Sistem Penjadwalan Mesin Produksi Menggunakan Algoritma Johnson dan Campbell

Ukuran: px
Mulai penontonan dengan halaman:

Download "Sistem Penjadwalan Mesin Produksi Menggunakan Algoritma Johnson dan Campbell"

Transkripsi

1 Soaa, Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell 73 Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell Ff Soaa Program Pascasarjaa Jurusa Tekk formaka Fakulas lmu Kompuer da Tekolog formas, Uversas Sumaera Uara Jala Uversas No. 24 A, Kampus USU Meda 2055, Sumaera Uara E-mal: Masuk: 6 Sepember 204; Drevs: 4 Okober 204 da 28 Okober 204; Derma: 29 Okober 204 Absrac. Schedulg produco mache has a esseal role mmzg he makespa order o rase he produco effcecy. Makespa geeraed from more ha oe produco maches, ca sll wa for jobs he processsce he job s sll he process o aoher mache, or as a job wag o be processed by a mache because he mache s sll processg aoher job. The mehode appled for flow shop ad sac produco sysem s egraed Algorhm whch combes Johso ad Campbell Algorhm. By applyg hese wo mehods o he compay, he compay ca see he schedule of he produco mache ha gves he mmum makespa a compuerzed sysem. The preseao s he form of ables mappg o faclae he search makespa. Keywords: Produco Mache Schedulg, Flow Shop, Sac, Makespa, Johso ad Campbell Algorhm. Absrak. Pejadwala mes produks memlk pera yag saga peg dalam memmalka makespa sehgga efses produks dapa ercapa. Makespa yag dhaslka uuk jumlah mes produks lebh dar sau mes, mash mugk megadug waku uggu karea sebuah mes kemugka meuggu job yag harus dprosesya, semeara job ersebu mash dproses pada mes yag la, aau karea sebuah job meuggu uuk dproses oleh sebuah mes karea mes ersebu mash memproses job yag la. Proses N Jobs M Mes erdapa lebh dar makespa eap yag dplh adalah makespa erkecl. Meode yag dapa dguaka pada ssem produks yag flow shop da sas adalah algorma kombas dar Algorma Johso da Campbell. Dega meerapka dua meode ersebu pada perusahaa maka perusahaa dapa megeahu jadwal mes produks yag memberka makespa palg mmum secara erkompuersas. Peyaja dalam beuk pemeaa abel mempermudah dalam pecara makespa. Kaa kuc: Pejadwala Mes Produks, Flow shop, Sas, Makespa, Algorma Johso da Campbell.. Pedahulua Seap perusahaa yag bergerak dalam bdag produks pas melaksaaka program pegkaa produkvas. Dalam melaksaaka akvasya perusahaa harus melakuka pejadwala mes produks yag bak. Perusahaa yag berproduks berdasarka job order duu uuk selalu dapa memeuh permaa kosume pada waku yag elah dsepaka. Namu bayakya jes produk yag dpesa oleh para kosume dapa selesa dalam waku yag bersamaa sergkal membua kesula phak perusahaa dalam melakuka pejadwala erhadap proras jes produk yag harus dproduks erlebh dahulu. Selama produkproduk yag dpesa oleh kosume dapa dpeuh oleh perusahaa, bak dar seg kualas maupu kuaas amu membuuhka waku yag cukup lama sehgga dak jarag erjad keerlambaa.

2 74 Jural Buaa formaka, Volume 6, Nomor 3, Jul 205: Algorma Jhoso da Campbell merupaka salah sau meode yag dapa dguaka dalam megaas keerlambaa ersebu dega kaegor pejadwala mes produks yag flowshop da sas yag dapa memmumka makespa uuk pegerjaa produk (N job) dega berbaga mes (M Mes). Dalam pegerjaa N Jobs Mes da N Jobs 2 mes aleraf yag dguaka yau meode Johso uuk mes dega jumlah daas dua megguaka meode Campbell. Sedagka meode Campbell merupaka pegembaga dar meode Johso. 2. Tjaua Pusaka 2.. Pejadwala Mes Produks Pejadwala mes produks adalah salah sau maa raa kegaa dar perecaaa produks, dmaa kegaa pejadwala u sedr berkaa dega proses pegurua pegerjaa produk secara meyeluruh pada beberapa mes. Meode pada pejadwala adalah algorma yag dapa memberka hasl yag cukup bak walaupu belum opmal. Teap dega semak berkembagya kebuuha aka pejadwala yag semak efse, maka semak peg uuk meghaslka jadwal yag lebh bak da mecapa solus yag medeka opmal. Pada beberapa perusahaa, kesalaha dalam meyusu pejadwala produks dak haya dapa megacauka usaha pegawasa mes produksya, eap juga mempegaruh jumlah produks perusahaa. Peyusua suau pejadwala mes produks yag semaa-maa haya berdasarka pada us belaka jelas aka dapa mempegaruh jumlah hasl produks yag sebearya maupu yag dhaslka. Dalam hal pejadwala produks yag demka u aka meyebabka mbulya waku yag dak produkf dar mes-mes yag dguaka dalam proses produks jelas merupaka fakor yag dapa merugka perusahaa. Suau pejadwala mes produks yag berdasarka pada suau pemkra yag lmah jelas aka megurag mbulya hal-hal yag merugka perusahaa sehubuga dega pejadwala mes produksya (Chrsaa dkk., 202). Dega pejadwala produks yag bak euya mes-mes yag dguaka dapa doperaska sesua dega kapasas yag dmlk da memperkecl kemugka mbulya waku yag dak produkf dar mes-mes ersebu. Namu demka sedak-dakya dega suau pejadwala produks yag bak da epa, maka hasl produks relaf aka lebh gg jka dbadgka dega pejadwala mes produks yag haya berdasarka us saja. Dalam pembuaa jadwal harus dkeahu lebh dahulu adalah kapasas produks mes dukur berdasarka bermacam-macam aura yag dapa dguaka, daaraya: () Frs Come Frs Server (FCFS) dmaa urua pekerjaa dproses berdasarka urua order/pesaa yag masuk. (2) Shores Processg Tme (SPT) dmaa urua pekerjaa dplh berdasarka waku proses yag palg sgka. (3) Loges Processg Tme (LPT) dmaa urua pekerjaa dplh berdasarka waku proses yag palg lama. Adapu fugs pokok pejadwala mes produks adalah uuk membua arus produks dapa berjala lacar sesua dega waku yag drecaaka Macam Pejadwala Produks Pejadwala secara gars besar berdasarka urua proses produksya dapa dbedaka dalam 2 macam yau (Masruroh, 2008), perama, Job Shop adalah pola alr dar N job melalu M mes dega pola alra sembarag da proses pegurua pekerjaa uuk lasa produk yag dak beraura. Pejadwala pada proses produks job shop salah sau cr-crya adalah beuk aa leak job shop basaya dgologka dar peralaa yag mempuya fugs yag mrp d suau area (Badworh, 987), sebagamaa dlusraska pada Gambar. Yag kedua, Flow Shop adalah proses peeua urua pekerjaa yag memlk lasa produk yag sama aau hampr sama. Pada dasarya ada beberapa macam pola flow shop, aara la: (Farouq, 203), (a) Pure Flow Shop, Flow shop yag memlk jalur produks yag sama uuk semua ugas. Mes dsusu sesua dega alur proses yag ada dmaa sebuah job dharuska mejala sau kal proses uuk ap-ap kods. Beuk Pure Flow

3 Soaa, Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell 75 Shop dlusraska pada Gambar 2. (b) Geeral Flow Shop memlk pola alra berbeda, dmaa pada pola alr Geeral Flow Shop mempuya cr-cr: Alur proses selalu meujukka arah ke kaa, urua operas boleh dak berurua, dak dperbolehka adaya alr proses balk. Geeral Flow Shop dlusraska pada Gambar 3. Gambar. Alra Kerja pada Job Shop Gambar 2. Alra Kerja pada Pure Flow Shop Gambar 3. Alra Kerja pada Geeral Flow Shop 2.3. Pejadwala Job pada Mes Peeapa pejadwala aau urua job pada suau produks aka memberka keuuga: () Teaga mausa da mes besera kelegkapaya dapa dguaka seefekf mugk. (2) Keerlambaa da kemacea dalam proses produks dapa deka sekecl mugk. (3) Pegguaa produks dapa dlaksaaka dega bak dega cara membadgka pelaksaaa produks da recaa urua yag elah dsusu. (4) Toal waku da proses secara keseluruha dapa dcar sampa semmal mugk. (5) Kesembaga dar operas dapa dlaksaaka dega bak. Peyelesaa dalam masalah pejadwala dapa dklasfkaska meuru jumlah mes da job yag djadwalka mejad ga macam yau: () Pejadwala uuk N Jobs, Mes. (2) Pejadwala uuk N Jobs, 2 Mes. (3) Pejadwala uuk N Jobs, M Mes. Beberapa slah umum yag dguaka dalam membahas masalah pejadwala produks (Aryea, 2007): () Waku pegerjaa aau Processg Tme ( j) adalah waku yag dbuuhka uuk meyelesaka suau pekerjaa/job ke- pada mes ke-j. (2) Waku uggu aau Wag Tme (W j) adalah waku yag dperguaka oleh job/pekerjaa ke- sebelum job ersebu dproses pada suau mes ke-j. (3) Baas akhr aau Due Dae (d ) adalah waku yag dberka seap job/pekerjaa ke- sebaga baas peyelesaa pekerjaa. (4) Allowace me (a ) adalah waku loggar uuk proses daara waku ready/sap (r ) sampa dega due dae. (5) Waku keseluruha aau Compleo me (C ) adalah waku yag dberka pada seap job/pekerjaa ke- sebaga baas peyelesa pekerjaa. (6) Waku keerlambaa aau Laeess Tme (L ) adalah selsh dar compleo me dkurag due dae. (7) Tardess (T ) adalah job yag erlamba dserahka ke kosume. (8) Earless (E ) adalah peyelesaa job lebh cepa dar baas waku yag deuka. (9) Makespa (M s) adalah waku peyelesaa seluruh job pada shop Pejadwala N Jobs Mes Ada beberapa aura yag dpaka dalam meyelesaka pejadwala job pada sau mes begu pula dega krera peyelesaa yag dguaka (Gg, 2009): () Aura SPT ( Shor Prosessg Tme) dmaa cara pegurua job ddasarka pada waku proses erkecl, yau job yag mempuya waku proses yag lebh kecl yag ddahuluka yau, 2, 3,. (2) Aura EDD (Earles Due Dae) dmaa pegurua job ddasarka aas la d-ya, dmaa d,d 2,d 3,,d da krera yag dpaka adalah memmas max L. (3) Algorma Moore ad Hudgso dega lagkah-lagkah: (a) Uruka job berdasarka EDD. (b) Cek apakah job yag erlamba lebh kecl sau, jka ya maka selesa, jka dak ke lagkah

4 76 Jural Buaa formaka, Volume 6, Nomor 3, Jul 205: berkuya. (c) defkas job yag perama erlamba da ber smbol *. (d) defkas maksmum dar job perama pada urua EDD dega jobs * da ber smbol **. (e) Kesampgka job * dar EDD (pdahka ke urua EDD erakhr). (f) Kembal ke lagkah Pejadwala N Jobs 2 Mes Algorma Johso Aura Johso adalah suau aura memmumka makespa dua mes yag dsusu paralel da saa mejad dasar eor pejadwala (Gg, 2009). Adapu prosedur Johso memua lagkah: () Dapaka waku proses yag lebh kecl. Jka erdapa pada mes A, empaka pekerjaa ersebu sebaga pekerjaa perama pada mes A. Jka erdapa pada mes B empaka pekerjaa ersebu sebaga pekerjaa erakhr pada mes B. (2) Pdahka pekerjaa yag elah dempaka aau dugaska da kembal ke lagkah. Jka semua pekerjaa elah selesa dempaka, maka dperoleh urua yag opmal. Jka erdapa dua pekerjaa mempuya waku sama, pada mes sama dmaa waku ersebu lebh kecl dar waku pada mes la, maka pembaga peugasa uuk dua pekerjaa ersebu adalah sembarag. Uuk permasalaha pejadwala dega mes yag lebh dar dua buah, aka sul dpecahka dega meode. Uuk megaasya, maka dguaka Meode Campbell yag merupaka pegembaga dar meode Johso Pejadwala N Jobs M Mes Pejadwala N job M mes merupaka sebuah pe sac shop sequecg dmaa job harus dproses oleh m mes. Seluruh pekerjaa ersebu dproses d awal perode pegerjaaya, sera dak ada pekerjaa-pekerjaa baru yag daag selama perode ersebu (sac job arrval paer). Juga pekerjaa-pekerjaa ersebu dak dperbolehka salg melewa urua yag elah deuka ( pekerjaa-pekerjaa beraha pada poss sau urua yag sama). Ada ekk secara heursc mampu memberka urua yag bak / urua yag opmal dalam meyelesaka problem pejadwala N jobs M maches yau meode algorma Campbell (Dew dkk, 2005). Meode dpaka uuk mejadwalka N job pada mes yag lebh dar dua da merupaka pegembaga dar meode Johso. Dega demka meode Johso dapa dpaka sebaga dasar perhuga urua job pada mes. Adapu lagkah-lagkah pada pejadwala Campbell (Masruroh, 2008): () defkas k=. Sebagamaa erlha pada Persamaa da Persamaa 2. (2) Urua Job aas Johso. (3) Hug M s. (4) k= k+ (5) Perksa apakah K m; Jka Ya laju ke lagkah ke- 6. Jka Tdak kembal ke lagkah ke-2. (6) Plh M s erkecl dar pejadwala. (7) Sop. Hug: * = k j k k k j. 2 * =. m k (2) k 3. Meodolog Da Peracaga Pada Gambar 4 dapa dlha dagram alr algorma Johso da Gambar 5 adalah algorma Campbell. ()

5 Soaa, Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell 77 Gambar 4. Dagram Alr Algorma Johso Procedure Campbell For o (NMes - ) For j 0 o (NJob - ) WakuProses (j, 0) 0 WakuProses (j, ) 0 For k 0 o ( - ) WakuProses (j, 0) WakuProses (j, 0) + TProses (j, k) WakuProses (j, ) WakuProses (j, ) + (TProses (j, (NMes - ) - k) Ed For Ed For Johso - Ed For reur Gambar 5. Dagram Alr Algorma Campbell

6 78 Jural Buaa formaka, Volume 6, Nomor 3, Jul 205: Pejadwala N Jobs Mes Pada pejadwala N Jobs Mes, uuk medapaka makespa yag mmum dguaka rumus perhuga yag erdapa pada Persamaa 3 sampa dega Persamaa 5. [ ], j = [], j- + [], j- (3) [], j = max {0, ( MS = [ ], m [ k ], + j - k [ ], m - k )} (4) Dmaa MS = Waku uuk memproduks seluruh job hgga selesa [], j = Waku proses job urua ke- pada mes ke-j. = Waku uggu job urua ke- pada mes ke-j. [], j 3.2. Pejadwala N Jobs 2 Mes Uuk pejadwala N Jobs 2 Mes Johso megembagka sebuah algorma uuk medapaka sebuah opmal sequece. Adapu ahapa dar Campbell Johso yau (Novrasyah, 2006): () Membua dafar waku proses uuk seluruh pekerjaa-pekerjaa ersebu bak pada M- aau M-2. (2) Mecar seluruh waku proses uuk seluruh pekerjaa. Meeuka waku proses yag mmal. (3) Jka waku proses mmal berada pada M-, empaka pekerjaa ersebu palg awal dalam urua. Jka berada pada M-2 maka empaka pekerjaa d akhr urua. (4) Ulag lagkah 2 da 3 uuk pekerjaa-pekerjaa yag belum dmasukka ke dalam urua pejadwala Pejadwala N Jobs M Mes Permasalaha N Jobs M Mes merupaka sebuah pe sak shop sequecg dmaa N jobs harus dproses oleh M mes. Jumlah pekerjaa deuka sebelum proses pegerjaa dmula, sera dak ada pekerjaa-pekerjaa baru yag djadwalka selama proses produks (Nurpasca, 202). Pekerjaa-pekerjaa ersebu dak boleh meympag dar urua yag elah deuka (pekerja a-pekerjaa mempuya urua yag sama). Permasalahaya adalah bagamaa mejadwalka job m mes dega bak agar pekerjaa-pekerjaa ersebu dselesaka dega legkap pada waku yag palg mmal sehgga Algorma Campbell yag merupaka pegembaga dar Algorma Johso mampu memberka urua yag bak/urua yag opmal dalam meyelesaka problem pejadwala N Jobs M Mes. 4. Hasl Da Pembahasa 4.. Uj Efekvas Kasus N Jobs Mes Waku proses N Jobs Mes dsajka dalam Tabel. Tabel. Tabel Waku Proses N Jobs Mes Job J J2 J3 J4 Processg me () Solus Mecar Pejadwala N Jobs Mes. Karea haya mes (sgle) maka proses pejadwala sesua dega urua job yag dkerjaka. Pejadwalaya yau J J2 J3 J Solus Mecar Makespa N Jobs Mes. Uuk meghug la Makespa erlebh dahulu dcar waku uggu uuk mes ke-. Karea pada Mes ke- seap job lagsug dproses, maka job-job pada Mes ke- mempuya waku uggu sama dega ol. Sehgga makespa-ya mejad: MS = ( ) + ( ) = 26. (5)

7 Soaa, Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell 79 Gambar 6 merupaka peyaja dar hasl peguja pejadwala yag dgambarka dalam sebuah Ga Char. Gambar 6. Ga Char 4 Jobs, Mes 4.2. Uj Efekvas Kasus N Jobs 2 Mes Uuk pejadwala N Jobs 2 Mes Johso megembagka sebuah algorma uuk medapaka sebuah opmal sequece. Adapu ahapa dar Campbell Johso yau (Nurpasca, 202): () Membua dafar waku proses uuk seluruh pekerjaa-pekerjaa ersebu bak pada M- aau M-2. (2) Mecar seluruh waku proses uuk seluruh pekerjaa. Meeuka waku proses yag mmal. (3) Jka waku proses mmal berada pada M-, empaka pekerjaa ersebu palg awal dalam urua. Jka berada pada M-2 maka empaka pekerjaa d akhr urua.(4) Ulag lagkah 2 da 3 uuk pekerjaa-pekerjaa yag belum dmasukka ke dalam urua pejadwala. Sud kasus uuk N Jobs 2 Mes aka megguaka daa waku proses d Tabel 2. Tabel 2. Waku Proses Awal N Jobs 2 Mes Job J J2 J3 J4 J5 J6 M M Solus Mecar Pejadwala N Jobs 2 Mes Aura pejadwala N Jobs 2 Mes: () Pekerjaa dega waku proses erkecl adalah J3, dmaa erdapa pada M, sehgga J3 dleakka pada pejadwala seawal mugk. Kemuda J3 dhlagka dar abel ersebu.(2) Waku proses erkecl berkuya adalah 4 pada J, sehgga J duruka seawal mugk. (3) Waku proses erkecl selajuya adalah ujuh, eap waku proses ekecl ersebu sama-sama erdapa pada M da M2. Kepuusa uuk mejadwalka J2 seakhr mugk (poss ke-6) aau seawal mugk (poss ke-3) pada abel pegurua, ergaug pada proras job (jka ada), jka dak ada proras, J2 dapa damplka pada poss ke-3 aau ke-6 apa mempegaruh makespa pejadwala.waku proses erkecl berkuya adalah delapa, yau J4. Tabel akhr erdapa pada Tabel 3 aau Tabel 4. Tabel 3. Urua Pejadwala pada Proses Perama J3 J J2 J6 J5 J4 Tabel 4. Urua Pejadwala pada Proses Kedua J3 J J6 J5 J4 J Solus Mecar Makespa N Jobs 2 Mes Pada N Jobs 2 Mes erdapa dua urua pejadwala, yau J3 J J2 J6 J5 J4 da J3 J J6 J5 J4 J2 da dsajka dalam Tabel 5 da 6. Tabel 5. Waku Proses Jadwal Perama Job J3 J J2 J6 J5 J4 M M

8 80 Jural Buaa formaka, Volume 6, Nomor 3, Jul 205: [ ], j = [], j- + [], j- [], j = max {0, ( - - )} MS = ( ) + ( ) = 62 Tabel 6. Waku Proses Jadwal Kedua Job J3 J J2 J6 J5 J4 M M [ ], j = [], j- + [], j- [], j = max {0, ( - - )} MS = ( ) + ( ) = 62 Peyaja dar hasl peguja pejadwala mes produks N Jobs 2 Mes dgambarka dalam beuk Ga Char yag erdapa pada Gambar 7. Gambar 7. Ga Char 6 Jobs, 2 Mes 4.3. Uj Efekvas Sud Kasus N Jobs M Mes Terdapa 4 job yag dproses pada 4 mes megguaka Meode Campbell Dudek ad Smh (CDS) da dsajka pada Tabel 7. Tabel 7. Waku Proses Awal N Jobs M Mes Job Mes Mes 2 Mes 3 Mes Solus Mecar Pejadwala N Jobs M Mes Tahapa yag dberka: () Pada se perama megambl mes perama yau M dposska sebaga M da megambl mes erakhr yau M4 dposska sebaga M2 da dsajka dalam Tabel 8. Megguaka baua Algorma Johso karea pada proses d aas daggap sebaga pejadwala N Jobs, 2 Mes ddapa pegurua J2 J J3 J4. (2) Se kedua merupaka perhuga dar peggabuga dua mes yau M2 da M34. (3) Se erakhr adalah gabuga ga mes yau M23 da M234. (4) Pejadwala Se Akhr dsajka dalam Tabel 9. Pejadwala yag ddapa yau J2 J J4 J3. Dar pegerjaa d aas ddapa ga pejadwala yau J2 J J3 J4, J J3 J2 J4 da J2 J J4 J3. Tabel 8. Pejadwala Se Perama Job M M Tabel 9. Hasl Pejadwala Se Akhr Job M23 M

9 Soaa, Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell Solus Mecar Makespa N Jobs M Mes Pada pejadwala J2 J J3 J4 dsajka pada Tabel 0. Pada pejadwala J J3 J2 J4 dsajka dalam Tabel. Pada pejadwala J2 J J4 J3 dsajka dalam Tabel 2. Tabel 0. Waku Proses ke- N Jobs M Mes Job Mes Mes 2 Mes 3 Mes = [], j- + [], j- [], j MS [ ], j = max {0, ( = [ ], m + [ k ], j Tabel. Waku Proses ke-2 N Jobs M Mes Job Mes Mes 2 Mes 3 Mes [ ], j = [], j- + [], j- [], j MS = max {0, ( = [ ], m [ k ], + j Tabel 2. Waku Proses ke-3 N Jobs M Mes Job Mes Mes 2 Mes 3 Mes [ ], j = [], j- + [], j- [], j MS = = max {0, ( [ ], m [ k ], + j - [ ], m - [ ], m - )} = ( ) + ( ) = 37 - [ ], m - )} = ( ) + ( ) = 39 - = ( ) + ( ) = 38 Pada kasus N Jobs, M Mes, erdapa bayak pejadwala eap yag dproraska perama kal adalah pejadwala yag meghaslka makespa mmum, seper Gambar 8. )} Gambar 8. Ga Char 4 Jobs, 4 Mes

10 82 Jural Buaa formaka, Volume 6, Nomor 3, Jul 205: Kesmpula Da Sara Berdasarka aalss da peguja d aas maka dapa dambl beberapa kesmpula yau: () Peerapa Algorma Johso dalam aplkas dapa dguaka uuk meghaslka jadwal dega makespa yag mmum uuk pe produks dega N Jobs 2 Mes yag sas da flowshop. (2) Peerapa Algorma Campbell dalam aplkas, yag merupaka pegembaga dar Algorma Johso dapa dguaka uuk meghaslka jadwal dega makespa mmum pada pe produks dega N Jobs M Mes yag sas da flowshop. (3) Jadwal dega makespa mmum yag dhaslka uuk jumlah mes produks lebh dar sau mes, mash mugk megadug waku uggu. Waku uggu erjad karea sebuah mes meuggu (dle) karea job yag harus dprosesya mash dproses pada mes yag la, aau karea sebuah job meuggu uuk dproses oleh sebuah mes karea mes ersebu mash memproses job yag la. Keuuga megguaka Algorma Johso da Campbell adalah perusahaa dapa meghaslka jadwal yag mempuya makespa yag mmum pada pejadwala mes produks. Sedagka kekuragaya adalah pada meode Jhoso da Campell haya bsa dguaka pada pe pejadwala sas da belum bsa duj coba pada jumlah mes yag saga bayak aau rbua mes. Korbus yag bsa dberka dar peela dega komparas aara Algorma Johso da Campbell adalah dapa memberka kemudaha kepada perusahaa yag bergerak dbdag produks khususya mes produks dega pola flowshop sas. Adapu sara yag dapa dsampaka dalam ragka pegembaga Ssem Pejadwala Mes Produks dalam mecar pejadwala yag bak da makespa yag mmum adalah dharapka aplkas dkembagka uuk pe pejadwala job shop aaupu dams dega algorma yag sesua. Referes Aryea, Rsky Pejadwala Mes Dega Meode CDS (Campbell, Dudeck & Smh) da Meode Palmer Pada Baga Casg Shop d PT. doesa Asaha Alumum (alum). Meda: Fakulas Tekk Uversas Sumaera Uara. Chrsaa, Y., Suar, T Usula Pejadwala Mes Produks Megguaka Meode Campbell Dudek Ad Smh. Palembag: Jurusa Tekk dusr STT Palembag. Badworh, D egraed Produco Corol Sysem, York: Joh Wley & Sos, c. Dew, F.G Pejadwala Pembuaa Box Alumum Uuk Memmalka Makespa. Prosdg SEMNAS, su Tekolog Sepuluh Nopember, Surabaya. Farouq, Eko Smulas Aura Johso Uuk Pejadwala Produks Flowshop d Perusahaa Furure. Malag: Jurusa lmu Kompuer Program Sud Tekolog formas da lmu Kompuer Uversas Brawjaya. Gg, Rosa Pejadwala Mes. Yogyakara: Graha lmu. Masruroh, Nsa Aalsa Pejadwala Produks dega Megguaka Meode Campbell Dudeck Smh, Palmer da Daebrg d PT. Loka Refrakors Surabaya. Surabaya: Jurusa Tekk dusr Fakulas Tekk dusr Uversas Veera UPN Surabaya. Novrasyah Pegkaa Perecaaa Pejadwala dega Meode Campbell Dudeck ad Smh. Palembag: Paper Jurusa Tekk dusr Uversas Ba Darma. Nurpasca, radra Pejadwala Produks Flowshop Uuk Memmas Makespa dega Aalss Perbadga Meode Heursc, Pour da Campbell, Dudeck ad Smh (CDS) pada Laa. Telkom Uversy, Badug.

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

Lebih terperinci

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EOQ UNTUK MULTIITEM DENGAN ALL UNIT DISCOUNT

PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EOQ UNTUK MULTIITEM DENGAN ALL UNIT DISCOUNT PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EOQ UNTUK MULTIITEM DENGAN ALL UNIT DICOUNT Much. Djuad Jurusa Tekk Idusr Uversas Muhammadyah urakara Jl. Ahmad Ya Tromol Pos Pabela urakara emal:

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive BAB II LANDASAN TEORI 2. Toal Producve maeace (TPM) Toal Producve Maeace mula mula berasal dar pemkra PM ( Preveve Maeace da Produco Maeace), dar Amerka masuk ke Jepag da berkembag mejad suau ssem baru

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN Jural EKSPONENSAL Volume 6, Nomor, Nopember 05 SSN 085789 Aalss Pegedala Persedaa Produk dega Meode Ecoomc Order Quay Mul em Megguaka Algorma Geeka uuk Megefseka Baya Persedaa Hasl Peramala Berbass Expoeal

Lebih terperinci

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Peremua 3 Oule: Meode Peramala: Expoeal Smoohg (Sgle) Double Expoeal Smoohg Wer s Mehod for Seasoal Problems Error Forecas MAD, MSE, MAPE, MFE aau Bas Referes:

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau perawaa (maeace) merupaka kegaa uuk mejaga aau memelhara faslas-faslas da peralaa pabrk, sera megadaka perbaka, peyesuaa aau peggaa yag dperluka uuk medapaka

Lebih terperinci

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

BAB V ANALISIS HIDROLOGI

BAB V ANALISIS HIDROLOGI ANALISIS HIDROLOGI 64 BAB V ANALISIS HIDROLOGI 5.. Tjaua Umum Utuk meetuka debt recaa, dapat dguaka beberapa metode atau cara. Metode yag dguaka sagat tergatug dar data yag terseda, data data tersebut

Lebih terperinci

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY Ajeg Ye Seagrum 1, da Muhammad Kholl Jurusa Tekk Idusr, Fakulas Tekk Uversas Mercu Buaa

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

APLIKASI KOMBINASI ALGORITMA GENETIK DAN DATA ENVELOPMENT ANALYSIS PADA PENJADWALAN FLOWSHOP MULTIKRITERIA

APLIKASI KOMBINASI ALGORITMA GENETIK DAN DATA ENVELOPMENT ANALYSIS PADA PENJADWALAN FLOWSHOP MULTIKRITERIA JURNAL TEKNIK INDUSTRI VOL. 0, NO., JUNI 2008: 86-96 APLIKASI KOMBINASI ALGORITMA GENETIK DAN DATA ENVELOPMENT ANALYSIS PADA PENJADWALAN FLOWSHOP MULTIKRITERIA Herr Chrsta Palt, Hars Leardo 2, I Gede Agus

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci