BAB III PROGRAMA LINIER

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB III PROGRAMA LINIER"

Transkripsi

1 BAB III PROGRAMA LINIER 31 Searah Sigkat Programa Liier Meurut George B Datzig yag serig disebut Bapak Liear Programmig, di dalam bukuya : Liear Programmig ad Extesio, meyebutka, bahwa ide dari pada liear programmig ii berasal dari ahli matematik Rusia berama LV Katorivich yag pada tahu 1939 meerbitka sebuah karaga dega udul : MATHEMATICAL METHODS IN THE ORGANIZATION AND PLANNING OF PRODUCTION (telah diteremahka ke dalam bahasa Iggris da diterbitka di dalam maalah : Maagemet Sciece Vol 6, 1960, halama ) Didalam karaga tersebut telah dirumuska persoala liear programmig utuk pertama kaliya Aka tetapi ide ii rupaya di Rusia tidak bisa berkembag Teryata duia barat yag memafaatka ide ii selautya Kemudia pada tahu 1947 seorag ahli matematik dari Amerika Serikat, yag amaya telah disebutka diatas yaitu : George B Datzig meemuka suatu cara utuk memecahka persoala liear programmig tersebut dega suatu metode yag disebut simplex method Setelah saat itu yaitu seak tahu lima puluha liear programmig tersebut berkembag dega pesat sekali mula-mula di bidag kemilitera (utuk peyusua strategi perag) maupu didalam bidag busiess (persoala utuk mecapai maksimum profit, miimum loss, da lai sebagaiya) Sekarag pegguaa liear programmig buka saa terbatas pada bidag kemilitera, bidag ekoomi perusahaa yag sifatya mikro, sebagai alat maagemet, aka tetapi sudah meluas terutama sekali didalam perecaaa pembagua ekoomi asioal yag makro sifatya, misalya didalam peetua allocatio of ivestmets ke dalam sektor-sektor

2 perekoomia, rotatio corp policy peigkata peerimaa devisa, da lai sebagaiya 32 Karakteristik Persoala Programa Liier Programa Liier merupaka bagia dari Matematika yag khusus diterapka utuk meyelesaika persoala yag berkaita dega peetua : a Jumlah vaiabel-variabel iput yag dipakai dalam suatu masalah b Kombiasi variabel iput yag harus disediaka atau kombiasi output yag harus dihasilka c Jumlah output yag harus dihasilka utuk mecapai tuua (obective) tertetu yaki utuk mecapai optimalisasi dari suatu masalah, misalya utuk mecapai profit maksimum atau biaya miimum Sesuai dega sifat dari program ii, maka hubuga atara variabel iput/output serta fugsi obective yag harus dicapai harus merupaka hubuga liier baik yag berbetuk persamaa liier atau pertidaksamaa liier sedagka kuatitas iput/output merupaka kuatitas yag o egatif ( 0) Dalam membagu model dari persoala liier programmig diguaka karakteristik-karakteristik sebagai berikut : a Variabel keputusa Variabel keputusa adalah variabel yag meguraika secara legkap keputusa-keputusa yag aka dibuat Yag dimaksud disii adalah X 1, X 2, X 3, X 4,, X b Fugsi tuua Fugsi tuua merupaka fugsi dari variabel keputusa yag aka dimaksimumka (utuk pedapata atau keutuga) atau dimiimumka (utuk ogkos) c Pembatas-pembatas

