JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 1-10, April 2004, ISSN : PROGRAM NONLINEAR FUZZY
|
|
- Teguh Setiabudi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No., -, Aprl 4, ISSN : PROGRAM NONLINEAR FUZZY Kharudn Dosen Tetap Jurusan Teknk Spl Fakultas Teknk Spl dan Perencanaan Unverstas Bung hatta Padang e-mal:kha_px67@yahoo.com Astract Nonlnear programmng prolems have not een developed yet and stll to e attenton for research just recently. In ths paper wll e ntroduced smple fuzzy nonlnear programmng prolem wth any memershp nonlnear functon, lke proposed y Wang and Tang n ther paper at 995 to 997(Gen and Cheng, ). Va defuzzyfcaton process y Belmann and Zadeh (97) so that wll e mproved that fuzzy nonlnear programmng prolem can e transformed nto conventonal nonlnear prolems. Key-word : Nonlnear programmng prolem;fuzzy nonlnear programmng; nonlnear memershp functon Astrak Masalah program nonlner elum anyak dkemangkan dan mash menjad perhatan rset-rset elakangan n. Dalam paper n dahas masalah program nonlnear fuzzy sederhana dengan fungs keanggotaan nonlnear tertentu, sepert yang dkemukakan oleh Wang dan Tang dalam papernya pada tahun 995 hngga 997 (Gen dan Cheng, ). Melalu proses defuzzfkas Belmann dan Zadeh (97) akan dtunjukkan ahwa masalah program nonlnear fuzzy dapat dtransformaskan ke masalah nonlnear konvensonal. Kata-kata kunc : Masalah program nonlnear;program nonlnear fuzzy; Fungs keanggotaan nonlnear.. PENDAHULUAN Pada tahun 97 Zmmermann memperkenalkan masalah program lnear fuzzy (Sakawa, 993 ). Masalahnya erawal dar persoalan program lnear konvensonal(:kharudn, ). Demkan pula halnya dengan masalah program nonlnear fuzzy tdak terlepas dar pemahaman terleh dahulu terhadap program nonlnear. Alasan memuat suatu program lnear atau nonlnear menjad fuzzy adalah untuk melenturkan kekakuan yang terjad pada fungs tujuan dan kekakuan yang dmlk oleh konstran-konstrannya. Bentuk mnmum dar program nonlnear konvensonal adalah:
2 Program Nonlnear Fuzzy ( Kharudn ) mnmze f dengan konstran( s. t) g, =,,..., m atau dapat juga dtuls mnmze f n { ( ),,,... } dengan konstran x X = x R g x = m () f dan g adalah fungs fungs nonlner ernla real. masalah program nonlnear adalah menentukan vektor x = [ x,x,,x n ] T yang memnmumkan atau memaksmumkan fungs tujuan f(x). Karena masalah max f(x)= - Mn (- f(x) ) maka persoalan mnmum dapat dawa ke persoalam maksmum, demkan juga sealknya. Beerapa algortma atau metoda yang sudah dkenal dapat dgunakan untuk menyelesakan masalah program nonlnear dengan kendala n, tetap saat n sudah ada perangkat lunak yang dapat menyelesakan masalah terseut, dantaranya menggunakan program QS, MATLAB, GAM dan LINGO. Berkut satu contoh masalah program nonlnear yang dselesakan oleh QS ( Taha,H.A;996 ); mnmumkan f(x) = x 4 - x 5x x x 3 dengan kendala g (x) = x - x x 3 3 g (x) = x 3 x 4x 3 Dperoleh solus x=(x, x, x 3 )=( ; ; ). () Ddalam paper n akan dahas masalah program nonlnear fuzzy, yatu program nonlnear yang menggunakan unsur-unsur fuzzy yang dlengkap oleh suatu fungs keanggotaan ( memershp functon ). Pemahasan leh dttk eratkan agamana mengkonverskan masalah program nonlner fuzzy kedalam masalah program nonlner konvensonal yang selanjutnya dapat dselesakan dengan program QS.. PROGRAM NONLINEAR FUZZY Berawal dar masalah program nonlnear konvensonal yang memlk kekakuan pada fungs tujuan dan konstran-konstrannya maka akan dlenturkan
