AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL"

Transkripsi

1 AN ANALISIS ANANGAN ENAWAAN ISKON ENGAN BANYAK ELANGGAN AN TITIK IMAS TUNGGAL Oleh: Endang Nurjaml G05970 EATEMEN MATEMATIKA FAKULTAS MATEMATIKA AN ILMU ENGETAHUAN ALAM INSTITUT ETANIAN BOGO BOGO 005

2 ABSTAK ENANG NUJAMIL. Analss ancangan enawaran skon dengan Banyak elanggan dan Ttk Imas Tunggal. bawah bmbngan SI NUIATI dan FAIA HANUM. enawaran dskon yang dlakukan seorang enjual untuk seta embelan barang yang melebh ukuran tertentu meruakan uaya untuk menngkatkan jumlah esanan ara elanggannya. Namun uaya yang dlakukan enjual tersebut bukan berart tana kendala, karena besarnya dskon dan ukuran mnmal barang yang dtawarkan menjad faktor utama dalam menentukan kebjakannya. Bag ara elanggan, ukuran esanan menjad faktor yang harus dertmbangkan karena berkatan erat dengan baya nventor (enymanan. Terlalu sedkt ukuran esanan, baya nventor kecl teta baya esanan menjad besar akbat serng melakukan emesanan dan tdak mendaatkan kernganan baya dar dskon. Jka ukuran esanan terlalu besar, elanggan mendaatkan dskon dan baya esanan kecl akbat jarangnya emesanan teta baya nventor menjad besar. ar kedua sudut andang tu, solus efektf adalah dengan cara mencar nla yang otmum sehngga kedua belah hak salng memeroleh keuntungan.

3 ANALISIS ANANGAN ENAWAAN ISKON ENGAN BANYAK ELANGGAN AN TITIK IMAS TUNGGAL Skrs Sebaga salah satu syarat untuk memeroleh gelar Sarjana Sans ada Fakultas Matematka dan Ilmu engetahuan Alam Insttut ertanan Bogor Oleh: Endang Nurjaml G05970 EATEMEN MATEMATIKA FAKULTAS MATEMATIKA AN ILMU ENGETAHUAN ALAM INSTITUT ETANIAN BOGO BOGO 005

4 Judul Nama NIM : ANALISIS ANANGAN ENAWAAN ISKON ENGAN BANYAK ELANGGAN AN TITIK IMAS TUNGGAL : Endang Nurjaml : G05970 Menyetuju, embmbng I embmbng II r. Ir. Sr Nurdat, M.Sc. NI ra. Farda Hanum, M.S. NI Mengetahu, ekan Fakultas Matematka dan Ilmu engetahuan Alam r. Ir. Yonny Koesmaryono, M.S. NI Tanggal Lulus:

5 Bulan bersnar ada malam har, sementara matahar bersnar ada sang har, namun orang yang hatnya dlut cnta dan kash sayang bersnar sang dan malam. (Mutara Zen Kuersembahkan karya tuls n bag orang-orang yang bersnar sang dan malam

6 AKATA Alhamdulllah, segala uj enuls anjatkan hanya bag Allah SWT, atas qudrah dan radah-nya sehngga karya lmah n daat dselesakan. Shalawat serta salam enuls samakan keada Nab Muhammad sebaga uswah dan rahmat bag seluruh alam. Amma ba du, Banyak faktor yang harus dhada enuls dalam menyelesakan stud d eartemen Matematka Fakultas Matematka dan Ilmu engetahuan Alam, Insttut ertanan Bogor n sehngga derlukan eranjangan masa stud sama dua semester. Adalah Ibu r. Ir. Sr Nurdat, M.Sc. dan Ibu ra. Farda Hanum, M. S. yang berseda menjad embmbng skrs saat enuls butuhkan agar daat memanfaatkan masa eranjangan stud tersebut. Oleh karena tu enuls ucakan terma kash atas segala kebakan dan ketulusannya. Ucaan terma kash juga enuls samakan keada Baak r. Ir. Hasm, EA. dan Baak r. Ir. Muhammad Nur Ad, M.S. atas waktu yang belau luangkan untuk memberkan saran dan nashat keada enuls. samng tu, enghargaan enuls samakan keada Hkmawan Abdul Hasan, Ahmad, Yana, Lukman, Andr, dan Luthf atas bantuannya dalam enyelenggaraan semnar tugas akhr enuls. Terma kash juga enuls ungkakan keada Abah, Um, Teh Ah, A Hendra, Lel, end, Lals, ras, Ast, dan Fauzy atas doa dan kash sayangnya. Terma kash juga enuls samakan keada semua hak yang tdak bsa enuls sebutkan satu er satu atas segala dukungan dan bantuannya. Akhr kata, semoga karya lmah n menjad syahdan (saks amal soleh bak bag enuls sendr mauun bag orang-orang yang terlbat d dalamnya dan daat bermanfaat bag saa un yang memunya mnat dan ketertarkan terhada karya lmah n. Amn. Bogor, Setember 005 Endang Nurjaml

7 IWAYAT HIU enuls dlahrkan ada tanggal Jun 976 sebaga anak kedua dar lma bersaudara dar Baak uduh Abdurrahman dan Ibu Anon Sumyat. Tahun 995 lulus dar SMA Neger anjur dan dua tahun berkutnya dterma masuk IB melalu jalur UMTN (Ujan Masuk erguruan Tngg Neger d Jurusan Matematka (sekarang, eartemen Matematka Fakultas Matematka dan Ilmu engetahuan Alam. Semasa kulah enuls ernah aktf d M (ewan erwaklan Mahasswa FMIA sebaga Ketua Koms Hubungan Eksternal dan Internal Mahasswa erode dan d Hmro Gumatka (Hmunan rofes Gugus Mahasswa Matematka sebaga Ketua Haran erode Tahun ernah menjad Ketua Hmat (Hmunan Mahasswa anjur cabang Bogor. Selan aktf d organsas mahasswa enuls juga ernah menjad assten mata kulah Agama ada semester gena erode dan , assten mata kulah engantar Matematka dan Kalkulus I sejak 998 sama 000.

8 AFTA ISI Halaman AFTA TABEL... v AFTA GAMBA... v AFTA LAMIAN... v I. ENAHULUAN. Latar Belakang.... Tujuan... II. LANASAN TEOI. Economc Order uantty (EO.... Kemonotan dan Kecekungan Fungs... III. EUMUSAN MASALAH. Model Baya Inventor elanggan.... Model Fungs Keuntungan enjual... 6 IV. ENGOTIMUMAN ANANGAN ENAWAAN ISKON. Kasus. Tngkat dskon yang dtetakan Kasus. Ttk mas yang dtetakan... 8 V. SIMULAN AN SAAN... 9 AFTA USTAKA... 9 LAMIAN... 0 v

9 AFTA TABEL Halaman ata lma elanggan... 7 erbandngan keuntungan sebelum dan sesudah enawaran dskon... 7 Ukuran esanan dan total baya nventor elanggan... 8 erbandngan keuntungan sebelum dan sesudah enawaran dskon Ukuran esanan dan total baya nventor elanggan... 8 AFTA GAMBA Halaman Varas tngkat ersedaan... Fungs baya enjual... 5 Kontrbus elanggan terhada keuntungan enjual ( dtetakan... 6 Sketsa kurva... 6 AFTA LAMIAN Halaman enjabaran ersamaan (... enjabaran ersamaan (5... enjabaran ersamaan (6... enjabaran ersamaan ( Bukt rooss... 6 Sketsa Gambar Sketsa Gambar Bukt rooss... 9 Bukt F meruakan fungs konkaf encaran Ttk Imas ada Kasus... 8 encaran Ttk Imas ada Kasus... 0 v