3 Merupaka kedala-kedala yag dihadapi sehigga kita tidak bisa meetuka harga variabel keputusa secara sembarag Jadi maksudya disii ilai dari variabel keputusa tersebut dibatasi oleh pembatas (costrait) d Pembatas tada Pembatas tada adalah pembatas yag meelaska apakah variabel keputusaya diasumsika haya berharga oegatif atau variabel keputusa tersebut boleh berharga positif, boleh uga egatif (tidak terbatas dalam tada) 33 Model Programa Liier Model programa liier merupaka suatu cara utuk meyelesaika persoala pegalokasia sumber-sumber yag terbatas di atara beberapa aktivitas yag bersaig, dega cara yag terbaik yag mugki dilakuka Persoala pegalokasia ii mucul maakala seseorag harus memilih tigkat aktivitas-aktivitas tertetu yag bersaig dalam hal pegguaa sumber daya lagka yag dibutuhka utuk melaksaaka aktivitas-aktivitas tersebut Beberapa cotoh situasi dari uraia diatas atara lai ialah persoala pegalokasia fasilitas produksi, persoala pegalokasia sumber daya asioal utuk kebutuha domestik, peadwala produksi, solusi permaia (game), da pemiliha pola pegirima (shippig) Satu hal yag meadi ciri situasi diatas ialah adaya keharusa utuk megalokasika sumber terhadap aktivitas Betuk umum dari model programa liier dapat disusu sebagai berikut : 1 Fugsi tuua : utuk mecapai maksimasi Z = c 1 x 1 + c 2 x c x 2 Himpua costrait :

4 a 11 x 1 + a 12 x a 1 x b 1 a 21 x 1 + a 22 x a 2 x b 2 a m1 x 1 + a m2 x a m x b m 3 x 1, x 2,, x 0 dimaa : c 1 x 1 + c 2 x c x : fugsi tuua atau fugsi kriteria yag aka c 1, c 2,, c x 1, x 2,, x a i, i = 1, 2,, m b i = 1, 2,, dimaksimasi, diyataka dega Z : koefisie ogkos (yag diketahui) : variabel keputusa atau level aktivitas yag harus dicari : pembatas ke i : koefisie tekologi : koefisie ruas kaa x 1, x 2,, x 0 : pembatas oegatip Formulasi diatas diamaka sebagai betuk stadar dari persoala programa liier, da setiap situasi yag formulasi matematisya memeuhi model ii adalah persoala programa liier Istilah yag lebih umum dari model programa liier ii adalah sebagai berikut : a Fugsi yag memaksimumka, yaitu c 1 x 1 + c 2 x c x, disebut sebagai fugsi tuua b Pembatas-pembatas adalah costrait c Sebayak m buah kostrai pertama serig disebut sebagai kostrai fugsioal atau pembatas tekologis d Pembatas x 0 disebut sebagai kostrai o egatif e Variabel adalah variabel keputusa

5 f Kostata-kostata a i, b i da c adalah parameter-parameter model Selai model programa liier dega betuk seperti yag telah diformulasika diatas, ada pula model programa liier dega betuk yag agak lai, seperti : 1 Fugsi tuua buka memaksimumka, melaika memiimumka Cotoh : Memiimumka : Z = c 1 x 1 + c 2 x c x 2 Beberapa kostrai fugsioalya mempuyai ketidaksamaa dalam betuk lebih besar atau sama dega Cotoh : a i1 x 1 + a i2 x a i x b i Utuk beberapa harga i 3 Beberapa kostrai fugsioalya mempuyai betuk persamaa Cotoh : a i1 x 1 + a i2 x a i x = b i utuk beberapa harga i 4 Meghilagka kostrai oegatif utuk beberapa variabel keputusa Cotoh : x tidak terbatas dalam tada, utuk beberapa harga 34 Asumsi dalam Model Programa Liier Dalam megguaka model programa liier, diperluka beberapa asumsi sebagai berikut : a Asumsi kesebadiga (proportioality) Kotribusi setiap variabel keputusa terhadap fugsi tuua da ruas kiri dari setiap pembatas adalah sebadig dega ilai variabel keputusa itu Jadi variabel X berkoribusi pada ogkos C X da pada pembatas a i X Jika X ditigkatka dua kali, maka C X da a i X aka meigkat dua kali b Asumsi peambaha (additivity)

