ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE ii (KONSUMEN) DALAM KOLABORASI RANTAI PASOK
|
|
- Irwan Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE ii (KONSUMEN) DALAM KOLABORASI RANTAI PASOK OLEH AFRIANI SULASTINAH DOSEN PEMBIMBING Dra. LAKSMI PRITA WARDHANI, M.Si JURUSAN MATEMATIKA INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2010
2 TUGAS AKHIR PENDAHULUAN TINJAUAN PUSTAKA METODE PENELITIAN ANALISIS DAN PEMBAHASAN KESIMPULAN DAN SARAN DAFTAR PUSTAKA
3 LATAR BELAKANG MASALAH BISNIS RISIKO PENGENDALIAN RISIKO RISIKO MINIMUM
4 RUMUSAN MASALAH Bagaimana mengkaji lemma Neyman- Pearson dalam meminimalkan risiko. Bagaimana menganalisis risiko tipe I dan tipe II pemasok dan perusahaan dalam rantai pasok. Bagaimana meminimalkan risiko tipe II dalam kolaborasi rantai pasok.
5 BATASAN MASALAH Menggunakan uji hipotesa Neyman-Pearson untuk menentukan daerah penolakan dugaan awal. Menggunakan distribusi binomial untuk menentukan nilai risiko tipe I dan tipe II pemasok dan perusahaan. Menggunakan teori permainan dalam menentukan solusi optimum untuk meminimalkan risiko tipe II. Strategi yang digunakan dalam teori permainan pada masing-masing produsen dan pemasok berjumlah dua strategi.
6 TUJUAN Mengkaji lemma Neyman-Pearson dalam meminimalkan risiko tipe II pemasok dan perusahaan dalam kolaborasi rantai pasok. Mendapatkan nilai minimum risiko tipe II dalam kolaborasi rantai pasok.
7 MANFAAT Memberikan informasi mengenai kemungkinan risiko yang terjadi dalam sebuah bisnis (perusahaan) yang nantinya dapat membuat bisnis (perusahaan) tersebut mengalami kerugian. Selain itu juga diharapkan dapat menjadi referensi untuk penelitian selanjutnya tentang risiko dalam pengendalian kualitas.
8 SAMPLING PENERIMAAN Sampling penerimaan adalah metodologi dimana keputusan yang dihasilkan adalah menerima atau menolak lot berdasarkan pemeriksaan sampel Terdapat tiga macam sampling penerimaan, yaitu: 1. Sampling penerimaan tunggal 2. Sampling penerimaan ganda 3. Sampling penerimaan multipel
9 Kesalahan (error) Tipe 1 dan 2 Karena keputusan mengenai lot ini didasari dari sampel, maka ada peluang membuat kekeliruan dalam memutuskannya. Keliru menolak suatu lot padahal semestinya diterima, disebut dengan kesalahan tipe 1 atau. Risiko membuat kesalahan tipe 1 ini disebut dengan risiko produsen Keliru menerima suatu lot padahal semestinya ditolak, disebut dengan kesalahan tipe 2 atau. Risiko membuat kesalahan tipe 2 ini disebut dengan risiko konsumen
10 Peluang lot diterima (Pa) Kurva KO untuk N=2000,c=2,n (50,100,200) n=200 c=2 n=200 c=2 n=50 c=2 n=100 c=2 Kurva KO N= Persen cacat dalam lot (p)
11 Peluang lot diterima (Pa) KO untuk N=2000,n=50,c 3 Kurva KO N= n=50 c=0 n=50 c=2 n=50 c=1 n=50 c= Persen cacat dalam lot (p)
12 Kurva KO dengan α=0.05, AQL=5% dan β=0.1, LTFD=8%
13 Risiko tipe I (produsen) Risiko tipe I (produsen) adalah probabilitas lot ditolak, padahal kualitas lot tersebut baik atau probabilitas menolak, padahal benar. Risiko tipe I dinotasikan dengan α. Persentase barang cacat diterima dinyatakan dengan Acceptable Quality Level (AQL). Jadi AQL adalah persentase kecacatan maksimum yang masih dapat diterima sebagai suatu rata-rata proses. AQL ditetapkan produsen
14 Risiko tipe II (konsumen) Risiko tipe II (konsumen) adalah probabilitas menerima lot dengan kualitas tidak baik atau probabilitas menerima, padahal salah. Risiko tipe II dinyatakan dengan β. Persentase barang cacat yang diterima dinyatakan dengan Lot Tolerance Fraction Defective (LTFD). Jadi LTFD adalah batas proporsi kecacatan yang masih ditoleransi oleh konsumen
15 RANTAI PASOK Menurut Schroeder, yaitu sebuah proses bisnis dan informasi yang berulang yang menyediakan produk atau layanan dari pemasok melalui proses pembuatan dan pendistribusian kepada konsumen. tujuan dari setiap rantai pasok adalah memaksimalkan nilai yang dicapai, di mana nilai yang dimaksud adalah selisih antara produk akhir yang dianggap berharga oleh pelanggan dengan usaha yang dikeluarkan oleh rantai pasok dalam memenuhi permintaan pelanggan tersebut.
16 Kolaborasi Rantai Pasok Badan Peneliti Supermarket Petani jeruk PT. XYZ konsumen Pengecer/Grosir
17 Lemma Neyman-Pearson Sampel Uji hipotesa mempunyai pdf Diberikan (1)
18 Lanjutan Dan adalah suatu himpunan dengan k adalah suatu konstanta adalah daerah kritis untuk pengujian hipotesis yang merupakan subset dari ruang sampel untuk menolak hipotesis null.
19 . Contoh Lemma Neyman-Pearson Diberikan sampel acak berukuran n dari distribusi eksponensial, uji hipotesa: dengan Lemma Neyman-Pearson untuk menolak Dan didapatkan daerah kritis menolak jika
20 DISTRIBUSI BINOMIAL Diberikan sampel dengan : x : banyaknya sukses dalam n percobaan p : probabilitas sukses q : probabilitas gagal (2)
21 . Contoh Distribusi Binomial Suatu perusahaan pembuat CD menghasilkan 10% CD yang cacat. Jika 100 CD dipilih secara random, berapa probabilitas terdapat 8 cacat? x = banyaknya CD yang cacat n=100, p=0.1 Jadi probabilitas 8 CD yang cacat adalah
22 TEORI PERMAINAN DENGAN STRATEGI CAMPURAN Definisi peluang untuk nilai harapan : dengan : payoff jika pemain I menggunakan strategi i dan pemain II menggunakan strategi j : peluang pemain I menngunakan strategi : peluang pemain II menngunakan strategi (3)
23 KRITERIA MINIMAKS Kriteria minimaks adalah kriteria yang mengharuskan pemain II memilih strategi campuran yang meminimumkan harapan kerugian maksimum, dapat ditulis sebagai berikut: Dengan V (nilai permainan) adalah: Fungsi objektif: Maksimum Dan kendala
24 KRITERIA MAKSIMIN Kriteria maksimin adalah kriteria yang memaksimumkan harapan payoff minimum. Harapan payoff minimum adalah harapan payoff terkecil yang dapat dihasilkan oleh sebarang strategi campuran yang dapat ditangkis oleh lawan. Strategi maksimin untuk pemain I, dapat ditulis sebagai berikut: Dengan V (nilai permainan) adalah: Fungsi objektif: Minimum Dan kendala
25 METODE PENELITIAN STUDI LITERATUR MENENTUKAN DAERAH KRITIS MENENTUKAN FUNGSI OBJEKTIF MENENTUKAN SOLUSI OPTIMUM NILAI MINIMUM RISIKO TIPE ii CONTOH KASUS
26 Masalah Risiko Tipe I dan Tipe II untuk Pemasok dan Perusahaan. Model transfer risiko untuk pemasok dan peru sahaan sebagai berikut: PEMASOK PRODUSEN PASAR
27 Lanjutan Rata-rata risiko pada perusahaan adalah : Rata-rata risiko pada pemasok adalah :
28 .,, Lanjutan Diberikan matriks risiko Dalam kasus tertentu, dan Risiko tipe II perusahaan dan pemasok minimum tanpa adanya kolaborasi dengan kendala risiko tipe I adalah : dengan kendala dan dengan kendala (4)
29 Lanjutan Jika perusahaan dan pemasok berkolaborasi dalam meminimalkan risiko, maka masalah tersebut dapat dinyatakan dengan solusi pembobotan untuk permainan. Diberikan parameter, persamaan (4) dapat ditulis (5)
30 , Lanjutan Diberikan matriks dan rata-rata risiko didefinisikan sebagai berikut : dan (6) (7)
31 Menentukan Daerah Kritis dengan Uji Hipotesa Neyman-Pearson Dalam uji hipotesa, ruang sampel (S) dibagi menjadi dua daerah yaitu daerah kritis atau daerah penolakan (C) dan bukan daerah penolakan (S-C). Jika sampel data yang diteliti berada di dalam C, maka ditolak. Dan jika sampel data yang diteliti tidak berada di dalam C, maka diterima. Jadi daerah kritis dalam uji hipotesa adalah subset dari ruang sampel yang berkaitan dengan penolakan. Berikut ini uji hipotesa untuk menentukan daerah kritis dari permasalahan penerimaan sampling pemasok dan perusahaan.
32 Uji Hipotesa Neyman-Pearson dengan menggunakan distribusi sampling binomial Uji Hipotesa RisikoTipe I untuk Pemasok Uji Hipotesa RisikoTipe I untuk Pemasok Uji Hipotesa Risiko Tipe I untuk Perusahaan Uji Hipotesa Risiko Tipe II untuk Pemasok
33 Uji Hipotesa risiko tipe I untuk pemasok Misalkan L banyaknya barang cacat dalam pengambilan n sampel dengan hipotesa: (probabilitas menerima barang cacat) (probabilitas menolak barang cacat) L diasumsikan berdistribusi binomial, maka dapat ditulis dengan pdf Berdasarkan lemma Neyman-Pearson
34 Lanjutan Karena, maka. uji untuk menolak jika. Probabilitas menolak, jika benar ditunjukkan dalam persamaan berikut: Karena nilai, maka
35 Uji hipotesa risiko tipe II untuk perusahaan Misalkan L adalah banyaknya barang cacat dalam pengambilan n sampel dengan Hipotesa: (probabilitas menolak barang cacat) (probabilitas menerima barang cacat) L diasumsikan berdistribusi binomial, maka dapat ditulis dengan pdf Berdasarkan lemma Neyman-Pearson dengan
36 Lanjutan Karena, maka. Uji menerima, jika. Probabilitas menerima, jika salah ditunjukkan dalam persamaan berikut: Karena nilai, maka
37 Uji Hipotesa Risiko Tipe I untuk Perusahaan Misalkan L adalah banyaknya barang cacat dalam pengambilan n sampel dengan Hipotesa: (probabilitas menerima barang cacat) (probabilitas menolak barang cacat) L diasumsikan berdistribusi binomial, maka dapat ditulis dengan pdf Berdasarkan lemma Neyman-Pearson
38 . Lanjutan Karena, maka. uji untuk menolak jika. Probabilitas menolak, jika benar Karena nilai, maka
39 Uji Hipotesa Risiko Tipe II untuk Pemasok Misalkan L adalah banyaknya barang cacat dalam pengambilan n sampel dengan Hipotesa: (probabilitas menolak barang cacat) (probabilitas menerima barang cacat L diasumsikan berdistribusi binomial, maka dapat ditulis dengan pdf Berdasarkan Lemma Neyman-Pearson dengan
40 Lanjutan Karena, maka. Uji menerima, jika. Probabilitas menerima, jika salah ditunjukkan dalam persamaan berikut Karena nilai, maka
41 MENENTUKAN FUNGSI OBJEKTIF Diasumsikan terdapat dua strategi yang digunakan oleh produsen dan pemasok dengan Diasumsikan perusahaan dan pemasok menggunakan strategi campuran dan harapan payoff pada persamaan (2.3) dengan strategi masing-masing pemasok dan perusahaan berjumlah dua adalah sebagai berikut : a) Pada produsen: dan
42 Lanjutan b) Pada pemasok dan Dengan demikian, minimum untuk risiko tipe II perusahaan adalah: a) Pada perusahaan...(8) b) Pada pemasok...(9)
43 Lanjutan Persamaan (9) dapat ditulis sebagai Karena dan, maka diperoleh (10)
44 Lanjutan adalah risiko rata-rata pemasok dengan risiko rata-rata sampling khusus mengarah pada sehingga persamaan (13) dapat ditulis Persamaan (8) dapat ditulis sebagai (11)
45 , Lanjutan Karena dan, maka diperoleh adalah risiko rata-rata produsen dengan risiko rata-rata sampling khusus mengarah pada sehingga persamaan (14) dapat ditulis
46 MENENTUKAN SOLUSI OPTIMUM Jika diasumsikan bahwa risiko tipe I pemasok dan perusahaan terikat, maka didapatkan nilai solusi optimum dengan adalah solusi optimum untuk perusahaan dan adalah solusi optimum untuk pemasok. Dengan menggunakan teori permainan untuk mendapatkan, maka didapatkan: a) Untuk pemain kolom (strategi pemasok): Strategi pemasok adalah meminimalkan kerugian maksimal dengan dan
47 Lanjutan Dengan V (nilai permainan) adalah Fungsi objektif: Minimumkan W=V Terhadap kendala dapat ditulis sebagai Karena dan, maka
48 Lanjutan (12) Jadi solusi optimum pemasok untuk meminimalkan permainan adalah dengan mengambil strategi b) Untuk pemain baris (strategi perusahaan): Strategi perusahaan adalah memaksimalkan harapan payoff dengan: dan
49 Lanjutan Dengan V (nilai permainan) adalah: Fungsi objektif: Maksimum Z=V Terhadap kendala dapat ditulis sebagai Karena dan, maka diperoleh
50 Lanjutan Dari persamaan (12) Jadi solusi optimum perusahaan untuk memaksimalkan permainan adalah dengan mengambil strategi
51 Minimum risiko tipe II Setelah dan ditentukan, maka nilai minimum risiko tipe II pemasok dan perusahaan sebagai berikut: pemasok
52 Lanjutan perusahaan
53 Lanjutan Pemasok dan perusahaan berkolaborasi untuk meminimumkan masing-masing risiko tipe II sbb: atau
54 CONTOH KASUS Diasumsikan pemasok dan produsen menggunakan dua strategi, yaitu : tidak adanya sampling dan sampling m dan n. Pada strategi dengan tidak adanya sample, probabilitas menolak lot yang tidak cacat adalah 0(nol), sedangkan probabilitas menerima lot cacat adalah Diasumsikan bahwa risiko tipe I terikat dengan dan dan Ukuran sampel n dan m adalah (5,10,15,20) dan dan bilangan penerimaan adalah nol, maka perhitungan dengan menggunakan Maple 13 diperoleh bahwa strategi yang dapat meminimalkan rata-rata risiko tipe II adalah dengan ukuran sampel produsen, n=10 dan ukuran sampel pemasok, m=20, sehingga diperoleh
55 Lanjutan Jadi untuk strategi dengan risiko tipe I terikat, diperoleh rata-rata risiko tipe II minimum
56 Lanjutan 2. Diasumsikan bahwa risiko tipe I tidak terikat dengan dan Ukuran sampel n dan m adalah (5,10,15,20) dan dan bilangan penerimaan adalah nol, maka perhitungan dengan menggunakan Maple 13 diperoleh bahwa strategi yang dapat meminimalkan rata-rata risiko tipe II adalah dengan ukuran sampel produsen, n=20 dan ukuran sampel pemasok, m=20, sehingga diperoleh Jadi untuk strategi dengan risiko tipe I tidak terikat, diperoleh rata-rata risiko tipe II minimum
57 Lajutan 3. Diasumsikan bahwa risiko tipe I terikat, dengan dan dan Ukuran sampel n dan m adalah (5,10,15,20) dan dan bilangan penerimaan adalah nol, maka perhitungan dengan menggunakan Maple 13 diperoleh bahwa strategi yang dapat meminimalkan rata-rata risiko tipe II adalah dengan ukuran sampel produsen, n=5 dan ukuran sampel pemasok,m=20, sehingga diperoleh jadi untuk strategi dengan risiko tipe I terikat, diperoleh rata-rata risiko tipe II minimum
58 Lanjutan 4. Diasumsikan bahwa risiko tipe I tidak terikat, dengan dan Ukuran sampel n dan m adalah (5,10,15,20) dan dan bilangan penerimaan adalah nol, maka perhitungan dengan menggunakan Maple 13 diperoleh bahwa strategi yang dapat meminimalkan rata-rata risiko tipe II adalah dengan ukuran sampel produsen,n=20 dan ukuran sampel pemasok,m=20, sehingga diperoleh Jadi untuk strategi dengan risiko tipe I tidak terikat, diperoleh rata-rata risiko tipe II minimum
59 Kesimpulan 1. Dalam uji hipotesa, daerah kritis adalah daerah menolak. Dengan menggunakan uji hipotesa Neyman-Pearson didapatkan daerah kritis yang menentukan nilai dan pada pemasok dan perusahaan dalam kolaborasi rantai pasok sebagai berikut: Risiko tipe I dan II perusahaan danpemasok
60 KESIMPULAN 2. Model untuk meminimalkan risiko tipe II produsen dan pemasok dengan adanya kerjasama antara keduanya adalah 3. Dari empat simulasi contoh kasus tersebut dapat disimpulkan bahwa apabila diasumsikan risiko tipe I terikat, maka diperoleh nilai solusi optimum yang dapat mempengaruhi nilai optimasi minimum risiko tipe II dalam kerjasama rantai pasok antara produsen dan pemasok,
61 Lanjutan sedangkan jika diasumsikan risiko tipe I tidak terikat, maka didapatkan nilai minimum risiko tipe II lebih kecil dibandingkan ketika risiko tipa I terikat. Selain itu, nilai AQL dan LTFD mempengaruhi nilai minimum risiko tipe II.