10 BAB I ENAHULUAN. Latar Belakang alam duna usaha, banyak cara yang dlakukan enjual untuk menngkatkan endaatan atau keuntungannya. Bag enjual yang memroduks barang sendr, keuntungan bsa deroleh dengan cara menngkatkan knerja manufaktur yang lebh efektf sehngga menghaslkan roduk yang lebh banyak. Selan tu, keuntungan juga bsa deroleh dengan cara mengurang jumlah engeakan dengan memerbanyak ukuran engeakan yang lebh besar, serta dengan cara mengurang baya transortas, msalnya dengan memuat lebh banyak jumlah esanan yang dkrmkan. Uaya berkutnya yang daat dharakan enjual untuk menngkatkan keuntungannya adalah dengan menngkatkan ukuran esanan ara embel atau elanggannya. Untuk encaaan hal tu, tdak jarang enjual menawarkan harga khusus atau dskon harga bag yang membel atau memesan barang dalam ukuran yang lebh besar. Secara umum, terdaat dua te dskon harga yang dtawarkan enjual, yatu dskon untuk semua unt barang yang dbel atau desan dan dskon untuk seta tambahan esanan dalam ukuran tertentu. ada te yang kedua, basanya dtawarkan terhada ara elanggan yang memlk ermntaan seta unt waktunya dalam ukuran yang cuku besar, sehngga dharakan daat menngkatkan jumlah esanannya. Uaya yang dtawarkan enjual n tdak begtu saja daat dterma oleh ara elanggannya, karena bag ara elanggan sendr ukuran esanan berkatan erat dengan masalah baya nventor atau enymanan. Semakn banyak esanan yang desan ara elanggan, semakn besar baya nventor yang harus dkeluarkan. Akbatnya, ara elanggan beruaya untuk melndung baya nventornya. Berkenaan dengan uaya enjual yang ngn menngkatkan keuntungannya dengan menawarkan dskon tersebut dan ara elanggan yang beruaya untuk melndung baya nventornya, ada hal yang menark untuk dkaj, yatu bagamana s enjual daat merancang enawaran dskon tersebut dengan melbatkan sudut andang ara elanggannya. Km dan Hwang (988 mencoba membuat model ermasalahan d atas. Kedua enuls n mula-mula memformulas fungs baya elanggan dan fungs keuntungan enjual serta membuat rosedur dalam engamblan keutusan keduanya, kemudan membangun algortme untuk mendaatkan nla otmum bag enjual mauun elanggan untuk tga kasus berkut n: a. Jka tngkat dskon dtetakan, bagamana mencar ttk mas yang otmum. b. Jka ttk mas dtetakan, bagamana mencar tngkat dskon yang otmum. c. Jka tngkat dskon dan ttk mas tdak dketahu, bagamana mencar nla yang otmum untuk keduanya.. Tujuan Tulsan n bertujuan memelajar dan membahas artkel karya Km dan Hwang (988 d atas. Oleh karena tu, sebagan besar mater yang dsajkan meruakan hasl karya keduanya dengan okok bahasan dsesuakan dengan yang terdaat ada tulsan tersebut. Berkut adalah okok-okok bahasannya: ada Bab II dberkan landasan teor yang mencaku enjelasan beberaa stlah dan teorema yang dergunakan dalam tulsan n. Bab III membahas formulas masalah yang dlengka dengan bukt-bukt rooss yang ada. Bab IV, membahas tentang konse engotmuman dskon yang melut dua ermasalahan ertama d atas, dan melengkanya dengan contoh kasus. ada Bab V dberkan smulan dan saran sebaga usulan tok yang menark untuk dtelt lebh lanjut.

11 BAB II LANASAN TEOI Sebaga engantar untuk memaham tulsan Km dan Hwang (988 d bawah n dberkan landasan teor dan enjelasan beberaa stlah dan notas yang dgunakan:. Economc Order uantty (EO efns [Economc Order uantty atau EO] Inventor atau ersedaan meruakan hal entng dalam sstem roduks dan kegatan emasaran karena terhambatnya ersedaan berart terhambat ula kegatan roduks dan emasaran, sehngga mengakbatkan kerugan bag erusahaan. Akan teta nventor yang berlebhan juga bukan berart suatu keuntungan karena banyak baya erawatan yang harus dkeluarkan dan barang yang dsman bereluang mengalam kerusakan atau ketnggalan jaman. engan demkan derlukan strateg untuk memnmumkan kedua efek negatf d atas. Tujuannya adalah untuk menentukan beraa banyak roduk yang harus desan (droduks dan beraa serng emesanan (roduks harus dlakukan agar baya yang dkeluarkan erusahaan atau elanggan menjad mnmum. ermasalahan n dar ss ermntaan dsebut sebaga economc order quantty roblem (EO atau economc roducton lotsze roblem bla dlhat dar ss roduks; dan serngkal cuku dsebut sebaga model ersedaan. Ada beberaa macam klasfkas dar model ersedaan n jka dtnjau dar sfat ermntaannya, yatu: ermntaan bersfat determnstk, daat bersfat stats dengan laju ermntaan teta seanjang waktu, atau dnams dengan laju ermntaan dketahu dengan ast teta bervaras satu erode ke erode berkutnya. ermntaan bersfat robablstk, yang memlk dua klasfkas serua: kasus stasoner, dengan fungs keadatan eluang ermntaan teta seanjang waktu, dan kasus nonstasoner, dengan fungs keadatan eluang bervaras seanjang waktu. Selan jens ermntaan yang meruakan faktor utama dalam erancangan model ersedaan, faktor-faktor berkut juga daat memengaruh cara erumusan model yang bersangkutan: tenggang waktu engrman (laglead tme, yatu waktu antara engajuan esanan dan enermaannya; daat bersfat determnstk atau robablstk, engsan kembal ersedaan, daat terjad dengan segera atauun dengan sebagan dem sebagan, horson waktu, mendefnskan erode dengan tngkat ersedaan dkendalkan, banyaknya roduk, daat melbatkan lebh dar satu roduk atau komodtas, serta mash banyak lag krtera yang daat daka. Model ersedaan Stats Satu roduk Asums-asums yang dgunakan adalah sebaga berkut: hanya ada satu jens roduk, laju ermntaan roduk adalah teta seanjang waktu, contnuous revew, esanan daat segera dlakukan kaan saja bla waktu telah menunjukkan reorder ont (waktu emesanan kembal, lead tme teta, engsan kembal ersedaan terjad dengan segera, tdak terjad kekurangan roduk esanan. Gambar berkut menglustraskan varas tngkat ersedaan dar model ersedaan n (notas,,,..., n dgunakan untuk menyatakan erusahaan atau elanggan. Tngkat ersedaan - t 0 Waktu (t Gambar Varas tngkat ersedaan. Tngkat ersedaan tertngg terjad ketka barang (roduk sejumlah desan.

12 Msalkan laju ermntaan adalah er unt waktu, sehngga tngkat ersedaan akan berada ada ttk nol setelah unt waktu dar waktu emesanan. dsebut sebaga anjang cycle, yatu tenggang waktu antara dua emesanan. Semakn kecl ukuran esanan, akan menyebabkan semakn serng emesanan harus dlakukan. In bsa berart baya akan lebh besar karena adanya baya esanan yang harus dkeluarkan seta kal melakukan emesanan. Akan teta n juga bsa berart baya akan lebh kecl karena akan menyebabkan rata-rata tngkat ersedaan menurun (lebh sedkt baya yang harus dkeluarkan untuk enymanan. Sebalknya ukuran esanan yang besar akan mengakbatkan rata-rata tngkat ersedaan lebh tngg, dan tenggang waktu antar emesanan lebh anjang. Sehngga derlukan uaya untuk menentukan ukuran esanan yang memnmumkan total baya nventor er unt waktu. (Setawan, 00 efns [Ttk mas atau rce break ont atau break even ont] Ttk mas adalah ttk (level oeras erusahaan sedemkan sehngga total baya roduks dengan total endaatan sama besar, basanya dnyatakan dalam bentuk ukuran unt barang atau unt uang (dollar. (Thacker,978 efns [Ukuran lot] Ukuran lot adalah banyaknya ersedaan barang bak melalu embelanjaan atau hasl roduks dalam jumlah yang cuku untuk mengantsas ermntaan. (Lews, 00 efns [Baya set-u] Baya set-u adalah baya yang dkeluarkan berkenaan dengan ukuran lot. (Km & Hwang, 988. Kemonotan dan Kecekungan Fungs efns 5 [Kemonotonan Fungs]. f adalah nak ada I jka untuk seta asang blangan x dan x dalam I, x < x f x < f ( ( x. f adalah turun ada I jka untuk seta asang blangan x dan x dalam I, x < x f x > f ( ( x. f monoton murn ada I jka a nak ada I atau turun ada I (urcell & Varberg, 999 efns 6 [Kecekungan Fungs] Andakan fungs f terdefns ada selang terbuka I (a, b. Fungs (dan grafk f dkatakan :. konveks atau cekung ke atas jka f nak ada I.. konkaf atau cekung ke bawah jka f turun ada I. (urcell & Varberg, 999 Teorema [Kemonotonan Fungs] Andakan f kontnu ada selang I dan daat ddferensalkan ada seta ttk-dalam dar I.. Jka f ( x > 0 untuk semua ttk-dalam x dar I, maka f nak ada I.. Jka f ( x < 0 untuk semua ttk-dalam x dar I, maka f turun ada I. (urcell & Varberg, 999 Teorema [Kecekungan Fungs] Andakan f terdferensalkan dua kal ada selang terbuka (a, b.. Jka f ( x > 0 untuk semua x dalam (a, b, maka f konveks atau cekung ke atas ada (a, b.. Jka f ( x < 0 untuk semua x dalam (a, b, maka f konkaf atau cekung ke bawah ada (a, b. (urcell & Varberg, 999 Andakan fungs f terdefns ada selang I (terbuka, tertutu, atau tak satuun. katakan bahwa:

13 BAB III EUMUSAN MASALAH alam matematka, model meruakan truan dar suatu ermasalahan sedemkan rua sehngga oeras matemats bsa dterakan adanya. Konstruks model dlakukan dengan cara memasukkan serangkaan asums awal sebaga enyederhanaan, tana terlalu menyederhanakan ermasalahan tu sendr. Berkut adalah asums-asums yang dergunakan dalam emodelan masalah n: elanggan tdak tunggal. enjual menawarkan dskon dengan ttk mas tunggal. alam menentukan ukuran esanan, seta elanggan mengkut model Economc Order uantty (EO stats satu roduk. Banyaknya elanggan dan total ermntaan er unt waktu teta, tdak bergantung ada erancangan dskon. 5 Banyaknya unt barang derlakukan sebaga varabel kontnu. 6 Baya esanan dan baya nventor elanggan dbertahukan keada enjual. Jka salah satu dketahu, yang lan daat dturunkan dengan menggunakan asums ketga. emodelan n dbangun dar dua sudut. ertama dar sudut elanggan yang beruaya memnmumkan baya nventor dan kedua dar sudut enjual yang beruaya memaksmumkan keuntungan.. Model Baya Inventor elanggan Msalkan baya esanan elanggan (,,,..., n baya nventor, dnyatakan sebaga ersentase dar harga barang. fungs harga (baya embelan elanggan tngkat dskon (0 < < ttk mas Msalkan harga er unt barang yang dberkan oleh enjual adalah untuk <, dan ( untuk unt barang d atas, maka total baya embelan yang dkeluarkan elanggan menjad untuk <, dan ( ( untuk. engan demkan, fungs harga untuk elanggan menjad: untuk <, dan untuk, ( (lhat Lamran. Secara umum daat dtuls sebaga berkut:, < ( (, selannya Baya emesanan er cycle sejumlah esanan adalah ; dengan anjang cycle maka baya emesanan er unt waktu sejumlah unt esanan adalah, Karena tngkat ersedaan tertngg adalah (ketka emesanan dlakukan dan tngkat terendah adalah nol (setelah unt waktu dar waktu emesanan, maka rata-rata tngkat ersedaan adalah dan baya enymanan er unt waktu adalah, sehngga total baya nventor er unt waktu sejumlah esanan adalah: E ( baya emesanan baya enymanan ( ( Msalkan E ( dnotaskan dengan E ( untuk < dan E ( untuk. Maka untuk mendaatkan nla economc order quantty atau yang memnmumkan seta E ( tersebut dgunakan konse dferensal, yakn menurunkan E ( terhada, dan menyamakannya dengan nol. engan cara tersebut deroleh yang memnmumkan E ( untuk kedua konds d atas: Ukuran esanan otmum ada konds tana dskon Msalkan yang memnmumkan E ( dnotaskan dengan a. Karena harga untuk <, maka E sehngga deroleh : (, ( de (, d

14 5 d E ( dan > 0, > 0. d Jad E ( meruakan fungs konveks untuk seta > 0. engan demkan deroleh a yang memnmumkan E ( deroleh dar: de ( 0 d 0,, sehngga, atau yang dnotaskan dengan a. ( engan demkan, deroleh: E (. (5 a (lhat Lamran Ukuran esanan otmum ada konds terdaat dskon b (, atau ( E (lhat Lamran, dan ( ( ( b ( (7 (lhat Lamran rooss Msalkan ( c a (8 maka a c b dan E ( a E ( b untuk c, E ( a < E ( b untuk > c. Bukt. (lhat Lamran 5. rooss menyatakan bahwa untuk yang dberkan, esanan otmal * dar elanggan bergantung ada ttk mas, yakn: * b untuk c, (9 a untuk > c. Gambar d bawah n menglustraskan * kurva baya elanggan dan yang bergantung ada oss antara dan c (lhat Lamran 6. b a (6 ( E ( E ( E E E E E ( a E ( b E ( b E ( a a c b a c b (a c (b > c Gambar Fungs baya elanggan.

15 6. Model Fungs Keuntungan enjual Msalkan S adalah baya set-u er esanan oleh elanggan dan adalah baya varabel er unt barang, maka baya yang dkeluarkan enjual er unt waktu dar elanggan dnyatakan dengan S (. engan demkan total keuntungan enjual er unt waktu adalah: n [ S ( ] (0 engan adanya rencana dskon (,, maka suku terakhr ada (0 tdak menjad varabel keutusan, sehngga enjual hanya dhadakan ada masalah memaksmumkan keuntungan yang dnyatakan oleh fungs: n F(, [ S ( ] ( Msalkan F (, adalah kontrbus elanggan terhada keuntungan enjual er unt waktu. ar ersamaan ( deroleh, F (, S. ( Msalkan dberkan nla (,, maka ara elanggan daat dbag ke dalam dua kelomok berkut n: ( G { c < }. * Jka G, maka a dan F F, dengan F S a ( ( G { c }. * Jka G, maka b dan F F, dengan S F ( b b ( S ( ( b elanggan yang termasuk ada G adalah elanggan yang ukuran esanannya tdak dengaruh oleh rencana dskon. Teta elanggan ada G mengubah ukuran esanannya dar a menjad b ketka terdaat enawaran dskon. engan demkan F(, ada ersamaan ( daat dtuls kembal sebaga F (, F (, (5 j Gj Kontrbus elanggan terhada keuntungan enjual dtunjukkan ada Gambar (lhat Lamran 7. j F F F F F F a c b a c b Gambar Kontrbus elanggan terhada keuntungan enjual ( dtetakan. Keuntungan maksmum deroleh ada c atau ada > c. alam hal n, ada kasus > c, berart enjual tdak mengharakan elanggan memanfaatkan dskonnya.

16 BAB IV ENGOTIMUMAN ANANGAN ENAWAAN ISKON ada bab n akan danalss bagamana enjual mengotmumkan rancangan enawaran dskonnya sehngga kedua ermasalahan yang telah drumuskan ada Bab III tu masng-masng mencaa nla otmum, enjual daat memaksmumkan keuntungannya sedangkan elanggan daat memnmumkan baya nventornya. engotmuman rancangan enawaran dskon tersebut danalss untuk dua kasus berkut n: a. menentukan ttk mas yang daat mengotmumkan keuntungan jka tngkat dskon dtetakan. b. menentukan tngkat dskon yang daat mengotmumkan keuntungan jka ttk mas dtetakan.. Kasus. Tngkat dskon dtetakan ada kasus n enjual dhadakan ada masalah bagamana menentukan ttk mas yang otmum sehngga kedua belah hak bak elanggan mauun enjual tu sendr mendaat keuntungan. Msalkan tngkat dskon yang dtentukan dnotaskan dengan, maka c daat dtentukan untuk semua elanggan. alam hal n msalkan terdaat alng banyak n nla c yang berbeda, sebab beberaa elanggan daat memlk c yang sama. Andakan nla-nla c yang berbeda dnotaskan dengan X, 0,,,,..., r n, dan dsusun kembal dalam urutan nak dengan: X 0 0 dan X r max c. Untuk seta selang (X, X ] ada, G dan G dtentukan secara tunggal, yatu elanggan k dengan ck X, k G dan ck X, k G. engan demkan, seta elanggan termasuk ada G untuk (X r,. rooss Nla maksmum dar F(, terjad ada ck untuk beberaa k, atau ada sembarang yang lebh besar dar X r. Bukt F (, monoton nak ada (X k, X k ] untuk k < r sedangkan F konstan (lhat Gambar. ada (X r,, F(, menjad konstan dan sama dengan F(0,0. engan kata lan untuk mendaatkan yang memaksmumkan F(,, evaluas F(, ada c dan ada > X r untuk seta elanggan, kemudan lh nla yang memaksmumkan F. ontoh kasus Msalkan dberkan data lma elanggan beserta data yang relevan ada Tabel. Tabel ata lma elanggan lgg. ( ermntaan er waktu ( Ukuran esanan ( Total Inventor E ( ($ Harga er unt ( $5 Baya teta (S $5 Baya nventor ( 0. Keterangan: lgg. menyatakan elanggan Msalkan enjual menawarkan tngkat dskon ( sebesar 0.. engan merujuk rosedur d atas, deroleh ttk mas yang otmum sebesar 7.8 (lhat Lamran 0. Tabel erbandngan keuntungan sebelum dan sesudah enawaran dskon Tana dskon engan (0., 7.8 Total frekuens emesanan lgg. 6.8 Total keuntungan ($ ada Tabel, dtunjukkan nla otmum enawaran dskon (0., 7.8 dan keuntungan yang dharakan enjual. Total frekuens emesanan elanggan berkurang dar 6.8 menjad kal er unt waktu sebaga akbat dar elanggan yang mengubah ukuran esanannya menjad lebh besar karena adanya enawaran dskon tersebut.

17 8 Tabel Ukuran esanan dan total baya nventor elanggan lgg. Ukuran esanan Total baya ( Tana dskon engan ( *, * Tana dskon engan ( *, * ada Tabel, seta elanggan mereson enawaran dskon secara otmal. elanggan,, dan 5 memanfaatkan enawaran dskon tersebut dan mendaatkan keuntungan, sementara elanggan dan tdak melakukannya.. Kasus. Ttk mas dtetakan alam kasus n, enjual dhadakan ada masalah bagamana mendaatkan tngkat dskon yang otmum untuk nla yang telah dtetakan (. rooss ( c meruakan fungs monoton nak terhada. ( Untuk elanggan yang memenuh a < < a, maka berlaku Bukt c, ada ( a ( a (6 ( (lhat Lamran 8 rooss bermlkas bahwa bla berkurang, maka c juga berkurang. alam roses n, beberaa erubahan ada G k terjad bla c untuk beberaa dan kemudan menjad lebh kecl dar. Andakan terdaat sebanyak t nla yang berbeda yang deroleh dar ersamaan (6 dan dsusun dengan urutan nak menjad Y, 0,,,..., t n, dengan Y 0 0 dan Y t. Msalkan I [Y,Y, 0,,,..., t. ada seta I, G k dtentukan secara unk serta tdak mengalam erubahan jka I. engan demkan, elanggan j dengan j >Y, maka j G, dan jka j Y, maka j G. Untuk elanggan yang memlk tak fsbel ( 0 atau maka elanggan tersebut masuk ke dalam kelomok G jka a, dan ke dalam kelomok G jka a. aat dtunjukkan bahwa d F d negatf (lhat Lamran 9, maka F(, yang terdefns ada I adalah konkaf, sehngga F( * ontoh Kasus, max max F(, I Msalkan dberkan data yang sama seert ada Tabel. Msalkan enjual menetakan ttk mas ( sebesar 50 unt. engan merujuk rosedur d atas, deroleh tngkat dskon yang otmum sebesar (lhat Lamran. Tabel erbandngan keuntungan sebelum dan sesudah enawaran dskon Tana dskon engan (0.065, 50 Total frekuens emesanan lgg Total keuntungan ($ ada Tabel, dtunjukkan nla otmal enawaran dskon (0.065, 50 dan keuntungan yang dharakan enjual. Total frekuens emesanan berkurang dar 6.8 menjad 7.8 kal er unt waktu sebaga akbat dar elanggan yang mengubah ukuran esanannya menjad lebh besar karena adanya enawaran dskon tersebut. ada Tabel 5, seta elanggan mereson enawaran dskon secara otmal. elanggan,,, dan 5 memanfaatkan enawaran dskon tersebut dan mendaatkan keuntungan, sementara elanggan tdak melakukannya. Tabel 5 Ukuran esanan dan total baya nventor elanggan lgg. Ukuran esanan Total baya ( Tana dskon engan ( *, * Tana dskon engan ( *, *