6 Ogkos total adalah peumlaha dari ogkos idividual, da kotribusi total pada batas yag ke- i merupaka peumlaha dari kotribusi idividual dari idividu aktivitas Jadi berapapu ilai X 2, pembuata seumlah X 1 suatu variabel keputusa aka selalu berkotribusi sebesar C 1 terhadap fugsi tuua Da berapapu harga X 1 tidak aka mempegaruhi pembuata seumlah X 2 c Asumsi pembagia (divisibility) Variabel keputusa dapat dibagi meadi beberapa level fraksi (pecaha) sehigga ilai variabel keputusa dibolehka buka iteger Jadi semua variabel dapat memiliki harga berapapu asalka real o egatif d Asumsi kepastia (certaity) Setiap parameter, seperti koefisie fugsi tuua, ruas kaa, koefisie tekologis, diasumsika dapat diketahui secara pasti 35 Betuk-betuk Model Programa Liier Utuk meyelesaika masalah programa liier, maka model pemecaha persoala perlu diyataka dalam betuk tertetu Betuk-betuk model matematis programa liier dapat diyataka dalam dua betuk, yaitu betuk kaoik da betuk stadar (baku) a Betuk Kaoik Karakteristik dari betuk kaoik adalah sebagai berikut : 1 Semua variabel keputusa adalah tidak egatip 2 Semua kedala berbetuk ketidaksamaa lebih kecil atau sama dega ( ) 3 Fugsi tuua berbetuk maksimasi Secara umum, betuk kaoik dapat diyataka sebagai berikut :

7 Maksimasi : Z 1 c x Dega memperhatika kedala : a x x b, i 1, 2,, m 0, 1,2,, Betuk umum diatas dapat diabarka ke dalam betuk yag lebih lebgkap dibawah ii : Maksimasi : Z = c 1 x 1 + c 2 x c x Dega memperhatika kedala : a 11 x 1 + a 12 x a 1 x b 1 a 21 x 1 + a 22 x a 2 x b 2 a m1 x 1 + a m2 x a m x b m x 1, x 2,, x 0 b Betuk Stadar Karakteristik dari betuk stadar persoala programa liier adalah sebagai berikut : 1 Semua kedala berbetuk persamaa (=), kecuali utuk kedala ketidakegatipa (o-egativity costrait) 2 Eleme ruas kaa dari setiap kedala yag meyataka kapasitas maksimum suatu fasilitas atau aktivitas adalah tidak egatif 3 Semua variabel keputusa adalah tidak egatip 4 Fugsi tuua berbetuk maksimasi atai miimasi Secara umum betuk stadar programa liier utuk persoala maksimasi da miimasi adalah sebagai berikut :

8 Fugsi tuua : Maksimasi c x 1 Dega memperhatika kedala : x 1 a i 0 x b i i 1,, m 1,, Fugsi tuua : Miimasi c x 1 Dega memperhatika kedala : x 1 a i 0 x b i i 1,, m 1,, Jika di dalam persoala yag dihadapi ada kedala yag berbetuk ketidaksamaa ( atau ), maka ketidaksamaa ii harus diubah ke dalam betuk persamaa, yaitu dega meambahka atau meguragka variable slack dari ruas kiri ketidaksamaa tersebut Kalau ketidaksamaa berbetuk lebih kecil atau sama dega ( ), maka harus ditambah dega variable slack agar meadi suatu persamaa Sebalikya, utuk ketidaksamaa berbetuk lebih besar atau sama dega ( ), maka harus dikuragi dega variabel surplus agar meadi suatu persamaa

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI 14 Bab 2 LANDASAN TEORI 21 Program Liier Programasi Liier (Liear Pogrammig) merupaka suatu model optimasi persamaa liier berkeaa dega kedala-kedala liier yag dihadapiya Model ii dikembagka oleh George

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi. MATEMATIKA EKONOMI 1 Deret DOSEN Fitri Yuliati, SP, MSi. Deret Deret ialah ragkaia bilaga yag tersusu secara teratur da memeuhi kaidah-kaidah tertetu. Bilaga-bilaga yag merupaka usur da pembetuk sebuah

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut :

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut : I. OPTIMISASI FUNGSI TANPA KENDALA Utuk fugsi dua peubah ) f ag terdiferesial dua kali. Jika di titik ) P dipeuhi :. sarat stasioer)... > maka mecapai ekstrim di ) P. Jika : ekstrim maksimum mecapai maka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program liier Program liier adalah suatu tekik peyelesaia optimal atas suatu problema keputusa dega cara meetuka terlebih dahulu fugsi tujua (memaksimalka atau memiimalka) da kedala-kedala

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Programa liear Programa Liear yag diterjemahka dari Liear programmig (LP) adalah suatu cara utuk meyelesaika persoala pegalokasia sumber-sumber yag terbatas di atara beberapa