3 JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No., -, Aprl 4, ISSN : dengan menjadkannya ke entuk vers fuzzy ( Sakawa,993) yang mempunya entuk ; smol m ~ nmze f (x) dengan konstran g (x), =,,..., m m n ~ mze dan menyatakan suatu kelenturan atau vers fuzzy dar persoalan mnmze asa dengan tanda ; yang erart ahwa fungs ojektf akan dmnmalkan seefektf ( seak ) mungkn dengan konstran yang tepat akan dmungknkan terpenuh. Suatu masalah program nonlnear konvensonal dkatakan erentuk fuzzy la ddalam masalah program nonlnear terseut terdapat unsur-unsur fuzzy yang dtanda dengan memerkan fungs keanggotaan ( memershp functon ) µ ( g (x) ),=,,.,m yang daml oleh pengaml keputusan ( decson maker / DM ). Dalam hal n DM harus menentukan fungs keanggotaan secara sujektf yang merupakan fungs monoton turun tegas ( strctly monoton decreasng functon ) yang respek terhadap g dengan entuk erkut; (3) µ ( g (x) )= d ; g ; g ; g g g g g (4) dengan g dan g menyatakan nla g sehngga grade ( tngkat ) fungs keanggotaan µ ( g (x) ) adalah dan dan grade untuk nla dantaranya dekspreskan oleh suatu fungs monoton turun d (x) yang respek terhadap g, n dapat dtunjukan oleh gamar. µ ( g (x)) d (x) g g g (x) Gamar. Fungs keanggotaan monoton turun tegas 3
4 Program Nonlnear Fuzzy ( Kharudn ) Berkut n dperkenalkan model program nonlnear fuzzy yang dkemukakan oleh Gen dan Cheng ( ). Menurut Gen dan Cheng ada eerapa hal yang melput masalah program nonlnear dengan fungs tujuan dan konstran fuzzy adalah;. Nla ojektf yang dngnkan pengaml keputusan (DM) ukanlah suatu maksmum aktual tetap suatu nla fuzzy. DM mengaspraskan untuk mencapa suatu tngkat z dan tdak kurang dar tngkat terawah z -p. Jad derajat yang dngnkan DM menngkat dengan menngkatnya nla ojektf.. Kuanttas yang terpaka pada sumer-sumer ke- ( =,,3,m) mengalam kenakan yang dterma oleh DM dengan cara mengadakan overtme work, menggunakan kuanttas yang terseda dan seaganya. Dengan menganggap ahwa kuanttas terpaka yang drencanakan pada sumer adalah (=,, m ), kenakan teresar dapat dterma DM adalah p dan kuanttas terpaka fuzzy dnotaskan oleh yang dhuungkan ke suatu fungs keanggotaan monoton turun tegas. Untuk tpe sumer n dgunakan tdak meleh dar yang teseda. 3. Kuanttas yang terpaka untuk tpe sumer lannya (=m,m,..,m) adalah tdak menentu(mprecse). Asumskan yang terpaka dar jens sumer n adalah suatu taksran dengan ratarata dan kesalahan (error) masng-masng mempunya tpe fungs L-R p dan p yang ( Left-Rght ) dar fungs keanggotaan. Untuk tpe sumer n dgunakan seanyak yang dmungknkan. Berdasarkan 3 hal terseut datas, entuk lan dar masalah optmsas fuzzy adalah: m ~ ax f (x) dengan kendala g (x) g (x) = x =,,..., m = m,m,..., m ( 5 ) 4
5 JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No., -, Aprl 4, ISSN : dengan x adalah varael keputusan dmens-n ; x=[x,x,.,x n ] T, dan adalah vektor sumer fuzzy yang terseda dengan = [,,..., ]. Bentuk ( 5 ) dapat djadkan keentuk (3), demkan juga sealknya. Wang dan Tang ( dalam Gen dan Cheng, )memperkenalkan fungs keanggotaan yang menyatakan langan fuzzy sumer ke (=,, m ), msalkan sumer fuzzy yang ddefnskan oleh; untuk fuzzy ojektf dan fuzzy konstran. Untuk ; g r g µ = ; ( ) g x p p ; g > p dengan r > µ menunjukan ketercapaan dar suatu µ adalah fungs turun tegas secara monoton yang menunjukan tngkat yang dapat dcapa dar sumer fuzzy (=m,m,.,m), msalkan m ( 6 ). Sedangkan untuk sumer- µ ddefnskan oleh µ ; g p r g ; p g p = r g ; g p p ; g > p ( 7 ) µ adalah tpe fungs L-R yang menunjukan tngkat akuras dar estmas untuk sumer fuzzy. Dengan cara serupa, msalkan µ (x) fungs keanggotaan dar konstran fuzzy ke- yang ddefnskan oleh µ (x) = max = µ y g (x) (g { µ (y) } (x)) = µ (g (x)) =,,..., m = m, m,..., m 5
