PENGEMBANGAN MODEL MIXED INTEGER PROGRAMMING UNTUK PENJADWALAN BATCH PROSES PRODUKSI SORBITOL MULTI GRADE (STUDI KASUS PT XXX)
|
|
- Widya Tan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGEMBANGAN MODEL MIXED INTEGER PROGRAMMING UNTUK PENJADWALAN BATCH PROSES PRODUKSI SORBITOL MULTI GRADE (STUDI KASUS PT XXX) Maro Chran, Ahmad Rusdansyah, Nurhad Sswanto Mager Manajemen Teknolog, Jurusan Manajemen Indur, Intut Teknolog Sepuluh Nopember Surabaya Emal: ABSTRAK Semakn ketatnya persangan dalam ndur saat n menuntut perusahaan berupaya optmal dalam melakukan langkah-langkah efsens. Salah satu langkah yang dapat dlakukan adalah dengan mengdentfkas dan mengelmnas pemborosan (wae) yang tmbul sebaga gejala adanya masalah dalam suatu sem produks. Salah satu bentuk pemborosan tersebut adalah produks berlebh ( over producton) dan menngkatnya persedaan ( nventory). Dengan melakukan perencanaan dan penjadwalan proses produks menggunakan model optmas yang tepat maka dharapkan dapat mengurang jens pemborosan datas sehngga efsens akan menngkat. Dengan efsens yang menngkat maka dharapkan dapat memaksmalkan keuntungan perusahaan. Peneltan n bertujuan untuk mengembangkan model Mxed Integer Programmng (MIP) untuk proses operas batch d PT XXX dan menyelesakan model tersebut menggunakan software optmas (LINGO) sehngga dapat menghaslkan jadwal dan nla persedaan yang optmum. Penjadwalan proses produks ataupun manufaktur yang beroperas secara batch belum banyak berkembang dkarenakan komplekstas dar operas yang terlbat dan sfat kontnyu dar materal yang d proses. Pada peneltan n terbag atas tga tahap yatu pertama adalah pengolahan data yang terdr atas penetapan fungs tujuan, batasan-batasan dan varabel keputusan, penyusunan ate-task network (STN), pembuatan model mxed nterger programmng (MIP) dan formulas model MIP kedalam software optmas. Tahap kedua adalah uj valdas model dengan software LINGO dan tahap akhr adalah analsa solus optmal. Dar solus optmal yang ddapat akan dtransformaskan menjad jadwal proses produks dan profl penympanan produk pada masng-masng ate. Hasl peneltan menunjukkan bahwa model formulas pada program LINGO memlk varabel, 720 nteger, 7849 conrant dan non zeros. Penyelesaan optmal dperoleh setelah melalu teras dan memperoleh hasl optmum untuk total nla persedaan sebesar $US dalam waktu perencanaan horson selama 48 jam. Dar penyelesaan model tersebut, ddapatkan juga jadwal optmum untuk operasonal batch proses untuk proses pada reaktor hdrogenas sebaga berkut : untuk proses produks lne 1 sebanyak 13 batch, untuk proses produks lne 2 sebanyak 22 batch dan untuk proses produks lne 3 sebanyak 8 batch. Key words : wae, over producton, nventory, mxed nteger programmng, batch, ate-task network.
