OPTIMASI PENJUALAN EKSPOR DENGAN PENDEKATAN GOAL PROGRAMMING DAN ANALYTICAL HIERARCHY PROCESS DI PT.PABRIK KERTAS TJIWI KIMIA

Ukuran: px
Mulai penontonan dengan halaman:

Download "OPTIMASI PENJUALAN EKSPOR DENGAN PENDEKATAN GOAL PROGRAMMING DAN ANALYTICAL HIERARCHY PROCESS DI PT.PABRIK KERTAS TJIWI KIMIA"

Transkripsi

1 OPTIMASI PENJUALAN EKSPOR DENGAN PENDEKATAN GOAL PROGRAMMING DAN ANALYTICAL HIERARCHY PROCESS DI PT.PABRIK KERTAS TJIWI KIMIA Sugeg da Udisubati Ciptomulyoo Program Studi Magister Maaeme Teologi IstituteTeologi Sepuluh Nopember Surabaya udisubati@ie.its.ac.id ABSTRAK Allocatio of export sales is a importat aspect i iteratioal trade because it ca optimize profits, reduce costs ad avoid ay riss. However, it is always faced a lot of high ucertaity, chage of evirometal trade ad of course, obectives of compay itself, i which it will push the compay to create a techique, strategy, ad the right decisio to achieve allocatios of target sales. The process of decisio maig of the optimized problems is restricted by costrait of resources ad some alteratives must be selected properly. Moreover, some obectives of the compay ofte coflicts each others. The effects of wrog decisio will appear some costs ad riss i which it ca be actually avoided. Cosiderig the problems, to optimize output this research accommodates multi coflicted obectives ad ivolves tagible-itagible factors. May approaches ca be implemeted to mae a decisio, such as Aalytical Hierarchy Process (AHP) ad Liear Goal Programmig ( LGP). However, each has weaesses ad stregthes. Cosiderig the aspects, this research offers a itegrated approach of LGP ad AHP. AHP will be used as a approach dealig with decisio maig of coutry s ad customer s preferece, while LGP will be implemeted to optimize multi obective fuctios. The result shows the itegrated combiatio of LGP-AHP ca idetify ad measure ris coutries ad customers. Moreover, it ca optimize allocatios ad profits, avoid ay opportuity loss ad u-utilized capacity loss. This research also shows that the itegrated combiatio results more optimally output tha oly AHP. Kata uci : Aalytical Hierarchy Process (AHP), Liear Goal Programmig (LGP), export sales PENDAHULUAN PT. Pabri Kertas Tiwi Kimia (PKTK) merupaa esportir terbesar di Jawa Timur dega umlah produsi tida urag dari 1 uta to per tahu da memilii 17 maretig brach di luar egeri. Jumlah volume yag cuup besar dega pelagga da tuua espor yag cuup variatif serta perubaha eoomi, regulasi da politi yag sagat cepat meadi perhatia serius perusahaa. Salah satu edala yag dihadapi perusahaa adalah bagaimaa megaloasia seumlah volume tersebut epada pelagga secara optimal dega mempertimbaga elayaa customer da egara ya bersaguta. Baya pedeata atau metode yag dapat dipaai utu melaua selesi da optimasi etia pegambil eputusa dihadapa baya piliha, diataraya Liear Programmig, AHP, Goal Programmig (Awar et al, 1985), (Badri,1999), (Ciptomulyoo, 2001), (Ciptomulyoo,2005), da (Kotler, 1997). Megigat, setiap pedeata memilii elebiha da elemaha masigmasig, peelitia ii aa meawara suatu pedeata yag teritegrasi atara liear goal programmig da aalytical hierarchy process utu megaloasia

2 peuala espor dega megaomodasi baya fugsi tuua dega mempertimbaga fator-fator itagible da tagible. Tuua Peelitia ii adalah : 1) Meetua elayaa customer da egara tuua espor dega lebih terstrutur da teruur, 2) Meetua besarya aloasi peuala espor e setiap customer da egara tuua espor, 3) Membadiga besarya aloasi, profit, biaya da seumlah erugia aibat tida terpeuhiya permitaa da utilitas apasitas produsi secara masimal ia permitaa lebih besar, sama dega, atau lebih ecil daripada apasitas, 4) membadiga besarya aloasi, profit, biaya da seumlah erugia aibat tida terpeuhiya permitaa da utilitas apasitas produsi secara masimal atara megguaa itegrasi LGP-AHP da ituitif AHP. METODOLOGI PENELITIAN Peelitia ii terdiri dari ragaia tahapa sehigga diperoleh suatu eputusa yag diharapa. Tahapa peelitia ii dimulai dari observasi pedahulua, perumusa masalah, studi epustaaa, idetifiasi data, pegumpula data, pegolaha data, aalisa da pembahasa. Di dalam metodologi ii terdapat tahapa pemodela eputusa multiriteria, yag terdiri dari pemodela hirari eputusa da pegembaga model optimasi eputusa multiobetif. Dalam pegembaga model optimasi ii aa megitegrasia metode AHP da goal programmig. PEMODELAN HIRARKI KEPUTUSAN DENGAN AHP Resio suatu egara merupaa odisi yag berpotesi utu meghambat atau megaibata egagala trasasi espor (Hutabarat, 1992), (Kotler, 1997). Resio ii harus dipertimbaga dega cermat oleh esportir. Kriteria terhadap suatu elayaa egara dilaua melalui disusi pael. Semetara itu, bobot elayaa diuur dega melibata tiga respode dega megisi uesioer. Merea adalah para profesioal yag telah beera dalam trasasi perdagaga iterasioal selama lebih dari 10 tahu. Pemiliha Kelayaa Negara Politi Eoomi Regulasi USA CANADA CHINA LIBYA AUSTRALIA JAPAN KSA IRAN SINGAPORE ISRAEL AFRICA Gambar 1. Hirari Model AHP utu elayaa egara espor A-17-2