6 Program Nonlnear Fuzzy ( Kharudn ) µ (x) mereflekskan derajat yang ngn dcapa DM dengan konstran fuzzy ke pada ttk x. Msalkan µ (x) menggamarkan ojektf fuzzy m ~ ax f (x) yang ddefnskan oleh ; f z p r z f µ = ; z p f z ; f z p µ (x) adalah fungs kontnu monoton turun tegas dan menunjukan derajat ( 8 ) kepuasan dar fungs ojektf fuzzy pada ttk x. Tentu saja fungs keanggotaan yang menggamarkan fuzzy ojektf dan fuzzy konstran dapat dtentukan oleh DM dengan jens lannya, msalnya fungs eksponensal, logartmk dan seaganya. Masalah terseut datas dseut seaga fungs ojektf dengan resource nonlner program (FO/RNP) yang dapat dselesakan. 3. PENYELESAIAN PROGRAM NONLINIER FUZZY. Berpedoman kepada fuzzy decson yang dkemukakan Bellman dan Zadeh ( 97) dan dengan menggunakan fungs keanggotaan (4) maka masalah menentukan keputusan yang memaksmalkan adalah memlh x * sedemkan hngga µ D ( x * )= max mn { µ ( g (x) ) } ( 9 ) =,,...,m Dengan mengaml varael searang λ maka masalah ( 9 ) dapat dtransformas ke dalam masalah program nonlnear konvensonal yang ekvalen yatu; Maxmze λ Dengan kendala λ µ ( g (x) ), =,,,m ( ) Persoalan erkutnya adalah menyelesakan masalah ( ) dengan menggunakan algortma atau program yang sudah dkenal, dantaranya program QS sehngga akan dperoleh keputusan yang memaksmalkan. Dalam fuzzy decson aslnya, Belmann dan Zadeh menggunakan hmpunan alternatf X= R n untuk memperkenalkan konsep program matematk 6
7 JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No., -, Aprl 4, ISSN : fuzzy secara generalsas. Msalkan suatu fuzzy goal G pada X dkaraktersaskan oleh fungs keanggotaan µ G : X [,] ( ) dan fuzzy konstran C pada X dkarakteraskan oleh fungs keanggotaan µ C : X [,] ( ) sehngga fuzzy decson D yang dentuk dar fuzzy goal G dan fuzzy konstran C ddefnskan oleh µ D (x) = mn ( µ G (x), µ C (x) ) ( 3 ) keputusan yang memaksmalkan ( jka ada ) merupakan keputusan optmal dan derkan oleh max µ x X D (x) = max mn ( µ x X G (x), µ C (x)) ( 4 ) Sepert halnya Belmann dan Zadeh (97), Tanaka (dalam Sakawa, 993) memformulaskan masalah program matematka fuzzy seaga pencaran maksmum fuzzy decson. Kenyataannya ahwa tdak selalu ada x X yang menghaslkan keputusan maksmal, Tanaka Mengekspreskan masalah program matematka fuzzy seaga erkut; sup µ x X D (x) = sup x X { mn ( µ (x), µ (x))} G C ( 5 ) Walaupun terlhat sangat sult menentukan keputusan yang memaksmalkan dar fungs keanggotaan µ G (x) dan µ C (x), dengan eerapa asums dar fungs keanggotaan, Tanaka memuktkan ahwa masalah n dapat dreduks ke entuk masalah program matematka konvensonal erkut; Sup µ G (x) Dengan kendala µ G (x) µ C (x) ( 6 ) 4. APLIKASI PADA PERENCANAAN PRODUKSI Suatu park manufaktur akan memproduks jens produk A dan B dalam perode ulan. Produk A dan B memutuhkan 3 jens sumer ( ahan ) R,R dan R 3. Keutuhan untuk memproduks arang A dar ketga ahan terseut masng-masng adalah, 3 dan 4 unt. Untuk memproduks arang B masng-masng adalah 3, dan unt. Kapastas ahan R dan R yang terseda 7
