FUZZY PREFERENCE RELATION UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN MULTI-CRITERIA PEMILIHAN SUPPLIER

Ukuran: px
Mulai penontonan dengan halaman:

Download "FUZZY PREFERENCE RELATION UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN MULTI-CRITERIA PEMILIHAN SUPPLIER"

Transkripsi

1 Konferens Nasonal Sste dan Inforata 2008; Bal, Noveber 5, 2008 FUZZY PREFERENCE RELATION UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN MULTI-CRITERIA PEMILIHAN SUPPLIER Gregorus S. Budh ), Isa Irawan 2), Jan S. Natala 3) Unverstas Krsten Petra Jurusan Ten Inforata, 3), Insttut Tenolog Sepuluh Nopeber Surabaya 2) ABSTRACT Supplers are an portant part for a copany. Choosng the rght suppler s a dffcult tas for the decson aers n a copany, especally when there are any supplers havng the sae qualty. In order to solve that proble, an applcaton has been developed to help choosng supplers. Ths applcaton uses fuzzy preference relaton ethod for the calculaton process. Inputs of ths applcaton are obtaned for suppler electon questonnares provded by anagers and drectors. A ran of canddate supplers s shown n the fnal result/output. Wth ths applcaton, t s easy to deterne whch suppler to be chosen and t doesn t tae to uch te. Besdes, t also saves the crtera for each type of ateral. Keyword: Fuzzy Preference Relaton, Decson Support Syste. Pendahuluan Dala banya organsas, banya varas dar eputusan yang dbuat setap harnya ba oleh anager enengah, top anager, dan aretng analysts. Mengabl eputusan adalah salah satu dar egatan anusa yang palng dasar dala ehdupan sehar-har. Dala proses pengablan eputusan tersebut anusa serngal dhadapan pada banya varas alternatf yang dapat dplh, sehngga untu sebuah top perasalahan yang saa beberapa orang pengabl eputusan dapat engabl eputusan yang berbeda. Dala duna bsns, proses pengablan eputusan enad enad salah satu unc yang endasar dan pentng sepert dala nventory control, nvestas, pengebangan produ baru, dan lan-lan hngga sapa pada pelhan suppler untu enyupla bahan bau. Keputusan yang dabl searang aan berpengaruh terhadap atuh bangunnya sebuah perusahaan d eudan har. Pada peneltan n dcoba untu eanfaatan etode Fuzzy Preference Relaton guna engaoodas proses pengablan eputusan pelhan suppler barang, dana dala pelhannya ada beberapa rtera yang aan dadan bahan pertbangan. Bla proses n dlauan secara anual, aan eaan watu laa untu pebahasannya, engngat, setap pengabl eputusan past el perngat yang berbeda untu tngat epentngan peaaan sebuah rtera dala proses pengablan eputusannya, sal: pengabl eputusan enganggap rtera A lebh pentng dbandng rtera B, seentara pengabl eputusan 2 enganggap sebalnya. Kesultan lan yang dhadap penentuan suppler ana yang palng coco untu rtera tertentu, asng asng pengabl eputusan dapat pula el pendapat yang berbeda. Karena tu, basanya pengablan eputusan dlauan dengan cara votng suppler, sehngga yang endapat suara terbanya yang enang. Cara n sangat subyetf dan berorentas pada suppler-nya buan berdasaran pada barang yang dbutuhan. 2. Teor Penunang 2. Decson Support Syste (DSS) Pertaa al DSS ddefnsan sebaga suatu sste yang dharapan dapat enduung pengablan eputusan anageral dala pengablan eputusan sestructured. DSS dasudan sebaga tabahan untu eperluas eapuan para pepn tetap buan untu enggantan eputusan erea. Tuuan utaa yang enad pusat dar DSS adalah untu enduung dan dan enngatan pengablan eputusan. Dala pengebangan defns dar DSS baru-baru n fousnya lebh epada nput darpada outputnya. Alasan dar adanya perubahan n adalah arena adanya esultan untu enentuan uuran/batasan dar output dar DSS. Aplas DSS basanya dbangun untu enduung solus dar perasalahan yang past atau untu engevaluas sebuah esepatan [5]. 2.2 Pengablan Keputusan Mebuat eputusan adalah salah satu egatan yang palng dasar dar anusa. Dala ehdupan sehar-har setap anusa selalu dhadapan dengan banya varas alternatf as dala engatas perasalahannya, dan d dala suatu nstans atau perusahaan ta harus enentuan as ana yang tepat untu ta abl dar as-as yang terseda [6]. D dala engabl eputusan, dperluan adanya suatu proyes dar outcoes (hasl) untu setap tndaan. Selan tu uga, suatu perbandngan atas outcoes tersebut untu enentuan strateg yang terba. D luar dar eapuan pengabl eputusan untu epreds outcoes dar setap alternatf tndaan, pengablan eputusan dapat dbedaan atas [6] : Pengablan eputusan dala onds past. Pengablan eputusan dala onds reso. Pengablan eputusan dala onds tda past. 7

2 Konferens Nasonal Sste dan Inforata 2008; Bal, Noveber 5, 2008 Sedangan enurut ulahnya pengabl eputusan dapat dbedaan enad: pengablan eputusan ndvdu (ndvdual decson ang) dan pengablan eputusan berelopo (group decson ang) [6]. Keputusan yang palng utaa adalah eputusan yang dbuat oleh elopo yang dapat elput orang-orang dar departeen atau organsas yang berbeda. Banya forat penyaan yang berbeda yang dapat dgunaan untu enyataan plhan [2,3], yatu: Alternatve Preference Relaton Utlty Functon Fuzzy Preference Relatons Multplcatve Preference Relatons 2.3 Pengablan Keputusan Multperson (Multperson Decson Mang) Pengablan eputusan ultperson dgabaran dala stuas dana terdapat dua atau lebh ndvdu dan beberapa alternatf plhan. Setap ndvdu epunya araterst sesua dengan perseps, sap, otvas, dan eprbadan yang dl asng-asng expert yang pada ahrnya dapat epengaruh strutur plhannya [2,4] Preference Orderng Dar alternatf plhan yang dberan, dala strutur n seorang peber eputusan e, eberan plhannya terhadap X sebaga salah satu preference orderng, O = { O ( ),..., O ( n) }. Untu setapo, poss/nla yang lebh rendah dar suatu alternatf dala suatu preference orderng engplasan alternatf yang lebh ba enurut peber eputusan dan sebalnya [3, 4]. 2.4 Fuzzy Preference Relatons Preference relaton adalah penyaan nforas yang uu dgunaan dala perasalahan pengablan eputusan. Oleh arena tu, preference relaton erupaan suatu alat yang beranfaat pada odel proses pengablan eputusan, terutaa eta aan engupulan plhan seorang expert e dala plhan elopo [4]. Suatu fuzzy preference relatons P pada satu hpunan alternatf X adalah suatu hpunan fuzzy dengan P X X dan dengan suatu fungs eanggotaan [3, 4] : µ p : X X [ 0, ] () Ja cardnaltas X ecl, aa plhan relas yang ungn adalah dengan dwal oleh atrs n P = 8 n dan ( ) enad P = µ p ( x, x ), {,2,..., n}. Labang p dasusan sebaga deraat tngat plhan alternatf x terhadap dan p = 2 enanda adanya sap acuh ta acuh antara x dengan x ( x ~ x ), sedangan p = enunuan bahwa x sepaat dplh oleh x, dan p > 2 enunuan bahwa x x f x. x lebh dsua terhadap ( ) 2.4. Transforas Data Fungs transforas berfungs untu enghubungan preference orderng dengan relas plhan fuzzy dan endapatan relas plhan fuzzy setap peber eputusan dar preference orderng yang telah ada. Fungs transforas dar preference orderng e relas plhan fuzzy dapat dnyataan dala proposs sebaga berut [4] : Proposs. Ja dberan suatu hpunan alternatf, X { x x,..., } =, 2 x n dan λ adalah presentas suatu evaluas yang dasosasan terhadap x, yang engndasan perforans dar alternatf tersebut berdasaran penlaan peber eputusan e, aa ntenstas dar plhan alternatf x terhadap x untu e, adalah P, yang dberan dengan fungs transforas sebaga berut : P = ϕ ( λ, λ ) = ( + ψ ( λ, λ ) ψ ( λ, λ ) (2) 2 dana ψ adalah fungs:. ψ ( z, z) = 2, z R 2. ψ adalah fungs non decreasng (tda turun) pada arguen pertaa dan non ncreasng (tda na) pada arguen edua. Ja λ = o erepresentasan preference orderng dar alternatf x dan x y ψ ( x, y) =, aa : 2 n P = f o ( ) o, o = + 2 n o ( ) Proses Penaran Kespulan Pada proses transforas dhaslan suatu hpunan relas plhan fuzzy yang selanutnya aan dgunaan dala proses seles yang terdr dar 2 tahap [4] : p x (3)

3 Konferens Nasonal Sste dan Inforata 2008; Bal, Noveber 5, 2008 a. Fase Agregas Tahap n endefnsan suatu oletf relas plhan c c [ P ] 2 dar setap ndvdu { P, P,..., P } P = dperoleh dar pengupulan seua relas plhan fuzzy dan engndasan plhan global antara seua pasangan terurut dar alternatf yang ada enurut ayortas dar opn peber eputusan. Pengupulan n dlauan enggunaan, operator OWA φ, sebaga berut: c ( P,..., P ) = P = φ w b (4) adalah suatu penguur lngust fuzzy yang dgunaan untu enghtung pebobotan vetor dar dana w [ 0,] dan w =, w = ( ) ( ( ) ), = ( P,..., ) P. =,..., dan φ, W [ w,..., ] =, w b adalah nla terbesar e- dala oles b. Fase Esplotas Tahap n entransforasan nla global tentang alternatf e ranng global dana hpunan solus alternatf telah dperoleh. Ranng global dperoleh dengan enggunaan dua deraat plhan yatu: quantfer guded donance degree dan quantfer guded non donance degree. uantfer Guded Donance Degree: GDD, dgunaan untu enguur donas alternatf x terhadap alternatf lan dala pengertan fuzzy aorty, yang dhtung dengan ruus sebaga berut: c GDD = φ ( P, =,... n) (5) uantfer Guded Non Donance Degree (GNDD), yang dhtung dengan ruus sebaga berut: s GNDD = φ ( P, =,..., n) (6) s c c dana P = ax[ P P,0] yang erepresentasan deraat dana x dengan eras ddonas oleh x. Ahrnya solus X sol dperoleh dengan enggunaan deraat plhan n dengan elh alternatf yang epunya nla deraat plhan yang palng tngg. 2.5 Ordered Weghted Averagng (OWA) Operator φ : 0, n 0, yang berhubungan dengan suatu hpunan bobot. Suatu operator OWA yang berdens n adalah fungs [ ] [ ] { a,...,a } erupaan suatu daftar nla untu pengupulan (aggregate), aa operator OWA φ ddefnsan sebaga berut [, 8] : T ( a,..., a ) = W, B = dana W = [ w,..., w ] adalah vetor bobot, [ 0,] adalah nla terbesar e- dala oles a,..., a φ w b (7) = w, w = ; dan B adalah vetor nla terurut. Setap eleen b B. = Pada area penguuran yang eandu pengupulan, untu enghtung bobot untu proses aggregaton (operator OWA sebaga alatnya) adalah dengan enggunaan penguur lngust yang erepresentasan onsep dar fuzzy aorty. Cara untu enghtung bobot dar operator OWA aggregaton dengan enggunaan penguur fuzzy, yang erupaan suatu penguur proportonal non-decreasng druusan sebaga berut [, 8] : w =, =,..., n (8) n n Suatu penguur fuzzy yang dgunaan untu enghtung bobot dar operator OWA φ dsbolan φ. 3. Metodolog Peneltan Metodolog peneltan yang dlauan dala pengeraan rset n adalah sebaga berut: ) Stud lteratur tentang: Decson Support Syste, Ten pengablan eputusan ult-person dan Fuzzy Preference Relaton. 2) Survey e perusahaan untu lebh endala perasalahan yang dhadap. 3) Desan dan pebuatan software 4) Penguan aplas: Penguan oleh penelt dan penguan oleh calon peaa. 5) Penulsan laporan ahr, pada tahap n dlauan penulsan douentas terhadap dsan, pleentas progra dan hasl-hasl penguan. Selan tu dlauan pula enulsan aalah senar. 9

