BAB 2 LANDASAN TEORI
|
|
- Handoko Oesman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2. Peetua Waktu Pegamata Seara Aak Berulag kali telah disebutka bahwa kujuga-kujuga utuk melakuka pegamata dilakuka dalam waktu-waktu yag ditetuka seara aak. Utuk itu, biasaya satu hari kerja dibagi kedalam satu-satua waktu yag besarya ditetuka oleh pegukur. Biasaya pajag satu-satua waktu tidak terlalu sigkat da juga tidak terlalu pajag. Berdasarka satu-satua waktu iilah, jam kujuga dapat ditetuka dega megguaka tabel aakradom. Lagkah-lagkah yag harus dilakuka utuk meetuka waktu pegamata adalah: Meetuka pajag satu-satua waktu pegamata yag diigika artiya sekali pegamata dilakuka selama selag waktu yag telah ditetuka tersebut, misalya 5 meit. Meghitug pajag satu-satua waktu yag dibutuhka selama satu hari kerja. Jika satu hari kerja selama tujuh jam, artiya dalam sehari ada 7 *60 5 = 84satu satua _ waktu. Artiya, jumlah kujuga per hari tidak boleh lebih dari 84 kali kujuga. Peetua jumlah kujuga per hari yag diigika oleh pegukur. Misalya 36 kali kujuga.
2 Lalu, dega megguaka tabel bilaga aakradom, dapat ditetuka jam-jam kujuga. Cara melihat agka pada tabel bilaga aakradom adalah dega megikuti dua-dua sampai 36 kali da harus memeuhi syarat bahwa pasaga-pasaga dua buah agka tersebut besarya tidak lebih dari 84 da tidak boleh terjadi pegulaga. Misalka agka yag didapat dari tabel bilaga aakradom adalah 39, 65,75,dst. Jika jam kerja dimulai pukul 8.00 da berakhir pukul 6.00, maka utuk medapatka waktujam pastiya adalah dega ara 39 x 5 meit pajag satu-satua waktu yag telah ditetuka = 95 meit 3 jam 5 meit. Maka, kujuga pertama adalah pada pukul jam 5 meit = pukul.5. Begitu seterusya sampai selesai jumlah pegamata yag dibutuhka. 2.2 Distribusi Probabilitas Ada 2 jeis distribusi probabilitas yaitu: Cotiuous utuk data variabel Apabila karakteristik yag diukur dapat membiaraka berbagai ilai ketepata pegukura proses, distribusi probabilitasya disebut distribusi probabilitas otiuous otiuous probability distributio. Ada berbagai betuk distribusi probabilitas yag biasa diguaka, misalya distribusi probabilitas ormal, distribusi probabilitas ekspoesial, distribusi
3 probabilitas beta da distribusi probabilitas weibull. Distribusi probabilitas ii meemuka hal-hal yag berkaita dega kejadia-kejadia dari ilai-ilai karakteristik yag sesugguhya. Sedagka distribusi probabilitas yag sama adalah t, F da Chi Square yag diguaka dalam aalisis data tetapi tidak membatu seara lagsug dalam memprediksi probabilitas terjadiya ilaiilai yag sesugguhya. Disrete utuk data atribut Apabila karakteristik yag diukur haya membiaraka ilai-ilai tertetu misalya 0,,2,3, distribusi probabilitasya disebut dega distribusi probabilitas disrete disrete probability distributio. Sebagai otoh, distribusi utuk bayakya kesalaha pada sampel yag berisi 5 uit merupaka distribusi probabilitas disrete karea kesalaha haya 0,,2,3,4 atau 5. Distribusi probabilitas disrete ada 2 jeis yaitu distribusi poisso da biomial.
4 Beberapa distribusi probabilitas yag serig diguaka yaitu:. Distribusi Seragam f x =, a x b b a X a Fx X =,0 X b b a b + a mea = 2 2 b a varias = 2 2. Distribusi Ekspoesial Negatif Distribusi probabilitas ormal da ekspoesial memiliki betuk yag berbeda. Pada distribusi probabilitas ekspoesial, daerah yag berada di bawah rata-rata lebih besar daripada yag berada di atas rata-rata. Kurva ekspoesial juga diguaka dalam pejelasa distribusi kegagala waktu yag kompleks. Yag sagat mearik dari distribusi ekspoesial adalah deviasi stadar sama dega rata-rata. f x = e x F X = e x mea = varias = 2, x > 0, > 0 X, X > 0 3. Distribusi Erlag da Gamma Jika parameter betuk α adalah sebuah iteger positif, distribusi ii disebut Erlag. Jika tidak, ilai-ilai oiteger dari α medefiisika distribusi
5 gamma yag umum. Distribusi gamma adalah pejumlaha α idepede da merupaka ekspoesial yag didistribusika seara idetik dega mea.. 4. Distribusi Normal Pada distribusi ii, ilai FxX tidak memiliki betuk tertutup. Oleh karea itulah, tabel ormal biasaya diberika utuk kasus stadar dega mea ol da deviasi stadar. Koversi dari setiap variabel aak ormal x ke ormal stadar dilakuka dega megguaka rumus z = x. Koversi ii σ memugkika pegguaa tabel ormal stadar dega setiap variabel aak ormal. Distribusi ii serig diguaka utuk melakuka perkiraa atau prediksi. Prediksi tersebut meghedaki adaya 2 perkiraa yaitu perkiraa adalah x da perkiraa σ adalah s da sebuah tabel. Ciri-iri distribusi ormal adalah: Kurvaya mempuyai puak tuggal Kurvaya berbetuk seperti loeg Rata-rata terletak di tegah distribusi da distribusiya simetris di sekitar garis tegak lurus yag ditarik melalui rata-rata Kedua ekor kurva memajag tak terbatas da tak perah memotog sumbu horisotal
6 5. Distribusi Logormal Sebuah variabel aak x dikataka megikuti fugsi kepadata logormal jika, da haya jika, L x megikuti distribusi ormal dega mea da varias σ². 6. Distribusi Weibull Fugsi kepadata Weibull serupa dega fugsi gamma utuk berbagai parameter α. Utuk α =, fugsi kepadata Weibull mejadi fugsi ekspoesial egatif. Distribusi ii mempuyai formula: y = αβ X γ β e α X γ β Di maa: α = parameter skala β = parameter betuk γ = parameter lokasi kurva distribusi Weibull ii aka bervariasi tergatug pada ilai-ilai umerik parameter-parameterya. Yag terpetig adalah parameter betuk β yag meujukka model kurva. Dalam praktik, β bervariasi dari sekitar 3 sampai 5. Semetara itu, skala parameter α berkaita dega puak kurva. Apabila α berubah, maka kurva aka mejadi lebih datar atau lebih memuak. Sedagka parameter lokasi γ adalah ilai terkeil yag palig mugki utuk X. Nilai ii serig diasumsika dega 0, karea aka meyederhaaka persamaa tersebut.
7 7. Distribusi Beta Variabel aak beta haya didefiisika dalam kisara 0, saja. Trasformasi di sepajag kisara a,b dapat diberlakuka dega megguaka hubuga y = a + b a x. Distribusi ii bersifat serba gua yag dapat memiliki berbagai betuk. Setiap kegiata diasumsika memberika tiga kemugkia waktu peyelesaia, yaitu: Optimisti time a adalah waktu terpedek utuk meyelesaika kegiata. Probabilitas waktu peyelesaia lebih pedek dari waktu ii sagat keil. Most Likely Time m adalah waktu yag palig mugki utuk meyelesaika kegiata. Jika kegiata maam ii berulag kali terjadi, ii merupaka waktu yag palig serig terjadi. Pessimisti time b adalah waktu terlama utuk meyelesaika kegiata. Probabilitas waktu peyelesaia lebih pajag dari waktu ii sagat keil. Ciri-iri distribusi beta adalah bermodus berpuak tuggal, kotiu da dapat berbetuk simetrik maupu odog ke kiri atau ke kaa. 8. Distribusi Segitiga Distribusi segitiga didefiisika setelah ketiga parameter a, b, a b diketahui. Hal ii membuat distribusi ii terutama bergua sebagai aproksimasi awal dari situasi di maa data yag adal tidak tersedia.
8 9. Distribusi Poisso Distribusi Poisso meggambarka variabel aak diskrit. Oleh karea itu, kita megguaka px da PxX sebagai peggati fx da FxX yag diguaka dalam distribusi kotiu. Distribusi ii diguaka dalam model atria utuk mejabarka jumlah pemuula kedataga atau keberagkata dalam satu periode waktu tertetu, di maa aka mewakili jumlah pemuula per uit waktu. Distribusi ii juga diguaka dalam meghitug probabilitas yag berkaita dega prosedur pegambila sampel. 2.3 Atria 2.3. Teori Atria Atria adalah kejadia yag serig dijumpai dalam kehidupa seharihari. Atria dapat dilihat dalam berbagi situasi yag terjadi sehari-hari, seperti : Kedaraa yag meuggu pada traffi light Pelagga meuggu pada hekout ashier di supermarket Pasie yag meuggu di suatu kliik kesehata Pesawat terbag meuggu utuk take off di pelabuha udara Kapal laut meuggu utuk merapat ke dermaga Mesi idustri yag meuggu perbaika dari motir ahli
9 Program software meuggu utuk diproses pada omputer Tumpuka surat yag meuggu utuk diketik sekretaris, dll. Aalisis atria pertama kali diperkealka oleh A.K. Erlag 93 yag mempelajari fluktuasi permitaa fasilitas telepo da keterlambata pelayaaya. Aalisis atria memberika iformasi probabilitas yag diamaka Operatig Charateristis, yag dapat membatu pegambil keputusa dalam meraag fasilitas pelayaa atria utuk megatasi permitaa pelayaa yag fluktuatif seara radom da mejaga keseimbaga atara biaya pelayaa da biaya meuggu. Tujua sebearya dari teori atria adalah meeliti kegiata dari fasilitas pelayaa dalam ragkaia kodisi radom dari suatu sistem atria yag terjadi. Utuk itu, pegukura yag logis aka ditijau dari 2 bagia yaitu: Berapa lama para pelagga harus meuggu, yag dalam hal ii dapat diuraika melalui waktu rata-rata yag dibutuhka oleh pelagga utuk meuggu higga medapatka pelayaa.? Berapa persekah dari waktu yag disediaka utuk memberika pelayaa itu fasilitas pelayaa dalam kodisi megaggur? Sehigga dapat dibayagka bahwa bila pelagga membutuhka waktu meuggu yag ukup lama maka aka diperoleh agka persetase
10 megaggur yag keil, yag berarti sama sekali tidak ada waktu megaggur pada pelayaa tersebut. Proses atria dimulai saat pelagga-pelagga yag memerluka pelayaa mulai datag. Mereka berasal dari suatu populasi yag disebut Sumber Masuka. Sumber masuka dari suatu sistem atria dapat terdiri atas suatu populasi orag, barag, kompoe atau kertas kerja yag datag pada sistem utuk dilayai. Proses atria sediri merupaka suatu proses yag berhubuga dega kedataga pelagga pada suatu fasilitas pelayaa, meuggu dalam baris atria jika belum dapat dilayai, dilayai da akhirya meiggalka fasilitas tersebut sesudah dilayai. Sebuah sistem atria adalah suatu himpua pelagga, pelaya da suatu atura yag megatur pelayaa kepada pelagga. Sedagka keadaa sistem meujuk pada jumlah pelagga yag berada dalam suatu fasilitas pelayaa, termasuk dalam atriaya. Salah satu populasi adalah jumlah pelagga yag datag pada fasilitas pelayaa. Besarya populasi merupaka jumlah pelagga yag memerluka pelayaa. Dalam proses atria, bayakya populasi dibedaka mejadi 2 yaitu populasi terbatas fiite da populasi tidak terbatas ufiite. Populasi terbatas dapat ditemuka pada suatu perusahaa yag mempuyai sejumlah mesi yag memerluka perawata atau perbaika pada periode tertetu. Populasi yag tidak terbatas merupaka pelagga yag tidak terhigga
11 otohya dapat dilihat pada suatu supermarket yag setiap hari melayai pelagga yag datag seara radom da tidak dapat ditetuka dega pasti Kompoe Proses Atria Dalam sistem atria, ada 5 kompoe dasar yag harus diperhatika agar peyedia fasilitas pelayaa dapat melayai para pelagga yag berdataga, yaitu: Betuk kedataga pelagga pola kedataga Cara dega maa idividu-idividu dari populasi memasuki sistem disebut pola kedataga arrival patter. Idividu-idividu mugki datag dega tigkat kedataga arrival rate yag kosta ataupu aakradom yaitu berapa bayak idividu-idividu per periode waktu. Betuk kedataga para pelagga biasaya diperhitugka melalui waktu atar kedataga, yaitu waktu atara kedataga dua pelagga yag beruruta pada suatu fasilitas pelayaa. Betuk ii dapat bergatug maupu tidak pada jumlah pelagga yag berada dalam sistem. Distribusi probabilitas yag serig diguaka adalah distribusi Poisso, di maa kedataga bersifat bebas, tidak terpegaruh oleh kedataga sebelum ataupu sesudahya. Asumsi distribusi Poisso
12 meujukka bahwa kedataga pelagga sifatya aak da mempuyai rata-rata kedataga sebesar lamda. Bila pola kedataga idividu-idividu megikuti suatu distribusi Poisso, maka waktu atarkedataga atau iterarrival time yaitu waktu atar kedataga setiap idividu adalah radom da megikuti suatu distribusi ekspoesial. Betuk fasilitas pelayaa Betuk pelayaa ditetuka oleh waktu pelayaa, yaitu waktu yag dibutuhka utuk melayai pelagga pada fasilitas pelayaa. Besara ii dapat bergatug pada jumlah pelagga yag telah berada di dalam fasilitas pelayaa ataupu tidak bergatug pada keadaa tersebut. Pelayaa dapat dilakuka dega satu atau lebih fasilitas pelayaa yag masig-masig dapat mempuyai satu atau lebih salura atau tempat pelayaa yag disebut dega servers. Apabila terdapat lebih dari satu fasilitas pelayaa maka pelagga dapat meerima pelayaa melalui suatu uruta tertetu atau fase tertetu. Betuk pelayaa dapat kosta dari waktu ke waktu. Rerata pelayaa mea server rate diberi simbol merupaka jumlah pelagga yag dapat dilayai dalam satua waktu, sedagka rerata
13 waktu yag diguaka utuk melayai setiap pelagga diberi simbol uit satua. Jumlah pelaya atau bayakya tempat servie Kapasitas fasilitas pelayaa utuk meampug para pelagga Kapasitas sistem adalah jumlah maksimum pelagga, meakup yag sedag dilayai da yag berada dalam atria, yag dapat ditampug oleh fasilitas pelayaa pada saat yag sama. Sebuah sistem yag tidak membatasi jumlah pelagga di dalam fasilitas pelayaaya dikataka memiliki kapasitas tak terhigga, sedagka suatu sistem yag membatasi jumlah pelagga yag ada di dalam fasilitas pelayaaya dikataka memiliki kapasitas yag terbatas. Disipli atria yag megatur pelayaa kepada para pelagga sejak pelagga itu datag sampai pelagga tersebut meiggalka tempat pelayaa. Iti dari aalisis atria adalah atri itu sediri. Timbulya atria tergatug dari sifat kedataga da proses pelayaa. Peetu atria lai yag petig adalah disipli atri. Disipli atria adalah atura dalam maa para pelagga dilayai, atau disipli pelayaa yag memuat uruta para pelagga meerima layaa. Atura pelayaa meurut uruta kedataga ii dapat didasarka pada :
14 . Pertama Masuk Pertama Keluar FIFO FIFO First I First Out merupaka suatu peratura di maa yag aka dilayai terlebih dahulu adalah pelagga yag datag terlebih dahulu. FIFO ii serig juga disebut FCFS First Come First Served. Cotohya dapat dilihat pada atria di loket-loket pejuala karis kereta api. 2. Yag Terakhir Masuk, Pertama Keluar LIFO LIFO Last I First Out merupaka atria di maa yag datag palig akhir adalah yag dilayai palig awal atau terlebih dahulu. LIFO ii serig juga disebut LCFS Last Come First Served. Cotohya adalah pada sistem bogkar muat di dalam truk, di maa barag yag masuk terakhir justru aka keluar terlebih dahulu. 3. Pelayaa dalam Uruta Aak SIRO SIRO Servie I Radom Order adalah pelayaa yag dilakuka seara aak. Serig juga dikeal sebagai RSS Radom Seletio For Servied. Cotohya adalah pada arisa, di maa pelayaa dilakuka berdasarka udia radom. 4. Pelayaa Berdasarka Prioritas PRI Adalah sebuah betuk pelayaa di maa pelayaa yag dilakuka didasarka pada prioritas khusus. Cotohya, dalam suatu pesta di
15 maa tamu-tamu yag dikategorika VIP aka dilayai terlebih dahulu SISTEM DAN STRUKTUR ANTRIAN Sistem-sistem atria Pada umumya, sistem atria dapat diklasifikasika mejadi sistem yag berbeda-beda di maa teori atria da simulasi serig diterapka seara luas. Klasifikasi meurut Hillier da Lieberma adalah: Sistem pelayaa komersial Merupaka aplikasi yag sagat luas dari model-model atria seperti restora, afeteria, toko-toko, butik, supermarket, dll. Sistem pelayaa bisis-idustri Meakup lii produksi, sistem material hadlig, sistem peggudaga da sistem-sistem iformasi komputer. Sistem pelayaa trasportasi Sistem pelayaa sosial Merupaka sistem-sistem pelayaa yag dikelola oleh katorkator da jawata-jawata lokal maupu asioal seperti kator teaga kerja, kator registrasi SIM da STNK, kator pos, rumah sakit, puskesmas, dll.
16 Struktur Dasar Proses Atria Bayakya salura hael dalam proses atria adalah jumlah pelayaa pararel yag tersediajumlah jalur utuk memasuki sistem pelayaajumlah fasilitas pelayaa, sedagka bayakya tahap phase meujukka jumlah pelayaa beruruta yag harus dilalui oleh setiap kedataga. Proses atria pada umumya dikelompokka ke dalam 4 struktur dasar meurut sifat-sifat fasilitas pelayaaya, yaitu: Satu Salura Satu Tahap Sigle Chael Sigle Phase Struktur atria ii adalah struktur yag palig sederhaa. Sigle Chael artiya haya ada satu jalur utuk memasuki sistem pelayaa ada satu fasilitas pelayaa, Sigle Phase meujukka bahwa haya ada satu statio pelayaa atau sekumpula tuggal operasi yag dilaksaaka, setelah meerima pelayaa, idividu-idividu keluar dari sistem. Cotoh struktur ii adalah seorag tukag ukur, pembelia tiket kereta api yag dilayai oleh loket, seorag pelaya toko.
17 Gambar 2. Gambar Struktur Dasar Atria Sigle Chael Sigle Phase Bayak Salura Satu Tahap Multi Chael Sigle Phase Sistem Multi Chael Sigle Phase terjadi bila ada 2 atau lebih fasilitas pelayaa yag dialiri oleh atria tuggal. Cotohya adalah pembelia tiket yag dilayai oleh lebih dari satu loket pelayaa, pelayaa pemotoga rambut oleh beberapa tukag potog, dll. Gambar 2.2 Gambar Struktur Dasar Atria Multi Chael Sigle Phase
18 Satu Salura Bayak Tahap Sigle Chael Multi Phase Multi Phase meujukka adaya dua atau lebih pelayaa yag dilaksaaka seara beruruta. Cotohya lii produksi massa, peuia mobil, tukag at mobil, dll. Gambar 2.3 Gambar Struktur Dasar Atria Sigle Chael Multi Phase Bayak Salura Bayak Tahap Multi Chael Multi Phase Setiap sistem ii mempuyai beberapa fasilitas pelayaa pada setiap tahap, sehigga lebih dari satu idividu dapat dilayai pada suatu waktu. Cotohya, proses registrasi para mahasiswa di uiversitas, pelayaa kepada pasie di rumah sakit dari pedaftara, diagosa, peyembuha sampai pembayara. Gambar 2.4 Gambar Struktur Dasar Atria Multi Chael Multi Phase
19 2.3.4 Notasi Kedall Dalam megelompokka model-model atria yag berbeda-beda aka diguaka suatu otasi yag disebut Kedall s Notatio. Notasi ii serig diguaka karea beberapa alasa yaitu karea otasi merupaka alat yag efisie utuk megidetifikasi model-model atria da asumsi-asumsi yag harus dipeuhi. Selai itu, hampir semua buku literature yag membahas teori atria megguaka otasi ii. Kedall s Notatio : ab:def Di maa: a = distribusi kedataga arrival distributio b = distribusi tigkat pelayaa distribusi keberagkata atau waktu pelayaa utuk a da b, M meujukka distribusi Poisso Ek meujukka distribusi Erlag D meujukka kostata atau determiistik atau kosta = bayakya atau jumlah pelayaa pararel dalam sistem d = disipli atri pelayaa, seperti FCFS, LCFS, prioritas atau radom e = jumlah maksimum pegatri dalam sistem f = jumlah sumber kedataga jumlah pelagga yag igi memasuki sistem sebagai sumber
20 utuk otasi e da f, haya ada 2 kemugkia yaitu terbatas F da tidak terbatas I Dega Notasi Kedall tersebut, ada empat model yag palig serig muul yaitu: Model : MMFCFSII Probabilitas pegatri dalam sistem P = R R,dim aa _ R = _ da _ = 0,,2,... Probabilitas k atau lebih pegatri dalam sistem P = R k k Rata-rata bayakya pegatri dalam sistem L = P = = 0 R R Rata-rata bayakya pegatri yag sedag atridalam atria L q 2 R = R Rata-rata waktu meuggu dalam sistem atri + pelayaa W = Rata-rata waktu atri W q =
21 Proporsi waktu gaggur pelaya tidak ada pegatri R I atau P a = Model 2: MMSFCFSII Proporsi waktu gaggur pelaya tidak ada pegatri = + = 0!! o P Probabilitas pegatri dalam sistem jika P P o = _,! jika P P o > = _,! Rata-rata bayakya pegatri yag sedag atridalam atria 2! P L o q = Rata-rata bayakya pegatri dalam sistem + = q L L Rata-rata waktu atri q q L W = Rata-rata waktu meuggu dalam sistem atri + pelayaa + = q W W
22 Model 3: MMFCFSIF Probabilitas pegatri dalam sistem Q P = + Rata-rata bayakya pegatri yag sedag atridalam atria [ ] + = Q Q Q q Q Q L 2 Rata-rata bayakya pegatri dalam sistem [ ][ ] + = + 2 Q Q Q q Q Q L Model 4: MMSFCFSFI Model ii hampir sama dega model 2, bedaya model ii memiliki sumber populasi yag terbatas. Cotohya, sejumlah mesi-mesi dalam suatu departeme produksi yag rusak atau memerluka peyesuaia atau sejumlah pasie dalam suatu rumah sakit yag memerluka tipetipe perawata tertetu. Cotoh ii merupaka sistem yag mempuyai jumlah idividu terbatas yag memerluka pelayaa. Karea formula atria dega populasi terbatas sulit utuk dipeahka, maka dibutuhka tabel-tabel atria terbatas. Oleh karea itu, ada beberapa variabel yag perlu diketahui yaitu: U = waktu rata-rata atar kedataga per uit
23 T = waktu rata-rata pelayaa per uit H = jumlah rata-rata yag sedag dilayai J = jumlah rata-rata uit yag sedag beroperasi N = jumlah uit dalam populasi M = jumlah hael pelayaa X = Faktor Pelayaaproporsi waktu pelayaa yag diperluka D = probabilitas bahwa suatu kedataga harus meuggu F = faktor efisiesi meuggu dalam garis atria Faktor Pelayaaproporsi waktu pelayaa yag diperluka X X T = T + U Rata-rata waktu atri W q = N F Rata-rata waktu meuggu dalam sistem atri + pelayaa W = N J = Wq + H Rata-rata bayakya pegatri yag sedag atridalam atria L q Wq T + U = N W q Rata-rata bayakya pegatri dalam sistem Wq T + U L = + T N W q
24 Jumlah rata-rata yag sedag dilayai H H = FNX Jumlah rata-rata uit yag sedag beroperasi J J = NF X Miimasi Biaya Kebayaka aalisis masalah atria akhirya sampai pada pertayaa bagaimaa meraag fasilitas pelayaa atau berapa tigkat pelayaa yag seharusya disediaka. Jika variabel keputusaya adalah tigkat pelayaa, maka model harus megidetifikasi hubuga atara tigkat pelayaa dega parameter da variabel-variabel yag releva. Kriteria evaluasi keputusa dari model ii adalah total expeted ost, yag merupaka jumlah dari dua biaya yag berlaia yaitu biaya pelayaa da biaya meuggu. Jadi jelas bahwa tigkat pelayaa yag disaraka adalah yag meyebabka total expeted ost teredah. Namu, tidak berarti aalisis ii dapat meetuka biaya total teredah seara tepat sebab operatig harateristis yag diperoleh haya merupaka agka rata-rata sehigga tidak pasti. Dega demikia, aalisis atria buka suatu tekik optimasi melaika haya peyedia iformasi. Umumya terdapat hubuga terbalik atara tigkat pelayaa da waktu meuggu. Walaupu biaya meuggu mugki dapat dikuragi
25 dega meambah fasilitas pelayaa, tetapi hal ii aka meaikka biaya peyediaa pelayaa. Biaya pelayaa dapat meakup biaya tetap ivestasi awal dalam peralata atau fasilitas, biaya pemasaga da latiha bagi karyawa, biaya-biaya variabel seperti gaji karyawa da pegeluara tambaha utuk pemeliharaa. Selai itu, jika tigkat pelayaa bertambah, waktu megaggur pelaya diperkiraka juga bertambah yag berarti suatu keaika dalam opportuity ost karea tidak megalokasika pelaya ke kegiata produktif yag lai. Teryata, dalam keadaa sebearya sulit meyataka seara eksplisit biaya meuggu per uit waktu. Biaya meuggu dapat diduga seara sederhaa sebagai biaya kehilaga keutuga bagi pegusaha, atau biaya turuya produktivitas bagi pekerja, biaya kehilaga pejuala, biaya kehilaga laggaa, tigkat persediaa yag berlebiha, kehilaga kotrak, kemaeta sistem atau kehilaga keperayaa dalam maajeme. Dalam kasus-kasus tertetu, seperti bila idividu yag meuggu berasal dari sistem iteral misal, persediaa atau karyawa biaya meuggu dapat lagsug diukur. Tetapi dalam kasus-kasus lai, biaya meuggu dapat mejadi sagat sulit ditetuka misal biaya laggaa yag meuggu.
26 Rumus Total Expeted Cost of Servie per periode waktu E Cs adalah E C s = Ss. Di maa : S = jumlah server fasilitas pelayaa s = biaya pelayaabiaya meambah jumlah server yag diguaka biaya pelayaa per satua waktu per fasilitas pelayaa Rumus Total Expeted Waitig Cost per periode waktu E C adalah w E C =. w t w Di maa : t = jumlah pelaggaidividu yag megatri dalam atria yag diharapkadalam sistem. w = biaya meuggu per satua waktu per fasilitas pelayaa Rumus Total Expeted Cost per periode waktu yag diguaka adalah: E C = E C + E C = S + t s w s t w Apabila Total Expeted Cost of Servie, Total Expeted Waitig Cost da Total Expeted Cost digambarka dalam satu buah grafik, maka ketiga biaya tersebut aka membetuk grafik seperti grafik orderig, arryig da total osts yag merupaka fugsi dari jumlah order grafik ivetory seperti di bawah ii :
27 Gambar 2.5 Grafik Orderig Cost, Carryig Cost da Total Costs sebagai Fugsi Dari Jumlah Order Grafik Ivetory
TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian
TEORI ANTRIAN Teori atria merupaka studi matematis megeai atria atau waitig lies yag di dalamya disediaka beberapa alteratif model matematika yag dapat diguaka utuk meetuka beberapa karakteristik da optimasi
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciElemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3.
Eleme Dasar Model Atria. Aktor utama customer da server. Eleme dasar :.distribusi kedataga customer. 2.distribusi waktu pelayaa. 3.disai fasilitas pelayaa (seri, paralel atau jariga). 4.disipli atria (pertama
Lebih terperinciANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT
Jural Sais da Tekologi Vol 7 o 2, Desember 27 ANALISIS SISTEM ANTRIAN ADA LOKET ENDAFTARAN ASIEN DI USKESMMAS ADANG ASIR KECAMATAN ADANG BARAT Ali Suta Nasutio, Seira Mutia 2 Tekik Idustri Sekolah Tiggi
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU
Saitia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 277 287. ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU Siti Aria R. Harahap
Lebih terperinciBAB 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciB a b 1 I s y a r a t
34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN
JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat
Lebih terperinciLecture 4 : Queueing Theory and Aplications. Hanna Lestari, M.Eng
Leture 4 : Queueig Theory ad Apliatios Haa Lestari, M.Eg Struktur Dasar Model Model Atria Teori Atria bertujua utuk megetahui/meetuka besara kierja sistem atria. Ukura kierja sistem dalam kodisi steady
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciTEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran
Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinci2 BARISAN BILANGAN REAL
2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu
Lebih terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperincikesimpulan yang didapat.
Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciPERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA
PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA 4.. Tujua : Setelah melaksaaka praktikum ii mahasiswa diharapka mampu : Membedaka data berdasarka jeis variabelya Mapatka mea da varias dari distribusi
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperincii adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.
4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciHazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand
TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh
Lebih terperinciMODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN
ODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN 1 Sugito, 2 Ala Prahutama, 3 Budi Warsito, 4 och Abdul ukid, 5 Nia Puspita Sari 1,2,3,4,5 Departeme Statistika, Fakultas Sais da atematika,uiversitas
Lebih terperinciBAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN
BAB 4 METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN Estimasi reliabilitas membutuhka pegetahua distribusi waktu kerusaka yag medasari dari kompoe atau sistem yag dimodelka Utuk memprediksi
Lebih terperinciREGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peyajia Data Perumusa ilmu statistik juga bergua dalam pegedalia persediaa, khususya dalam tulisa ii guaya utuk membuat daftar distribusi frekwesiya. Utuk membuat daftar ii, ada
Lebih terperinciANALISIS SISTEM PELAYANAN DI STASIUN TAWANG SEMARANG DENGAN METODE ANTRIAN. Nursihan 1, Sugito 2, Hasbi Yasin 3
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahu 2015, Halama 375-382 Olie di: http://ejoural-s1.udip.ac.id/idex.php/gaussia ANALISIS SISTEM PELAYANAN DI STASIUN TAWANG SEMARANG DENGAN METODE ANTRIAN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciLaboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung
Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3
Lebih terperinciUKURAN TENDENSI SENTRAL
BAB 3 UKURAN TENDENSI SENTRAL Kompetesi Mampu mejelaska da megaalisis kosep dasar ukura tedesi setral. Idikator 1. Mejelaska da megaalisis mea.. Mejelaska da megaalisis media. 3. Mejelaska da megaalisis
Lebih terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinciDISTRIBUSI KHUSUS YANG DIKENAL
0 DISTRIBUSI KHUSUS YANG DIKENAL Kita sudah membahas fugsi peluag atau fugsi desitas, baik defiisiya maupu sifatya. Fugsi peluag atau fugsi desitas ii merupaka ciri dari sebuah distribusi, artiya fugsi
Lebih terperinciPENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai
1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh
Lebih terperinciIII. METODOLOGI KAJIAN
39 III. METODOLOGI KAJIAN A. Lokasi da Waktu Kajia Kajia telah dilakuka di PD. Augerah Hero, suatu idustri kecil sepatu yag beralamat di Kampug Sawah Ilir RT.02 RW.03 Mekarjaya, Kecamata Ciomas, Kabupate
Lebih terperinciBAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,
32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata
Lebih terperinciBAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA
BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinci1 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351) 1 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Metode Noparametrik Skala Pegukura Metode Noparameterik Uji Hipotesis
Lebih terperinciStatistika Inferensial
Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi
Lebih terperinciBAB II CICILAN DAN BUNGA MAJEMUK
BAB II CICILAN DAN BUNGA MAJEMUK 2.1. Buga Majemuk Ada sedikit perbedaa atara suku buga tuggal da suku buga majemuk. Pada suku buga tuggal, besarya buga B = Mp tidak perah digabugka dega modal M. Sebalikya
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperincioleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka
Itegral etu Jika fugsi kotiu yag didefiisika utuk, kita bagi selag mejadi selag bagia berlebar sama Misalka berupa titik ujug selag bagia ii da pilih titik sampel di dalam selag bagia ii, sehigga terletak
Lebih terperinciTaksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution
Prosidig Statistika ISSN: 460-6456 Taksira Iterval bagi Rata-rata Parameter Distribusi Poisso Iterval Estimate for The Average of Parameter Poisso Distributio 1 Putri Aggita Nuraei, Teti Sofia Yati, 3
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciCATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis
CATATAN KULIAH Pertemua I: Pegeala Matematika Ekoomi da Bisis A. Sifat-sifat Matematika Ekoomi 1. Perbedaa Matematika vs. Nomamatematika Ekoomi Keutuga pedekata matematika dalam ilmu ekoomi Ketepata (Precise),
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut
Lebih terperinciBAB VIII KONSEP DASAR PROBABILITAS
BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciII. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <
II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi
Lebih terperinciBAB II LANDASAN TEORI
BAB II ANDAAN TEORI. Defiisi Atria Teori atria adalah teori yag meyagkut studi matematis dari atria-atria atau baris-baris peuggua (Tjutju, et al., 4). Atria adalah suatu garis tuggu dari asabah (satua)
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan
Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciFORECASTING (Peramalan)
FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciBarisan Aritmetika dan deret aritmetika
BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika
Lebih terperincimempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.
Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciDefinisi Integral Tentu
Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.
Lebih terperinci