8 Program Nonlnear Fuzzy ( Kharudn ) adalah 5 dan 44 unt, tetap dtolerr ada penamahan masng-masng seesar 3 dan unt untuk safety store yang dperkenankan oleh general manajer. Sedangkan nla taksran anyaknya ahan R 3 yang terpaka adalah 36 unt dengan kesalahan taksran seesar 5 unt. Penyelesaan. Msalkan anyaknya produk yang drencanakan dar A dan B masng-masng adalah x dan x. unt cost ( aya/ unt ) dan sale prce ( harga jual ) dar produk A dan B masng-masng dnotaskan oleh; Selanjutnya DM UC = c US = UC = c US = mengharapkan ahwa total proft mencapa suatu tngkat aspras z tetap tdak kurang dar suatu lower level ( tngkat awah ) z p. Hal n adalah tpkal dar model FO/RNP prolem yang oleh Wang dan Tang ( dalam Gen dan Cheng, ) dapat dekspreskan seaga erkut: / a / a x x k / k a / Max f (x) = kx cx k x c x s.t. x 3x 5 ~ 4x x 4 ~ 4 3x x = 3 ~ 6 x, x dengan p =3, p =, p 3 - =p 3 =5 k =5, k =45, c =8, c =, dan a =a = Dengan mengaml z o = 5 dan z o p o = dan menggunakan ( 8 ) dperoleh; a,r= ; f / / 5 (5x 8x 45x x) µ = ; f 5 3 ; f 5 8
9 JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No., -, Aprl 4, ISSN : selanjutnya untuk konstran ketaksamaan, dengan ( 6 ) dperoleh; ɺɺɺ = ;5 x 3x 8 µ µ ɺɺɺ ;x 3x 5 ( x 3x 5) 3 ;x 3x 8 ;4x x 44 ( 4x x 44) ;4x x 64 = ;44 4x x 64 dan konstran persamaan, dengan ( 7 ) dperoleh; ; 3x x 3 36 (3x x ) 5 µ = 3 3x x 36 5 ;3x x 4 ;3 3x x 36 ;36 3x x 4 Jad dengan menggunakan ( ) maka persoalan datas dapat dawa ke masalah program nonlner konvensonal: max λ dengan kendala 5 / 3x / 3x / 5x 3/ 5x 3/ 5x /x /x / 5x / 5x x, x, λ / 8/ 3x 45 / 3x Selanjutnya dengan program QS dperoleh penyelesaan: / / 3x λ 8/ 3 λ 3, λ 8, λ 6. λ 4 x = 9,68599, x = 5,4677, λ=,94454 dan f(x)= 8,745 Hasl n memang tdak seak yang dselesakan oleh Gen dan Cheng () yang menggunakan Algortma Genetk, dperoleh x =9,76 λ =,5 dengan nla max f(x)=8,75., x =5,67 dan 9
10 Program Nonlnear Fuzzy ( Kharudn ) 5. KESIMPULAN Berdasarkan uraan yang dkemukakan seelumnya, dapat daml eerapa kesmpulan; a. Program nonlner fuzzy dapat dawa keentuk program nonlner konvensonal yang ekvalen.. Penyelesaan program nonlner fuzzy adalah dengan menyelesakan program nonlner konvensonal ekvalen yang selanjutnya dselesakan dengan menggunakan algortma atau perangakat lunak yang sudah dkenal. c. Penyelesaan program nonlner dapat menggunakan algortma genetk agar mendapatkan hasl yang leh akurat. DAFTAR PUSTAKA Belman,R.E., and Zadeh,L.A., 97, Decson Makng n a Fuzzy Envronment, Management Scences, 7, pp Gen,Mtsuo and Cheng,R,, Genetc agorthms and Engneerng Optmzaton, John Wley & Sons Inc, New York. Kharudn,, Masalah Program Lner Fuzzy, Jurnal teknka FTI Unverstas Bung Hatta ( dterma,) Sakawa,M., 993, Fuzzy Sets and Interactve Mult Ojectve Optmzaton, Plenum Press, New York Taha,H.A., 996, Operatons Research, dterjemahkan oleh Drs. Danel Wrajaya, Bna rupa Aksara, Jakarta.
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB 3 GAMBARAN UMUM TEMPAT RISET
BAB 3 GAMBARAN UMUM TEMPAT RISET 3. Sejarah dan Kegatan Operasonal Perusahaan 8 3.. Sejarah Perkemangan Kantor Perwaklan Bank Indonesa Wlayah I (Sumut & Aceh) 8 3. Struktur Organsas dan Deskrps Tugas Kantor
Lebih terperincimenyelesaikan permasalahan dalan penulisan.
BAB 5 : IMPLEMENTASI SISTEM Ba n mengurakan proses pengolahan data dengan program yang akan dgunakan yatu SPSS yang memantu dalam menyelesakan permasalahan dalan penulsan. BAB 6 : KESIMPULAN DAN SARAN
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam
BAB LANDASAN TEORI Pengertan Regres Istlah regres dperkenalkan oleh seorang yang ernama Francs Gulton dalam makalah erjudul Regresson Towerd Medacraty n Heredtary Stature Menurut hasl peneltan elau, meskpun
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciIII FUZZY GOAL LINEAR PROGRAMMING
7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciMENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak
JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan
Lebih terperinciCatatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan
Catatan Kulah 3 Memaham dan Menganalsa Optmas dengan Kendala Ketdaksamaan. Interpretas Konds Kuhn Tucker Asumskan masalah yang dhadap adalah masalah produks. Secara umum, persoalan maksmsas keuntungan
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciOPTIMASI MASALAH PENUGASAN. Siti Maslihah
JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciOptimasi Penampang Persegi Panjang pada Elemen Balok Prategang (Studi Kasus pada Hotel Alila Surakarta)
Optmas Penampang Perseg Panjang pada Elemen Balok Prategang Stud Kasus pada Hotel Alla Surakarta) Dweky Anugerah 1), Steanus Ad Krstawan 2), Edy Purwanto 3) 1) Mahasswa Program Stud Teknk Spl, Fakultas
Lebih terperinciPembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1
Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciPENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER
Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Pengertan Regres Regres pertama kal dgunakan seaga konsep statstka oleh Sr Francs Galton (8 9). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, ang selanjutna dnamakan
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciOptimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)
Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d
Lebih terperinciBab V Aliran Daya Optimal
Bab V Alran Daya Optmal Permasalahan alran daya optmal (Optmal Power Flow/OPF) telah menjad bahan pembcaraan sejak dperkenalkan pertama kal oleh Carpenter pada tahun 196. Karena mater pembahasan tentang
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciAplikasi Program Nonlinear Multi Tujuan Interaktif dengan Fungsi Tujuan Fuzzy Pada Optimalisasi Dosis Pemberian Pupuk Npk Tanaman Padi
Aplkas Program Nonlnear Mult Tujuan Interaktf dengan Fungs Tujuan Fuzzy Pada Optmalsas Doss Pemberan Pupuk Npk Tanaman Pad Wdodo Jurusan Matematka FMIPA Unverstas Gadjah Mada Yogyakarta Indonesa. E-mal:
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB LANDASAN TEORI Unverstas Sumatera Utara . Pengertan Regres Istlah regres pertama kal dperkenalkan oleh Francs Galtom. Menurut Galtom, analss regres erkenaan dengan stud ketergantungan dar satu varael
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciDIMENSI PARTISI GRAF GIR
Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,
Lebih terperinciBab 1 Ruang Vektor. R. Leni Murzaini/0906577381
Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciPENYELESAIAN PERSAMAAN REGRESI LINIER NON PARAMETRIK DENGAN METODE THEIL S