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

APLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU

APLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU Semiar SaidaTekologi ISSN : 693 6809 APLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU Tri Herawati Prodi Tekik Idustri, Fakultas Tekik, Uiversitas Islam Sumatera UtaraMeda Abstrak Pegambila keputusa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab ii berisi teori-teori yag meladasi pembahasa dalam tugas akhir ii, yag terdiri fugsi liear, persamaa da pertidaksamaa liear, pemrograma liear, bilaga iterval, karakteristik dari

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya

Lebih terperinci

PENCARIAN HIMPUNAN SOLUSI ALTERNATIF PADA PERMASALAHAN GENERAL INTEGER LINEAR PROGRAMS MEMANFAATKAN GENERAL INTEGER CUT

PENCARIAN HIMPUNAN SOLUSI ALTERNATIF PADA PERMASALAHAN GENERAL INTEGER LINEAR PROGRAMS MEMANFAATKAN GENERAL INTEGER CUT Makalah Semiar Tugas Akhir Periode Jauari 21 PENCARIAN HIMPUNAN SOLUSI ALTERNATIF PADA PERMASALAHAN GENERAL INTEGER LINEAR PROGRAMS MEMANFAATKAN GENERAL INTEGER CUT Ade Vicidia S. P. Yudhi Purwaato, S.Kom,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka Itegral etu Jika fugsi kotiu yag didefiisika utuk, kita bagi selag mejadi selag bagia berlebar sama Misalka berupa titik ujug selag bagia ii da pilih titik sampel di dalam selag bagia ii, sehigga terletak

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi

APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN Petra Novadi Iformatika Istitut Tekologi Badug Labtek V Jl. Gaesha No., Badug email : if559@studets.if.itb.ac.id, me@va-odi.et ABSTRAK Permasalaha

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut

Lebih terperinci

Aplikasi Integer Programming Dalam Optimasi Produksi

Aplikasi Integer Programming Dalam Optimasi Produksi Semiar Nasioal III Tekologi Da Rekayasa ISBN 978-60-96853-1- Aplikasi Iteger Programmig Dalam Optimasi Produksi Tri Herawati Staf Pegaar Kopertis Wilayah I Dpk Fakultas Tekik Uiversitas Islam Sumatera

Lebih terperinci

Aplikasi Integer Programming Dalam Optimasi Produksi

Aplikasi Integer Programming Dalam Optimasi Produksi Semiar Nasioal III Tekologi Da Rekayasa ISBN 978-60-96853-1- Aplikasi Iteger Programmig Dalam Optimasi Produksi Tri Herawati Staf Pegaar Kopertis Wilayah I Dpk Fakultas Tekik Uiversitas Islam Sumatera

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN 1 Latar belakag Model pertumbuha Solow-Swa (the Solow-Swa growth model) atau disebut juga model eoklasik (the eo-classical model) pertama kali dikembagka pada tahu 195 oleh Robert Solow da

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.. Kosep Dasar Graph Sebelum sampai pada defiisi masalah litasa terpedek, terlebih dahulu pada bagia ii aka diuraika megeai kosep-kosep dasar dari model graph da represetasiya dalam

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah

BAB I PENDAHULUAN. A. Latar Belakang Masalah BAB I PENDAHULUAN A. Latar Belakag Masalah Struktur alabar adalah suatu himpua yag di dalamya didefiisika suatu operasi bier yag memeuhi aksioma-aksioma tertetu. Gelaggag ( Rig ) merupaka suatu struktur

Lebih terperinci

METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR

METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR Marlia Ulfa 1, Bambag Irawato 2, Suarsih 3 1,2,3 Program Studi Matematika, Fakultas

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung 42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha

Lebih terperinci

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor Bab 6 Deret Taylor da Deret Lauret BAB 6 DERET TAYLOR DAN DERET LAURENT 6 Deret Taylor Misal fugsi f aalitik pada - < R ligkara dega pusat di da jari-jari R Maka utuk setiap titik pada ligkara itu f dapat

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

Lebih terperinci

4/15/2009. Arti investasi : a. Hasil penjualan. b. Biaya c. Ekspektasi dan kepercayaan.

4/15/2009. Arti investasi : a. Hasil penjualan. b. Biaya c. Ekspektasi dan kepercayaan. Arti ivestasi : a. Hasil pejuala. b. Biaya c. Ekspektasi da kepercayaa. Ivestasi : peigkata barag modal berujud Kekuata Ekoomi Utama; Hasil pegembalia ivestasi yag dipegaruhi oleh struktur ekoomi, biaya

Lebih terperinci

PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS

PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS Nada Puspitasari 1, Bambag Irawato, S.Si, M.Si 2, Prof. Dr. Widowati, M.Si 3 Program Studi Matematika

Lebih terperinci

REGRESI LINIER GANDA

REGRESI LINIER GANDA REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 13. VEKTOR dalam R 3 PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde

Lebih terperinci

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas

Lebih terperinci

PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA

PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA Eky Pawestri Gita Asmara 1, Bambag Irawato, S.Si, M.Si 2, Lucia Ratasari, S.Si, M.Si Departeme Matematika

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

LOGO MATEMATIKA BISNIS (Deret)

LOGO MATEMATIKA BISNIS (Deret) LOGO MATEMATIKA BISNIS (Deret) DOSEN FEBRIYANTO, SE., MM. www.febriyato79.wordpress.com 1 MATEMATIKA BISNIS Matematika Bisis memberika pemahama ilmu megeai kosep matematika dalam bidag bisis. Sehigga suatu

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN Peelitia pejadwala pembagkit termal ii adalah utuk membadigka metode Lagragia Relaxatio yag diajuka peulis dega metode yag diguaka PLN. Di sii aka diuji metode maa yag peramalaya

Lebih terperinci

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic. Peyelesaia Asymmetric Travellig Salesma Problem dega Algoritma Hugaria da Algoritma Cheapest Isertio Heuristic Caturiyati Staf Pegaar Jurusa Pedidika Matematika FMIPA UNY E-mail: wcaturiyati@yahoo.com

Lebih terperinci

MATERI 10 ANALISIS EKONOMI

MATERI 10 ANALISIS EKONOMI MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

ANALISIS SENSITIVITAS

ANALISIS SENSITIVITAS PERTEMUAN 8 ANALISIS SENSITIVITAS Seorag aalis jarag dapat meetuka parameter model Program Liier seperti (m,, C j, a, b i ) dega pasti karea ilai parameter ii adalah fugsi dari beberapa ucotrolable variable.

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas. BAB 1 PENDAHUUAN 1.1 atar Belakag Pada dasarya masalah optimisasi adalah suatu masalah utuk membuat ilai fugsi tujua mejadi maksimum atau miimum dega memperhatika pembatas pembatas yag ada. Dalam aplikasi

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA 010 TIM OLIMPIADE MATEMATIKA INDONESIA 0 Prestasi itu diraih buka didapat!!! SOLUSI SOAL Bidag Matematika Disusu oleh : Eddy Hermato, ST Olimpiade Matematika Tk

Lebih terperinci

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN 4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul

Lebih terperinci

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM Yosifayza Septiai 1, Bambag Irawato 2, Susilo Hariyato 3 Departeme Matematika FSM Uiversitas

Lebih terperinci

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research)

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research) BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa

Lebih terperinci

DISTRIBUSI KHUSUS YANG DIKENAL

DISTRIBUSI KHUSUS YANG DIKENAL 0 DISTRIBUSI KHUSUS YANG DIKENAL Kita sudah membahas fugsi peluag atau fugsi desitas, baik defiisiya maupu sifatya. Fugsi peluag atau fugsi desitas ii merupaka ciri dari sebuah distribusi, artiya fugsi

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis CATATAN KULIAH Pertemua I: Pegeala Matematika Ekoomi da Bisis A. Sifat-sifat Matematika Ekoomi 1. Perbedaa Matematika vs. Nomamatematika Ekoomi Keutuga pedekata matematika dalam ilmu ekoomi Ketepata (Precise),

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

BAB VIII KONSEP DASAR PROBABILITAS BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada

Lebih terperinci