4 Konferens Nasonal Sste dan Inforata 2008; Bal, Noveber 5, Desan Software Data Flow Dagra Level 0 dar software yang dbuat dapat dlhat pada Gabar. Gabar. Data Flow Dagra Level 0 dar Software Penelasan dar tga sub-sste dala software yang dbuat adalah sebaga berut: Master Data, dlauan oleh bagan adnstras dengan tuuan untu eudahan para pengabl eputusan. Data aster yang dnputan elput aster suppler, aster barang lengap dengan rtera-rtera yang dgunaan untu elh suppler elalu usoner, dan terahr data dar para pengabl eputusan. Penyebaran dan Pengsan Kusoner. Pada tahap n para pengabl eputusan enentuan urutan rtera berdasaran tngat epentngan sebuah rtera terhadap barang yang aan dbel. Penentuan urutan epentngan rtera n dapat berbeda beda antar satu dan lan pengabl eputusan (preference orderng). Selanutnya, ash enggunaan etode preference orderng, pengabl eputusan uga enentuan urutan suppler yang da ngnan (prefered) pada tap tap rtera yang ada. Perhtungan Hasl Survey. Input dar sub-sste n adalah data preference orderng dar rtera rtera barang yang dproses dan data preference orderng dar tap suppler untu tap rtera dar barang yang dproses, dar asng asng pengabl eputusan. Dua aca data n dproses enggunaan Fuzzy Preference Relatons enad daftar Alternatf Rangng Suppler terhadap barang yang dproses. Dharapan Alternatf Rangng Suppler n dapat ebantu ppnan perusahaan untu enentuan suppler ana yang aan dplh. Proses lebh detal adalah sebaga berut: Pertaa taa data preference orderng drubah enad atrs relas fuzzy enggunaan persaaan 3. Selanutnya proses penaran espulan dlauan terhadap atrs relas fuzzy tersebut dala dua fase. Pertaa, Fase Agregas untu endapatan nla oletf dar seua pengabl eputusan dan selanutnya Fase Esplotas untu endapatan nla rangng global dar tap suppler. Pada Gabar 2 dan 3 dapat dlhat antar ua dar software yang dbuat. 0

5 Konferens Nasonal Sste dan Inforata 2008; Bal, Noveber 5, 2008 Gabar 2. Contoh Antar Mua Untu Pengsan Kusoner Barang Inner Crtera Serat Oleh Salah Seorang Pengabl Keputusan. Gabar 3. Contoh Antar Mua Alternatf Rangng Suppler Untu Barang Inner Setelah Dproses Menggunaan Fuzzy Preference Relatons 5. Penguan Penguan software pebantu pengablan eputusan n dlauan dengan bantuan 8 orang calon peaa dar sebuah perusahaan pebuat ore ap d Surabaya. Hasl penguan dapat dlhat pada Tabel. Tabel. Hasl Penguan oleh Calon Peaa No. Naa Jabatan Pertanyaan Robert Isa Factory Manager Loento Isa Dretur Yohanes Pebelan Wat Kepala Produs Roeslan ualty Control Rusyanto R&D Koes Yunanto Kepala Gudang Oy Adnstras Prosentase Nla Rata-Rata 95% 87% 90% 92%

6 Konferens Nasonal Sste dan Inforata 2008; Bal, Noveber 5, 2008 Keterangan Sala Penlaan Nla 5 : Sangat Ba Nla 4 : Ba Nla 3 : Cuup Nla 2 : Kurang Nla : Sangat urang Keterangan rtera: Pertanyaan : Ketepatan nforas yang dhaslan Pertanyaan 2 : Desan Interface Pertanyaan 3 : Keudahan penggunaan progra Pertanyaan 4 : Nla tabah dar proses yang dhaslan untu ebutuhan Perusahaan. 6. Kespulan Dar hasl analss, perancangan, pleentas dan penguan software, dapat dabl espulan, yatu: Software dapat enypan setap data rtera dan calon suppler serta engolah enad suatu uesoner yang dapat eperudah dala elauan pelhan suppler Ranng dar calon suppler sehngga dapat detahu dengan past bobot dar setap calon suppler berdasaran pendapat (preference) pengabl eputusan. Berdasaran pada hasl penguan oleh calon peaa, dapat detahu bahwa software telah dapat eenuh ebutuhan dar calon peaa tersebut. 7. Ltas Peneltan Peneltan n dbuat untu eenuh ebutuhan sebuah perusahaan pebuat ore ap d Surabaya guna pebantu pengablan eputusan pelhan suppler bahan bau. Sehngga, software n belu tentu sesua bla dgunaan untu eenuh ebutuhan d perusahaan lan atau pengablan eputusan lan. Daftar Pustaa [] Carlsson C. and R.Fuller (997). OWA Operators for Decson Support. Proceedngs of EUFIT 97 Conference Vol II. Septeber 8-, 997. Verlag Manz, Aachen, Gerany. [2] Chclana, F., F. Herrera and E. Herrera-Veda (998). Multperson Decson Mang Based On Multplcatve Preference Relatons. TR988. Dept of Coputer Scence and A. I.. Unversty of Granada. [3] Chclana, F., F. Herrera and E. Herrera-Veda (998). Integratng Tree Representaton Models n Fuzzy Multpurpose Decson Mang Based On Fuzzy Preference Relatons. Fuzzy Sets And Systes 97. [4] Chclana, F., F. Herrera and E. Herrera-Veda (998). Integratng Multplcatve Preference Relatons n a Multpurpose Decson Mang Model Based On Fuzzy Preference Relatons. TR Dept of Coputer Scence and A. I. Unversty of Granada. [5] Han, Jawe and Mchelne Kaber (200). Data nng: Concepts And Technques. Morgan Kaufann, Chcago. [6] Klr George J. (200). Fuzzy Sets And Fuzzy Logc Theory & Applcaton. Prentce Hall, New Yor. [7] Saaty, Th. L. (993). Pengablan Keputusan Bag Para Pepn, Proses Hrar Analt Untu Pengablan Keputusan Ala Stuas Yang Koples. PT. Pustaa Bnaan Pressndo, Jaarta. [8] Yager, R. R. (993). Fales of OWA Operators. Fuzzy Sets and Systes 59. 2

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA onferens Nasonal Sste dan Inforatka 09; Bal, Noveber 4, 09 PENERAPAN LOGIA FUZZY DALAM PENGAMBILAN EPUTUSAN UNTU JALUR PEMINATAN MAHASISWA Sauel Lukas*, Melayana**, Wlla Sson* * Jurusan Teknk Inforatka

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT PEAKSIR PRODUK AG EFISIE UUK RAA-RAA POPULASI PADA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKA Dw Andn *, Frdaus, Arsan Adnan Mahasswa Progra S Mateata Dosen Jurusan Mateata Faultas Mateata Ilu Pengetahuan

Lebih terperinci

Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004

Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Senar asonal Aplas enolog Inforas 004 ogyaarta, 9 Jun 004 Perancangan Jarngan Syaraf ruan Upan Bal Berbass ndows Stud Kasus Pengenalan uer Arab Sauel Luas, Arnold Arbowo, Sepren Faultas Ilu Koputer Unverstas

Lebih terperinci

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6)

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6) ISSN : 693 73 Penerapan Aljabar Matrk Dala Analsa Masukan-Keluaran Elstya Rawat 6) Abstrak Analsa asukan-keluaran bertolak dar anggapan bahwa suatu sste perekonoan terdr atas sector-sektor yang salng berkatan.

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon Pelabelan Total Ss Ajab Pada Subkelas Pohon Hlda Rzky Nngtyas, Dr Daraj, SS, MT [] Jurusan Mateatka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopeber (ITS Jl Aref Rahan Hak, Surabaya 60 E-al: daraj@ateatkatsacd

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Analss Model Loglner Untu data yang bersfat ategor dan dapat dbentu pada suatu tabel ontngens, dapat danalss dengan analss odel loglner. Model loglner dgunaan untu enganalss eungnan

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

PERMASALAHAN LOKASI (Model Dasar) [2]

PERMASALAHAN LOKASI (Model Dasar) [2] PERMASALAHAN LOKASI Model Dasar [] Technques of Contnuous Space Locaton Probles Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch provde

Lebih terperinci

Median Method. Types of Distance Rectilinear distance / Manhattan distance / City block distance / rigth-angle distance / rectangular distance

Median Method. Types of Distance Rectilinear distance / Manhattan distance / City block distance / rigth-angle distance / rectangular distance 30/05/04 Technques of Contnuous Space Locaton Probles PERMASALAHAN LOKASI Model Dasar [] Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch

Lebih terperinci

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Aslnda 1), Andea

Lebih terperinci

Bab VII Contoh Aplikasi

Bab VII Contoh Aplikasi Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).

Lebih terperinci

SISTEM INFORMASI PENENTUAN SISWA BERPRESTASI DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (Studi Kasus : MTs Terpadu Riyadul Badiah)

SISTEM INFORMASI PENENTUAN SISWA BERPRESTASI DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (Studi Kasus : MTs Terpadu Riyadul Badiah) SISTEM INFORMASI PENENTUAN SISWA BERPRESTASI DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (Stud Kasus : MTs Terpadu Ryadul Badah) Erk Kurnad * Sste Inforas Unverstas Kunngan erk@unku.ac.d ABSTRACT The

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

Penerapan Diagram Kontrol Multivariat np pada Proses Produksi Hexagon Bolt M16x75mm di PT. Timur Megah Steel Gresik

Penerapan Diagram Kontrol Multivariat np pada Proses Produksi Hexagon Bolt M16x75mm di PT. Timur Megah Steel Gresik 1 Penerapan Dagra Kontrol Multvarat np pada Proses Produs Hexagon Bolt M16x75 d PT. Tur Meg Steel Gres Febranto, Muhaad Mashur 1, dan Luca Ardnant Jurusan Statsta, Faultas Mateata dan Ilu Pengetuan Ala,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar)

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar) J. Sans IPA, Aprl 009, Vol. 5, o., Hal.: 66-70 ISS 978-873 PEETUA UKURA COTOH OPTIU DESAI TWO STAGE CLUSTER SAPLIG (Stud Kasus Pendugaan Varabel Deograf d Kabupaten Bltar) Rusda Yulyant* Pusat Peneltan

Lebih terperinci

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS)

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) BAB III SAPLING BERKELOPOK DAN SAPLING BERKELOPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) 3. Saplng Berkelopok Populas elk konds yang berbeda beda jka dlhat berdasarkan ukurannya. Pada pebahasan

Lebih terperinci

Jurnal Sipil Statik Vol.1 No.8, Juli 2013 ( ) ISSN:

Jurnal Sipil Statik Vol.1 No.8, Juli 2013 ( ) ISSN: Jurnal Spl Statk Vol. No.8 Jul 3 (79-86) ISSN: 337-673 PEMILIHAN SISTEM PENGAMANAN PANTAI DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS: PANTAI WORI DI KECAMATAN WORI KABUPATEN MINAHASA

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PILIHAN MINAT PERGURUAN TINGGI DI KOTA JAMBI DENGAN MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PILIHAN MINAT PERGURUAN TINGGI DI KOTA JAMBI DENGAN MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Semnar Nasonal plas Tenolog Informas 20 (SNTI 20) ISSN: 907-5022 Yogyaarta, 7-8 Jun 20 SISTEM PENDUKUNG KEPUTUSN UNTUK MENENTUKN PILIHN MINT PERGURUN TINGGI DI KOT JMBI DENGN MENGGUNKN FUZZY MULTI CRITERI

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR PROSIDING ISBN : 978 979 6353 3 MEODE LEVENBERG MARQUARD UNUK MASALAH KUADRA ERKECIL NONLINEAR -8 Lusa Krsyat Budash Progra Stud Mateatka Unverstas Sanata Dhara Yogyakarta lusa_krs@sta.usd.ac.d Abstrak

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi JURNA INFORMATIKA, Vol.4 No.2 September 27, pp. 222~229 ISSN: 2355-6579 E-ISSN: 2528-2247 222 Optmas Baru Program near Mult Objetf Dengan Smplex P Untu Perencanaan Produs Maxs Ary Am BSI Bandung e-mal:

Lebih terperinci

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL SAINS DAN SENI ITS Vol 1, No 1, (Sept 2012) ISSN: 2301-928 A-34 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, I Gust Ngurah Ra

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

ANALISIS PERBANDINGAN METODE FUZZY C-MEANS DAN SUBTRACTIVE FUZZY C-MEANS. Baiq Nurul Haqiqi 1, Robert Kurniawan 2. Abstract

ANALISIS PERBANDINGAN METODE FUZZY C-MEANS DAN SUBTRACTIVE FUZZY C-MEANS. Baiq Nurul Haqiqi 1, Robert Kurniawan 2. Abstract Analss Perbandngan (Baq urul Haqq) AALISIS PERBADIGA METODE FUZZY C-MEAS DA SUBTRACTIVE FUZZY C-MEAS Baq urul Haqq, Robert Kurnawan, Jurusan Koputas Statst, Seolah Tngg Ilu Statst (STIS) Eal: qq0693@naver.o,

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Permasalahan Cutting Stock Satu Dimensi

BAB 2 LANDASAN TEORI. 2.1 Permasalahan Cutting Stock Satu Dimensi A 2 LANDASAN TEORI 2. Perasalahan Cuttng Stoc Satu Dens Perasalahan Cuttng stoc erupaan suatu perasalahan ang uncul arena bana paa aplasna ala bang pernustran. Msalan ala pernustran au, bagaana eanaeen

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL TEKNIK POMITS Vol, No, (22) -6 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, Nur Wahyunngsh 2, dan I Gust Ngurah Ra Usadha 3

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 PENDHULUN 1.1 Latar elakang Dala pelaksanaan proyek serng kal engala suatu habatan atau penypangan sehngga serng terad kerugan bag penyelesaan proyek tersebut. Untuk tu perlu adanya suatu perencanaan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK

ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK Tess ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK Oleh : MUHAMMAD NAFI NRP.304008 PROGRAM PASCASARJANA PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI

Lebih terperinci

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI AWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL Mega Pradpta, Madu Ratna, I Nyoan Budantara urusan Statstka Fakultas MIPA Insttut Teknolog Sepuluh Nopeber

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN

REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN Jurnal Ilah ILMU KOMPUTER Unverstas Udayana Vol. 9, No., Aprl 206 ISSN 979-566 REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN I Gust Agung Gede

Lebih terperinci

STUDI ALIRAN DAYA MENGGUNAKAN JARING SARAF TIRUAN COUNTERPROPAGATION TERMODIFIKASI

STUDI ALIRAN DAYA MENGGUNAKAN JARING SARAF TIRUAN COUNTERPROPAGATION TERMODIFIKASI Senar Nasonal Aplas Tenolog Inforas 8 (SNATI 8 ISSN: -5 Yogyaarta, Jun 8 STUDI ALIRAN DAYA MENGGUNAKAN JARING SARAF TIRUAN COUNTERPROPAGATION TERMODIFIKASI Arullah,, Ontoseno Penangsang, Maurdh Hery Purnoo

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

Peramalan Tingkat Suku Bunga Sertifikat Bank Indonesia Berdasarkan Data Fuzzy Time Series Multivariat

Peramalan Tingkat Suku Bunga Sertifikat Bank Indonesia Berdasarkan Data Fuzzy Time Series Multivariat Jurna ILU DASAR, Vo. No., Ju 00: 05-05 Peraaan Tngat Suu Bunga Sertfat Ban Indonesa Berdasaran Data Fuzzy Te Seres utvarat Forecastng Interest Rate of Ban Indonesa Certfcate Based on utvarate Fuzzy Te

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

JDS, Jilid II No. 2, Oktober 2016

JDS, Jilid II No. 2, Oktober 2016 JDS, Jld II No. 2, Otober 2016 ANALISIS SISTE TENAGA LISTRIK SULAWESI DENGAN PENDEKATAN SEKURITI PEBEBANAN. YUSRI ABABUNGA Seolah Tngg Ten Dharayad aassar Faultas Ten, Jurusan Ten Eletro Eal : ababungayusr@gal.co

Lebih terperinci

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Statistika Deskriptif

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Statistika Deskriptif PENDAHULUAN Latar Belaang Persangan harga dan spesfas pada ndustr noteoo yang sean etat engharusan produsen encar nforas yang leh aurat engena tngah lau dan engnan onsuen terhadap spesfas seuah noteoo.

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun

Lebih terperinci

Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu

Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan

Lebih terperinci

KEANDALAN SISTEM PEMBANGKIT LISTRIK TENAGA DIESEL DI KABUPATEN MERAUKE-PAPUA

KEANDALAN SISTEM PEMBANGKIT LISTRIK TENAGA DIESEL DI KABUPATEN MERAUKE-PAPUA Jurnal Ilah Mustek An Ha Vol. 4 o. 3, Deseber 2015 KEADALA SISTEM PEMBAGKIT LISTRIK TEAGA DIESEL DI KABUPATE MERAUKE-PAPUA Johan Kar Eal: Joka_joka73@yahoo.co, papeda99@yahoo.co.d Jurusan Teknk Elektro,

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdng Senar Sans dan Teknolog FMIPA Unul Perode Maret 016, Saarnda, Indonesa ISBN: 978-60-7658-1-3 Pengendalan Kualtas Produk Menggunakan Peta Kendal T Hotellng Dan Analss Keapuan Proses Untuk Data Multvarat

Lebih terperinci

ARUS BOLAK BALIK V R. i m

ARUS BOLAK BALIK V R. i m Modul 9 Elektroagnet KEGIATAN BEAJA A. ANDASAN TEOI AUS BOAK BAIK Arus dan tegangan lstrk bolak balk adalah arus dan tegangan lstrk yang berubah terhadap waktu atau erupakan fungs waktu. Yang berubah adalah

Lebih terperinci

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI Yunarstanto 1 Irwan Iftad 1 Iwan Ngabd Raharjo 2 Abstract: Producton flow n PT. Tga Seranga Pustaa Mandr

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN TATA LETAK PADA GUDANG PERSEDIAAN MULTI PRODUK DI PT. SINAR BAJA ELEKTRIK SURABAYA

PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN TATA LETAK PADA GUDANG PERSEDIAAN MULTI PRODUK DI PT. SINAR BAJA ELEKTRIK SURABAYA PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN TATA LETAK PADA GUDANG PERSEDIAAN MULTI PRODUK DI PT. SINAR BAJA ELEKTRIK SURABAYA Brd. Suryanto 1) dan Mochaad Hatta 2) Jurusan Teknk Industr, Unverstas 45 Surabaya

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN 69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Studi Kasus: CV. Triad)

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Studi Kasus: CV. Triad) Jurnal Informatka Mulawarman Vol. 10 No. 2 September 2015 1 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Stud Kasus: CV. Trad) Bunga Annete Bennng 1), Indah Ftr Astut 2),

Lebih terperinci

Jurnal Pendidikan Matematika & Matematika

Jurnal Pendidikan Matematika & Matematika Jurnal Penddkan Mateatka & Mateatka Syasah. (2011). Pengaruh Puasa Terhadap Konsentras Belajar Sswa. Jakarta: UIN Syarf Hdayatullah Jakarta. Thabrany, Hasbullah. (1995). Rahasa Sukses Belajar. Jakarta:

Lebih terperinci

V = adalah himpunan hingga, dan misalkan

V = adalah himpunan hingga, dan misalkan BAB III ALJABAR HIPERGRAF 3. Hpergraf Defns Msalkan { v, v2,..., vn} V = adalah hpunan hngga, dan salkan ε = {, I} adalah koleks dar hpunan bagan dar V. Koleks ε enjad E suatu hpergraf pada V jka hpergraf.

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

5.. Kekakuan Portal Bdang (Plane Frae) BAB 5 ANASS STRUKTUR PORTA BANG Struktur plane rae erupakan suatu sste struktur ang erupakan gabungan dar seulah eleen (batang) d ana pada setap ttk spulna danggap

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk IV. METODE PENELITIAN 4.1. Tempat dan Waktu Peneltan Peneltan n dlakukan d Sunga Sak, Kota Pekanbaru, Provns Rau. Penentuan lokas dlakukan secara tertuju (purposve) karena sunga n termasuk dalam 13 sunga

Lebih terperinci

Restorasi Citra Dengan Menggunakan Metode Iteratif Lanczos Hybrid Regularization

Restorasi Citra Dengan Menggunakan Metode Iteratif Lanczos Hybrid Regularization Restoras Ctra Dengan Menggunaan Metode Iteratf Lanczos Hybrd Regularzaton Yudh Purwananto, Rully Soelaman, Alfa Masjta Rahmat Jurusan Ten Informata, Faultas Tenolog Informas Insttut Tenolog Sepuluh Nopember

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA PERSPEKTIF COST

OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA PERSPEKTIF COST OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA PERSPEKTIF COST Program Stud Ten Informata ST3 Telom Purwoerto Jl. DI Panatan 128 Purwoerto tena@st3telom.ac.d,

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

Implementasi Algoritme Support Vector Machine (SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa

Implementasi Algoritme Support Vector Machine (SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa Jurnal Pengebangan Teknolog Inforas dan Ilu Koputer e-issn: 2548-964X Vol. 2, No. 4, Aprl 2018, hl. 1704-1708 http://-ptk.ub.ac.d Ipleentas Algorte Support Vector Machne (SVM) untuk Predks Ketepatan Waktu

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan

Lebih terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

Pengembangan Metode Pengukuran Usabilitas Surel Dengan Fuzzy AHP Menurut Dimensi ISO 9421 Part 11

Pengembangan Metode Pengukuran Usabilitas Surel Dengan Fuzzy AHP Menurut Dimensi ISO 9421 Part 11 Perfora (204) Vol. 3, No.: 69-80 Pengebangan Metode Pengukuran Usabltas Surel Dengan Fuzzy AHP Menurut Dens ISO 942 Part Yustn Astr Andala ), Irwan Iftad 2), dan Wakhd Ahad Jauhar *2) ) Mahasswa Jurusan

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci