BAB 2 LANDASAN TEORI. 2.1 Program tujuan ganda

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI. 2.1 Program tujuan ganda"

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Progra tujua gada Progra tujua gada erupaka variasi khusus dari progra liear. Aalisisya bertujua utuk eiiuka jarak atara atau deviasi deviasi terhadap tujua atau sasara yag telah ditetapka dega usaha yag dapat ditepuh utuk ecapai tujua secara euaska sesuai dega syarat ikata yag ada, yag ebatasiya berupa suber daya yag tersedia, tekologi yag ada, kedala tujua da sebagaiya. (Nasedi et al, 2005). Dala keadaa di aa seorag pegabil keputusa dihadapka kepada suatu persoala yag egadug beberapa tujua, sehigga progra liear tak dapat ebatuya utuk eberika pertibaga secara rasioal, karea progra liear terbatas pada satu tujua (tujua tuggal), aka utuk eyelesaikaya diperluka progra tujua gada. Progra tujua gada berusaha utuk eiiuka deviasi berbagai tujua, sasara atau target yag telah ditetapka da progra tujua gada juga aka ecoba utuk euaska atau eeuhi target yag telah ditetuka eurut skala prioritas asig-asig Kosep Dasar Progra tujua gada Agar eahai dega baik bidag yag dipelajari, pebaca selalu harus egerti istilah-istilah da labig-labag khusus yag diguaka. Berikut ii adalah defiisi dari beberapa istilah da labig yag biasa diguaka pada progra tujua gada.

2 Decisio variables: seperagkat variable yag tak diketahui (dala odel progra tujua gada dilabagka dega x ij, di aa j = 1,2,,) yag aka dicari ilaiya. (variable keputusa). Righthad side values (RHS): ilai-ilai yag biasaya eujukka ketersediaa suberdaya (dilabagka dega b i ) yag aka ditetuka kekuraga atau kelebiha pegguaaya. (ilai sisi kaa) Goal: keigia utuk eiialka agka peyipaga dari suatu ilai RHS pada suatu kedala tujua tertetu. (tujua). Goal Costrai: yaitu suatu tujua yag diekspresika dala persaaa ateatik dega easukka variable sipaga. (kedala tujua) Preetive Priority Factor: suatu siste uruta (yag dilabagka dega P k, di aa k = 1,2,, K da K eujukka bayakya tujua dala odel) yag eugkika tujua-tujua disusu secara ordial dala odel progra tujua gada. Siste uruta eepatka tujua-tujua dala susua dega hubuga seperti berikut: P 1 > P 2 >>> P K P 1 erupaka tujua yag palig petig. P 2 erupaka tujua yag kurag petig da seterusya. Deviatioal variables: variable-variabel yag eujukka keugkia peyipaga egatif dari suatu ilai RHS kedala tujua (dala odel progra tujua gada dilabagka dega d i, di aa i = 1,2,, da adalah bayakya kedala tujua dala odel) atai peyipaga positif dari suatu ilai RHS (dilabagka dega d + i. Variabel-variabel ii serupa dega slack variabel dala progra liear. (variabel sipaga). Differetial weight: tibaga ateatika yag diekspresika dega agka kardial (dilabagka dega w ki di aa k = 1,2,, K; i = 1,2,, ) da diguaka utuk ebedaka variabel sipaga i di dala suatu tigkat prioritas k. (Bobot). Techological coefficiet: ilai-ilai uerik (dilabagka dega a ij ) yag eujukka pegguaa ilai b i per uit utuk eciptaka x j. (koefisie tekologi). Progra tujua gada biasaya diguaka utuk eyelesaika perasalaha liear dega easukka berbagai tujua yag diyataka sebagai goal dala

3 forulasi odelya. Setiap tujua direpresetasika secara uerik, Tujua iilah yag igi dicapai. Tetapi, berbagai tujua tidak selalu dapat dicapai bersaaa, peyipaga (deviasi) dari tujua dapat terjadi. Maka dala forulasi progra tujua gada, tujua dala uerik utuk setiap tujua harus ditetapka terlebih dahulu. Keudia solusi yag igi dicapai adalah eiiuka julah peyipaga tujua-tujua ii terhadap asig-asig tujuaya. Perbedaa utaa atara progra liear da progra tujua gada terletak pada struktur fugsi tujuaya. Dala liear prograig fusi tujuaya haya egadug satu tujua, sedagka progra tujua gada satu fugsi tujua atau beberapa fugsi tujua digabugka dala sebuah fugsi tujua. Hal ii dapat dilakuka dega egekspresika tujua itu dala betuk sebuah kedala, easukka suatu variabel sipaga dala kedala itu, utuk eggabarka seberapa jauh tujua itu dapat dicapai, da eggabugka variabel sipaga dala fugsi tujua. Tujua dala progra liear dapat aksialka atau iialka, sedagka tujua dala progra tujua gada adalah eiialka peyipagapeyipaga dari tujua-tujua tertetu. Berarti seua asalah progra tujua gada adalah asalah eiialka Usur-Usur Progra tujua gada Setiap progra tujua gada palig sedikit terdiri dari tiga kopoe, yaitu: 1. Fugsi Tujua Fugsi tujua dala progra tujua gada uuya adalah asalah iiisasi karea dala progra tujua gada terdapat variabel deviasi di dala fugsi tujua yag harus diiiuka. Hal ii erupaka kosekuesi logis dari adaya vaiabel deviasi dala fugsi kedala tujua. Sehigga fugsi tujua dala progra tujua gada adalah iiisasi peyipaga atau iiisasi variabel deviasi. Fugsi tujua dala progra tujua gada ada tiga jeis: a. Miiuka Z d d i 1 i i

4 Fugsi tujua di atas giguaka apabila variabel deviasi dala suatu perasalaha tidak dibedaka eurut prioritas atau bobot. b. Miiuka Z P ( d d ) utuk k 1,2,..., K i 1 k i i Fugsi tujua di atas diguaka apabila uruta dari tujua diperluka tetapi variabel deviasi setiap tigkat prioritas dari tujua eiliki kepetiga yag saa. c. Miiuka Z W P ( d d ) utuk k 1,2,..., K i 1 ki k i i Fugsi tujua di atas diguaka apabila tujua-tujua diurutka berdasarka prioritas da dibedaka dega diberika bobot yag berlaia W ki. 2. Kedala Tujua Ada ea jeis kedala tujua yag berlaia. Maksud setiap jeis kedala itu ditetuka oleh hubugaya dega fugsi tujua. Setiap kedala tujua harus eiliki satu atau dua variabel sipaga yag ditepatka pada fugsi tujua. Diugkika adaya kedala-kedala yag tidak eiliki variabel sipaga. Kedala-kedala ii saa seperti kedala persaaa liear. Kedala Tujua Tabel 2.1. Jeis-jeis kedala tujua Variabel Keugkia Sipaga dala sipaga fugsi tujua Pegguaa Nilai RHS yag diigika a ij x j + d i = b i d i Negative = b i a ij x j d + i = b i + d i Positif = b i a ij x j + d i d + i = b i d i eg da pos b i atau lebih a ij x j + d i d + i = b i d i eg da pos b i atau kurag a ij x j + d i d + i = b i d + i da d i eg da pos = b i a ij x j d + i = b i d + i (artf) tidak ada pas = b i Suber: Mulyoo, Sri Operatio Research. Lebaga Peerbit Fakultas ekooi Uiversitas Idoesia, Jakarta.

5 3. Kedala No-Negatif Seperti dala progra liear, variabel-variabel odel progra tujua gada biasaya berilai lebih besar atau saa dega ol. Seua odel progra tujua gada terdiri dari variabel sipaga da variabel keputusa, sehigga peryataa o egatif dilabagka sebagai: x j, d i, d + i 0 4. Kedala Stuktural Selai tiga kopoe, progra tujua gada terkadag juga egadug kedala struktural. Kedala struktural yaitu kedala-kedala ligkuga yag tidak berhubuga lagsug dega tujua-tujua dari asalah yag dipelajari. Variabel sipaga tidak diasukka dala kedala ii, karea itu kedala ii tidak diikutsertaka dala fugsi tujua Asusi Model Progra Tujua Gada Sebelu eruuska odel, perlu diketahui bahwa odel progra tujua gadaeerluka sejulah asusi. Jika dala ebuat odeldari suatu asalah tetu asusi-asusi tidak dapat dipeuhi, aka progra tujua gada buka erupaka odel yag cocok utuk asalah yag sedag dipelajari. Jadi asusi odel ebatasi peerapa progra tujua gada. 1. Addivitas da liearitas Diasusika bahwa proporsi pegguaa b j yag ditetuka oleh a ij harus tetap bear tapa eperhatika ilai solusi x j yag dihasilka. Artiya, LHS dari kedala tuua harus saa dega RHS. Dala kehidupa sehari-hari, hubuga siergistik dapat eyebabka peyipaga asusi ii. Suatu cotoh adalah ketika seseorag ditepatka dala suatu ligkuga yag kopetitif. Prosedur odel lai, seperti progra stokastik, cocok utuk eodelka jeis persoala ii. 2. Divisibilitas Diasusika bahwa ilai-ilai x j, d + i, d i yag dihasilka dapat dipecah. Artiya, kita dapat eyelesaika julah pecaha ilai x j da egguaka

6 julah pecah suber daya dala situasi itu. Asusi ii tidak ebatasi pegguaa odel progra tujua gada, karea prosedur solusi progra tujua yag lai, yaitu progra tujua iteger, dapat ecari solusi iteger. 3. Terbatas Diassusika bahwa ilai x j, d + i, d i yag dihasilka terbatas. Artiya, kita tidak dapat eiliki ilai variabel keputusa, suber daya, atau peyipaga tujua yag tak terbatas. Segalaya dala duia ii terbatas. 4. Kepastia da periode waktu statis Diasusika bahwa paraeter odel progra tujua gada seperti a ij, b i, P K, w ki diketahui dega pasti da ereka aka tetap statis selaa periode perecaaa di aa hasil odel diguaka Peruusa Masalah Progra Tujua Agar egerti bagaiaa eruuska suatu asalah progra tujua gada, perlu diketahui prosedur peruusa. Keudia diterapka prosedur itu pada beberapa situasi persoala yag berlaia. 1. Prosedur Peruusa Peruusa suatu asalah progra tujua gada sagat irip deega peruusa sebuah asalah progra liear. Pejelasa variabel keputusa x j, koefisie a ij, da ilai sisi kaa b i, diperluka baik pada progra liear aupu progra tujua gada. Lagkah-lagkah peruusa progra tujua gada eliputi beberapa tahap. a. Tetuka variabel keputusa Kuciya adalah eyataka dega jelas variabel keputusa yag tak diketahui. Maki tepat defiisi aka aki udah pekerjaa peodela yag lai. b. Nyataka siste kedala Kuciya adalah eetuka ilai-ilai sisi kaa da keudia eetuka koefisie tekologi yag cocok da variabel keputusa yag diikut sertaka dala kedala. Juga perhatika jeis peyipaga yag diperbolehka dari

7 ilai RHS. Jika peyipaga diperbolehka dua arah, tepatka haya satu variabel sipaga yag tepat pada kedala yag bersagkuta. c. Tetuka prioritas utaa Kuciya adalah ebuat uruta tujua-tujua. Biasaya uruta tujua erupaka peryataa preferesi idividu. Jika persoalaya tidak eiliki uruta tujua, lewati lagkah ii da keudia kelagkah berikutya. d. Meetuka bobot Disii kuciya adalah ebuat uruta didala suatu tujua tertetu, jika tidak diperluka lewati lagkah ii. e. Nyataka fugsi tujua Pilih variabel sipaga yag bear utuk diasukka dala fugsi tujua. Tabahka prioritas da bobot yag tepat jika diperluka. f. Nyataka keperlua o-egatif Lagkah ii erupaka bagia resi dari peruusa progra tujua gada. Prosedur forulasi ii erupaka salah satu pedekata yag ugkiberafaat dala peruusa odel progra tujua gada. 2. Model Tujua Tuggal Progra tujua gada da progra liear eiliki hubuga. Sebuah progra liear dapat diubah ejadi progra tujua gada dega odel tujua tuggal. Betuk uu odel tujua tuggal: Suatu persaaa liear: Kedala: Z = c j X j a ij X j atau b i X j 0, i = 1,2,,, j = 1,2,,

8 Diubah ejadi Progra tujua gada: Mi d + + d Kedala c j X j + d d + = g a ij X j atau b i X j, d +, d 0, i = 1,2,,, j = 1,2,, 3. Model bayak tujua Ada 3 jeis odel bayak tujua, yaitu: a. Tujua bayak tapa prioritas. Betuk uu: Mi Kedala d i + + d i c j X j + d i d + i = g a ij X j atau b i X j, d i, d + i 0, i = 1,2,,, j = 1,2,, b. Tujua bayak dega prioritas. Model uu: Mi Kedala P y d i + + P s d i c j X j + d i d + i = g a ij X j atau b i

9 X j, d i, d i + 0, i = 1,2,,, j = 1,2,, c. Tujua bayak dega prioritas da bobot. Model uu: Mi Kedala P y W i,y + d i + + P s W i,s d i c j X j + d i d + i = g a ij X j atau b i X j, d i, d i + 0, i = 1,2,,, j = 1,2,, 2.2 Trasportasi Metode trasportasi adalah etode yag diguaka utuk egatur distribusi dari suber-suber yag eyediaka produk yag saa, ke tepat-tepat yag ebutuhka produk tersebut secara optial. (Fie Zulkarae,2004). Ciri-ciri khusus etode trasportasi Terdapat sejulah suber da sejulah tujua. 1. Julah yag didistribusika dari setiap suber da yag diita oleh setiap tujua adalah tertetu. 2. Julah yag dikiri atau diagkut dari suatu suber ke suatu tujua sesuai dega peritaa atau kapasitas suber. Julah peritaa da persediaa harus seibag, da apabila tidah seibag aka harus ditabahka variabel duy. 3. Biaya Trasportasi dari suatu suber ke suatu tujua adalah tertetu.

10 4. Julah variabel dasar + 1, di aa julah suber da julah tujua. Apabila kurag aka harus di tabahka variabel dasar dega ilai ol. Model ateatika utuk trasportasi berdasarka Nasedi da Affedi (2005): Miiuka: Batasa: Z = c ij X ij j =1 j =1 X ij = a i ; i = 1,2,, X ij = b j ; j = 1,2,, X ij 0 Keteraga: X ij = Variabel pegabil keputusa,produk yag diagkut dari suber i ke tujua j. a i = Julah yag disediaka utuk diagkut (julah persediaa) di suber i. b i = Julah yag diita utuk didatagka (julah peritaa) di titik tujua j. c ij = Ogkos pegagkuta per uit produk X ij. = Julah suber. = Julah tujua. 2.3 Hipua Fuzzy Dala kehidupa sehari-hari serig diguaka hipua tegas, yaitu hipua yag terdefiisi secara tegas, dala arti bahwa utuk setiap elee dala seestaya selalu dapat ditetuka secara tegas apakah erupaka aggota dari hipua itu atau tidak. Dega kata lai, terdapat batas yag tegas atara usur-usur yag erupaka aggota da usur-usur yag tidak erupaka aggota dr suatu

11 hipua. Tetapi dala keyataaya tidak seua hipua yag ada dala kehidupa sehari-hari tidak seua terdefiisi secara tegas.. Misalya hipua orag kaya, ahasiswa padai, tiggi bada, uur da sebagaiya. Pada hipua uur, tidak dapat ditetuka secara tegas apakah seseorag uda, setegah baya atau tua, tapa edefiisikaya. Misalya variabel uur dibagi ejadi 3 kategori yaitu: Muda uur < 35 tahu Setegah baya 35 uur 55 tahu Tua uur > 55 tahu. Peakaia hipua tegas utuk eyataka uur sagat tidak adil, karea adaya perubaha kecil saja sudah egakibatka kategori yag cukup sigifika. Hipua fuzzy diguaka utuk egatisipasi hal tersebut. Seseorag dapat asuk dala 2 hipua yag berbeda, isalya uda da setegah baya, setegah baya da tua, da sebagaiya. Seberapa besar eksistesiya dala hipua tersebut, dapat dilihat pada ilai keaggotaa ya. μ a x 1 uda Setegah baya tua 0,5 0, Gabar 2.1 Hipua fuzzy variabel uur Pada gabar dapat dilihat bahwa seseorag yagberusia 40 tahu terasuk dala hipua uda dega µ uda (40) = 0,25, au dia juga terasuk dala hipua setegah baya dega µ stgahbaya (40) = 0,5. Begitu juga dega seseorag yag beruur 50 tahu, terasuk dala hipua setegah baya dega µ stghbaya (50) = 0,25, au dia juga terasuk dala hipua tua dega µ tua (50) = 0,5.

12 2.3.1 Fugsi Keaggotaa Fugsi keaggotaa (ebership fuctio) adalah suatu kurva yag eujukka peetaa titik-titik iput data ke dala ilai keaggotaa atau derajat keaggotaa yag eiliki iterval atara 0 sapai Fugsi Keaggotaa Segitiga Sebuah fugsi aggota hipua kabur dikataka fugsi keaggotaa segitiga jika epuyai tiga buah paraeter, yaitu a 1, a 2 da a 3 adalah bilaga real dega a 1 < a 2 < a 3 diyataka sebagai berikut: μ a x = x a 1 (a 2 a 1 ), utuk a 1 x a 2 a 3 x a 3 a 2, utuk a 2 x a 3 0, utuk yag lai Gabar berikut erupaka gabar bilaga fuzzy dega fugsi keaggotaa segitiga μ a x 1 0 a 1 a 2 a 3 Gabar 2.2. Bilaga Fuzzy dega Fugsi keaggotaa Segitiga 2. Fuzzy Keaggotaa Trapezoidal Suatu bilaga fuzzy A = (a 1, a, a 3, a 4 ) adalah trapezoidal, diotasika (a 1, a 2, a 3, a 4 ) di aa a 1, a 2, a 3 da a 4 adalah bilaga real da fugsi keaggotaa μ a (x) adalah

13 μ A x = x a 1 (a 2 a 1 ), utuk a 1 x a 2 1, utuk a 2 x a 3 a 4 x a 4 a 3, utuk a 3 x a 4 0, utuk yag lai Bilaga fuzzy trapezoidal direpresetasika oleh 4 bilaga real yaitu a 1, a 2, a 3, a 4 di aa (a 1 < a 2 < a 3 < a 4 ). Lihat Gabar 2.3. μ A x 1 0 a 1 a 2 a 3 a 4 Gabar 2.3 Bilaga Fuzzy dega Fugsi keaggotaa Trapezoidal Perasalaha Fuzzy trasportasi Model trasportasi sagat petig bagi perecaaa produksi, paraeter-paraeter pada odel trasportasi adalah biaya, ilai persediaa, da ilai peritaa. Pada praktekya besar biaya, ilai peritaa da julah persediaa pada suatu trasportasi tidak dapat diketahui secara pasti. Apabila hal ii terjadi, aka salah satu solusiya dapat dicari dega egguaka operasi fuzzy. Pada bagia ii, besarya biaya ditetapka secara eksak, sedagka julah persediaa da peritaa beli diketahui secara pasti. Ketidakjelasa ii bisa disebabka oleh kuragya iforasi atau kebijaka khusus dari suatu perusahaa. Pada asalah trasportasi biasa dega ilai persediaa da peritaa yag berilai iteger aka selalu eghasilka solusi yag juga berilai iteger. Pada fuzzy iteger trasportatio proble, dibutuhka suatu algorita khusus utuk edapatka suatu ilai iteger yag optial.

14 Forulasi perasalaha fuzzy trasportasi adalah sebagai berikut: Miiuka: Z = c ij X ij = c 1, c 2, c 3, c 4 = c(x ij ) j =1 Batasa: j =1 X ij a i ; i = 1,2,, X ij b j ; j = 1,2,, X ij 0 Keteraga: X ij = Variabel pegabil keputusa, julah produk yag diagkut dari suber i ke tujua j. a i = Julah yag disediaka utuk diagkut (julah persediaa) di suber i, berupa bilaga fuzzy. b i = Julah yag diita utuk didatagka (julah peritaa) di titik tujua j, berupa bilaga fuzzy. c ij = Ogkos pegagkuta per uit produk X ij = Julah suber. = Julah tujua. 2.4 Pegeala Software QM for Widows Progra QM for widows erupaka paket progra koputer utuk eyelesaika persoala-persoala etode kuatitatif, aageet sais atau riset operasi. QM for widows erupaka gabuga dari progra terdahulu DS da POM for Widows, jadi jika dibadigka dega progra POM for Widows, odul-odul yag tersedia di QM for Widows lebih bayak. Nau ada odul-odul yag haya

15 tersedia di progra POM for Widows atau haya tersedia di progra DS for Widows. Progra-progra QM for Widows, DS for Widows da POM for Widows, diterbitka oleh Pretice Hall ( da sebagia progra erupaka bawaa dari beberapa buku terbita Pretice Hall. Tapila seetara (splash) setelah progra QM for Widows dijalaka tapak pada Gabar 2.1 Gabar 2.4 Tapila seetara (splash) dari progra QM for Widows Setelah tapila seetara, aka ucul tapila seperti Gabar 2.2. Gabar 2.5 Tapila Awal QM for Widows

16 Gabar 2.6 Piliha Modul yag tersedia pada QM for Widows Gabar 2.7 Baris eu (eu bar) sebelu dipilih Modul Gabar 2.8 Baris Meu (eu bar) setelah dipilih suatu Modul Gabar 2.9 baris tool (tool bar) sebelu dipilih Modul Gabar 2.10 Baris Tool (tool bar) setelah dipilih suatu Modul

17 Gabar 2.11 Ruag Istruksi Gabar 2.8 Baris Utilitas (utility bar)

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN Persoala trasportasi yag serig ucul dala kehidupa sehari-hari, erupaka gologa tersediri dala persoala progra liier. Maka etode traportasi ii juga dapat diguaka utuk eyelesaika beberapa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi

Lebih terperinci

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization)

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization) Prosidig Seirata FMIP Uiversitas Lapug, Optiisasi Terpadu Persoala Ivetori da Persoala Trasfortasi dega Metode ITIO ( Ivetory Trasfortatio Itegrated Optiizatio) T.P.Nababa, Sukato, Karida Puspita N Jurusa

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI 5 I PENDAHULUAN Latar Belakag Persaaa diferesial adalah suatu persaaa ag egadug sebuah fugsi ag tak diketahui dega satu atau lebih turuaa [Stewart, 3] Persaaa diferesial dapat dibedaka eurut ordea, salah

Lebih terperinci

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov Vol. 3, No., 85-9, Juli 6 Peerapa Teorea Perro-Frobeius pada Peetua Distribusi Stasioer Ratai Markov Jusawati Massalesse Abstrak Perilaku suatu ratai Markov setelah berala ukup laa dapat diketahui elalui

Lebih terperinci

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali) DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,

Lebih terperinci

Definisi 2.3 : Jika max min E(X,Y) = min

Definisi 2.3 : Jika max min E(X,Y) = min Teori Peraia 22 Peelitia Operasioal II Defiisi 23 : Jika ax i E(X,Y) = z y i y ax E(X,Y) =E(x 0, y 0 ), aka (x 0, y 0 ) didefiisika z sebagai strategi uri dari peraia itu dega x 0 sebagai strategi optiu

Lebih terperinci

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V LAJU REAKSI STANDART KOMPETENSI; Meahai kietika reaksi, kesetibaga kiia, da faktor-faktor yag berpegaruh, serta peerapaya dala kehidupa sehari-hari KOMPETENSI DASAR; Medeskripsika pegertia laju reaksi

Lebih terperinci

Perbaikan Bagan Kendali Pergerakan Data (Data Driven)

Perbaikan Bagan Kendali Pergerakan Data (Data Driven) Bab 3 Perbaika Baga Kedali Pergeraka Data Data Drive) 3.1 Pedahulua Baga kedali klasik utuk eoitorig rataa didasarka pada asusi keorala. Ketika syarat keorala tidak dipeuhi, baga kedali klasik ii tidak

Lebih terperinci

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN Siste idetifikasi daerah rawa bajir ebutuhka adaya data spasial yag diolah dega eafaatka tekologi Siste

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

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka. MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH Warsito Progra Studi Mateatika FMIPA Uiversitas Terbuka warsito@ut.ac.id Abstrak Peyelesaia pertidaksaaa ( x- a, a Î R adalah x a (egguaka

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

Penyelesaian Masalah Penugasan Menggunakan Metode Hungarian dan Pinalti (Studi Kasus: CV. Surya Pelangi)

Penyelesaian Masalah Penugasan Menggunakan Metode Hungarian dan Pinalti (Studi Kasus: CV. Surya Pelangi) Peyelesaia Masalah Peugasa Megguaka Metode Hugaria da Pialti (Studi Kasus: CV. Surya Pelagi) Sri Basriati 1, Ayu Lestari 2 1,2 Jurusa Mateatika, Fakultas Sais da Tekologi, UIN Sulta Syarif Kasi Riau Jl.

Lebih terperinci

Pendahuluan. Tujuan MODUL

Pendahuluan. Tujuan MODUL DATABASE Etity Relasiosip Diagra Satrio Agug W, Ari Kusyati da Mahedra Data Tekik Iforatika, Fakultas Tekik, Uiversitas Brawijaya, Eail : iforatika@ub.ac.id Pedahulua Etity Relasioalship Diagra adalah

Lebih terperinci

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +K Oleh : MOHAMMAD IQBAL 1 0 100 01 Pebibig : Drs. Suhud Wahyudi, M.Si. 1900109 198701 1 001 ABSTRAK Graph adalah hipua

Lebih terperinci

Jurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN

Jurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN Jural EKSPONENSIAL Volue 8, Noor 1, Mei 2017 ISSN 2085-7829 Proses Optiasi Masalah Peugasa Oe-Objectiveda Two-Objective Megguaka Metode Hugaria (Studi Kasus : Usaha Kerajia Rota Toko Rota Sejati Saarida

Lebih terperinci

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN BAB III ANUITAS DNGAN BBRAPA KALI PMBAYARAN STAHUN TRHADAP TABUNGAN PNDIDIKAN. Tabuga Pedidika Aak Tabuga erupaka salah satu produk yag ditawarka oleh bak utuk eyipa uag. Utuk epersiapka daa pedidika aak,

Lebih terperinci

BAB 2 DASAR TEORI. 2.1 Probabilitas

BAB 2 DASAR TEORI. 2.1 Probabilitas BAB DASAR TEORI. Probabilitas Probabilitas epuyai bayak persaaa seperti keugkia, kesepata da kecederuga. Probabilitas eujukka keugkia terjadiya suatu peristiwa yag bersifat acak. Suatu peristiwa disebut

Lebih terperinci

LEMBAR KERJA SISWA 5

LEMBAR KERJA SISWA 5 94 LEMBAR KERJA SISWA 5 Mata Pelajara Kelas/Seester Materi Pokok Subateri Pokok Alokasi Waktu : Kiia : XI/gajil : Laju Reaksi : Orde Reaksi : 2 x 45 eit Stadar Kopetesi 3. Meahai Kietika Reaksi, Kesetibaga

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Jural Mateatika Muri da Terapa Vol 4 No Deseber : - 3 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Muhaad Ahsar Kari, Dewi Sri Susati, da Nurul Huda Progra Studi Mateatika Uiversitas Labug Magkurat Jl

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 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 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

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

OPTIMASI PRODUKSI PIPA STAINLESS STEEL INDUSTRI di P.T. X

OPTIMASI PRODUKSI PIPA STAINLESS STEEL INDUSTRI di P.T. X Prosidig Seiar Nasioal Maajee Tekologi IV Progra Studi MMT-ITS, Surabaya 5 Agustus 2006 OPTIMASI PRODUKSI PIPA STAINLESS STEEL INDUSTRI di P.T. X 1 Dely, 2 Bobby Oedy P. Soepagkat, 2 Nurhadi Siswato 1

Lebih terperinci

PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA

PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA Cara Peyajia Data dega Tabel Distribusi Frekuesi Distribusi Frekuesi adalah data yag disusu dalam betuk kelompok baris berdasarka

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

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

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

SIFAT-SIFAT FUNGSI YANG TERINTEGRAL MCSHANE DALAM RUANG EUCLIDE BERDIMENSI N UNTUK FUNGSI-FUNGSI BERNILAI BANACH

SIFAT-SIFAT FUNGSI YANG TERINTEGRAL MCSHANE DALAM RUANG EUCLIDE BERDIMENSI N UNTUK FUNGSI-FUNGSI BERNILAI BANACH βeta p-issn: 2085-5893 / e-issn: 2541-0458 http://juralbeta.ac.id Vol. 5 No. 1 (Mei) 2012, Hal. 21-29 βeta 2012 SIFAT-SIFAT FUNGSI YANG TRINTGRAL MCSHAN DALAM RUANG UCLID BRDIMNSI N UNTUK FUNGSI-FUNGSI

Lebih terperinci

BAB II TEORI MOTOR LANGKAH

BAB II TEORI MOTOR LANGKAH BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag

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

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

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

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

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

τ = r x F KESETIMBANGAN

τ = r x F KESETIMBANGAN KESETIMBG Moe Gaa ( τ ) Moe gaa atau torsi adalah besara ag dapat eebabka beda berotasi atau berputar. Besar oe gaa didefiisika sebagai hasil kali atara gaa ag bekerja dega lega. Moe gaa terasuk dala besara

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Kosep Peasara Kosep peasara erupaka filsafat bisis yag bagkit eatag kosep-kosep sebeluya. Kosep peasara berpedapat bahwa kuci utuk ecapai tujuatujua orgaisasi/ perusahaaa terdiri

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

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

BAB III PROGRAMA LINIER

BAB III PROGRAMA LINIER 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

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

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

MATEMATIKA DISKRIT II ( 2 SKS)

MATEMATIKA DISKRIT II ( 2 SKS) ATEATIKA DISKRIT II ( SKS) Rabu 8.5. Ruag Hard Disk PERTEUAN V & VI RELASI Dose Lie Jasa OS - 6 ateatika Diskrit Relasi da Fugsi Oerip S. Satoso OS - 6 Relasi Defiisi. Relasi bier R atara A da B adalah

Lebih terperinci

Model Pengembangan Wilayah untuk Pembangunan Pelabuhan: Studi Kasus Pantai Selatan Jawa Timur

Model Pengembangan Wilayah untuk Pembangunan Pelabuhan: Studi Kasus Pantai Selatan Jawa Timur JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 E-1 Model Pegebaga Wilayah utuk Pebagua Pelabuha: Studi Kasus Patai Selata Jawa Tiur Wahyu Putra Gatara, Tri Achadi Jurusa Tekik Perkapala, Fakultas

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 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

Perbandingan Inversi Least-Square dengan Levenberg- Marquardt pada Metode Geomagnet untuk Model Crustal Block

Perbandingan Inversi Least-Square dengan Levenberg- Marquardt pada Metode Geomagnet untuk Model Crustal Block PROSIDING SKF 6 Perbadiga Iversi Least-Square dega Leveberg- Marquardt pada Metode Geoaget utuk Model Crustal Block Uar Said a, Mohaad eriyato b, da Wahyu Srigutoo c Laboratoriu Fisika Bui, Kelopok Keilua

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

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

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

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

Statistika MAT 2 A. PENDAHULUAN NILAI MATEMATIKA B. PENYAJIAN DATA NILAI MATEMATIKA NILAI MATEMATIKA STATISTIKA. materi78.co.nr

Statistika MAT 2 A. PENDAHULUAN NILAI MATEMATIKA B. PENYAJIAN DATA NILAI MATEMATIKA NILAI MATEMATIKA STATISTIKA. materi78.co.nr materio.r Statistika A. PENDAHULUAN Statistika adalah ilmu yag mempelajari pegambila, peyajia, pegolaha, da peafsira data. Data terdiri dari dua jeis, yaitu data kualitatif (sifat) da data kuatitatif (agka).

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

Bab II Landasan Teori

Bab II Landasan Teori 4 Bab II Ladasa Teori II. Aalisis "Net Social Gai" (NSG) PT. Siar Asia Fortua sebagai suatu perusahaa tabag baha galia batugapig epuyai kotribusi positif terhadap peigkata pedapata jika ilai outputya lebih

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

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

OPTIMISASI SISTEM TRANSPORTASI UBI KAYU BERBASIS ASSIGNMENT MODEL SEBAGAI BAHAN BAKU INDUSTRI TAPIOKA

OPTIMISASI SISTEM TRANSPORTASI UBI KAYU BERBASIS ASSIGNMENT MODEL SEBAGAI BAHAN BAKU INDUSTRI TAPIOKA OPTIMISASI SISTEM TRANSPORTASI UBI KAYU BERBASIS ASSIGNMENT MODEL SEBAGAI BAHAN BAKU INDUSTRI TAPIOKA HADI SUTANTO SARAGI LECTURER OF ENGINEERING MANAGEMENT; FACULTY OF INDUSTRIAL ENGINEERING INSTITUT

Lebih terperinci

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD Jailah * Firdaus Sigit Sugiarto Mahasiwa Progra S Mateatika Dose Jurusa Mateatika Fakultas Mateatika

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

Kekeliruan dalam Perhitungan Numerik dan Selisih Terhingga Biasa

Kekeliruan dalam Perhitungan Numerik dan Selisih Terhingga Biasa Modul 1 Kekelirua dalam Perhituga Numerik da Selisih Terhigga Biasa D PENDAHULUAN Dr. Wahyudi, M.Pd. i dalam pemakaia praktis, peyelesaia akhir yag diigika dari solusi suatu permasalaha (soal) dalam matematika

Lebih terperinci

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Jural Matriks, ol. 1, No. 2, 2018 1 PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Rii Hidayattillah, Pardi Affadi, Akhad Yusuf Progra Studi Mateatika Fakultas MIPA Uiversitas Labug

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 III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci

STATISTIKA DAN PELUANG BAB III STATISTIKA

STATISTIKA DAN PELUANG BAB III STATISTIKA Matematika Kelas IX Semester BAB Statistika STATISTIKA DAN PELUANG BAB III STATISTIKA A. Statistika Pegertia Statistika Statistika adalah ilmu yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis

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

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

PENGGUNAAN NILAI EIGEN DAN VEKTOR EIGEN UNTUK MENENTUKAN MODEL GENOTIP KETURUNAN YANG TERTAUT KROMOSOM X

PENGGUNAAN NILAI EIGEN DAN VEKTOR EIGEN UNTUK MENENTUKAN MODEL GENOTIP KETURUNAN YANG TERTAUT KROMOSOM X Jural Maajee Ioratika da Tekik Koputer Volue, Noor, pril PENGGUNN NILI EIGEN DN VEKTOR EIGEN UNTUK MENENTUKN MODEL GENOTIP KETURUNN YNG TERTUT KROMOSOM X Havid Syawa *, Nurwati Jurusa Maajee Ioratika,

Lebih terperinci

Model Pengembangan Wilayah Untuk Pembangunan Pelabuhan: Studi Kasus Pantai Selatan Jawa Timur

Model Pengembangan Wilayah Untuk Pembangunan Pelabuhan: Studi Kasus Pantai Selatan Jawa Timur JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Model Pegebaga Wilayah Utuk Pebagua Pelabuha: Studi Kasus Patai Selata Jawa Tiur Wahyu Putra Gatara, Tri Achadi Jurusa Tekik Perkapala, Fakultas Tekologi

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

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

STATISTIKA MAT 2 NILAI MATEMATIKA NILAI MATEMATIKA NILAI MATEMATIKA A. PENDAHULUAN B. PENYAJIAN DATA. Diagram garis

STATISTIKA MAT 2 NILAI MATEMATIKA NILAI MATEMATIKA NILAI MATEMATIKA A. PENDAHULUAN B. PENYAJIAN DATA. Diagram garis materio.r A. PENDAHULUAN Statistika adalah ilmu yag mempelajari pegambila, peyajia, pegolaha, da peafsira data. Data terdiri dari dua jeis, yaitu data kualitatif (sifat) da data kuatitatif (agka). B. PENYAJIAN

Lebih terperinci

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM MATEMATIKA BISNIS OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM BAB BARISAN DAN DERET A. BARISAN Barisa bilaga adalah susua bilaga yag diurutka meurut atura tertetu.betuk umum barisa bilaga a,

Lebih terperinci

JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: E-42

JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: E-42 JURNAL TEKNIK ITS Vol. 1, (Sept, 01) ISSN: 301-971 E-4 Aalisis Hubuga Kluster Idustri dega Peetua Lokasi Pelabuha: Studi Kasus Patai Utara Pulau Jawa Maulaa Prasetya Sibolo da Tri Achadi Jurusa Tekik Perkapala,

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

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat

BAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat 38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata

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

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. deskriptif kuantitatif bertujuan untuk menjelaskan hasil penelitian yang disajikan

BAB III METODOLOGI PENELITIAN. deskriptif kuantitatif bertujuan untuk menjelaskan hasil penelitian yang disajikan 3 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Jeis peelitia ii tergolog peelitia deskriptif kuatitatif. Peelitia deskriptif kuatitatif bertujua utuk mejelaska hasil peelitia yag disajika dalam betuk

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.

Lebih terperinci

Analisis Hubungan Kluster Industri dengan Penentuan Lokasi Pelabuhan: Studi Kasus Pantai Utara Pulau Jawa

Analisis Hubungan Kluster Industri dengan Penentuan Lokasi Pelabuhan: Studi Kasus Pantai Utara Pulau Jawa JURNAL TEKNIK POMITS Vol., No., (0) -5 Aalisis Hubuga Kluster Idustri dega Peetua Lokasi Pelabuha: Studi Kasus Patai Utara Pulau Jawa Maulaa Prasetya Sibolo, Tri Achadi Jurusa Tekik Perkapala, Fakultas

Lebih terperinci

UKURAN PEMUSATAN UKURAN PENYEBARAN

UKURAN PEMUSATAN UKURAN PENYEBARAN UKURAN PEMUSATAN DATA TUNGGAL DATA KELOMPOK. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL UKURAN PENYEBARAN JANGKAUAN HAMPARAN RAGAM / VARIANS SIMPANGAN BAKU

Lebih terperinci

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Jural Matriks, ol. 1, No. 1, 2018 1 PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Rii Hidayattillah, Pardi Affadi, Akhad Yusuf Progra Studi Mateatika Fakultas MIPA Uiversitas Labug

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

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

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 8 BAB II LANDASAN TEORI 2.1. Optimasi Produksi Optimasi adalah tidaka utuk memperoleh hasil yag terbaik dega keadaa yag diberika.dalam pelaksaaaya harus diambil keputusa maajerial dalam beberapa tahap.tujua

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira

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

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka

Lebih terperinci

Barisan Aritmetika dan deret aritmetika

Barisan Aritmetika dan deret aritmetika BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika

Lebih terperinci