2 PENDAHULUAN Menurut Ford, Henry (Today and Tomorrow, 1922), pemborosan adalah elemen dar kegatan produks yang menambah baya tetap tdak memberkan nla tambah. Salah satu bentuk pemborosan tersebut adalah produks berlebh (over producton) dan menngkatnya persedaan ( nventory). Dengan melakukan perencanaan dan penjadwalan proses produks menggunakan model optmas yang tepat maka dharapkan dapat mengurang jens pemborosan datas sehngga perusahaan akan menjad semakn efsen. Dengan efsens yang menngkat maka dharapkan dapat memaksmalkan keuntungan perusahaan. Menurut Kondl [1992] bahwa penjadwalan proses produks ataupun manufaktur yang banyak dkembangkan adalah yang beroperas secara descrete sedangkan untuk proses operas batch tdak banyak berkembang dkarenakan komplekstas dar operas yang terlbat dan sfat kontnyu dar materal yang d proses.demkan halnya dengan PT XXX selaku salah satu produsen sorbtol dengan proses produks berlangsung secara sem batch, penjadwalan proses produks menggunakan metode optmas yang semats mash belum dgunakan. PT XXX memproduks empat macam grade sorbtol yatu sorbtol dengan kandungan gula 0.15%, 2%, 7% dan 35%. Keempat macam grade tersebut dhaslkan melalu proses pencampuran ( mxng) pada tahap akhr proses dar ketga lne proses produks yang memlk kapastas produks dan spesfkas produk yang berbeda dan berlangsung dalam sem batch. Tga lne proses produks tersebut menghaslkan sorbtol dengan kandungan gula 0.15%, 4% dan 35%. Skema jens produk dan pencampurannya sepert terlhat pada Gambar 1. Gambar 1. Skema Jens Produk dan pencampurannya Lne 1 sorbtol 0.15% sorbtol 0.15% (produk akhr) mxng process sorbtol 2% (produk akhr) Lne 2 sorbtol 4% mxng process sorbtol 7% (produk akhr) Lne 3 sorbtol 35% sorbtol 35% (produk akhr) Peneltan n tentang bagamana mengembangkan suatu model matemats yang akan dpaka sebaga dasar dalam penjadwalan proses produks sorbtol mult grade yang beroperas secara batch sehngga dperoleh jumlah produk yang harus dproduks (jumlah batch produks) untuk masng-masng lne dan nla persedaan/ nventory yang palng optmal sesua dengan permntaan yang ada dan guna menngkatkan proft perusahaan. A-40-2
3 METODE DAN DATA PARAMETER PENELITIAN Metode Peneltan Data nput model Formulas Model : Penetapan fungs tujuan Penetapan fungs batasan Penetapan varabel keputusan Penyusunan ate-task network (STN) Penentuan jumlah task (), unt (j) dan ate (s) Transformas model MIP kedalam bahasa operas software optmas (LINGO) Uj valdas model Menjalankan program LINGO Analsa solus optmal Jadwal proses produks (jadwal proses batch) Profl penympanan produk Kesmpulan dan saran Perbandngan dengan konds tanpa model Data Parameter Peneltan Pada peneltan n data yang dbutuhkan antara lan: Dagram alr proses, jarngan ate-task (STN) Data kapastas maksmum untuk tap task, Vm Waktu proses untuk tap task, p dan kapastas maksmum untuk tap ate, Cs Koefsen baya untuk : o Baya persedaan (nventory) untuk setap ate dan waktu, o o Baya supla bahan baku untuk setap ate dan waktu, Baya proses untuk setap task dan waktu, Setap ate dan tme, permntaan mnmum, d dan pembelan maksmum, r Propors nput dar ate s ke task, s Propors output dar task ke ate s, s p C t R C C A-40-3
4 Dagram alr proses, jarngan ate-task (STN) Dagram alr proses (STN) yang djadkan obyek dalam peneltan n secara lengkap sepert yang terdapat pada gambar 2 dan terdr atas 15 peralatan (j), 15 task () dan 15 ate (s). Masng-masng peralatan (j) memlk jalur proses yang terpsah sehngga hanya memungknkan untuk melakukan satu task saja. Gambar 2. Jarngan ate-task (STN) proses produks sorbtol Unt proses yang terseda dapat dkategorkan menjad 5 kelompok sebaga berkut : 1. Unt cryallzer dan Separator ( j = 1 dan = 1), dgunakan untuk pemsahan antara produk murn dengan produk sampngnya (by product) Produk murn nantnya akan dpaka sebaga umpan untuk proses pada lne 1 sedangkan produk sampng dgunakan sebaga umpan untuk proses pada lne Unt reaktor, untuk tempat berlangsungnya reaks antara bahan ( feed) dengan gas hdrogen pada suhu dan tekanan tngg (reaks hdrogenas). Untuk lne 1 terdr atas 2 reaktor (j, = 2 dan 3), untuk lne 2 terdr atas 4 reaktor (j, = 4 sampa 7) dan untuk lne 3 terdr atas satu reaktor (j, = 14). 3. Unt flter dan on exchanger, dgunakan untuk proses penyarngan dan pemurnan produk terhadap partkel-partkel pengotor berupa fsk ataupun onc. Masng masng lne memlk satu unt yatu j, = 8 untuk lne 1; j, = 9 untuk lne 2 sedangkan khusus untuk lne 3, unt datas dgabungkan dengan unt evaporator (j, = 15) dkarenakan kapastasnya yang relatf lebh kecl. 4. Unt evaporator, dgunakan untuk menngkatkan konsentras produk akhr sehngga secara fsk menjad lebh kental. J, = 10 untuk lne 1 dan j, = 11 untuk lne Unt proses pencampuran ( mxng process), dgunakan untuk mencampur dua produk fnal sehngga dhaslkan produk lan dengan karakterk dan komposs yang berbeda. Untuk lne 1, proses pencampuran tersebut untuk memperoleh produk sorbtol dengan kadar 2% (j, = 12) dan pada lne 2 dgunakan untuk memperoleh produk sorbtol dengan kadar 7% (j, = 13). A-40-4
5 Data kapastas maksmum untuk tap task, Vm Tabel 1. Data kapastas maksmum untuk tap task () dan peralatan (j) Waktu proses untuk tap task, p Tabel 2. Data waktu proses untuk tap task () Lne proses Unt process (j) Tugas (task) Nomor peralatan j / task Waktu actual (ment) ; Satuan waktu 1 Cryallzer dan separator Pemsahan produk 1 60 ; 1 Reaktor Reaks hdrogenas 2, ; 5 Flter dan on exchanger Pemurnan produk 8 60 ; 1 Evaporator Mxer Penngkatan konsentras produk Pencampuran produk ; ; 1 2 Reactor Reaks hdrogenas 4, 5, 6, ; 4 Flter dan on exchanger Pemurnan produk 9 60 ; 1 Evaporator Mxer Penngkatan konsentras produk Pencampuran produk ; ; 1 3 Reactor Reaks hdrogenas ; 5 Flter, on exchanger dan evaporator Pemurnan produk ; 1 Dalam peneltan n, nterval waktu yang dgunakan untuk masng-masng peralatan adalah 60 ment dengan waktu perencanaan horsontal selama 48 jam. Interval waktu 60 ment dtetapkan berdasarkan waktu proses terpendek pada proses produks yang ada. Kapastas maksmum untuk tap ate, Cs Tabel 3. Data kapastas maksmum untuk tap ate (s) Baya persedaan (nventory) C. Baya persedaan dsajkan untuk masng-masng ate (s) dan waktu (t) dengan telah memperhtungkan baya bahan baku dan utltas untuk setap peralatan (j). Catatan : dengan tdak mengurang esens data yang dgunakan, maka data asl telah dsamarkan dan tdak dtamplkan dengan alasan kerahasaan. Permntaan mnmum, d dan pembelan maksmum, r. A-40-5
6 Tabel 4. Data permntaan mnmum, d dan pembelan maksmum, r untuk tap ate dan waktu. PENYUSUNAN MODEL Fungs Tujuan Fungs tujuan dar model matemats dalam penjadwalan proses produks batch adalah memnmumkan baya persedaan pada setap ate (s) dmana metode perhtungannya adalah sebaga berkut : Waktu perencanaan horsontal berlangsung selama 48 jam. Sedangkan untuk t > dar 48 jam bersfat perencanaan berulang (rollng horzon plannng) Untuk t = 1 sampa dengan t = 12 jam adalah waktu untuk setup dmana pada perode waktu tersebut belum ada permntaan yang terpenuh pada setap ate yang bers produk akhr (S = 8, S = 11, S = 12, S = 15) Waktu setup tersebut hanya terjad satu kal pada setap perode awal perencanaan. Perhtungan nla persedaan pada produk ntermedate dan produk akhr dlakukan pada waktu akhr perencanaan yatu t = 48 untuk masng-masng ate. Nla persedaan khusus untuk produk akhr yang telah dproduks sepanjang waktu horson dhtung sebaga baya yang terkat dengan besarnya permntaan untuk setap waktu t pada ate produk akhr. Formulas fungs tujuan adalah sebaga berkut : mn mze Z C S C dmana C Notas Model H s t48 s t1 D...(1) adalah koefsen baya persedaan untuk setap ate dan waktu Parameter dan varabel yang Dgunakan Dalam Model MIP Parameter-parameter yang dgunakan dalam model mxed nteger programmng [Begler, Lorenz T. et al., 1997] adalah sebaga berkut : Task S Jumlah ate nput ke task ; propors nput ke task dar ate s s propors output dar task ke ate s Catatan 1, s s s 1 s p waktu proses untuk task ; s A-40-6
7 State s d mnmum demand untuk ate s IP pada awal perode t r maksmum purchase untuk ate s IF pada awal perode t C s = Penympanan maksmum untuk ate s Equpment j V kapastas maksmum j Varabel Keputusan Varabel keputusan yang akan menjad ttk pembahasan dalam peneltan n adalah sebaga berkut: a. Unt j mula proses task pada awal perode t, Wjt b. Jumlah materal memula task dalam unt j pada awal perode t, Bjt c. Jumlah materal yang tersmpan dalam ate s pada awal perode t, S d. Pembelan dan penjualan dar ate s pada awal perode t, R dan D Fungs batasan Batasan tugas dar equpment j untuk task selama varas perode waktu t. Setap equpment j dapat memula palng banyak satu task selama waktu tˆ t, tˆ t 1..., tˆ t p 1, pada setap waktu t, sehngga : I j t p 1 tˆ t W 1 j, t j tˆ...(2) jt Jka W 1, maka unt j tdak dapat dtugaskan selan dar task selama nterval [tp+1,t] Batasan kapastas dar peralatan dan tangk penympanan dapat dnyatakan sebaga berkut : Bjt Vm jwjt, t j K...(3) S Cs s, t Untuk batasan kapastas peralatan, jumlah materal yang dproses pada masngmasng peralatan (B jt) harus sama dengan kapastas maksmumnya ( Vm j) dmaksudkan untuk memperoleh kapastas maksmum dar masng-masng peralatan. Batasan neraca massa untuk setap ate dan waktu sebaga berkut : S B R S B D s, t...(4) 1 s jt p s T jk T jk s Pada ss dsebelah kr dgunakan varabel s jt Bjt p dan bukan Bjt karena varabel tersebut menggambarkan awal operas. Untuk produk s IP, R harus dhlangkan. Untuk feed s IF, D harus dhlangkan dan untuk ntermedate s II keduanya harus dhlangkan. D d s IP R r s IF...(5) A-40-7
8 ANALISIS DAN INTERPRETASI HASIL Setelah menjalankan model MIP yang telah dtransformaskan ke dalam program LINGO maka model tersebut menghaslkan varabel, 720 nteger, 7849 conrant dan non zeros. Penyelesaan optmal dperoleh setelah melalu teras dan memperoleh nla optmum untuk persedaan sebesar $US dalam waktu perencanaan horson selama 48 jam. Dar penyelesaan model tersebut, ddapatkan juga jadwal optmum untuk operasonal batch proses untuk proses dalam reaktor hdrogenas sebaga berkut : untuk proses produks lne 1 sebanyak 13 batch, untuk proses produks lne 2 sebanyak 22 batch dan untuk proses produks lne 3 sebanyak 8 batch. Hasl optmal untuk masng-masng varabel keputusan Tabel 5. Data penyelesaan optmal untuk proses produks lne 1 untuk t = 1 sampa t = 48 A-40-8
9 Proses produks lne 1 adalah untuk memenuh kebutuhan permntaan sorbtol dengan grade 0.15% (penjualan langsung) dan juga memenuh permntaan untuk pencampuran sorbtol dengan grade 2%. Jumlah propors untuk sorbtol 0.15% sebanyak 90% dar kapastas dan dtampung pada orage S8 dan untuk pencampuran adalah sebanyak 10% dar kapastas dan dtampung pada orage S10. Dar tabel 6 untuk memenuh permntaan sorbtol dengan grade 0.15% untuk keperluan penjualan langsung sebanyak 157 ton dan untuk keperluan pencampuran sorbtol dengan grade 2% sebanyak total 72 ton dbutuhkan 7 batch reaks pada reaktor 2 dan 6 batch reaks pada reaktor 3. Permntaan tersebut dpenuh setelah t > 10 jam dengan flow sebesar 4 ton per jam untuk grade 0.15% dan t > 13 jam dengan flow 2 ton per jam untuk grade 2%. waktu setup yang dbutuhkan mnmal selama 10 jam. Tabel 6. Data penyelesaan optmal untuk proses produks lne 2 untuk t = 1 sampa t = 48 A-40-9
10 Proses produks lne 2 adalah memproduks sorbtol dengan grade 4% hanya untuk memenuh kebutuhan pencampuran sorbtol dengan grade 2% pada proses produks lne 1 dan juga memenuh permntaan untuk pencampuran sorbtol dengan grade 7% pada proses produks lne 2. Jumlah propors untuk sorbtol 2% sebanyak 25% dar kapastas dan dtampung pada orage S10 sedangkan untuk pencampuran sorbtol 7% sebanyak 75% dar kapastas dan dtampung pada orage S9. Dar tabel 7 untuk memenuh permntaan sorbtol dengan grade 2% sebanyak 72 ton dan untuk keperluan pencampuran sorbtol dengan grade 7% sebanyak 210 ton dbutuhkan 7 batch reaks pada reaktor 4, 6 batch reaks pada reaktor 5, 4 batch reaks pada reaktor 6 dan 5 batch reaks pada reaktor 7. Permntaan sorbtol 7% tersebut dpenuh setelah t > 19 jam dengan flow sebesar 7 ton per jam. Tabel 7. Data penyelesaan optmal untuk proses produks lne 3 untuk t = 1 sampa t = 48 Proses produks lne 3 adalah memproduks sorbtol dengan grade 35% untuk memenuh kebutuhan permntaan sorbtol dengan grade 35% (penjualan langsung) dan juga memenuh permntaan untuk pencampuran sorbtol dengan grade 7% pada proses produks lne 2. Jumlah propors untuk sorbtol 7% sebanyak 50% dar kapastas dan dtampung pada orage S9 sedangkan untuk permntaan sorbtol 35% sebanyak 50% dar kapastas dan dtampung pada orage S15. Dar tabel 8 untuk memenuh permntaan sorbtol dengan grade 35% sebanyak 37 ton dan untuk keperluan pencampuran sorbtol dengan grade 7% sebanyak 210 ton dbutuhkan 8 batch reaks pada reaktor 14. Permntaan sorbtol 35% tersebut dpenuh setelah t > 13 jam dengan flow sebesar 3 ton per 2 jam atau 1.5 ton per jam. Menggunakan hasl dar tabel 6, 7 dan 8, dsusunlah Gantt Chart untuk penjadwalan proses operas dan delay untuk masng-masng reaktor sepert terlhat pada tabel 9 pada t = 1 sampa t = 48. Terlhat d grafk n, jadwal operas dan delay dar masng-masng reaktor. A-40-10
11 Tabel 9. Gantt Chart untuk reaktor j = 2 sampa j = 7 dan j = 14 pada t = 1 sampa t = 48 KESIMPULAN Kesmpulan yang ddapatkan dar peneltan n antara lan: 1. Peneltan n menghaslkan suatu model untuk menyusun jadwal proses produks batch untuk proses d masng-masng reaktor pada setap lne proses dengan menggunakan metode mxed nteger programmng yang melput proses pembuatan model matemats dan notas matemats dalam LINGO. 2. Peneltan n mengujcoba model sesua dengan proses produks sorbtol yang tersusun dar 15 peralatan (j), 15 ate (s) dan 15 task () dengan menggunakan waktu perencenaan horsontal selama 48 jam. 3. Hasl peneltan menunjukkan bahwa model formulas pada program LINGO memlk varabel, 720 nteger, 7849 conrant dan non zeros. Penyelesaan optmal dperoleh setelah melalu teras dan memperoleh hasl optmum untuk total nla persedaan sebesar $US dalam waktu perencanaan horson selama 48 jam. Dar penyelesaan model tersebut, ddapatkan juga jadwal optmum untuk operasonal batch proses untuk proses pada reaktor hdrogenas sebaga berkut : untuk proses produks lne 1 sebanyak 13 batch, untuk proses produks lne 2 sebanyak 22 batch dan untuk proses produks lne 3 sebanyak 8 batch. 4. Dar hasl komparas dengan metode yang saat n dgunakan pada konds sebenarnya adalah menunjukkan bahwa dengan menggunakan model matemats untuk penjadwalan memperoleh hasl yang lebh bak dmana bsa mengubah sem dalam memproduks sorbtol dar sem dorong ( push) menjad sem tark ( pull) dmana untuk sem tark tersebut ddorong oleh besarnya permntaan (demand) Arah peneltan yang dapat dlanjutkan d masa mendatang antara lan sebaga berkut : 1. Peneltan n dapat dkembangkan untuk menyelesakan permasalahan penjadwalan dengan waktu perencanaan horsontal yang lebh lama dengan jumlah demand yang lebh besar. 2. Peneltan dapat juga dkembangkan dengan menambahkan fungs batasan yang terkat dengan proses produks yatu msalkan faktor down tme pada peralatan, waktu yang dbutuhkan untuk pencucan (jka ada) dan waktu artup untuk masngmasng peralatan. A-40-11
12 DAFTAR PUSTAKA Bazaraa, Mokhtar S. et al (1990), Lnear Programmng and Network Flow, John Wley & Sons, Inc. Begler, Lorenz T. et al (1997), Prentce Hall PTR. Syematc Methods of Chemcal Process Desgn, Kondl, E. et al. (1992), A General Algorthm For Short Term Schedulng Of Batch Operaton-I MILP Formulaton, Computers chem.engng. 17, Productvty & Qualty Management Consultant (2007), Lean Manufacturng : Improvng Co Compettveness, Jakarta 21 Maret Schonsleben, Paul (2004), Integral Logcs Management, The St. Luce Press Seres on Resource Management, USA Sswanto, Nurhad (2007), Why Use A Modelng Language - LINGO?, Mater Penyegaran MMT mnggu I, Program Stud Mager Manajemen Teknolog, Bdang Keahlan Manajemen Indur, Intut Teknolog Sepuluh Nopember. Sukoyo, et al (2000), Introducng product-mxed approach for producton plannng of mult-ste batch plants, Tokyo ntute of technology 1, Taylor III, Bernard W. (1999), Introducton to Management Scence, Prentce-Hall Inc., USA A-40-12
13 A-40-13
14 A-40-14
Oleh : Fifi Fisiana
Optmas Baya Produks menggunakan Metode Revsed Mult Choce Goal programmng dengan Tahap Persedaan Terkontrol Supply Chan Model stud kasus : PT.Gunungarta Manunggal, Gempol Oleh : Ff Fsana 1207100018 Dosen
Lebih terperinciKata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.
Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPENJADWALAN PRODUKSI di PT MEUBEL JEPARA PROBOLINGGO
Prosdng Semnar Nasonal Manajemen Teknolog III Program Stud MMTITS, Surabaya 4 Pebruar 2006 PENJADWALAN PRODUKSI d PT MEUBEL JEPARA PROBOLINGGO Mohammad Khusnu Mlad, Bobby Oedy P. Soepangkat, Nurhad Sswanto
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciPENGEMBANGAN 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 terperinciBAB 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 terperinciBAB 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 terperinciOPTIMALISASI PEROLEHAN MINYAK MENGGUNAKAN PEMISAHAN SECARA BERTAHAP. Abstrak
OPTIMALISASI PEROLEHAN MINYAK MENGGUNAKAN PEMISAHAN SECARA BERTAHAP Reza Fauzan 1 1 *Emal: reza.fauzan@gmal.com Abstrak Peneltan tentang penngkatan jumlah produks mnyak yang dperoleh dar sumur produks
Lebih terperinciBAB 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 terperinciBAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance
BAB IV METODE PENELITIAN 4.1 Lokas dan Waktu Peneltan Peneltan mengena Analss Pengaruh Kupedes Terhadap Performance Busness Debtur dalam Sektor Perdagangan, Industr dan Pertanan dlaksanakan d Bank Rakyat
Lebih terperinciP 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 terperinciBAB 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 terperinciMANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN
MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPENERAPAN 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 terperinciBAB 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 terperinciPENGEMBANGAN 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 terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciBAB 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 terperinciSIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI
ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciPROPOSAL 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 terperinciIV. 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 terperinciIII. 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 terperinciPembayaran 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 terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciBAB 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 terperinciJurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
Jurnal Ilmah Wdya Teknk Volume 16 Nomor 1 2017 ISSN 1412-7350 PEMODELAN MATEMATIKA UNTUK PERANCANGAN PRODUK LEMARI KABINET Rcky Yulanton Prhandaa, Dan Retno Sar Dew * Jurusan Teknk Industr, Fakultas Teknk,
Lebih terperinciBab 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 terperinciMODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN
MODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN Tjutju T. Dmyat Jurusan Teknk Industr Unverstas Pasundan E-mal : admyat@bdg.centrn.net.d ABSTRAK Penentuan rute kendaraan (Vehcle
Lebih terperinciBAB 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 terperinciBAB 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 terperinciOPTIMASI PERSEDIAAN DAN PRODUKSI KOMPONEN LAMPU DI LAMP COMPONENT FACTORY (LCF) PT. PHILIPS INDONESIA
Prosdng Semnar Nasonal Manajemen Teknolog IV Program Stud MMT-ITS, Surabaya 5 Agustus 2006 OPTIMASI PERSEDIAAN DAN PRODUKSI KOMPONEN LAMPU DI LAMP COMPONENT FACTORY (LCF) PT. PHILIPS INDONESIA Dars Putr
Lebih terperinciBAB 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 terperinciSISTEM ALIRAN. Sistem Tangki Seri
Pengantar Teknk Kma 1210022 SISTEM ALIRAN Sstem adalah Sesuatu yang terdr atas komponen-komponennya yang bereaks secara fungsonal untuk mencapa tujuan tertentu. Sstem Tangk Ser Tank n seres CSTR n seres
Lebih terperinciBAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua
BAB III METODOLOGI PENELITIAN 3.1. Ruang Lngkup Peneltan Reksadana yang dgunakan dalam peneltan n adalah reksadana yang terdaftar dalam stus BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal
Lebih terperinciBAB 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 terperinciOPTIMASI MASALAH PENUGASAN. Siti Maslihah
JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu
Lebih terperinciBAB 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 terperinciBABl PENDAHULUAN. Indonesia merupakan negara yang sedang berkembang dengan tingkat
BABl PENDAHULUAN 1.1. LAT AR BELAKANG PERMASALAHAN ndonesa merupakan negara yang sedang berkembang dengan tngkat populas yang cukup besar. Dengan jumlah penduduk dewasa n mencapa lebh dar 180 juta jwa
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Uj Normaltas Llefors D dalam pengendalan persedaan, perumusan lmu statstk dgunakan untuk menentukan pola dstrbus, dmana pola dstrbus tersebut dapat dhtung dengan menguj kenormalan
Lebih terperinciMODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA
MAKARA, TEKOLOGI, VOL. 6, O. 3, DESEMBER 2002 MODEL OPTIMASI PERECAAA IVESTASI GALAGA KAPAL DEGA PEDEKATA PROGRAMASI TUJUA GADA Al Azhar Jurusan Teknk Perkapalan, Insttut Teknolog Adh Tama Surabaya Jl.
Lebih terperinciMODEL PERSEDIAAN TERINTEGRASI PRODUSEN - DISTRIBUTOR - PENGECER DENGAN MULTI - PRODUK DAN KENDALA TINGKAT LAYANAN
MODEL PERSEDIAAN TERINTEGRASI PRODUSEN - DISTRIBUTOR - PENGECER DENGAN MULTI - PRODUK DAN KENDALA TINGKAT LAYANAN Mkyana Ramadan, Nughthoh Arfaw Kurdh, dan Sutrma Program Stud Matematka FMIPA UNS Abstrak.
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciAnalisis Persediaan Multy Item dengan Mempertimbangkan Faktor Kadaluarsa
Analss Persedaan Multy Item dengan Mempertmbangkan Faktor Kadaluarsa 1 onny Cputra 1, Theresa Sunarn Jurusan Teknk Industr Sekolah Tngg Teknk Mus, Palembang E-mal : donnycputra@gmal.com Jurusan Teknk Industr
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciBAB 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 terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB 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 terperinciBAB V ANALISIS FAKTOR-FAKTOR BEBAN DAN TAHANAN (LOAD AND RESISTANCE FACTOR)
BAB V ANALISIS FAKTOR-FAKTOR BEBAN DAN TAHANAN (LOAD AND RESISTANCE FACTOR) 5.1 Umum Pada bab V n dbahas mengena hasl perhtungan faktor-faktor beban (load) atau serng dsebut dengan faktor pengal beban,
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. menghimpun dana dari pihak yang kelebihan dana (surplus spending unit) kemudian
Pengaruh Captal Structure terhadap Proftabltas pada Industr Perbankan d Indonesa Mutara Artkel n d-dgtalsas oleh Perpustakaan Fakultas Ekonom-Unverstas Trsakt, 2016. 021-5663232 ext.8335 BAB I PENDAHULUAN
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n membahas tentang prosedur pengembangan pembelajaran dan mplementas model Problem Based Learnng dalam pembelajaran Konsep Dasar Matematka, Subjek Peneltan, Teknk dan Instrumen
Lebih terperinciMETODE PENELITIAN. dalam penelitian ini adalah siswa kelas XI IPA 2 Tahun Pelajaran
III. METODE PENELITIAN A. Settng Peneltan Peneltan n menggunakan data kuanttatf dengan jens Peneltan Tndakan Kelas (PTK). Peneltan n dlaksanakan d SMAN 1 Bandar Lampung yang beralamat d jalan Jend. Sudrman
Lebih terperinciBAB 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 terperinciCatatan 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 terperinciBab 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 terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciIII. 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 terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata
Lebih terperinciIII. 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 terperinciBAB 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 terperinciMEMBANGUN INVESTASI JARINGAN PELABUHAN IKAN JAWA TIMUR
MEMBANGUN INVESTASI JARINGAN PELABUHAN IKAN JAWA TIMUR Ed Wdodo Program Stud Teknk Mesn, Unverstas Muhammadyah Sdoarjo ed.umsda@gmal.com Hndarto Program Stud Teknk Informatka, Unverstas Muhammadyah Sdoarjo
Lebih terperinciGENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE)
GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE) Muhammad Khosy n 1,2, Muh Iman Prajtno 2, Aro Isnad 3, Mochamad Haryad 4 1 Electrcal
Lebih terperinciPRESENTASI TUGAS AKHIR CI 1483 OPTIMASI WAKTU INVENTORI MULTI ITEM DENGAN STRUKTUR BIAYA CONCAVE
PRESENTASI TUGAS AKHIR CI 1483 OPTIMASI WAKTU INVENTORI MULTI ITEM DENGAN STRUKTUR BIAYA CONCAVE Penyusun Tugas Akhr : Nta Kusumanngtyas (NRP : 5104.100.052) Dosen Pembmbng : Rully Soelaman, S.Kom., M.Kom.
Lebih terperinciANALISIS 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 terperinciBAB 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 terperinciOPTIMASI PERBEDAAN WARNA DAN KILAP CAT BUBUK MENGGUNAKAN METODE PERMUKAAN RESPON ABSTRAK
Prosdng Semnar Nasonal Manajemen Teknolog XXIV Program Stud MMT-ITS, Surabaya 3 Januar 016 OPTIMASI PERBEDAAN WARNA DAN KILAP CAT BUBUK MENGGUNAKAN METODE PERMUKAAN RESPON Sukram 1), Bobby Oedy P. Soepangkat
Lebih terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinci(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 terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciBAB 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 terperinciPENDAHULUAN TINJAUAN PUSTAKA
PENDAHULUAN Latar Belakang Penggunaan energ Indonesa menngkat pesat sejalan dengan pertumbuhan ekonom dan pertambahan penduduk. Namun sebaga komodtas energ utama, keberadaan cadangan mnyak bum saat n sudah
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciPERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT
BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciBAB 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 terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB 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 terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
Lebih terperinci