62 SARAN Pada tugas akhir ini, uji hipotesa Neyman- Pearson dilakukan dengan menggunakan distribusi binomial, diharapkan untuk penelitian selanjutnya akan dilakukan uji hipotesa serupa dengan menggunakan model distribusi selain binomial. Pada tugas akhir ini, analisis terhadap biaya yang diperlukan untuk pemeriksaan sampling diabaikan, sehingga untuk penelitian selanjutnya diharapkan adanya analisis untuk meminimalkan biaya pemeriksaan sampling.
63 DAFTAR PUSTAKA [1] Adinugroho, Brahmantyo Manajemen Rantai Pasokan Sayuran (Studi Kasus: Frida Agro, Kecamatan Lembang, Kabupaten Bandung Barat). Skripsi, Departemen Agribisnis Fakultas Ekonomi dan Manajemen, IPB [2] Grant, Eugene L., and Leavenworth, Richard S Statistical Quality Control Sixth Edition. United States of America : R.R. Donnelley & Sons Company. [3] Hillier, Frederick S., and Lieberman, Gerald J Pengantar Riset Operasi Edisi Kelima. Jakarta : Erlangga. [4] IndonesianSCM. Supply Chain Management. 17 Maret 2010.<URL: [5] Mitra, Amitava Fundamentals of Quality Control and Improvement. Alabama: A John Wiley & Sons. Inc Publication. [6] Montgomery, Douglas C Pengendalian Kualitas Statistik. Yogyakarta : Universitas Gajah Mada Press. [7] Tapiero, Charles S Consumers risk and quality control in a collaborative supply chain. European Journal of Operational Research 182 (2007)
64
ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE II (KONSUMEN) DALAM KERJASAMA RANTAI PASOK. Nama Mahasiswa : Afriani Sulastinah NRP :
ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE II (KONSUMEN) DALAM KERJASAMA RANTAI PASOK Nama Mahasiswa : Afriani Sulastinah NRP : 1206 100 030 Jurusan : Matematika Dosen Pembimbing : Dra. Laksmi Prita
Lebih terperinciTugas Akhir KAJIAN PEMILIHAN STUKTUR DUA RANTAI PASOK YANG BERSAING UNTUK STRATEGI PERBAIKAN KUALITAS
Tugas Akhir KAJIAN PEMILIHAN STUKTUR DUA RANTAI PASOK YANG BERSAING UNTUK STRATEGI PERBAIKAN KUALITAS Oleh : Ika Norma Kharismawati 1208 100 041 Dosen Pembimbing : 1. Dra. Laksmi Prita W, M.Si 2. Drs.
Lebih terperinciRiset Operasional Teori Permainan
TEORI PERMAINAN KETENTUAN UMUM 1. Setiap pemain bermain rasional, dengan asumsi memiliki intelegensi yang sama, dan tujuan sama, yaitu memaksimumkan payoff, dengan kriteria maksimin dan minimaks. 2. Terdiri
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Permainan Teori permainan ( games theory) merupakan salah satu solusi dalam merumuskan keadaan persaingan antara berbagai pihak dan berbagai kepentingan. Pendekatan dalam
Lebih terperinciTEORI PERMAINAN GAME THEORY MATA KULIAH RISET OPERASI
TEORI PERMAINAN GAME THEORY MATA KULIAH RISET OPERASI KETENTUAN UMUM 1. Teori permainan memusatkan pada analisis keputusan dalam suasana konflik 2. Setiap pemain bermain rasional, dengan asumsi memiliki
Lebih terperinciModel Optimisasi Ukuran Lot Produksi yang Mempertimbangkan Inspeksi Sampling dengan Kriteria Minimisasi Total Ongkos
Model Optimisasi Ukuran Lot Produksi yang Mempertimbangkan Inspeksi Sampling dengan Kriteria Minimisasi Total Ongkos Arie Desrianty, Fifi Herni M, Adelia Septy Perdana Jurusan Teknik Industri Institut
Lebih terperinciTEORI PERMAINAN GAME THEORY MATA KULIAH RISET OPERASI
TEORI PERMAINAN GAME THEORY MATA KULIAH RISET OPERASI KETENTUAN UMUM 1. Teori permainan memusatkan pada analisis keputusan dalam suasana konflik 2. Setiap pemain bermain rasional, dengan asumsi memiliki
Lebih terperinciTeori permainan mula-mula dikembangkan oleh ilmuan Prancis bernama Emile Borel, secara umum digunakan untuk menyelesaikan masalah yang
BAB 2 LANDASAN TEORI 2.1 Strategi Pemasaran Strategi pemasaran adalah pola pikir pemasaran yang akan digunakan untuk mencapai tujuan pemasarannya. Strategi pemasaran berisi strategi spesifik untuk pasar
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep teori permainan pada permainan berstrategi murni dan campuran dari dua pemain yang akan digunakan sebagai landasan berpikir dalam melakukan
Lebih terperinciBAB 3 METODE PENELITIAN
30 BAB 3 METODE PENELITIAN 3.1 Populasi dan Metode Pengambilan Sampel Dalam penelitian ini yang menjadi populasi penelitian adalah bahan baku yang digunakan oleh PT Singgang Jati. Jumlah populasi penelitian
Lebih terperinciTEKNIK PENARIKAN SAMPEL PADA DATA ATRIBUT UNTUK PEMERIKSAAN HASIL AKHIR PRODUKSI
TEKNIK PENARIKAN SAMPEL PADA DATA ATRIBUT UNTUK PEMERIKSAAN HASIL AKHIR PRODUKSI ERNANING WIDIASWANTI Program Studi Teknik Industri, Universitas Trunojoyo Madura Jl. Raya Telang PO Box Kamal, Bangkalan,
Lebih terperinciSTRATEGI GAME. Achmad Basuki
STRATEGI GAME Achmad Basuki MATERI Strategi dalam Permainan Strategi Murni Strategi Campuran Penyelesaian Analisis (Metode Linear Programming) STRATEGI DALAM PERMAIAN BENTUK STRATEGI PERMAINAN 2 pemain
Lebih terperinciIstilah games atau permainan berhubungan erat dengan kondisi pertentangan bisnis yang meliputi suatu periode tertentu.
Istilah games atau permainan berhubungan erat dengan kondisi pertentangan bisnis yang meliputi suatu periode tertentu. Saingan-saingan yang memanfaatkan teknik matematika dan pemikiran logis agar sampai
Lebih terperinciPENERAPAN TEORI PERMAINAN DALAM STRATEGI PEMASARAN PRODUK BAN SEPEDA MOTOR DI FMIPA USU
Saintia Matematika Vol. 1, No. 2 (2013), pp. 129 137. PENERAPAN TEORI PERMAINAN DALAM STRATEGI PEMASARAN PRODUK BAN SEPEDA MOTOR DI FMIPA USU Charles Harianto Simamora, Elly Rosmaini, Normalina Napitupulu
Lebih terperinciMatriks Permainan (Payoff matrix) Matriks Permainan Jumlah tak NOL
Definisi Teori permainan adalah suatu pendekatan matematis untuk merumuskan situasi dan pertentangan (konfleks) antar berbagai kepentingan. Teori ini dikembangkan untuk meng-analisis proses pengambil keputusan
Lebih terperinciANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI ( )
SEMINAR TUGAS AKHIR ANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI (1207 100 067) Dosen Pembimbing Dra. Laksmi Prita
Lebih terperinciACCEPTANCE SAMPLING PLANS MUHAMMAD YUSUF IWAN NOEGROHO GALIH DWI AGUNG P BRIAN REYVENDRA P AHMAD AUDREY T. JUIOCAISAR W SYAFIQAR NABIL M.
ACCEPTANCE SAMPLING PLANS MUHAMMAD YUSUF IWAN NOEGROHO GALIH DWI AGUNG P BRIAN REYVENDRA P AHMAD AUDREY T. JUIOCAISAR W SYAFIQAR NABIL M. ILHAMDKA 125060707111002 125060707111004 125060707111009 125060707111022
Lebih terperinciOPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING
OPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING Abstrak Oleh : Sintha Yuli Puspandari 1206 100 054 Dosen Pembimbing : Drs. Sulistiyo, M.T Jurusan Matematika Fakultas Matematika
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciPendahuluan. Matriks Permainan (Payoff Matrix) Matriks Permainan Jumlah Nol. Unsur-Unsur Dasar. Matriks Permainan Jumlah Tak Nol
Mata Kuliah : Riset Operasi Kode MK : TKS 6120 Pengampu : Achfas Zacoeb Sesi XV TEORI PERMAINAN (Game Theory) e-mail : zacoebc93@gmail.com www.zacoeb.lecture.ub.ac.id Pendahuluan DEFINISI : Metode Optimasi
Lebih terperinciBAB 2 LANDASAN TEORI
9 BAB 2 LANDASAN TEORI 2.1 Konsep Pemasaran Konsep pemasaran merupakan orientasi managemen yang beranggapan bahwa tugas pokok perusahaan ialah menentukan kebutuhan, keinginan dan penilaian dari pasar yang
Lebih terperinciTEORI PERMAINAN. Digunakan jika permainan stabil ada titik saddle (saddle point) Titik sadel minimaks = maksimin Contoh :
TEORI PERMAINAN Aplikasi Teori Permainan Lawan pemain (punya intelegensi yang sama) Setiap pemain mempunyai beberapa strategi untuk saling mengalahkan Two-Person Zero-Sum Game Permainan dengan pemain dengan
Lebih terperinciRiset Operasi GAME THEORY. Evangs Mailoa, S.Kom., M.Cs.
Riset Operasi GAME THEORY Evangs Mailoa, S.Kom., M.Cs. Teori Permainan adalah suatu pendekatan matematis untuk merumuskan situasi persaingan dan konflik antara berbagai persaingan. Teori ini dikembangkan
Lebih terperinciBAB IV TEORI PERMAINAN
BAB IV TEORI PERMAINAN Teori permainan merupakan suatu model matematika yang digunakan dalam situasi konflik atau persaingan antara berbagai kepentingan yang saling berhadapan sebagai pesaing. Dalam permaian
Lebih terperinciSeminar Nasional IENACO ISSN: PENENTUAN SAMPEL PRODUK LINK BELT MENGGUNAKAN METODE ACCEPTANCE SAMPLING MIL-STD-105E
PENENTUAN SAMPEL PRODUK LINK BELT MENGGUNAKAN METODE ACCEPTANCE SAMPLING MIL-STD-105E Siti Nandiroh 1, Ganang Adi Sulistyawan 2 1 Pusat Studi Logistik dan Optimisasi Industri (PUSLOGIN), Universitas Muhammadiyah
Lebih terperinciPertemuan 7 GAME THEORY / TEORI PERMAINAN
Pertemuan 7 GAME THEORY / TEORI PERMAINAN Objektif: 1. Mahasiswa dapat merumuskan masalah dalam game theory / teori permainan 2. Mahasiswa dapat mencari penyelesaian masalah dalam proses pengambilan keputusan
Lebih terperinciTINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan
II. TINJAUAN PUSTAKA 2.1 Percobaan dan Ruang Sampel Menurut Walpole (1995), istilah percobaan digunakan untuk sembarang proses yang dapat membangkitkan data. Himpunan semua hasil suatu percobaan disebut
Lebih terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut
Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut 13 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/
Lebih terperinciSesi XV TEORI PERMAINAN (Game Theory)
Mata Kuliah :: Riset Operasi Kode MK : TKS 4019 Pengampu : Achfas Zacoeb Sesi XV TEORI PERMAINAN (Game Theory) e-mail : zacoeb@ub.ac.id www.zacoeb.lecture.ub.ac.id Hp. 081233978339 Pendahuluan DEFINISI
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Lebih terperinciSAMPLING PENERIMAAN ( ACCEPTANCE SAMPLING )
SAMPLING PENERIMAAN ( ACCEPTANCE SAMPLING ) PENDAHULUAN Pengertian dari Sampling Penerimaan : keputusan untuk menerima atau menolak suatu lot atau populasi berdasarkan hasil dari pemeriksaan sebagian lot
Lebih terperinciRENCANA PENERIMAAN SAMPEL (ACCEPTANCE SAMPLING)
1 KOMPETENSI Mampu menerapkan rencana penerimaan sampel, baik satu tingkat atau beberapa tingkat, untuk data atribut dan data variabel dengan menggunakan beberapa metode guna menentukan keputusan dalam
Lebih terperinciPengantar Statistika Matematika II
Bab 6: Statistika FMIPA Universitas Islam Indonesia Inferensi Statistik Pendahuluan Inferensi Statistik Inferensi statistik adalah metode untuk menarik kesimpulan mengenai suatu populasi. Inferensi statistik
Lebih terperinciBAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan
BAB II KAJIAN PUSTAKA Kajian pustaka pada bab ini akan membahas tentang pengertian dan penjelasan yang berkaitan dengan fungsi, turunan parsial, pemrograman linear, pemrograman nonlinear, fungsi konveks
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,
BAB II KAJIAN PUSTAKA Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, pemrograman linear, metode simpleks, teorema dualitas, pemrograman nonlinear, persyaratan karush kuhn
Lebih terperinciTeori Permainan. Lecture 8 : Pengambilan Keputusan dalam Kondisi Konflik (Game Theory) Hanna Lestari, ST, M.Eng
Teori Permainan Lecture 8 : Pengambilan Keputusan dalam Kondisi Konflik (Game Theory) Hanna Lestari, ST, M.Eng Dalam dunia bisnis yang kompetitif kita tidak terlepas dari adanya persaingan dengan kompetitor.
Lebih terperinciPengertian Teori permainan adalah suatu pendekatan matematis untuk merumuskan situasi dan pertentangan (konfleks) antar berbagai kepentingan.
Pengertian Teori permainan adalah suatu pendekatan matematis untuk merumuskan situasi dan pertentangan (konfleks) antar berbagai kepentingan. Teori ini dikembangkan untuk menganalisis proses pengambil
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas
Lebih terperinciOleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si
Oleh: Isna Kamalia Al Hamzany 1207 100 055 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciPengendalian Proses. Waktu
Pengendalian Kualitas TKI-306 DEFINISI adalah Pernyataan tentang ukuran sampel yang akan digunakan dan kriteria penerimaan/penolakan sampel untuk memvonis suatu lot Aplikasi tipikal sampling penerimaan
Lebih terperinciDISTRIBUSI SAMPLING besar
DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan
Lebih terperinciBAB 4 FORMULASI MODEL
BAB 4 FORMULASI MODEL Formulasi model pada Bab 4 ini berisi penjelasan mengenai karakteristik sistem yang diteliti, penjabaran pemodelan matematis dari sistem, model dasar penelitian yang digunakan, beserta
Lebih terperinciArisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya
ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi
Lebih terperinciPENERAPAN BAGAN KENDALI T 2 HOTELLING DAN ANALISIS KEMAMPUAN PROSES DALAM PRODUKSI SEMEN PPC (PORTLAND POZZOLLAND CEMENT ) DI PT.
Jurnal Matematika UNAND Vol. 4 No. 1 Hal. 76 84 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN BAGAN KENDALI T 2 HOTELLING DAN ANALISIS KEMAMPUAN PROSES DALAM PRODUKSI SEMEN PPC (PORTLAND
Lebih terperinciOleh: Nurul Hidayah Dosen pembimbing: Dra. Laksmi Prita, M.Si
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 057 Dosen pembimbing:
Lebih terperinciTeorema Newman Pearson
pengujian terbaik Andi Kresna Jaya andikresna@yahoo.com Jurusan Matematika October 6, 2014 Outline 1 Review 2 Uji dua sisi untuk mean 3 Teorema Neyman-Pearson Back Outline 1 Review 2 Uji dua sisi untuk
Lebih terperinciAPLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT
APLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT Ivan Aris Nugroho 1) dan Abdullah Shahab 2) 1) Program Studi Magister Manajemen Teknologi, Institut
Lebih terperinciOPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING
OPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING Oleh : Sintha Yuli Puspandari 1206 100 054 Dosen Pembimbing : Drs. Sulistiyo, M. T Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih terperinciPENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER
PENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER Nama Mahasiswa : Eka Novi Nurhidayati NRP : 1208 100 040 Jurusan : Matematika
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Kontrak Perkuliahan Pertemuan & Materi RPKPS Penilaian Tugas, short quiz (30%) Quiz 1 & 2 (40%) UAS (30%) Referensi Montgomery, D.C, George C. Runger. Applied Statistic and
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus di Frida Agro yang terletak di Lembang, Kabupaten Bandung. Pemilihan lokasi dilakukan secara sengaja dengan pertimbangan
Lebih terperinciTEORI PERMAINAN. JHON HENDRI RISET OPERASIONAL UNIVERSITAS GUNADARMA 2009 Page 1
TEORI PERMAIA Teori permainan merupakan suatu model matematika yang digunakan dalam situasi konflik atau persaingan antara berbagai kepentingan yang saling berhadapan sebagai pesaing. Dalam permaian peserta
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA)
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) Oleh: Dian Mareta Windayani 16 100 055 Dosen pembimbing: Dra. Laksmi Prita, M.Si Latar belakang PENDAHULUA N
Lebih terperinciBAB III PEMBAHASAN. Tabel 3.1 Dengan Stategi Dominan Permainan zero sum Pemain 2 a b Pemain 1 a 1,-1 2,-2 b 4,-4 3,-3. Universitas Sumatera Utara
BAB III PEMBAHASAN 3.1 Pengantar Keseimbangan Nash adalah jika ada serangkaian strategi untuk permainan dimana tidak ada pemain yang bisa memperoleh keuntungan dengan mengubah strateginya sementara pemain
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS Oleh: Dian Mareta Windayani 1206 100 055 Desen pembimbing: Dra. Laksmi Prita, M.Si Abstrak
Lebih terperinciLobes Herdiman, Retno Wulan Damayanti 1, Sukarno Jurusan Teknik Industri, Universitas Sebelas Maret, Surakarta
Performa (2007) Vol. 6, No.2: 60-70 Perencanaan Pengambilan Sampel Lampu TL Dop 10 W pada Post Quality Inspection dengan Metode Military Standard 105D di PT. General Electric Lighting Indonesia Lobes Herdiman,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Beberapa tahun terakhir ini, banyak peneliti tertarik mempelajari teori permainan. Teori permainan yang mula-mula dikembangkan oleh ilmuan Prancis bernama Emile Borel
Lebih terperinci(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni
Universitas Padjadjaran, November 00 (D.) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE Andry Ritonga H. Sudartianto Sri Winarni Mahasiswa Program Strata Jurusan Statistika FMIPA
Lebih terperinciPraktikum Total Quality Management
Moul ke: 09 Dr. Fakultas Praktikum Total Quality Management Aries Susanty, ST. MT Program Stui Acceptance Sampling Abstract Memberikan pemahaman tentang rencana penerimaan sampel, baik satu tingkat atau
Lebih terperinciKAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.
TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP. 1208 100 021 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs.
Lebih terperinciTujuan Praktikum Landasan Teori 2.1 Sejarah dan Pengertian
Modul ini disusun sebagai pegangan untuk semua Asisten Laboratorium Teknik Industri Lanjut dalam melakkan pengajaran praktikum Metode Stokastik. Modul ini dikhususkan mempelajari salah satu metode dalam
Lebih terperinciX. KESIMPULAN DAN SARAN
X. KESIMPULAN DAN SARAN 10.1. Kesimpulan Penelitian ini telah berhasil merancang model sistem penunjang pengambilan keputusan cerdas manajemen risiko rantai pasok produk/komoditi jagung yang diberi nama
Lebih terperinciOptimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan dengan Metode Fuzzy Goal Programming
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1 Optimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan Metode Fuzzy Goal Programming Rofiqoh
Lebih terperinciKAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT
KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT QUEUES ANALYSIS M/M/ TYPE WITH SLOW AND FAST PHASE SERVICE SYSTEM Oleh: Erida Fahma Nurrahmi NRP. 1208 100 009 Dosen Pembimbing:
Lebih terperinciSYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John... (Caturiyati) SYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com
Lebih terperinciSyarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com 2 himmawatipl@yahoo.com Abstrak
Lebih terperinciPemain B B 1 B 2 B 3 9 5
TEORI PERMAINAN Teori permainan (game theory) adalah suatu pendekatan matematis untuk merumuskan situasi persaingan dan konflik antara berbagai kepentingan. Teori dikembangkan untuk menganalisa proses
Lebih terperinciSEMINAR TUGAS AKHIR NP CONTROL CHART BY USING BAYESIAN APPROACH PETA KENDALI NP MENGGUNAKAN PENDEKATAN BAYESIAN. Oleh : Rizckha Septiana
SEMINAR TUGAS AKHIR PETA KENDALI NP MENGGUNAKAN PENDEKATAN BAYESIAN NP CONTROL CHART BY USING BAYESIAN APPROACH Oleh : Rizckha Septiana 1207 100 004 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si,
Lebih terperinciUSULAN PERENCANAAN KEBIJAKAN PERSEDIAAN VAKSIN MENGGUNAKAN METODE CONTINUOUS REVIEW (S,S) UNTUK MENGURANGI OVERSTOCK DI DINAS KESEHATAN KOTA XYZ
USULAN PERENCANAAN KEBIJAKAN PERSEDIAAN VAKSIN MENGGUNAKAN METODE CONTINUOUS REVIEW (S,S) UNTUK MENGURANGI OVERSTOCK DI DINAS KESEHATAN KOTA XYZ 1 Dwiska Aini Nurrahma, 2 Ari Yanuar Ridwan, 3 Budi Santosa
Lebih terperinciPENGARUH PENENTUAN JUMLAH PEMESANAN PADA BULLWHIP EFFECT
PENGARUH PENENTUAN JUMLAH PEMESANAN PADA BULLWHIP EFFECT Puji Lestari, Liong Irena, I Gede Agus Widyadana Program Studi Teknik Industri, Universitas Kristen Petra Siwalankerto, Surabaya, Indonesia (Received:
Lebih terperinciLembar Kerja Mahasiswa
Lembar Kerja Mahasiswa MEMAHAMI KONSEP TEORI PERMAINAN Nama Anggota Kelompok : 1 2 4 Program Studi Pendidikan Matematika Fakultas Keguruan dan Ilmu Pendidikan Universitas Jember 2016 LEMBAR KERJA SISWA
Lebih terperinciMetode Simpleks Minimum
Metode Simpleks Minimum Perhatian Untuk menyelesaikan Persoalan Program Linier dengan Metode Simpleks untuk fungsi tujuan memaksimumkan dan meminimumkan caranya BERBEDA. Perhatian Model matematika dari
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciPenentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson
Vol. 6, No.1, 44-48, Juli 2009 Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Georgina M. Tinungki Abstrak Terdapat beberapa metode untuk membangun uji statistik yang baik, diantaranya
Lebih terperinciKONTRAK PEMBELAJARAN
KONTRAK PEMBELAJARAN RISET OPERASI PROBABILISTIK Semester Jurusan : VI / 2 sks : Matematika Oleh: Dra. RR Sri Sulistijowati H., M.Si NIP. 19690116199022001 Nughthoh Arfawi Kurdhi, S.Si., M.Sc NIP. 19850717
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Efektivitas Efektivitas berasal dari kata efektif, yang merupakan kata serapan dari bahasa Inggris yaitu effective yang artinya berhasil. Menurut kamus ilmiah popular, efektivitas
Lebih terperinciUJIAN TUGAS AKHIR EKA NOVI NURHIDAYATI. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2012
UJIAN TUGAS AKHIR APLIKASI ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER α DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER EKA NOVI NURHIDAYATI 1208 100 040 Jurusan Matematika Fakultas
Lebih terperinciUji Hipotesis dan Aturan Keputusan
Uji Hipotesis dan Aturan Keputusan oleh: Khreshna Syuhada, PhD. 1. Pendahuluan Pada perkuliahan tingkat 2, telah dikenalkan masalah uji hipotesis sebagai berikut: Seorang peneliti memberikan klaim bahwa
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciUKURAN LOT PRODUKSI DAN BUFFER STOCK PEMASOK UNTUK MERESPON PERMINTAAN PROBABILISTIK
UKURAN LOT PRODUKSI DAN BUFFER STOCK PEMASOK UNTUK MERESPON PERMINTAAN PROBABILISTIK Hari Prasetyo Staf Pengajar Teknik Industri Universitas Muhammadiyah Surakarta harpras2@yahoo.com ABSTRAK Dalam sebuah
Lebih terperinciSampling, Estimasi dan Uji Hipotesis
Sampling, Estimasi dan Uji Hipotesis Tujuan Pembelajaran Memahami perlunya suatu sampling (pengambilan sampel) serta keuntungan- keuntungan melakukannya Menjelaskan pengertian sampel acak untuk sampling
Lebih terperinciAnalisis Peta Kendali U Pada Proses Pembuatan Plat Baja di PT. Gunawan Dianjaya Steel Tbk
Analisis Peta Kendali U Pada Proses Pembuatan Plat Baja di PT. Gunawan Dianjaya Steel Tbk Dias Ardha P 1311 030 032 Dosen Pembimbing Dr. Sony Sunaryo, M.Si PROGRAM STUDI DIPLOMA III Jurusan Statistika
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari baik disadari maupun tidak, optimasi selalu dilakukan untuk memenuhi kebutuhan. Tetapi optimasi yang dilakukan masyarakat awam lebih banyak
Lebih terperinciPEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING
PEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING Oleh : Heny Nurhidayanti 1206 100 059 Dosen Pembimbing : Drs. Sulistiyo, MT Jurusan Matematika Fakultas Matematika dan
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi
Statistika, Vol. No., Mei Pendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi MARZUKI, HIZIR SOFYAN, ASEP RUSYANA Jurusan Matematika FMIPA Universitas Syiah Kuala Jl.
Lebih terperinciKONSISTENSI ESTIMATOR
KONSISTENSI ESTIMATOR TUGAS STATISTIKA MATEMATIKA II Oleh 1. Wahyu Nikmatus S. (121810101010) 2. Vivie Aisyafi F. (121810101050) 3. Rere Figurani A. (121810101052) 4. Dwindah Setiari W. (121810101054)
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciBAB II KAJIAN TEORI. Berikut ini merupakan pembahasan kajian-kajian tersebut.
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai kajian teori yang digunakan sebagai dasar penulisan tugas akhir ini berdasarkan literatur yang relevan. Berikut ini merupakan pembahasan kajian-kajian
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN 11 Latar Belakang Teori permainan (game theory) adalah bagian dari ilmu matematika yang mempelajari interaksi antar agen, di mana tiap strategi yang dipilih akan memiliki matriks perolehan
Lebih terperinciBAB III GAME THEORY. Dalam kehidupan sehari-hari sering dijumpai kegiatan-kegiatan yang
7 BAB III GAME THEORY 3. Pengantar Game Theory Dalam kehidupan sehari-hari sering dijumpai kegiatan-kegiatan yang bersifat kompetitif yang diwarnai persaingan atau konflik. Persaingan atau konflik ini
Lebih terperinciIII. METODOLOGI PENELITIAN
A. KERANGKA PEMIKIRAN III. METODOLOGI PENELITIAN Produksi bunga krisan yang mengalami peningkatan dari tahun ke tahun memberikan kontribusi yang positif kepada petani dalam peningkatan kesejahteraan mereka.
Lebih terperinciJurnal Matematika Murni dan Terapan Epsilon Juni 2014 Vol. 8 No. 1 METODE KARMARKAR SEBAGAI ALTERNATIF PENYELESAIAN MASALAH PEMROGRAMAN LINEAR
Jurnal Matematika Murni dan Terapan Epsilon Juni 204 Vol. 8 No. METODE KARMARKAR SEBAGAI ALTERNATIF PENYELESAIAN MASALAH PEMROGRAMAN LINEAR Bayu Prihandono, Meilyna Habibullah, Evi Noviani Program Studi
Lebih terperinciMODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER
MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER Etis Sunandi 1), Khairil A Notodiputro 2), Anik Djuraidah 2) 1) Jurusan Matematika FMIPA Universitas Bengkulu 2) Jurusan Statistika,
Lebih terperinciBAB ΙΙ LANDASAN TEORI
7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang
Lebih terperinciANALISIS PERSEDIAAN BAHAN BAKU SAYUR OLAHAN PADA PT. AAA
Saintia Matematika Vol. 1, No. 4 (2013), pp. 359 368. ANALISIS PERSEDIAAN BAHAN BAKU SAYUR OLAHAN PADA PT. AAA Eva Kristina Tarigan, Elly Rosmaini, Djakaria Sebayang Abstrak. Persediaan (inventory) merupakan
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1. Penaksiran Parameter Jika adalah nilai parameter populasi yang belum diketahui harganya, maka dapat ditaksir oleh nilai statistik, dan disebut sebagai penaksir atau fungsi keputusan.
Lebih terperinciMETODE SIMPLEKS DALAM PROGRAM LINIER
METODE SIMPLEKS DALAM PROGRAM LINIER Dian Wirdasari Abstrak Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan
Lebih terperinci