18 BAB V SIMULAN AN SAAN 5. Smulan ar contoh kasus yang dujkan daat dsmulkan bahwa keuntungan enjual menngkat tana membebankan baya keada ara elanggannya. ada fakta tersebut baya nventor yang dkeluarkan beberaa elanggan menjad lebh kecl dbandng dengan konds sebelum adanya enawaran dskon. engan kata lan enjual dan elanggan salng berbag keuntungan. 5. Saran Sebaga saran untuk eneltan lebh lanjut, beberaa hal d bawah n daat djadkan bahan ertmbangan: Kasus tngkat dskon dan ttk mas tdak dtetakan. Sstem dskon dengan ttk mas tdak tunggal. Jumlah unt barang derlakukan sebaga varabel dskret. AFTA USTAKA Km KH, Hwang H An ncremental dscount rcng schedule wth multle customers and sngle rce break. Euroean Journal of Oeratonal esearch 5:7-79. Lews J. 00. Economc Order uantty. [terhubung berkala]. htt:fozzy.wvsc.edu~lewshandoutseoq.html [ Maret 005]. urcell J, Varberg Kalkulus dan Geometr Analts. Susla IN et al, enerjemah. Jld. Ed. Ke-. Arlangga. Jakarta. Setawan MI. 00. Analss Baya Inventor dan Transortas ada Network Terkendala [Skrs]. Bogor. Insttut ertanan Bogor. Thacker J Accountng rncles. Englewood lff, N.J: rentce Hall Inc.

19 L A M I A N

20 Lamran. enjabaran ersamaan ( Total baya yang dkeluarkan elanggan untuk adalah ( (, sehngga harga barang er unt sama dengan total baya dbag ukuran esanan,. engan demkan deroleh: ( ( ( ( ( ( ( ( ( ( (( ( (,. Lamran enjabaran ersamaan (5 ketahu untuk <, E (, maka E ( a a a. ar ersamaan (5 dketahu ( a, sehngga deroleh: a E (. Jad, E ( a.

21 Lamran enjabaran ersamaan (6 Msalkan yang memnmumkan E ( dnotaskan dengan b. Karena ( ( untuk, maka ( ( ( ( E ( ( ( ( ( ( E, sehngga deroleh ( de ( ( (. d > 0 d E ( ( > 0, > 0. Jad E ( meruakan fungs konveks untuk d seta > 0. engan demkan deroleh b yang memnmumkan E ( : de ( 0 d ( ( 0 ( ( ( ( (. ( ( ( ( ar ersamaan ( dketahu a, sehngga b a. ( Lamran enjabaran ersamaan (7 ar Lamran dketahu ( ( ( E, maka ( ( b ( b ( E, dengan ( b b (, sehngga deroleh: ( ( ( ( E ( b ( ( ( (

22 ( E( b ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( (, sehngga ( ( ( ( E. ( b ( ( Lamran 5 Bukt rooss ertama akan dtunjukkan bahwa a b. dan ( ( ( a b ( ( ( ( ( ( ( (. Karena,,,, dan bernla ostf, 0 < <, maka < (. Nla ( ostf, sehngga < ( (. Jad a < b. Jka 0 (tana dskon, maka a b. engan demkan a b Msalkan E ( a a menyatakan fungs dar E ( a dengan a dan E ( b b menyatakan fungs dar E ( b dengan b. Akan dtunjukkan bahwa E ( a a E ( a dan E ( b b E ( b. o Akan dtunjukkan E ( a a E ( a : ar Lamran dketahu bahwa ( ( ( ( E (, maka E ( a a a ( ( a a a ( ( a ( ( a ( ( a a. ar Lamran dketahu E ( a a a, sehngga E ( a a E ( a a a

23 o Akan dtunjukkan E ( b b E ( b : engan cara yang sama deroleh E ( ( ( ( E, sehngga ( b b b ( ( b b b ( ( b ( ( b ( ( b b. ar Lamran dketahu E ( b b b, sehngga E ( b b E ( b Karena a memnmumkan E untuk seta dan b memnmumkan E untuk seta, maka: E ( a E ( b E ( b b, dan E ( b a E ( a a E ( a sehngga E ( b a E ( a E ( b b b b Akan dtunjukkan E ( b monoton nak terhada ar Lamran dketahu ( ( ( E. ( b ar Teorema dketahu fungs f nak ada I jka f ( x > 0 untuk semua ttk dalam x dar I, sehngga deroleh: de ( d > 0 > 0 ( ( ( b de ( d b > > 0 0, artnya E ( b monoton nak terhada engan demkan terdaat c dengan ada saat c atau dtuls dengan E ( E ( jka < c maka E ( a > E ( b jka > c maka E ( a < E ( b Nla c deroleh dengan cara sebaga berkut: ( E ( E a b ( E ( E b c c a a yang memenuh E ( a E ( b c a b c. Akbatnya ( c ( c (- ( ( c ( c engan menguadratkan kedua ruas ersamaan ( dan mengatur c sedemkan rua sehngga deroleh: b

24 5 ( ( ( ( ( c c ( c ( ( ( c c ( ( c ( ( c ( c c c c ( c c c c c c 0 c c c ( ( c ( 0 ersamaan d atas daat dsederhanakan menjad: Xc Yc Z 0 ( dengan X (, > 0 Y ( { }, ( {( }, 0 > 0 > 0 Z { }. Msalkan 0 dan dan ada jka Y XZ 0. Y XZ > 0 0 adalah solus dar ( dengan ( { } 0, ( { } Y ± Y XZ. Nla X 0

25 { } ( ( { } ( ( ( Y XZ 0 ( ( ( ( 6 ( ( { } { } 0 ( ( ( ( ( ( ( ( >. > 0 > 0 engan demkan ersamaan ( memunya solus, yatu: Y Y XZ dan X 0 Y Y XZ. X 0 0 o Y XZ > 0 sehngga <. o 0 Y Y XZ X 0 Y X Y XZ X. Karena Y < 0, X > 0 dan Y Y XZ 0 Y XZ > 0, maka > 0 dan > 0, sehngga 0 X X >. o Msalkan ruas kanan ersamaan ( dtuls sebaga k ( c Msalkan ruas kr ersamaan ( dtuls sebaga k ( c ( k ( ( c ( ( (v Sketsa kedua kurva tersebut derlhatkan ada Gambar. k ersamaan ( meruakan ersamaan k ers. ( ers. (v gars lurus dengan varabel bebas c dan varabel takbebas k yang memunya kemrngan negatf yatu. k 0 0 c c ersamaan (v meruakan ersamaan arabola dengan varabel bebas c yang terbuka ke arah kanan. Ttk otong kurva ( dengan sumbu k deroleh dar Gambar Sketsa kurva. c 0 k.

26 7 Ttk otong kurva (v dengan sumbu k deroleh dar c 0 k (. erhatkan bahwa ( k k (, akbatnya k k >. Karena k dan k ostf maka k > k. ersamaan ( monoton turun, sedangkan ersamaan (v monoton nak sehngga erotongan kedua kurva tersebut terjad d sebelah kanan sumbu k. In berart 0 0. > 0 0 Jad solus dar ersamaan ( adalah mnmum dar {, }, yatu: 0 X c ( Y Y XZ (. c c engan mensubttuskan kembal X (, Y { }, dan ( Z } ke dalam ersamaan { ( Y Y XZ (X, deroleh: ( ( ( ( ( (. Karena, maka ersamaan d atas daat dsederhanakan menjad: a c a ( ( ( ( a a a c a ( ( ( ( a a a

27 8 ( ( ( a a a a c ( ( ( ( ( a a a a c ( ( ( ( a a a a c ( ( ( ( a a a a c ( ( ( ( a a a a c ( ( ( ( ( a a a a a c ( ( ( a a a a a a c ( a a a a a c ( ( ( ( a a a c ( ( ( a a a c ( ( a a a c ( ( ( a a c

28 9 c c c c c ( ( ( a a ( ( ( a a ( ( ( a ( ( ( a ( ( a ( ( c a, atau dtuls dengan a c {( }( a engan demkan terbukt jka dan E ( a E ( b untuk c, c b c {( }( a E ( a < E ( b untuk > c., maka Lamran 6 Sketsa Gambar E ( ar asums dketahu bahwa dan E ( bernla ostf, sehngga kurva tdak berotongan d antara kedua sumbu tersebut. endferensalan ertama memberkan de (. d a ar embahasan sebelumnya dketahu bahwa nla mnmum E ( terjad ada, sehngga fungs nak ada > a dan turun ada < a. endferensalan kedua memberkan d E ( d > 0, sehngga deroleh fungs cekung ke atas. ada 0 terdaat asmtot, yatu lm E ( 0 E ( ( ( (

29 0 engan cara yang sama deroleh de ( ( (. d b ar embahasan sebelumnya dketahu bahwa nla mnmum E ( terjad ada (, sehngga fungs nak ada > b dan turun ada < b. ( > 0 d E ( ( > 0, sehngga deroleh fungs cekung ke atas. d ada 0 terdaat asmtot, yatu lm E ( 0 engan dberkannya rooss yang menyatakan a c b dan E ( a E ( b untuk c, E ( a < E ( b untuk > c, maka kedua fungs tersebut daat dlustraskan ada Gambar. Lamran 7 Sketsa Gambar F S a Fungs n meruakan fungs konstan terhada. ar asums dketahu F > 0. ( S, b > 0 F ( b engan mensubsttuskan b a ada fungs d atas deroleh: ( F df d ( ( S a ( endferensalan ertama memberkan: a ( a ( ( S ( a (

30 ( a a a S ( ( ( ( ( a a a a S ( ( ( ( ( ( ( a a a a a a S ( ( ( ( ( ( a a a a S ( ( ( ( a a a S ( ( ( ( ( ( a a a S ( ( ( ( ( 0 0 ( > > a a S d df. ( ( ( 0 ( > a a S d df engan demkan F monoton nak terhada. endferensalan kedua memberkan: ( ( ( ( ( ( ( ( ( a a a a a S d F d ( ( ( (

31 d F d ( a ( ( ( a ( ( ( ( ( a S a ( ( a ( ( ( ( a ( ( a ( ( a a S ( ( ( a ( a ( ( ( a ( a S ( ( ( a ( ( a ( ( a ( ( ( a ( a S ( a ( a ( ( ( a a a ( ( ( a ( a ( ( ( a a ( ( ( S ( ( S a ( a > 0 < 0 engan demkan fungs cekung ke bawah. ada saat c F S c F S ( c c S F c F. c c > 0 ( ( engan demkan ada saat c <, maka F > F, dan c, maka F F ar semua observas d atas deroleh gambar seert yang dlustraskan ada Gambar. < 0

32 Lamran 8 Bukt rooss ertama, akan dtunjukkan bahwa d c d > 0. ar ersamaan (9 dketahu a c ]( [( ( ( d d a c. Selanjutnya akan dbuktkan bahwa 0 > d d c. Karena a,, dan bernla ostf, maka erlu dbuktkan bahwa ( 0 >. Lebh lanjut, ( ( ( (. ( Karena 0 >, maka erlu dbuktkan ( 0 > ; untuk 0 < <. Jka < 0 ; untuk 0 < <, maka 0 < ( ( < ( < ( ( < <. Untuk 0 < <, maka 0 < sehngga (. Jad ( < > 0 >

33 ( 0 > ; untuk 0 < < engan demkan terbukt 0 > d d c. Jad c monoton nak terhada. ar rooss dketahu a c, sehngga a meruakan batas bawah dar c. Karena c monoton nak terhada dan a c ada, maka deroleh batas atas sehngga a c a. ar rems ( dketahu a < < a sehngga dengan demkan meruakan c atau c. ar ersamaan (8 dketahu c a ( sehngga daat deroleh nla untuk : c, }( {( a ( ( a ( ( ( a a ( ( a ( a engan menguadratkan kedua ruas deroleh, ( ( ( ( a a ( ( a ( ( ( ( a a ( ( a a 0 ( ( ( ( a a ( ( ( a 0 ( a ( ( ( ( a a ( ( ( ( a a ( ( a a ( ( ( a a, yang dnotaskan dengan

34 5 Lamran 9 Bukt F meruakan fungs konkaf ar ersamaan ( dan (6 dketahu: F ( S (.ersama- an n daat dsederhanakan menjad: a ( F ( S (, dengan U U a ( Selanjutnya untuk memudahkan enjabaran d F d du terlebh dahulu erlu dketahu. d du d a ( ( U a ( ( ( U ( ( a a U ( ( a U U ( engan demkan, deroleh turunan ertama dar terhada, yatu: df ( S U U d df d df d U ( S U U df d U U U U ( S ( U ( S U ( Turunan kedua menghaslkan: ( a U ( ( a ( ( S U U ( U ( 6 U ( F ( S ( U ( ( d F U U a d U d F ( a d U U U ( ( S ( U ( U U ( 6 U ( ( a

35 6 d F d F d d U ( ( a ( ( S ( U ( U U ( a ( U ( ( S ( U ( U U ( ( U a ( U A > 0 F d Untuk menunjukkan < 0 erlu dtunjukkan bahwa A bernla negatf. d U( ( S ( U ( U A, U ( U ( atau lebh lanjut djabarkan menjad: U A U ( ( U U ( ( S ( U ( U ( B U. ( U ( ( S ( U ( U U ( Karena U ( bernla ostf, maka untuk membuktkan A negatf erlu dtunjukkan bahwa B bernla negatf. ( U ( ( S ( U ( U B U B U B U U B U ( ( S ( ( S U B U ( ( ( ( a U ( U ( a U U ( ( S a U U ( U ( ( ( ( a ( U ( S U. ( X U ( ( S ( ( a ( U ( B U ( Karena U,, dan ( bernla ostf, maka erlu dtunjukkan bahwa X bernla negatf. ( ( S { ( ( U ( } a X U

36 7 ( ( a X ( ( ( ( a S ( a ( ( a ( ( S ( ( a ( a ( a 8 ( ( S ( a 6 a ( 8 ( ( S ( 6 X X 8 X 8 a a ( 8 ( X X a ( 6 a 8 S ( 6 a 8 ( a a 8 8 ( 8 S ( a a a a a X ( a a S( 6 a a( a S ( 6 a ( S ( 6 ( S 8 6 a Y 8 Y 8 Y a a a a( a 6S ( Sa S ( a( 6S ( ( a Sa ( S ( ( 6S ( ( S ( S Y Y Y a a ( 6S ( ( ( S Y a a ar ersamaan dketahu bahwa F (, S. Secara mlst fungs keuntungan enjual n bernla ostf. Jka, maka dengan mensubttus dar ersamaan ( deroleh: S F ( > 0 S ( > 0 S S > 0 > 0 S > 0, sehngga Y ( 6 ( ( ( < 0 a S a S. > 0. > 0 engan demkan d F d < 0. Jad terbukt F meruakan fungs konkaf

37 8 Lamran 0 encaran Ttk Imas ada Kasus Langkah Mencar c untuk seta elanggan ( ar ersamaan (8 dketahu c a. engan 0. maka deroleh c untuk seta elanggan sebaga berkut: elanggan 5 c Langkah Mengurutkan c dar yang terkecl (nol sama yang terbesar, kemudan membuat selang d antara nla yang terdekat ar nla-nla c yang dketahu, deroleh urutan nak sebaga berkut: 0, 0.5, 5.5, 7.8, 99.65, dan engan demkan deroleh selang-selang berkut n: (0, 0.5], (0.5, 5.5], (5.5, 7.8], (7.8, 99.65], dan (99.65, 5.07]. Langkah Menentukan kelomok elanggan ada seta selang (X, X ], kemudan menghtung b dan F Untuk seta selang (X, X ] ada, G dan G dtentukan secara tunggal, yatu elanggan k dengan ck X, k G dan ck X, k G. ( (, dan b, dengan E ( ( ( S, untuk elanggan G, dan a F S (, untuk elanggan G b b F ada sea selang (X, X ] monoton nak terhada. Oleh karena tu nla tertngg F terdaat ada X. ada selang (0, 0.5] deroleh data sebaga berkut: lgg. erbandngan Kelomok b F ck dengan X G G G G G Total keuntungan 6.68 ada selang (0.5, 5.5] deroleh data sebaga berkut: lgg. erbandngan Kelomok b F ck dengan X 0.5 < 5.5 G G G

38 9 lgg. erbandngan Kelomok b F ck dengan X G G Total keuntungan 6.5 ada selang (5.5, 7.8] deroleh data sebaga berkut: lgg. erbandngan Kelomok b F ck dengan X 0.5 < 7.8 G G G < 7.8 G G Total keuntungan 65. ada selang (7.8, 99.65] deroleh data sebaga berkut: lgg. erbandngan Kelomok b F ck dengan X 0.5 < G G < G < G G Total keuntungan 69.8 ada selang (99.65, 5.07]. deroleh data sebaga berkut: lgg. erbandngan Kelomok b F ck dengan X 0.5 < 5.07 G < 5.07 G < 5.07 G < 5.07 G G Total keuntungan 58.7 Langkah Mencar total keuntungan terbesar ar kelma total keuntungan d atas deroleh nla yang alng besar, yatu: 65.. engan demkan deroleh ttk mas yang otmal ( * sebesar 7.8. erbandngan frekuens emesanan ( sebelum dan sesudah enawaran dskon. elanggan Sebelum enawaran dskon Total Sesudah enawaran dskon

39 0 Lamran encaran Tngkat skon ada Kasus Langkah Mencar untuk semua elanggan ar ersamaan (6 dketahu ( a ( a, sehngga deroleh: ( elanggan Langkah Mengurutkan nla dar nol sama satu, kemudan membuat selang d antara nla yang terdekat ar yang dketahu, deroleh urutan nak berkut: {0, 0.07, 0.057, 0.058, 0.06, 0.7, }. engan demkan deroleh selang-selang berkut n: (0, 0.07], (0.07, 0.057], (0.057, 0.058], (0.058, 0.06], (0.06, 0.7], dan (0.7,. Langkah Menentukan kelomok elanggan ada seta selang I, kemudan menghtung b dan F Untuk elanggan j dengan j > Y, maka j G, dan jka j Y, maka j G ada seta selang I, F meruakan fungs konkaf terhada. Oleh karena tu encaran nla tertngg F menggunakan bantuan Mcrosoft Excel dengan mengambl tga angka desmal. Berkut adalah enentuan kelomok ara elanggan untuk seta selang I, ada selang I (0, 0.07] deroleh: lgg. erbandngan Kelomok dengan Y 0.7 > 0 G > 0 G 0.06 > 0 G > 0 G > 0 G ada I ( ] deroleh: lgg. erbandngan Kelomok dengan Y 0.7 > 0.7 G > 0.7 G 0.06 > 0.7 G > 0.7 G G ada selang I (0.057, 0.058] deroleh: lgg. erbandngan Kelomok dengan Y 0.7 > G > G 0.06 > G G G ada selang I (0.058, 0.06], deroleh: lgg. erbandngan Kelomok dengan Y 0.7 > G G 0.06 > G G G ada selang I (0.06, 0.7] deroleh: lgg. erbandngan Kelomok dengan Y 0.7 > 0.06 G G G G G ada selang I (0.7, deroleh: lgg. erbandngan Kelomok dengan Y G G G G G

40 Langkah Mencar total keuntungan terbesar ada selang I (0, 0.07], semua elanggan tdak memanfaatkan dskonnya. Jad total keuntungan enjual mash teta. ada selang lannya daat dlhat d belakang halaman n. ar datar total keuntungan ada seta selang tersebut deroleh nla tertngg, yatu: 555. ada erbedaan frekuens emesanan ( sebelum dan sesudah enawaran dskon: elanggan Sebelum enawaran dskon Sesudah enawaran dskon Total

41 encaran total keuntungan terbesar ada selang (0.07, 0.057] Y 5 F F F F F 5 Σ F Nla ΣF semakn besar Nla ΣF semakn kecl Nla ΣF terbesar 66.7 encaran total keuntungan terbesar ada selang (0.057, 0.058] Y 5 F F F F F 5 Σ F Nla ΣF terbesar 77.89

42 encaran total keuntungan terbesar ada selang (0.058, 0.06] Y 5 F F F F F 5 Σ F Nla ΣF terbesar encaran total keuntungan terbesar ada selang (0.06,0.7] Y 5 F F F F F 5 Σ F Nla ΣF semakn kecl Nla ΣF semakn kecl Nla ΣF terbesar 555.

43 encaran total keuntungan terbesar ada selang (0.7. Y 5 F F F F F 5 Σ F Nla ΣF semakn kecl Nla ΣF semakn kecl Nla ΣF terbesar 9.76

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL

AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL Oleh: Endang Nurjamil G05497044 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw Oleh : Harfa Hanan Yoga A Nugraha Gemur Safar ka Sautr Arya Andka Dumanau Dosen : Dr.rer.nat. Ded osad, S.S., M.Sc. Program Stud Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Gadah Mada

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

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 III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON

PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos 1, Pabelan,

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

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

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

PENGUKURAN DAYA. Dua rangkaian yg dpt digunakan utk mengukur daya

PENGUKURAN DAYA. Dua rangkaian yg dpt digunakan utk mengukur daya Pengukuran Besaran strk (TC08) Pertemuan 4 PENGUKUN DY Pengukuran Daya dalam angkaan DC Daya lstrk P yg ddsaskan d beban jka dcatu daya DC sebesar E adl hasl erkalan antara tegangan d beban dan arus yg

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

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

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

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

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT)

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT) Evaluas Tngkat Valdtas Metode Penggabungan Reson (Indeks Penamlan Tanaman, IPT) 1 Gust N Adh Wbawa I Made Sumertajaya 3 Ahmad Ansor Mattjk 1 Mahasswa S3 Pascasarjana Statstka IPB,3 Staf Pengajar Deartemen

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

KAITAN ANTARA SUPLEMEN SUATU MODUL DAN EKSISTENSI AMPLOP PROYEKTIF MODUL FAKTORNYA DALAM KATEGORI σ[m]

KAITAN ANTARA SUPLEMEN SUATU MODUL DAN EKSISTENSI AMPLOP PROYEKTIF MODUL FAKTORNYA DALAM KATEGORI σ[m] KAITAN ANTARA SULEEN SUATU ODUL DAN EKSISTENSI ALO ROYEKTIF ODUL FAKTORNYA DALA KATEGORI σ[] Ftran urusan atematka FIA Unverstas Lamung l rofdr Soemantr Brojonegoro No1 Bandar Lamung Abstract Let be an

Lebih terperinci

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA A-3 Dan Aresta Yuwanngsh 1 1 Mahasswa S Matematka UGM dan.aresta17@yahoo.com Abstrak Dberkan R merupakan rng dengan elemen satuan, M R-modul kanan, dan R S End

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

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 METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

Lebih terperinci

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H.

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H. KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING AAK SEDERHANA A. F. Indraan *, R. Efend, H. Srat Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

DIMENSI PARTISI GRAF GIR

DIMENSI PARTISI GRAF GIR Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

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

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

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

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

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

Lebih terperinci

BAB III PEMBAHASAN. Pada bab ini akan dibahas mengenai ring embedding dan faktorisasi. tunggal pada ring komutatif tanpa elemen kesatuan.

BAB III PEMBAHASAN. Pada bab ini akan dibahas mengenai ring embedding dan faktorisasi. tunggal pada ring komutatif tanpa elemen kesatuan. BAB III PEMBAHASAN Pada bab n akan dbahas mengena rng embeddng dan faktorsas tunggal pada rng komutatf tanpa elemen kesatuan. A. Rng Embeddng Defns 3.1 (Malk et al. 1997: 318 Suatu rng R dkatakan embedded

Lebih terperinci

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

Lebih terperinci

TINJAUAN PUSTAKA Tingkat Keberhasilan Mahasiswa Regresi Logistik

TINJAUAN PUSTAKA Tingkat Keberhasilan Mahasiswa Regresi Logistik 5 TINJAUAN PUSTAKA Tngkat Keberhaslan Mahasswa Secara gars besar, faktor-faktor yang memengaruh keberhaslan mahasswa dalam enddkan (Munthe 983, dacu dalam Halm 29 adalah:. Faktor ntelektual seert masalah

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum melakukan penelitian, langkah yang dilakukan oleh penulis

BAB III METODE PENELITIAN. Sebelum melakukan penelitian, langkah yang dilakukan oleh penulis BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum melakukan peneltan, langkah yang dlakukan oleh penuls adalah mengetahu dan menentukan metode yang akan dgunakan dalam peneltan. Sugyono (2006: 1) menyatakan:

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB I PENDAHULUAN Latar Belakang dan Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT) MATERI KULIAH STATISTIKA I UKURAN (Nuryanto, ST., MT) Ukuran Statstk Ukuran Statstk : 1. Ukuran Pemusatan Bagamana, d mana data berpusat? Rata-Rata Htung = Arthmetc Mean Medan Modus Kuartl, Desl, Persentl.

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat

Lebih terperinci

1. Pendahuluan MENENTUKAN PROPORSI SAHAM PORTOFOLIO DENGAN METODE LAGRANGE

1. Pendahuluan MENENTUKAN PROPORSI SAHAM PORTOFOLIO DENGAN METODE LAGRANGE Prosdng SNaPP04 Sans, Teknolog, dan Kesehatan ISSN 089-358 EISSN 303-480 MENENTUKAN PROPORSI SAHAM PORTOFOLIO DENGAN METODE LAGRANGE Et Kurnat, Gan Gunaan, 3 Tegar Aj Sukma Bestar,,3 Prod Matematka FMIPA

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan

Lebih terperinci

MODEL PERSEDIAAN PROBABILISTIK YANG MEMUAT VARIABEL LEAD TIME DENGAN PENDEKATAN DISTRIBUSI NORMAL

MODEL PERSEDIAAN PROBABILISTIK YANG MEMUAT VARIABEL LEAD TIME DENGAN PENDEKATAN DISTRIBUSI NORMAL MODEL PERSEDIAAN PROBABILISTIK YANG MEMUAT VARIABEL LEAD TIME DENGAN PENDEKATAN DISTRIBUSI NORMAL Noprad, T.P.Nababan, Endang Lly Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) IV. PEMBAHASAN

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) IV. PEMBAHASAN 8 IV PEMBAHASAN 4 Aum Berkut n aum yang dgunakan dalam memodelkan permanan a Harga paar P ( merupakan fung turun P ( kontnu b Fung baya peruahaan- C ( fung baya peruahaan- C ( merupakan fung nak C ( C

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

BAB III HASILKALI TENSOR PADA RUANG VEKTOR. Misalkan V ruang vektor atas lapangan F. Suatu transformasi linear f L ( V, F )

BAB III HASILKALI TENSOR PADA RUANG VEKTOR. Misalkan V ruang vektor atas lapangan F. Suatu transformasi linear f L ( V, F ) 28 BAB III HASILKALI TENSOR PADA RUANG VEKTOR III.1 Ruang Dual Defns III.1.2: Ruang Dual [10] Msalkan V ruang vektor atas lapangan F. Suatu transformas lnear f L ( V, F ) dkatakan fungsonal lnear (atau

Lebih terperinci

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan 35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan

Lebih terperinci

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan

Lebih terperinci

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

V ANALISIS VARIABEL MODERASI DAN MEDIASI

V ANALISIS VARIABEL MODERASI DAN MEDIASI Solmun Program Stud Statstka FMIPA UB 31 V ANALISIS VARIABEL MODERASI DAN MEDIASI A. Pengertan Varabel Moderas Varabel Moderas adalah varabel yang bersfat memperkuat atau memperlemah pengaruh varabel penjelas

Lebih terperinci

BILANGAN RAMSEY SISI DARI r ( P, )

BILANGAN RAMSEY SISI DARI r ( P, ) Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya mron-ts@matematka.ts.ac.d

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

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

VII AKSI DASAR PENGENDALIAN

VII AKSI DASAR PENGENDALIAN 110 VII ASI DASAR PENGENDALIAN Deskrs : Bab n memberkan gambaran tentang aks dasar engendalan dengan menggunakan engendal roorsonal, ntegral dan dervatf serta kombnasnya ada berbaga sstem kendal Objektf

Lebih terperinci

BAB IV HASIL PENELITIAN

BAB IV HASIL PENELITIAN 6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka

Lebih terperinci

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan

Lebih terperinci

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor

Lebih terperinci