3 Kelayaa customer diuur dari tiga riteria, yaitu odisi historical paymet, behaviour, da regularitas. Kodisi paymet megacu epada emampua customer dalam melaua pembayara setiap trasasi. Kriteria ii dapat dilihat dari seberapa serig teradi outstadig pembayara. Customer behaviour merupaa riteria yag megacu pada attitude atau trac record customer selama meali bisis dega perusahaa. Uura attitude ii meyagut ebiasaa omplai da sua melaua tidaa-tidaa tricy. Regularitas megacu pada uura freuesi order da seberapa lama merea meadi pelagga. Dari riteria-riteria diatas, dibuat hirari terhadap alteratif-alteratif yag ada seperti pada Gambar 2. Berdasara hirari ii disusu uesioer da dibagia epada 3 respode yag selalu beromuiasi da memahami trac record setiap customer. Pemiliha Kelayaa Customer Historial Paymet Customer Behaviour Regularitas Corp.Exp AP Cad O Hig Samso Al Mutahe PaperFc Marubei Al Nahdi Corp.Exp Start Poit Fraco BehMyr. Spicer HogKbly Paperli Gambar 2. Hirari Model AHP utu Kelayaa Customer Formulasi Model dega Goal Programmig Dalam meyusu formulasi model goal programmig ii terdapat beberapa hal yag harus ditetapa, yaitu variabel eputusa, edala sasara da fugsi tuua. Beriut ii aa diuraia peelasaya. Jia, X i = Jumlah produ i yag diirim e egara customer. P i = Laba yag diharapa produ i yag diirim e egara customer P = Target total laba yag diharapa utu produ i yag diirim e egara customer C i = Biaya trasportasi produ i yag diirim e egara customer C = Target total biaya trasportasi dicapai utu produ i yag diirim e egara customer T i = Biaya trasasi produ i yag diirim e egara customer T = Target total biaya trasasi utu produ i yag diirim e egara customer A-17-3

4 Ii = Biaya/premi asurasi yag harus dibayar utu produ i yag diirim e egara customer I = Target total biaya asurasi utu produ i yag diirim e egara customer D i = Jumlah permitaa produ i yag diirim e egara customer. F i = Kerugia aibat tida terpeuhiya permitaa produ i yag diirim e egara customer. F = Target total erugia aibat tida terpeuhiya permitaa produ i yag diirim e egara customer. L i = Jumlah utilitas apasitas produ i masimal (best operatio). S i = Kerugia aibat tida terpeuhiya utilitas apasitas produ i yag diirim e egara customer. S = Target total erugia aibat tida terpeuhiya utilitas apasitas produ i yag diirim e egara customer. E = Preferesi elayaa egara utu produ i yag diirim e egara customer E = Target elayaa egara yag aa dicapai Y = edala (ol-satu) egara yag boleh dialoasia utu produ i yag diirim e egara customer. D Y = Jumlah permitaa utu produ i yag diirim eegara yag dipilih R = Preferesi elayaa customer utu produ i yag diirim e customer. R = Target elayaa customer yag igi dicapi K = edala (ol-satu) customer yag boleh dialoasia utu produ i yag diirim e egara customer. D K = Jumlah permitaa utu produ i yag diirim customer yag dipilih Maa, a. Variabel Keputusa X i = Jumlah produ i yag diirim e egara customer, dimaa i = 1, 2, 3,..., = 1, 2, 3,...m, = 1,2,3,... K b. Kedala Sasara No. Obetif Fugsi Tuua/edala Tuua Sasara (3.1) Memasimala profit Mi 1 Pi X i 1 p1 i P (3.2) Memiimala biaya trasportasi (3.3) Memiimala biaya trasasi C X i i 2 p2 i T X i i 3 p3 i T C Mi p 2 Mi p 3 A-17-4

5 (3.4) Memiimala biaya asurasi Memasimala umlah (3.5) produ i, i =1, 2,3,4 yag diirim e egara customer agar dapat memeuhi utilitas apasitas produsi Memiimala seumlah (3.6) erugia aibat utilitas yag tida masimal utu produ i, i=1,2,3,4 I X i i p4 i X i 4i p4 F i L i i I 4 Mi p 4 L i X i 8i p8 i F Mi4i Mi p 8i (3.7) (3.8) (3.9) (3.10) (3.11) Memasimala pemeuha terhadap permitaa produ i, i=1,2,3,4 Memiimala seumlah erugia aibat permitaa yag tida terpeuhi utu produ i, i=1,2,3,4 Mecegah umlah produ i yag diirim e customer egara tida boleh melebihi permitaa. dimaa, = 1, 2, 3...K Beberapa customer harus medapata pegirima sesuai dega permitaa sebagaimaa tercatum dalam otra dimaa, = 1,2, 3...K Total biaya trasportasi C, trasasi T, asurasi I utu barag i eegara customer tida boleh melebihi 10 % dari ilai profit margi FOB price. X Di S i D X i p i i i X i i p16 Di X i = Di Mi 12i 16 i Mi p 161 Mi p 21 C ixi TiXi i i i p 10% P (3.12) Memasimala egara yag laya medapata aloasi E Y 1 p (dimaa, Y = 0,1) = E ' Mi 22 (3.13) Utu aloasi semua egara : X 23 p = D Y i i 23 Mi 23 A-17-5

6 (3.14) Memasimala customer yag laya medapata aloasi R 1 K p (dimaa, K = 0,1) R ' Mi 24 (3.15) Utu aloasi e semua customer, X i 25 p25 i D K Mi 25 Fugsi Tuua Fugsi tuua dari edala-edala diatas : Mi Z = 1 + p2 + p3 + p p9 + p10 + p11+p p17 +p18 + p19+p20 + p Namu demiia, area uruta setiap fugsi tuua meuua prioritas yag meghasila output yag berbeda maa perlu diperhatia da dipertimbaga lagi apaah uruta-uruta fugsi tuua tersebut mecermia tuua yag igi dicapai perusahaa. Megigat peetua uruta prioritas setiap fugsi tuua bualah hal yag mudah, maa pegambila eputusa dilaua dega megguaa AHP. Tabel 1 beriut meuua sitesa hasil pembobota setiap edala sasara. Tabel 1. Sitesa utu Pembobota Kedala Sasara No. Kriteria Bobot Prioritas 1 Masimala elayaa egara Masimala aloasi e egara yag laya Masimala elayaa customer Masimala aloasi e customer yag laya Masimala pemeuha terhadao apasitas Miimala erugia aibat utilitas yag tida masimal Masimala pemeuha terhadap demad Miimala erugia aibat opportuity loss Masimala laba Miimala biaya trasportasi Miimala biaya trasasi Miimala biaya asurasi Miimala total biaya trasp, tras, asurasi tida lebih 10% target profit Hasil AHP meuua bahwa fugsi tuua dega edala sasara memasimala elayaa egara memilii robot prioritas yag terbesar (0,19), sedaga memiimala total biaya trasportasi, trasasi, asurasi tida boleh melebihi 10% dari profit memilii bobot prioritas teredah (0,01). Cosistesi idex hasil pembobota di atas adalah 6%, artiya hasil tersebut dapat diterima. Dega demiia, secara eseluruha uruta fugsi tuua dari edala sasara diatas adalah: Fugsi tuua : Mi p9 + p10 + p11+p p17 +p18 + p19+p p2 + p3 + p4 + p21 HASIL DAN PEMBAHASAN Melalui proses AHP meuua bahwa utu elayaa egara yag memilii tiga riteria da sebelas alteratif egara diperoleh bobot riteria tertiggi utu regulasi sebesar 0,54, disusul eoomi 0,297 da politi 0,163 dega idex cosistecy sebesar 6%. Terhadap riteria-riteria tersebut, bobot prioritas terbesar A-17-6

7 utu egara yag palig laya sebagai tuua espor adalah Caada (0,217), sedaga teredah adalah Ira (0,020). Prose s AHP uga meuua bahwa utu elayaa customer dega tiga riteria da 15 alteratif diperoleh riteria historical paymet memilii bobot prioritas tertiggi (0,637), disusul regularitas (0,258), da behaviour (0,105). Berdasara riteria -riteria tersebut Marubei memilii bobot prioritas elayaa tertiggi (0,169) da Hogla Kiberly memilii bobot prioritas teredah (0,009). Idex cosistecy utu elayaa customer adalah 3 %. Namu demiia, area AHP ii teritegrasi dega goal programmig megaibata customer ataupu egara yag palig tida laya belum tetu tida medapata aloasi. Fator umlah demad, besarya expected profit, biaya, da apasitas yag ada sagat mempegaruhi aloasi. Hasil ruig program lido utu itegrasi LGP da AHP meuua bahwa semua customer medapata aloasi secara peuh ecuali, Al Nahil KSA da Hogly Kiberly-Israel. Permitaa Al Nahil atas produ woodfree total 9,81 to haya dapat dialoasa (dalam ribua to) sebesar 7,45 to, PPC 5,65 to dipeuhi sebesar 2,4 to, semetara permitaa art paper da cast coat dapat dialoasia secara peuh. Sedaga, Hogly Kiberly-Israel tida medapaa aloasi utu produ woodfree da art paper, tetapi utu produ art paper da cast coat dapat dialoasia masig-masig 0,6 to da 0,44 to. Aibat aloasi ii, laba perusahaa (dalam ribua) meadi USD ,74, terdapat oppurtuity loss sebesar USD 5.642,50, total biaya sebesar USD ,00, erugia aibat utilitas apasitas yag tida masimal tida ada. Pecapaia terhadap multiobetif dari setiap sasara dapat dilihat pada Tabel 2 beriut ii. Tabel 2 : Nilai Pecapaia Setiap Sasara No. Variabel Nilai Target Keteraga 1 N1 0 tercapai 2 N21 0 tercapai 3 N3 0 tercapai 4 N4 0 tercapai 5 N5 0 tercapai 6 N6 0 tercapai 7 N7 0 tercapai 8 N8 0 tercapai 9 P9 0 tercapai 10 P10 0 tercapai 11 P11 0 tercapai 12 P12 0 tercapai 13 N tida tercapai urag 14 N tida tercapai urag 15 N tida tercapai urag 16 N tida tercapai urag 17 P17 0 tercapai 18 P18 0 tercapai 19 P19 0 tercapai 20 P20 0 tercapai 21 N21 0 tercapai lebih (USD 9743,59) 22 P tida tercapai meuua total biaya trasportasi 23 P tida tercapai meuua total biaya trasasi 24 P tida tercapai meuua total biaya asurasi 25 P25 0 tercapai lebih (USD 2040,45) Peelitia ii meuua bahwa ia apasitas lebih ecil dari demad yag ada, model aa melaua elimiasi terhadap demad. Elimiasi ii megaibata teradiya opportuity loss da turuya profit. Namu demiia, ia demad lebih ecil dari apasitas yag ada, maa semua customer aa medapata aloasi. Hal ii aa megaibata opportuity loss meadi tida ada, tetapi aa meimbula erugia aibat utilitas apasitas yag tida masimal. A-17-7

8 Peelitia ii uga membutia hasil yag berbeda ia pedeata AHP da LGP diappliasia teritegrasi dibadig dega haya megguaa ituitif hasil AHP. Pada pedeata teritegrasi, dega tetap mempertimbaga elayaa egara da customer masimal profit yag dapat dicapai (dalam ribua) adalah USD ,74, semetara ituitif AHP haya USD ,35. Tabel 3. Perbadiga Hasil Optimasi atara Kombiasi LGP-AHP da Ituitif AHP NO. METODE KOMPARASI ITEM LGP & AHP AHP 1 DEMAND 634,51 634,51 2 ALOKASI 612,00 517,26 3 PROFIT , ,35 4 BIAYA , ,45 5 OPP.LOSS 5.642, ,50 6 FIXED COST ,20 KESIMPULAN Secara eseluruha bahwa peelitia ii dapat meetua elayaa customer da egara tuua espor dega lebih terstrutur da teruur da meetua besarya aloasi peuala espor e setiap customer da egara tuua espor. Keaia permitaa pada seumlah produ da peurua seumlah produ yag lai, berpegaruh pada aloasi, biaya, da seumlah erugia. Semai tiggi permitaa, semetara tigat apasitas terbatas, maa aloasi aa diprioritasa pada customer atau egara yag memilii tigat elayaa lebih tiggi. Peelitia ii uga meuua bahwa hasil optimasi dega ombiasi teritegrasi LGP-AHP lebih bai daripada ituitif AHP. DAFTAR PUSTAKA Awar, Affedi da Nasedi, B.D., (1985), Gramedia, Jaarta. Program Liear da Variasiya, PT. Badri, Masood A. (1999), Combiig the Aalytic Hierarchy Process ad Goal Programmig for Global Facility Locatio-Allocatio Problem, Iteratioal Joural Productio Ecoomics, 62, pp Ciptomulyoo, Udisubati (2001), Pegembaga Model MCDM utu Pemiliha Proye Listri Sistem Supply Jawa Bali, Lapora Peelitia, DueLie, ITS Ciptomulyoo, Udisubati (2005), Model Multireteria Aalytical Hierarchy Process (AHP) da Goal Programmig utu Pemiliha Perecaaa Proye Pembagit Listri yag Berwawasa Liguga, Optima, Vol 2, No.3, hal Hutabarat, Roselye, (1992), Trasasi Espor-Impor, 2 d editio, Peerbit Erlagga, Jaarta. Kotler, Philip, (1997), Maaeme Pemasara, edisi bahasa Idoesia, ilid 1, PT. Prehallido, Jaarta. Kotler, Philip, (1997 ), Maaeme Pemasara, edisi bahasa Idoesia, ilid 2, PT. Prehallido, Jaarta. A-17-8

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Tempat da Watu Peelitia Peelitia megeai Kepuasa Kosume Restora Gampoeg Aceh, dilasaaa pada bula Mei 2011 higga Jui 2011. Restora Gampoeg Aceh, bertempat di Jl Pajajara, Batarjati,

Lebih terperinci

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri

Lebih terperinci

Perluasan Uji Kruskal Wallis untuk Data Multivariat

Perluasan Uji Kruskal Wallis untuk Data Multivariat Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia

Lebih terperinci

MACAM-MACAM TEKNIK MEMBILANG

MACAM-MACAM TEKNIK MEMBILANG 0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA

Lebih terperinci

Studi Determinasi Nilai Tukar di Indonesia : Pendekatan Vector Autoregressive (VAR)

Studi Determinasi Nilai Tukar di Indonesia : Pendekatan Vector Autoregressive (VAR) Mie et al., Studi Determiasi Nilai Tuar di Idoesia : Pedeata Vector Autoregressive... 1 Studi Determiasi Nilai Tuar di Idoesia : Pedeata Vector Autoregressive (VAR) Exchage Rate Determiatio Studies i Idoesia

Lebih terperinci

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag

Lebih terperinci

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia

Lebih terperinci

PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ )

PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) (Fey Nilawati Kusuma et al.) PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) I Gede Agus Widyadaa I Nyoma Sutapa Dose Faultas Teologi

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi

Lebih terperinci

MODEL DISTRIBUSI BAHAN AJAR UNIVERSITAS TERBUKA DAN IMPLEMENTASINYA

MODEL DISTRIBUSI BAHAN AJAR UNIVERSITAS TERBUKA DAN IMPLEMENTASINYA MODEL DISTRIBUSI BAHAN AAR UNIVERSITAS TERBUKA DAN IMPLEMENTASINYA Sitta Alief Farihati (sitta@mail.ut.ac.id) Uiversitas Terbua Amril Ama I. N. Kutha Ardaa Pascasarjaa Istitut Pertaia Bogor ABSTRACT Uiversitas

Lebih terperinci

MAKALAH TEOREMA BINOMIAL

MAKALAH TEOREMA BINOMIAL MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)

Lebih terperinci

Representasi sinyal dalam impuls

Representasi sinyal dalam impuls Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

Pemilihan Kapasitas Dan Lokasi Optimal Kapasitor Paralel Pada Sistem Distribusi Daya Listrik

Pemilihan Kapasitas Dan Lokasi Optimal Kapasitor Paralel Pada Sistem Distribusi Daya Listrik ELECTRICIAN Jural Reayasa da Teologi Eletro 0 Pemiliha Kapasitas Da Loasi Optimal Paralel Pada Sistem Distribusi Daya Listri Osea Zebua Jurusa Tei Eletro, Faultas Tei, Uiversitas Lampug Jl. Prof. Sumatri

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5 Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah

Lebih terperinci

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia? Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai

Lebih terperinci

PENARAPAN METODE GOAL PROGRAMMING UNTUK MENGOPTIMALKAN BEBERAPA TUJUAN PADA PERUSAHAAN DENGAN KENDALA JAM KERJA, PERMINTAAN DAN BAHAN BAKU

PENARAPAN METODE GOAL PROGRAMMING UNTUK MENGOPTIMALKAN BEBERAPA TUJUAN PADA PERUSAHAAN DENGAN KENDALA JAM KERJA, PERMINTAAN DAN BAHAN BAKU Eisi: Otober 06. Vol. 0 No. 0 ISSN: 57-359 E-ISSN: 57-367 PENARAPAN METODE GOAL PROGRAMMING UNTUK MENGOPTIMALKAN BEBERAPA TUJUAN PADA PERUSAHAAN DENGAN KENDALA JAM KERJA, PERMINTAAN DAN BAHAN BAKU auziyah

Lebih terperinci

STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS

STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas

Lebih terperinci

INTEGRASI METODE ANALYTICAL HIERARCHY PROCESS (AHP) DAN GOAL PROGRAMMING DALAM OPTIMASI PEMILIHAN ALTERNATIF PEMASOK DI PT. XYZ INDONESIA POWER

INTEGRASI METODE ANALYTICAL HIERARCHY PROCESS (AHP) DAN GOAL PROGRAMMING DALAM OPTIMASI PEMILIHAN ALTERNATIF PEMASOK DI PT. XYZ INDONESIA POWER INTEGRASI METODE ANALYTICAL HIERARCHY PROCESS (AHP) DAN GOAL PROGRAMMING DALAM OPTIMASI PEMILIHAN ALTERNATIF PEMASOK DI PT. XYZ INDONESIA POWER Mahasiswa : Juwita Metrihayu Rahmadai NRP : 9107.201.409

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

Lebih terperinci

ANALISIS ALOKASI RUGI TRANSMISI DENGAN METODE Z-BUS

ANALISIS ALOKASI RUGI TRANSMISI DENGAN METODE Z-BUS ANALISIS ALOKASI RUGI TRANSMISI DENGAN METODE Z-BUS Firdaus Dose Jurusa edidia Tei Eletro FT UNM Abstra Sistem teaga listri telah berembag begitu pesat sehigga sistem ariga uga meela biaya rugirugi daya

Lebih terperinci

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag

Lebih terperinci

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain. BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Risio Operasioal.1.1 Defiisi Dewasa ii risio operasioal semai diaui sebagai salah satu fator uci yag perlu dielola da dicermati oleh para pelau usaha, hususya di bidag jasa euaga.

Lebih terperinci

Model Antrian Multi Layanan

Model Antrian Multi Layanan Jural Gradie Vol. No. Juli : 8- Model Atria Multi Layaa Sisa Yosmar Jurusa Matematia, Faultas Matematia da Ilmu egetahua Alam, Uiversitas Begulu, Idoesia Diterima 9 April; Disetujui 8 Jui Abstra - Salah

Lebih terperinci

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG) PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar

Lebih terperinci

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

OPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM

OPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM OPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM Nur Ilham Luthfi *), Yuigtyastuti, ad Susatyo Hadoo Jurusa Tei Eletro, Uiversitas Dipoegoro Semarag Jl.

Lebih terperinci

MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN

MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN Adam Priyo Hartoo 1), Farida Haum 2), Toi Bahtiar 3) 1)2)3) Departeme Matematia, FMIPA, Istitut Pertaia Bogor Kampus

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

ANALISIS BRAND ASSOCIATION DALAM MENINGKATKAN EKUITAS MERK BANK RIAU KEPRI PEKANBARU OLEH :

ANALISIS BRAND ASSOCIATION DALAM MENINGKATKAN EKUITAS MERK BANK RIAU KEPRI PEKANBARU OLEH : ANALISIS BRAND ASSOCIATION DALAM MENINKATKAN EKUITAS MERK BANK RIAU KEPRI PEKANBARU OLEH : RIDHO RAHMAN 060131173 Email: d_bud03@yahoo.co.id Phoe: 0856 64554466 ABSTRAK Peeliti ii dilaua pada PT. Ba Riau

Lebih terperinci

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil

Lebih terperinci

SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL

SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL Edag Habiuddi (Staf Pegajar UP MKU Politei Negeri Badug (Email : ed_.hab@yahoo.co.id ABSTRAK Sistem ragaia listri RLC seri

Lebih terperinci

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C. BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.

Lebih terperinci

Pemodelan Matematis Beban Tersebar Sebagai Beban Terpusat pada Sistem Distribusi 20 kv untuk Studi Aliran Daya

Pemodelan Matematis Beban Tersebar Sebagai Beban Terpusat pada Sistem Distribusi 20 kv untuk Studi Aliran Daya Pemodela Matematis Beba Tersebar Sebagai Beba Terpusat pada Sistem Distribusi 0 V utu Studi Alira Daya I Made Giarsa da I Made Ari Nrartha Dose Jurusa Tei Eletro Faultas Tei Uiversitas Mataram Tel. +6-30-63616

Lebih terperinci

PENGARUH MODAL KERJA TERHADAP KREDIT YANG DISALURKAN SERTA DAMPAKNYA TERHADAP RENTABILITAS PERUSAHAAN

PENGARUH MODAL KERJA TERHADAP KREDIT YANG DISALURKAN SERTA DAMPAKNYA TERHADAP RENTABILITAS PERUSAHAAN Jural Autasi FE Usil, Vol. 4, No., 009 ISSN : 907-9958 PENGARUH MODAL KERJA TERHADAP KREDIT YANG DISALURKAN SERTA DAMPAKNYA TERHADAP RENTABILITAS PERUSAHAAN Rai Rahma Dose Jurusa Autasi Faultas Eoomi Uiversitas

Lebih terperinci

PENGARUH PROGRAM BAURAN PEMASARAN JASA TERHADAP PEROLEHAN LABA PERUSAHAAN JASA KONSULTAN PERENCANA BANGUNAN

PENGARUH PROGRAM BAURAN PEMASARAN JASA TERHADAP PEROLEHAN LABA PERUSAHAAN JASA KONSULTAN PERENCANA BANGUNAN PENGARUH PROGRAM BAURAN PEMASARAN JASA TERHADAP PEROLEHAN LABA PERUSAHAAN JASA KONSULTAN PERENCANA BANGUNAN Oleh : Surachma Surjaatmadja Abstract The turbulece eviromet affects the customer requiremets

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Kegiata peelitia ii dilaksaaka pada bula Mei 2011 bertempat di Dusu Nusa Bakti, Kecamata Serawai da Dusu Natai Buga, Kecamata Melawi yag merupaka

Lebih terperinci

Aproksimasi Terbaik dalam Ruang Metrik Konveks

Aproksimasi Terbaik dalam Ruang Metrik Konveks Aprosimasi Terbai dalam Ruag etri Koves Oleh : Suharsoo S Jurusa atematia FIPA Uiversitas Lampug Abstra asalah esistesi da etuggala aprosimasi terbai suatu titi dalam ruag berorm telah dipelajari oleh

Lebih terperinci

Pendekatan Teori Antrian : Kasus Nasabah Bank pada Pukul WIB di Bank BNI 46 Cabang Bengkulu

Pendekatan Teori Antrian : Kasus Nasabah Bank pada Pukul WIB di Bank BNI 46 Cabang Bengkulu Jural Gradie Vol. No. Juli 5 : 9-97 edeata Teori Atria : Kasus Nasabah Ba pada uul 8.-. WIB di Ba BNI 46 Cabag Begulu Fahri Faisal Jurusa Matematia, Faultas Matematia da Ilmu egetahua Alam, Uiversitas

Lebih terperinci

Jurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal

Jurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal. 61 68 ANALISIS FAKTOR-FAKTOR YANG MEMPERNGARUHI KANKER LEHER RAHIM DI KOTA AMBON DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (Studi asus: Pasie

Lebih terperinci

PENJADWALAN FLOWSHOP DUA KRITERIA DENGAN SETUP TIME TERPISAH DAN DETERIORASI LINIER

PENJADWALAN FLOWSHOP DUA KRITERIA DENGAN SETUP TIME TERPISAH DAN DETERIORASI LINIER Prosidig Semiar Nasioal Maaeme Teologi VIII PENJADWALAN FLOWSHOP DUA KRITERIA DENGAN SETUP TIME TERPISAH DAN DETERIORASI LINIER Ceria Farela Mada Tatria, Patdoo Suwigo da Stefaus Eo Wirato Jurusa Tei Idustri

Lebih terperinci

Konvolusi pada Distribusi dengan Support Kompak

Konvolusi pada Distribusi dengan Support Kompak Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii bertujua utu megetahui ada tidaya peigata emampua siswa dalam pealara setelah megguaa model pembelajara berbasis masalah terstrutur dalam pembelajara

Lebih terperinci

MATERI 10 ANALISIS EKONOMI

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

Lebih terperinci

Jurnal MIPA 38 (1) (2015): Jurnal MIPA.

Jurnal MIPA 38 (1) (2015): Jurnal MIPA. Jural MIPA 38 () (5): 68-78 Jural MIPA http://ouraluesacid/u/idephp/jm APROKSIMASI ANUIAS HIDUP MENGGUNAKAN KOMBINASI EKSPONENSIAL LJ Siay S Gurito Guardi 3 Jurusa Matematia FMIPA Uiversitas Pattimura

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI

BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI Bab 2 berisi tetag studi pustaka yag dilakuka utuk medapatka gambara tetag metode yag tepat utuk megatasi permasalaha yag dihadapi, serta dasar-dasar teori yag diguaka

Lebih terperinci

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu

Lebih terperinci

x x x1 x x,..., 2 x, 1

x x x1 x x,..., 2 x, 1 0.4 Variasi Kaoi amel Da Korelasi Kaoi amel amel aca dari observasi ada masig-masig variabel dari ( + q) variabel (), () daat digabuga edalam (( + q) ) data matris,,..., dimaa (0-5) Adau vetor rata-rata

Lebih terperinci

JURNAL TEKNIK ITS Vol. 5, No. 1, (2016) ISSN: ( Print)

JURNAL TEKNIK ITS Vol. 5, No. 1, (2016) ISSN: ( Print) A7 Pemiliha Supplier Megguaka Metode Relaxed-Normalized Goal Programmig utuk Megoptimalka Proses Pegadaa Produk (Studi Kasus: Giat Ekstra Dipoegoro Surabaya) Fadly Syahputra, Wiwik Aggraei Jurusa Sistem

Lebih terperinci

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial 5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial

Lebih terperinci

Bab 16 Integral di Ruang-n

Bab 16 Integral di Ruang-n Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat

Lebih terperinci

BAB IV METODE PENELITIAN. Provinsi Jawa Barat. Penentuan lokasi ini dilakukan secara sengaja (purposive).

BAB IV METODE PENELITIAN. Provinsi Jawa Barat. Penentuan lokasi ini dilakukan secara sengaja (purposive). 60 BAB IV METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka Kecamata Warugkodag Kabupate Ciajur Provisi Jawa Barat. Peetua lokasi ii dilakuka secara segaja (purposive). Dega mempertimbagka

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

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012 IfiityJual Ilmiah Pogam Studi Matematia STKIP Siliwagi Badug, Vol, No., Septembe HIMPUNAN KOMPAK PADA RUANG METRIK Oleh : Cee Kustiawa Juusa Pedidia Matematia FPMIPA Uivesitas Pedidia Idoesia eeustiawa@yahoo.om

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

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE Teorema Keovergea Fugsi Teritegral Hestoc(Aiswita) TORMA KKONVRGNAN FUNGSI TRINTGRAL HNSTOCK- KURZWIL SRNTAK DAN FUNGSI BRSIFAT LOCALLY SMALL RIMANN SUMS (LSRS) DARI RUANG UCLID K RUANG BARISAN Aiswita,

Lebih terperinci

BAB 6 NOTASI SIGMA, BARISAN DAN DERET

BAB 6 NOTASI SIGMA, BARISAN DAN DERET BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat

Lebih terperinci

PENDEKATAN GOAL PROGRAMMING UNTUK PENENTUAN RUTE KENDARAAN PADA KEGIATAN DISTRIBUSI

PENDEKATAN GOAL PROGRAMMING UNTUK PENENTUAN RUTE KENDARAAN PADA KEGIATAN DISTRIBUSI J. Math. ad Its Appl. ISSN: 1829-605X Vol. 9, No. 1, Mei 2012, 1-15 PENDEKATAN GOAL PROGRAMMING UNTUK PENENTUAN RUTE KENDARAAN PADA KEGIATAN DISTRIBUSI Viayati Eka R 1, Subcha 2, Titik Mudjiati 3 1,2,3

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1. Peelitia Terdahulu Aloii dkk (2014) memiliki permasalaha dalam memilih mesi Vertical Form Fill ad Seal (VFFS) utuk Double Square Bottom Bag (DSBB). Pemiliha mesi yag tepat ditetuka

Lebih terperinci

ANALISIS KETERLIBATAN KONSUMEN DENGAN MENGGUNAKAN PENDEKATAN MATEMATIS FUZZY

ANALISIS KETERLIBATAN KONSUMEN DENGAN MENGGUNAKAN PENDEKATAN MATEMATIS FUZZY ANALISIS KETERLIBATAN KONSUMEN DENGAN MENGGUNAKAN PENDEKATAN MATEMATIS FUZZY TERHADAP BEBERAPA KATEGORI PRODUK DI KALANGAN MAHASISWA UNIVERSITAS GUNADARMA Disusu Oleh : Aa Nuzuludi Nasutio (30403924) Fakultas

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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

Penempatan dan Penentuan Kapasitas Optimal dari Distributed Generation

Penempatan dan Penentuan Kapasitas Optimal dari Distributed Generation Peempata da Peetua Kapasitas Optimal dari Distributed Geeratio () dega Mempertimbaga Maximum Loadability Megguaa No-Domiated Sortig Geetic Algorithm-II (NSGA-II) Radia Hedri Wijaya, Adi Soeprijato, Heri

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Metodologi Peelitia Metodologi peelitia ii merupaka cara yag diguaka utuk memecahka masalah dega lagkah-lagkah yag aka ditempuh harus releva dega masalah yag telah dirumuska.

Lebih terperinci

3. Integral (3) (Integral Tentu)

3. Integral (3) (Integral Tentu) Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag

Lebih terperinci

ANALISA PENGARUH PANJANG BELT CONVEYOR TERHADAP FREKUENSI REPAIR SEBELUM DAN SESUDAH MENGGUNAKAN LOCKING BOLT PADA SAMBUNGAN COLD SPLICING ABSTRAKSI

ANALISA PENGARUH PANJANG BELT CONVEYOR TERHADAP FREKUENSI REPAIR SEBELUM DAN SESUDAH MENGGUNAKAN LOCKING BOLT PADA SAMBUNGAN COLD SPLICING ABSTRAKSI ANALIA PENGARUH PANJANG BELT CONVEYOR TERHAAP FREKUENI REPAIR EBELUM AN EUAH MENGGUNAKAN LOCKING BOLT PAA AMBUNGAN COL PLICING ABTRAKI Ach. Hadi Widodo¹,Priyagug Hartoo²,uatmio³ ¹Mahasiswa Tei Mesi,Uiversitas

Lebih terperinci

INTEGRASI FUZZY ANALYTIC NETWORK PROCESS DAN GOAL PROGRAMMING DALAM PEMILIHAN SUPPLIER DAN ALOKASI ORDER (Studi Kasus : ITS Press Surabaya)

INTEGRASI FUZZY ANALYTIC NETWORK PROCESS DAN GOAL PROGRAMMING DALAM PEMILIHAN SUPPLIER DAN ALOKASI ORDER (Studi Kasus : ITS Press Surabaya) INTEGRASI FUZZY ANALYTIC NETWORK PROCESS DAN GOAL PROGRAMMING DALAM PEMILIHAN SUPPLIER DAN ALOKASI ORDER (Studi Kasus : ITS Press Surabaya) Prawatyaigrum Kusuma Hapsari, Prof. Ir. Suparo, MSIE, Ph.D Jurusa

Lebih terperinci

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

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

Lebih terperinci

ANALISA KEPUTUSAN PEMINDAHAN MESIN ZEHNTEL DI PT INTI (PERSERO) DENGAN MENGGUNAKAN METODA ANALYTICAL HIERARCHY PROCESS (AHP)

ANALISA KEPUTUSAN PEMINDAHAN MESIN ZEHNTEL DI PT INTI (PERSERO) DENGAN MENGGUNAKAN METODA ANALYTICAL HIERARCHY PROCESS (AHP) ANALISA KEPUTUSAN PEMINDAHAN MESIN ZEHNTEL DI PT INTI (PERSERO) DENGAN MENGGUNAKAN METODA ANALYTICAL HIERARCHY PROCESS (AHP) Asep Toto Kartama, Yogi Yogaswara, Zulfikar Jurusa Tekik da Maajeme Idustri

Lebih terperinci

GRAFIKA

GRAFIKA 6 5 7 3 6 3 3 GRAFIKA 3 6 57 08 0 9 5 9 385 946 5 3 30 0 8 9 5 9 3 85 946 5 ANALISA REAL Utu uliah (pegatar) aalisa real yag dilegapi dega program MATLAB Dr. H.A. Parhusip G R A F I K A Peerbit Tisara

Lebih terperinci

Penulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed.

Penulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed. PAKET FASILITASI PEMBERDAYAAN KKG/MGMP MATEMATIKA Pembelajara Barisa, Deret Bilaga da Notasi Sigma di SMA Peulis: Dra. Puji Iryati, M.Sc. Ed. Peilai: Al. Krismato, M.Sc. Editor: Sri Purama Surya, S.Pd,

Lebih terperinci

BAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni

BAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni BAB II MAKALAH Makalah I. Judul Dipresetasika : Liear Goal Programmig utuk Optimasi Perecaaa si : Semiar Nasioal Sais da Pedidika Sais VIII UKSW 201 yag diseleggaraka oleh Fakultas Sais da Matematika UKSW

Lebih terperinci

IV. METODE PENELITIAN

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI Diajuka Utuk Memeuhi Sebagia Syarat Gua Memperoleh Gelar Sarjaa Komputer (S.Kom) Pada

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Siar Terag Abadi ) Nama Mahasiswa : Bagus Suryo Adi Utomo NRP : 203 09 00 Jurusa : Matematika Dose Pembimbig :

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

ATURAN PENCACAHAN. Bab. Di unduh dari : Bukupaket.com. Pencacahan Permutasi Kombinasi Kejadian Ruang Sampel Titik Sampel Peluang

ATURAN PENCACAHAN. Bab. Di unduh dari : Bukupaket.com. Pencacahan Permutasi Kombinasi Kejadian Ruang Sampel Titik Sampel Peluang Bab 8 ATURAN PENCACAHAN A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetesi Dasar Setelah megiuti pembelajara ii siswa mampu: 1. Memilii motivasi iteral, emampua beerjasama, osiste, siap disipli, rasa

Lebih terperinci

Penggunaan Transformasi z

Penggunaan Transformasi z Pegguaa Trasformasi pada Aalisa Respo Freuesi Sistem FIR Oleh: Tri Budi Satoso E-mail:tribudi@eepis-its.eduits.edu Lab Siyal,, EEPIS-ITS ITS /3/6 osep pemiira domais of represetatio Domai- discrete time:

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

SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGETAHUAN BISNIS KODE : EK11. B112. Sub pokok bahasan TIK Referensi

SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGETAHUAN BISNIS KODE : EK11. B112. Sub pokok bahasan TIK Referensi SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGETAHUAN BISNIS KODE : EK11. B112 Ma ter i Pokok bahasa 1 Pegatar Dasar- Dasar Ekoomi 2 & 3 Aalisis pasar Usus- Usur permitaa Sub pokok bahasa TIK Referesi 1.

Lebih terperinci

Anova (analysis of varian)

Anova (analysis of varian) ova (aalysis of varia) Ui hipotesis perbedaa ilai rata-rata dari atau lebih elompo idepede Cotoh: daah perbedaa berat bayi lahir dari eluarga E tiggi dega E sedag atau E redah sumsi Ui ova: 1. ube diambil

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

IV. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan September sampai Desember

IV. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan September sampai Desember IV. METODOLOGI PENELITIAN 4.1. Metode Peelitia 4.1.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka pada bula September sampai Desember 2009, bertempat di Laboratorium Terpadu IPB yag beralamat di Kampus

Lebih terperinci

FORECASTING (Peramalan)

FORECASTING (Peramalan) FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa

Lebih terperinci

BAHAN AJAR DIKLAT GURU MATEMATIKA

BAHAN AJAR DIKLAT GURU MATEMATIKA BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...

Lebih terperinci

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

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

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Peelitia Perkembaga zama yag meutut setiap idividu baik dari segi kemampua maupu peampila. Boss Parfum yag bergerak di bidag isi ulag miyak wagi didirika

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

APLIKASI JARINGAN SYARAF TIRUAN PADA DATA MULTIVARIATE

APLIKASI JARINGAN SYARAF TIRUAN PADA DATA MULTIVARIATE Semiar Nasioal Statistia X stitut Teologi Sepuluh Nopember, 7 November 009 APLKAS JARNGAN SYARAF TRUAN PADA DATA MULTVARATE Dra. Kartia Fitriasari, M.Si da Putri Susati Dose Jurusa Statistia FMPA-TS, Surabaya

Lebih terperinci

Bab 6: Analisa Spektrum

Bab 6: Analisa Spektrum BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi

Lebih terperinci

KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING

KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING Kode Maalah M- KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING SEM Oleh : Nur Rusliah Prof. Dr. Dra. Susati Liuwih, M.Stat Dra. Kartia Fitriasari, M.Si. ABSTRAK Structural Equatio

Lebih terperinci

PERENCANAAN KARIR DAN KOMPENSASI

PERENCANAAN KARIR DAN KOMPENSASI PERENCANAAN KARIR DAN KOMPENSASI PENGERTIAN Karier adalah seluruh pekerjaa yag ditagai selama kehidupa kerja seseorag. Jalur karier, adalah pola pekerjaa-pekerjaa beruruta yag membetuk karier seseorag.

Lebih terperinci

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =

Lebih terperinci