberapa operasi yg bekerja pada himpunan di atas Operasi-operasi

Lebih terperinci

PERANCANGAN APLIKASI PENENTUAN KOSMETIK YANG SESUAI DENGAN JENIS KULIT WAJAH MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

PERANCANGAN APLIKASI PENENTUAN KOSMETIK YANG SESUAI DENGAN JENIS KULIT WAJAH MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PERANCANGAN APLIKASI PENENTUAN KOSMETIK YANG SESUAI DENGAN JENIS KULIT WAJAH MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Felani (0911472) Mahasiswa Jurusan Teknik Informatika STMIK Budi Darma Medan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMA BANTUAN LANGSUNG TUNAI DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCY PROCESS

SISTEM PENDUKUNG KEPUTUSAN PENERIMA BANTUAN LANGSUNG TUNAI DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCY PROCESS SISTEM PENDUKUNG KEPUTUSAN PENERIMA BANTUAN LANGSUNG TUNAI DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCY PROCESS Dita Monita 0811118 Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan Jl.

Lebih terperinci

Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B. 1 FUNGSI Misalkan A dan B himpunan. Relasi biner f dari A ke B merupakan suatu fungsi jika setiap elemen di dalam A dihubungkan dengan tepat satu elemen di dalam B. Jika f adalah fungsi dari A ke B kita

Lebih terperinci

Kata Kunci : AHP (Analytical Hierarchy Process), SPK, seleksi, bobot, calon karyawan.

Kata Kunci : AHP (Analytical Hierarchy Process), SPK, seleksi, bobot, calon karyawan. SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN KARYAWAN BARU MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROSCESS (STUDI KASUS: PT. INFOMEDIA SOLUSI HUMANIKA (INSANI) KALIMANTAN BARAT) Randi Ariefianto 1, M

Lebih terperinci

PELABELAN TOTAL TITIK AJAIB PADA COMPLETE GRAPH

PELABELAN TOTAL TITIK AJAIB PADA COMPLETE GRAPH PELABELAN TOTAL TITIK AJAIB PADA COMPLETE GRAPH SKRIPSI Oleh : Novi Irawati J2A 005 038 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO

Lebih terperinci

Prototipe Lift Barang 4 Lantai menggunakan Kendali PLC

Prototipe Lift Barang 4 Lantai menggunakan Kendali PLC Prototipe Lift Barang 4 Lantai menggunakan Kendali PLC I. Deradjad Pranowo 1, David Lion H 1 D3 Mekatronika, Universitas Sanata Dharma, Kampus III Paingan Maguwoharjo, Sleman, Yogyakarta, 1 dradjad@staff.usd.ac.id

Lebih terperinci

𝑥 Mempunyai Solusi 𝑥 R???

𝑥 Mempunyai Solusi 𝑥 R??? Mempunyai Solusi R??? ( )... ... m n m n m n a b... a b ... > >... ... ( ) ( ) > ( ) ( ). >...... > ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )... ( ) ( ) > >

Lebih terperinci

Mempunyai Solusi untuk Setiap x R???

Mempunyai Solusi untuk Setiap x R??? Mempunyai Solusi untuk Setiap R??? a a m m q q b b c c d e e h h j j k k m m q q y y f f n n y y g g p p z z. a a a a a {, } . ( ).......... ( ). ( ). ( ) ( ). ( ) ( )... ( )... ( ) ( ) ( ) a a a a

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Optimasi adalah persoalan yang sangat penting untuk diterapkan dalam segala sistem maupun organisasi. Dengan optimalisasi pada sebuah sistem

Lebih terperinci

PERANCANGAN ALAT UKUR TINGKAT KEPUASAN PENGGUNA WEB STUDENT PORTAL PALCOMTECH

PERANCANGAN ALAT UKUR TINGKAT KEPUASAN PENGGUNA WEB STUDENT PORTAL PALCOMTECH PERANCANGAN ALAT UKUR TINGKAT KEPUASAN PENGGUNA WEB STUDENT PORTAL PALCOMTECH Febria Sri Handayani STMIK PalComTech Abstract STMIK PalComTech student portal website used as a means of promotion of academic

Lebih terperinci

BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI

BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI LAMPIRAN 5 BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI Laporan 2 Pelaksanaan OSN-PERTAMINA 2012 69 Olimpiade Sains Nasional Pertamina 2012 Petunjuk : 1. Tuliskan secara lengkap Nama, Nomor

Lebih terperinci

PENGUKURAN KINERJA SUMBER DAYA MANUSIA DENGAN MENGGUNAKAN KONSEP HUMAN RESOURCE SCORECARD DI PT JB

PENGUKURAN KINERJA SUMBER DAYA MANUSIA DENGAN MENGGUNAKAN KONSEP HUMAN RESOURCE SCORECARD DI PT JB PENGUKURAN KINERJA SUMBER DAYA MANUSIA DENGAN MENGGUNAKAN KONSEP HUMAN RESOURCE SCORECARD DI PT JB Moses L. Singgih 1, Sri Gunani Partiwi 2 dan Arum S. Dani 3 Jurusan Teknik Industri Institut Teknologi

Lebih terperinci

16. BARISAN FUNGSI. 16.1 Barisan Fungsi dan Kekonvergenan Titik Demi Titik

16. BARISAN FUNGSI. 16.1 Barisan Fungsi dan Kekonvergenan Titik Demi Titik 16. BARISAN FUNGSI 16.1 Barisan Fungsi dan Kekonvergenan Titik Demi Titik Bila pada bab-bab sebelumnya kita membahas fungsi sebagai sebuah objek individual, maka pada bab ini dan selanjutnya kita akan

Lebih terperinci

BAB I VEKTOR DALAM BIDANG

BAB I VEKTOR DALAM BIDANG BAB I VEKTOR DALAM BIDANG I. KURVA BIDANG : Penyajian secara parameter Suatu kurva bidang ditentukan oleh sepasang persamaan parameter. ; dalam I dan kontinue pada selang I, yang pada umumnya sebuah selang

Lebih terperinci

BAB I PENDAHULUAN. 1.1. Latar Belakang. Koperasi Simpan Pinjam atau koperasi kredit adalah salah satu jenis

BAB I PENDAHULUAN. 1.1. Latar Belakang. Koperasi Simpan Pinjam atau koperasi kredit adalah salah satu jenis BAB I PENDAHULUAN 1.1. Latar Belakang Koperasi Simpan Pinjam atau koperasi kredit adalah salah satu jenis koperasi yang ada di Indonesia yang mempunyai kegiatan utama adalah menyediakan jasa penyimpanan

Lebih terperinci

Catatan Kuliah KALKULUS II BAB V. INTEGRAL

Catatan Kuliah KALKULUS II BAB V. INTEGRAL BAB V. INTEGRAL Anti-turunan dan Integral TakTentu Persamaan Diferensial Sederhana Notasi Sigma dan Luas Daerah di Bawah Kurva Integral Tentu Teorema Dasar Kalkulus Sifat-sifat Integral Tentu Lebih Lanjut

Lebih terperinci

METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Mahrani 1, M. Imran, Agusni 1 Mahasiswa Program Studi S1 Matematika

Lebih terperinci

KONSEP DASAR SAMPLING

KONSEP DASAR SAMPLING TEKNIK SAMPLING KONSEP DASAR SAMPLING LOGO HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNAND TEKNIK SAMPLING Metode pengambilan sebagian anggota populasi sedemikian rupa sehingga contoh yang

Lebih terperinci

FUNGSI DAN GRAFIKNYA KULIAH-4. Hadi Hermansyah,S.Si., M.Si. Politeknik Negeri Balikpapan PERTIDAKSAMAAN

FUNGSI DAN GRAFIKNYA KULIAH-4. Hadi Hermansyah,S.Si., M.Si. Politeknik Negeri Balikpapan PERTIDAKSAMAAN KULIAH-4 Modul Pembelajaran Matematika Kelas X semester 1 Modul Pembelajaran Matematika Kelas X semester 1 FUNGSI DAN GRAFIKNYA PERTIDAKSAMAAN Hadi Hermansyah,S.Si., M.Si. Politeknik Negeri Balikpapan

Lebih terperinci

SISTEM PAKAR UNTUK MENENTUKAN KELAYAKAN SEBAGAI INDUK SIAP PIJAH PADA IKAN LELE. Naskah Publikasi

SISTEM PAKAR UNTUK MENENTUKAN KELAYAKAN SEBAGAI INDUK SIAP PIJAH PADA IKAN LELE. Naskah Publikasi SISTEM PAKAR UNTUK MENENTUKAN KELAYAKAN SEBAGAI INDUK SIAP PIJAH PADA IKAN LELE Naskah Publikasi Diajukan Oleh Cahyo Nugroho 07.11.1649 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 5: Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Waktu Antar Kedatangan Waktu Antar Kedatangan Misalkan T 1 menyatakan waktu dari kejadian/kedatangan pertama. Misalkan

Lebih terperinci

Epilog & Daftar Pustaka

Epilog & Daftar Pustaka Epilog & Daftar Pustaka Bila aplikasi deret dan transformasi Fourier telah cukup banyak dibahas, maka berikut ini disajikan ilustrasi bagaimana wavelet Haar digunakan dalam analisis dan pemrosesan signal,

Lebih terperinci

Edianto Berutu (1011418)

Edianto Berutu (1011418) SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN KARYAWAN TETAP DENGAN METODE ANALYTIC HIERARCHY PROCESS (AHP) PADA PT. PERKEBUNAN LEMBAH BHAKTI PROPINSI NAD KAB. ACEH SINGKIL Edianto Berutu (1011418) Mahasiswa

Lebih terperinci

Hierarki organisasi data tersebut terdiri dari enam tingkatan, yaitu : bit, byte/karakter, field/elemen data, rekord, file dan data base.

Hierarki organisasi data tersebut terdiri dari enam tingkatan, yaitu : bit, byte/karakter, field/elemen data, rekord, file dan data base. Pertemuan 11 Sistem Data Base Hierarki Data Data merupakan representasi dari fakta, yg dapat diperoleh darimana saja yang dapat dimengerti oleh komputer. Manajemen data dapat dilakukan dgn atau tanpa komputer

Lebih terperinci

Konsep Deret & Jenis-jenis Galat

Konsep Deret & Jenis-jenis Galat Metode Numerik (IT 402) Fakultas Teknologi Informasi - Universitas Kristen Satya Wacana Bagian 2 Konsep Deret & Jenis-jenis Galat ALZ DANNY WOWOR 1. Pengatar Dalam Kalkulus, deret sering digunakan untuk

Lebih terperinci

Rudi Hartoyo (0911870)

Rudi Hartoyo (0911870) PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN MENETUKAN STATUS KARYAWAN KONTRAK SALES PROMOTION GIRL MENJADI KARYAWAN TETAP DENGAN METODE SIMPLE ADDITIVE WEIGHTING Rudi Hartoyo (0911870) Mahasiswa Program Studi

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis

Lebih terperinci

Modul 4 PRINSIP DASAR

Modul 4 PRINSIP DASAR Modul 4 PRINSIP DASAR 4.1 Pendahuluan Ilmu statika pada dasarnya merupakan pengembangan dari ilmu fisika, yang menjelaskan kejadian alam sehari-hari, yang berkaitan dengan gaya-gaya yang bekerja. Insinyur

Lebih terperinci

Sebelum pembahasan tentang invers matriks lebih lanjut, kita bahas dahulu beberapa pengertian-pengertian berikut ini.

Sebelum pembahasan tentang invers matriks lebih lanjut, kita bahas dahulu beberapa pengertian-pengertian berikut ini. . INVERS MTRIKS Sebelum pembahasan tentang invers matriks lebih lanjut, kita bahas dahulu beberapa pengertian-pengertian berikut ini. a. RNK MTRIKS Matriks tak nol dikatakan mempunyai rank r jika paling

Lebih terperinci

PANDUAN OLIMPIADE DAN KISI-KISI SOAL OLIMPIADE SAINS KOMPUTER

PANDUAN OLIMPIADE DAN KISI-KISI SOAL OLIMPIADE SAINS KOMPUTER PANDUAN OLIMPIADE DAN KISI-KISI SOAL OLIMPIADE SAINS KOMPUTER I. Panduan Olimpiade Secara Umum a. Peserta ujian wajib mengenakan seragam sekolah lengkap. b. Peserta ujian hadir di tempat ujian 30 menit

Lebih terperinci

Turnomo Rahardjo Jurusan Ilmu Komunikasi FISIP Universitas Diponegoro

Turnomo Rahardjo Jurusan Ilmu Komunikasi FISIP Universitas Diponegoro Turnomo Rahardjo Jurusan Ilmu Komunikasi FISIP Universitas Diponegoro FACE-NEGOTIATION THEORY Berdasarkan studi yang dilakukan oleh Stella Ting-Toomey. Asumsi-asumsi: Identitas diri (self-identity) merupakan

Lebih terperinci

pengumpulan data penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2012

pengumpulan data penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2012 pengumpulan data penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2012 Variabel: suatu objek yang dapat memiliki lebih dari satu nilai. Contoh variabel: Jenis kelamin: ada dua

Lebih terperinci

PENERAPAN METODE ALORITMA FUZZY MAMDANI PADA APLIKASI SPK PENENTUAN JUMLAH PRODUKSI BARANG CV.KURNIA ALAM DI JEPARA

PENERAPAN METODE ALORITMA FUZZY MAMDANI PADA APLIKASI SPK PENENTUAN JUMLAH PRODUKSI BARANG CV.KURNIA ALAM DI JEPARA PENERAPAN METODE ALORITMA FUZZY MAMDANI PADA APLIKASI SPK PENENTUAN JUMLAH PRODUKSI BARANG CV.KURNIA ALAM DI JEPARA Andreas Widiyantoro-NIM : A11.2009.04835 Program Studi Teknik Informatika Fakultas Ilmu

Lebih terperinci

IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC

IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC Riky Amelia (1111981) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja

Lebih terperinci

MENENTUKAN KELIPATAN PERSEKUTUAN TERKECIL (KPK) DAN FAKTOR PERSEKUTUAN TERBESAR (FPB) DENGAN METODE EBIK

MENENTUKAN KELIPATAN PERSEKUTUAN TERKECIL (KPK) DAN FAKTOR PERSEKUTUAN TERBESAR (FPB) DENGAN METODE EBIK MENENTUKAN KELIPATAN PERSEKUTUAN TERKECIL (KPK) DAN FAKTOR PERSEKUTUAN TERBESAR (FPB) DENGAN METODE EBIK Nuryadi, S.Pd, M.Pd. 1 A. PENDAHULUAN Pendidikan hendaknya mampu membentuk cara berpikir dan berprilaku

Lebih terperinci

LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN KARYAWAN TETAP DENGAN METODE FUZZY SAW DI CV. MAULAYA TEHNIK UNIVERSITAS MURIA KUDUS

LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN KARYAWAN TETAP DENGAN METODE FUZZY SAW DI CV. MAULAYA TEHNIK UNIVERSITAS MURIA KUDUS LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN KARYAWAN TETAP DENGAN METODE FUZZY SAW DI CV. MAULAYA TEHNIK UNIVERSITAS MURIA KUDUS Oleh : Hadiyanto 2010-51-190 SKRIPSI DIAJUKAN SEBAGAI SALAH

Lebih terperinci

RENCANA PELAKSANAAN PEMBELAJARAN

RENCANA PELAKSANAAN PEMBELAJARAN RENCANA PELAKSANAAN PEMBELAJARAN Untuk SMA/MA Kelas X Mata Pelajaran : Matematika (Wajib) Penerbit dan Percetakan Jl. Tengah No. 37, Bumi Asri Mekarrahayu Bandung-40218 Telp. (022) 5403533 e-mail:srikandiempat@yahoo.co.id

Lebih terperinci

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id Kinerja yang perlu ditelaah pada algoritma: beban komputasi efisiensi penggunaan memori Yang perlu

Lebih terperinci

MENUNJUKKAN SIFAT SIFAT AFFINITAS PERSPEKTIF DENGAN MENGGUNAKAN PROGRAM CABRI. Oleh Sugiyono Jurusan Pendidikan Matematika FMIPA UNY ABSTRAK

MENUNJUKKAN SIFAT SIFAT AFFINITAS PERSPEKTIF DENGAN MENGGUNAKAN PROGRAM CABRI. Oleh Sugiyono Jurusan Pendidikan Matematika FMIPA UNY ABSTRAK MENUNJUKKAN SIFAT SIFAT AFFINITAS PERSPEKTIF DENGAN MENGGUNAKAN PROGRAM CABRI Oleh Sugiyono Jurusan Pendidikan Matematika FMIPA UNY ABSTRAK Misalkan s suatu garis dalam bidang (Euclides), α menyatakan

Lebih terperinci

Design and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 07

Design and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 07 Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 07 Contents 31 2 3 4 35 Divide and Conguer MinMax Problem Closest Pair Sorting Problem Perpangkatan 2 Algoritma divide and conquer

Lebih terperinci

K L P Q 1 2 10 2 2 4 13 4 3 8 18 8. Gambar 4.10 Gambar 4.11

K L P Q 1 2 10 2 2 4 13 4 3 8 18 8. Gambar 4.10 Gambar 4.11 B. Relasi Sebelum mendefinisikan produk Cartesius, terlebih dahulu Anda perlu mengenal pengertian pasangan terurut. Dalam sistem koordinat Cartesius dengan sumbu x dan sumbu y, kita mengetahui bahwa titik

Lebih terperinci

KOMUNIKASI POLITIK R O B B Y M I L A N A, S. I P M I K O M U N I V E R S I TA S M U H A M M A D I YA H J A K A RTA 2 0 1 0

KOMUNIKASI POLITIK R O B B Y M I L A N A, S. I P M I K O M U N I V E R S I TA S M U H A M M A D I YA H J A K A RTA 2 0 1 0 KOMUNIKASI POLITIK R O B B Y M I L A N A, S. I P M I K O M U N I V E R S I TA S M U H A M M A D I YA H J A K A RTA 2 0 1 0 PENGERTIAN KOMUNIKASI Communicatio (Latin) Communis Sama Secara etimologis komunikasi

Lebih terperinci

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA

Lebih terperinci

TINGKAT KESUKARAN DAN DAYA BEDA BUTIR-BUTIR SOAL UJIAN AKHIR SEMESTER (UAS) BAHASA INDONESIA DI SMA NEGERI 1 BATU TAHUN AJARAN 2011/2012

TINGKAT KESUKARAN DAN DAYA BEDA BUTIR-BUTIR SOAL UJIAN AKHIR SEMESTER (UAS) BAHASA INDONESIA DI SMA NEGERI 1 BATU TAHUN AJARAN 2011/2012 TINGKAT KESUKARAN DAN DAYA BEDA BUTIR-BUTIR SOAL UJIAN AKHIR SEMESTER (UAS) BAHASA INDONESIA DI SMA NEGERI 1 BATU TAHUN AJARAN 2011/2012 ARTIKEL SKRIPSI OLEH HIGUITA SANTOS NIM 208211416540 UNIVERSITAS

Lebih terperinci

Operasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma

Operasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma Operasi-Operasi Dasar pada Pengolahan Citra Bertalya Universitas Gunadarma 1 Operasi2 Dasar Merupakan manipulasi elemen matriks : elemen tunggal (piksel), sekumpulan elemen yang berdekatan, keseluruhan

Lebih terperinci

Syarat Perlu dan Cukup Struktur Himpunan Transformasi Linear Membentuk Semigrup Reguler 1

Syarat Perlu dan Cukup Struktur Himpunan Transformasi Linear Membentuk Semigrup Reguler 1 Syarat Perlu dan Cukup Struktur Himpunan Transformasi Linear Membentuk Semigrup Reguler Karyati Jurusan Pendidikan Matematika Universitas Negeri Yogyakarta E-mail: yatiuny@yahoocom Abstrak Pada kajian

Lebih terperinci

Melukis Grafik Fungsi yang Rumit dengan Mudah

Melukis Grafik Fungsi yang Rumit dengan Mudah Kaunia, Vol. IX, No. 2, Oktober 2013 Melukis Grafik Fungsi yang Rumit dengan Mudah Faiz Ahyaningsih Dosen FMIPA Matematika UNIMED Abstract This paper aim how to sketch the complicated curve y = f(x) easily.

Lebih terperinci

PERSEPSI DAN PREFERENSI IKLAN MEMPENGARUHI NIAT BELI ANAK PADA PRODUK MAKANAN RINGAN

PERSEPSI DAN PREFERENSI IKLAN MEMPENGARUHI NIAT BELI ANAK PADA PRODUK MAKANAN RINGAN Jur. Ilm. Kel. & Kons., Agustus 2012, p : 185-192 Vol. 5, No. 2 ISSN : 1907-6037 PERSEPSI DAN PREFERENSI IKLAN MEMPENGARUHI NIAT BELI ANAK PADA PRODUK MAKANAN RINGAN Ujang Sumarwan 1*), Megawati Simanjuntak

Lebih terperinci

Pertemuan ke 8. GRAFIK FUNGSI Diketahui fungsi f. Himpunan {(x,y): y = f(x), x D f } disebut grafik fungsi f.

Pertemuan ke 8. GRAFIK FUNGSI Diketahui fungsi f. Himpunan {(x,y): y = f(x), x D f } disebut grafik fungsi f. Pertemuan ke 8 GRAFIK FUNGSI Diketahui fungsi f. Himpunan {(,y): y = f(), D f } disebut grafik fungsi f. Grafik metode yang paling umum untuk menyatakan hubungan antara dua himpunan yaitu dengan menggunakan

Lebih terperinci

BAB 5 PENGGUNAAN TURUNAN

BAB 5 PENGGUNAAN TURUNAN Diktat Kuliah TK Matematika BAB 5 PENGGUNAAN TURUNAN 5. Nilai Ekstrim Fungsi Nilai ekstrim fungsi adalah nilai yang berkaitan dengan maksimum atau minimum fungsi tersebut. Ada dua jenis nilai ekstrim,

Lebih terperinci

BAB I PENDAIlULUAN. 1.1 Latar Belakang

BAB I PENDAIlULUAN. 1.1 Latar Belakang BAB I PENDAIlULUAN 1.1 Latar Belakang Kualitas pada makanan adalah sesuatu yang sangat relatif dan beragarn antara orang yang satu dengan yang lain. Pada suatu saat tertentu, seseorang menilai sebuah makanan

Lebih terperinci

TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA

TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan

Lebih terperinci

BAB I PENDAHULUAN. I.1. Latar Belakang. Perguruan tinggi merupakan institusi yang memiliki peran dan posisi strategis

BAB I PENDAHULUAN. I.1. Latar Belakang. Perguruan tinggi merupakan institusi yang memiliki peran dan posisi strategis BAB I PENDAHULUAN I.1. Latar Belakang Perguruan tinggi merupakan institusi yang memiliki peran dan posisi strategis dalam pencapaian tujuan pendidikan secara makro yang perlu melakukan upaya perbaikan

Lebih terperinci

METODE ITERASI OPTIMAL TANPA TURUNAN BERDASARKAN BEDA TERBAGI ABSTRACT

METODE ITERASI OPTIMAL TANPA TURUNAN BERDASARKAN BEDA TERBAGI ABSTRACT METODE ITERASI OPTIMAL TANPA TURUNAN BERDASARKAN BEDA TERBAGI Amelia Riski, Putra. Supriadi 2, Agusni 2 Mahasiswa Program Studi S Matematika 2 Laboratorium Matematika Terapan, Jurusan Matematika Fakultas

Lebih terperinci

PERTIDAKSAMAAN LINEAR SATU VARIABEL. Sumber: Dok. Penerbit

PERTIDAKSAMAAN LINEAR SATU VARIABEL. Sumber: Dok. Penerbit 4 PERSAMAAN DAN PERTIDAKSAMAAN LINEAR SATU VARIABEL Sumber: Dok. Penerbit Pernahkah kalian berbelanja alat-alat tulis? Kamu berencana membeli 10 buah bolpoin, sedangkan adikmu membeli 6 buah bolpoin dengan

Lebih terperinci

STUDI PERBANDINGAN GPS CORS METODE RTK NTRIP DENGAN TOTAL STATION

STUDI PERBANDINGAN GPS CORS METODE RTK NTRIP DENGAN TOTAL STATION SIDANG TUGAS AKHIR STUDI PERBANDINGAN GPS CORS METODE RTK NTRIP DENGAN TOTAL STATION Yoga Prahara Putra yoga.prahara09@mhs.geodesy.its.ac.id JURUSAN TEKNIK GEOMATIKA FAKULTAS TEKNIK SIPIL DAN PERENCANAAN

Lebih terperinci

Sistem Pendukung Keputusan Jadwal Progam Latihan Fitnes dengan Metode Dempster-Shafer. Abstrak

Sistem Pendukung Keputusan Jadwal Progam Latihan Fitnes dengan Metode Dempster-Shafer. Abstrak Sistem Pendukung Keputusan Jadwal Progam Latihan Fitnes dengan Metode Dempster-Shafer Widodo Bowo Laksono (A11.2009.04904) Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro,

Lebih terperinci

Pertemuan 3 dan 4 : MODEL DATA RELASIONAL

Pertemuan 3 dan 4 : MODEL DATA RELASIONAL Pertemuan 3 dan 4 : MODEL DATA RELASIONAL Tujuan Instruksional Khusus : Mahasiswa dapat menjelaskan pengertian model data relasional, istilah-istilah dalam model data relasional, jenis-jenis kunci relasional,

Lebih terperinci

PERSAMAAN DAN PERTIDAKSAMAAN DENGAN HARGA MUTLAK PENDAHULUAN

PERSAMAAN DAN PERTIDAKSAMAAN DENGAN HARGA MUTLAK PENDAHULUAN Drs. Karso Modul 9 PERSAMAAN DAN PERTIDAKSAMAAN DENGAN HARGA MUTLAK PENDAHULUAN Modul ang sekarang Anda pelajri ini adalah modul ang kesembilan dari mata kuliah Matematika Sekolah Dasar Lanjut. Adapun

Lebih terperinci

BAB 4 ORGANISASI BERKAS RELATIF

BAB 4 ORGANISASI BERKAS RELATIF BAB 4 ORGANISASI BERKAS RELATIF PENGERTIAN BERKAS RELATIF Suatu cara yang efektif dalam mengorganisasi sekumpulan record yang membutuhkan akses sebuah record dengan cepat adalah Organisasi Berkas Relatif

Lebih terperinci

BAB 5 KOMPONEN DASAR SISTEM KONTROL

BAB 5 KOMPONEN DASAR SISTEM KONTROL BAB 5 KOMPONEN ASAR SISTEM KONTROL 5. SENSOR AN TRANSMITER Sensor: menghasilkan fenomena, mekanik, listrik, atau sejenisnya yang berhubungan dengan variabel proses yang diukur. Trasmiter: mengubah fenomena

Lebih terperinci

PENDUGAAN UMUR SIMPAN PRODUK MI INSTAN DARI PATI SAGU DENGAN METODE AKSELERASI

PENDUGAAN UMUR SIMPAN PRODUK MI INSTAN DARI PATI SAGU DENGAN METODE AKSELERASI PENDUGAAN UMUR SIMPAN PRODUK MI INSTAN DARI PATI SAGU DENGAN METODE AKSELERASI Shelf Life Estimation of Instant Noodle from Sago Starch Using Accelerared Method Dewi Kurniati (0806113945) Usman Pato and

Lebih terperinci

PRESIDEN REPUBLIK INDONESIA

PRESIDEN REPUBLIK INDONESIA PERATURAN PRESIDEN NOMOR 5 TAHUN 2012 TENTANG PENGESAHAN FINAL ACTS OF THE PLENIPOTENTIARY CONFERENCE, GUADALAJARA, 2010 (AKTA-AKTA AKHIR KONFERENSI YANG BERKUASA PENUH, GUADALAJARA, 2010) DENGAN RAHMAT

Lebih terperinci

Model Matematika dari Sistem Dinamis

Model Matematika dari Sistem Dinamis Model Matematika dari Sistem Dinamis September 2012 () Model Matematika dari Sistem Dinamis September 2012 1 / 60 Pendahuluan Untuk analisis dan desain sistem kontrol, sistem sis harus dibuat model sisnya.

Lebih terperinci

Nama Peserta : No Peserta : Asal Sekolah : Asal Daerah :

Nama Peserta : No Peserta : Asal Sekolah : Asal Daerah : 1. Terdapat sebuah fungsi H yang memetakan dari himpunan bilangan asli ke bilangan asli lainnya dengan ketentuan sebagai berikut. Misalkan akan dicari nilai fungsi H jika x=38. 38 terdiri dari 3 puluhan

Lebih terperinci

E-book Statistika Gratis... Statistical Data Analyst. Penyajian Data Statistik

E-book Statistika Gratis... Statistical Data Analyst. Penyajian Data Statistik Penyajian Data Statistik Pada penulisan kedua tentang Statistika Elementer ini, penulis akan memberikan bahasan mengenai Penyajian Data Statistik kepada para pembaca untuk mengetahui bentuk penyajian data

Lebih terperinci

Suku Banyak. A. Pengertian Suku Banyak B. Menentukan Nilai Suku Banyak C. Pembagian Suku Banyak D. Teorema Sisa E. Teorema Faktor

Suku Banyak. A. Pengertian Suku Banyak B. Menentukan Nilai Suku Banyak C. Pembagian Suku Banyak D. Teorema Sisa E. Teorema Faktor Bab 5 Sumber: www.in.gr Setelah mempelajari bab ini, Anda harus mampu menggunakan konsep, sifat, dan aturan fungsi komposisi dalam pemecahan masalah; menggunakan konsep, sifat, dan aturan fungsi invers

Lebih terperinci

Kode MK/ Matematika Diskrit

Kode MK/ Matematika Diskrit Kode MK/ Matematika Diskrit TEORI GRAF 1 8/29/2014 Cakupan Himpunan, Relasi dan fungsi Kombinatorial Teori graf Pohon (Tree) dan pewarnaan graf 2 8/29/2014 1 TEORI GRAF Tujuan Mahasiswa memahami konsep

Lebih terperinci

POPULASI DAN SAMPEL. Gambar 1 POPULASI dan SAMPEL

POPULASI DAN SAMPEL. Gambar 1 POPULASI dan SAMPEL Pengertian Populasi dan Sampel POPULASI DAN SAMPEL Kata populasi (population/universe) dalam statistika merujuk pada sekumpulan individu dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian

Lebih terperinci

SKRIPSI YOGYAKARTAA 2011

SKRIPSI YOGYAKARTAA 2011 PEMILIHAN SUPPLIER BAHAN BAKU PLAT DENGAN MENGGUNAKAN METODE PROMETHEEE DI PT. MEGA ANDALAN KALASAN YOGYAKARTA SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Industri

Lebih terperinci

KUMPULAN RUMUS MATEMATIKA UNTUK SMP SESUAI DENGAN STANDAR KOMPETENSI LULUSAN UJIAN NASIONAL TAHUN PELAJARAN 2009/2010

KUMPULAN RUMUS MATEMATIKA UNTUK SMP SESUAI DENGAN STANDAR KOMPETENSI LULUSAN UJIAN NASIONAL TAHUN PELAJARAN 2009/2010 Rumus-rumus Matematika 1 Sesuai SKL UN 2010 KUMPULN RUMUS MTMTIK UNTUK SMP SSUI NGN STNR KOMPTNSI LULUSN UJIN NSIONL THUN PLJRN 2009/2010 SKL Nomor 1 : Menggunakan konsep operasi hitung dan sifat-sifat

Lebih terperinci

BAB 3. Analisis Jaringan

BAB 3. Analisis Jaringan nalisis Jaringan Jaringan lahir karena berbagai keperluan seperti: transportasi, listrik, komunikasi, perencanaan proyek, aliran air, pembuatan jalan, dan lain-lain. Saat ini jaringan sangat penting, sebab

Lebih terperinci

EDISI REVISI 2014 MATEMATIKA. SMA/MA SMK/MAK Kelas. Semester 1

EDISI REVISI 2014 MATEMATIKA. SMA/MA SMK/MAK Kelas. Semester 1 EDISI REVISI 04 MATEMATIKA SMA/MA SMK/MAK Kelas X Semester Hak Cipta 04 pada Kementerian Pendidikan dan Kebudayaan Dilindungi Undang-Undang MILIK NEGARA TIDAK DIPERDAGANGKAN Disklaimer: Buku ini merupakan

Lebih terperinci

SILABUS MATA PELAJARAN MATEMATIKA KELAS VII SEKOLAH MENENGAH PERTAMA/MADRASAH TSANAWIYAH KURIKULUM 2013

SILABUS MATA PELAJARAN MATEMATIKA KELAS VII SEKOLAH MENENGAH PERTAMA/MADRASAH TSANAWIYAH KURIKULUM 2013 SILABUS MATA PELAJARAN MATEMATIKA KELAS VII SEKOLAH MENENGAH PERTAMA/MADRASAH TSANAWIYAH KURIKULUM 2013 SILABUS MATA PELAJARAN MATEMATIKA SEKOLAH MENENGAH PERTAMA/ MADRASAH TSANAWIYAH KELAS VII KURIKULUM

Lebih terperinci

BAB II VEKTOR DAN GERAK DALAM RUANG

BAB II VEKTOR DAN GERAK DALAM RUANG BAB II VEKTOR DAN GERAK DALAM RUANG 1. KOORDINAT CARTESIUS DALAM RUANG DIMENSI TIGA SISTEM TANGAN KANAN SISTEM TANGAN KIRI RUMUS JARAK,,,, 16 Contoh : Carilah jarak antara titik,, dan,,. Solusi :, Persamaan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN PINJAMAN TERHADAP NASABAH DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) STUDI KASUS: PT. BPR LAKSANA GUNA PERCUT

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN PINJAMAN TERHADAP NASABAH DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) STUDI KASUS: PT. BPR LAKSANA GUNA PERCUT SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN PINJAMAN TERHADAP NASABAH DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) STUDI KASUS: PT. BPR LAKSANA GUNA PERCUT Roi Marsitta Simanjuntak 1), Tonni Limbong 2) 1) Mahasiswa

Lebih terperinci

Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier

Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier JURNAL TEKNIK ITS Vol. 1, (Sept, 01) ISSN: 301-971 A-46 Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier Ahmad Yusuf, Hari Ginardi

Lebih terperinci

CHAPTER 6. Ruang Hasil Kali Dalam

CHAPTER 6. Ruang Hasil Kali Dalam CHAPTER 6. Ruang Hasil Kali Dalam Hasil Kali Dalam Sudut dan Ortogonal dalam Ruang Hasil Kali Dalam Orthonormal Bases; Gram-Schmidt Process; QR-Decomposition Best Approximation; Least Squares Orthogonal

Lebih terperinci