LPPM Polteknk Bengkals PENELESAIAN PERSAMAAN REGRESI LINIER NON PARAMERIK DENGAN MEODE HEIL S Darsono Staff pengaar Program Stud eknolog Informas Jl. Batn alam Sunga Alam Bengkals darsono@poleng.ac.d Astrak
Lebih terperinciPENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL
Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas
Lebih terperinciOleh : Fifi Fisiana
Optmas Baya Produks menggunakan Metode Revsed Mult Choce Goal programmng dengan Tahap Persedaan Terkontrol Supply Chan Model stud kasus : PT.Gunungarta Manunggal, Gempol Oleh : Ff Fsana 1207100018 Dosen
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciPenyelesaian Masalah Transshipmen Dengan Metoda Primal-Dual Wawan Laksito YS 2)
ISSN : 69 7 Penyelesaan Masalah Transshpmen Dengan Metoda Prmal-Dual Wawan Laksto YS ) Abstrak Masalah Pemndahan Muatan adalah masalah transportas yang melbatkan sambungan yang harus dlewat. Obektnya adalah
Lebih terperinciKata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.
Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciSISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS
SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d
Lebih terperinciII. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai
II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan
Lebih terperinciSifat-sifat Operasi Perkalian Modular pada Graf Fuzzy
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciPENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON
PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos 1, Pabelan,
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.4 Teor Graf Sebelum sampa pada pendefensan masalah lntasan terpendek, terlebh dahulu pada bagan n akan durakan mengena konsep-konsep dasar dar model graf dan representasnya dalam
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :
JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciMODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA
MAKARA, TEKOLOGI, VOL. 6, O. 3, DESEMBER 2002 MODEL OPTIMASI PERECAAA IVESTASI GALAGA KAPAL DEGA PEDEKATA PROGRAMASI TUJUA GADA Al Azhar Jurusan Teknk Perkapalan, Insttut Teknolog Adh Tama Surabaya Jl.
Lebih terperinciAnalisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank
ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Pengenalan pola atau dkenal dengan seutan pattern recognton merupakan salah satu caang sans yang pada dasarnya adalah suatu sstem yang ertujuan mengklasfkas ojek-ojek ke dalam
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciSOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN
SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperincib. Tentukan eigenket-eigenket dari sistem tersebut sebagai kombinasi linier dari 1 dan 2
Solus UTS Mekanka Kuantum Program Stud S Fska Tanggal ujan: 6 Oktoer 7 Dosen: Muhammad Azz Majd, Ph.D. Assten: Ahmad Syahron, S.S. Soal Hamltonan seuah sstem -keadaan two states system dnyatakan dengan
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBILANGAN RAMSEY SISI DARI r ( P, )
Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya mron-ts@matematka.ts.ac.d
Lebih terperinciDekomposisi Nilai Singular dan Aplikasinya
A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat
Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka
Lebih terperinciBAB 2. Landasan Teori
7 BAB 2 Landasan Teor 2.1. Teor Hmpunan Fuzzy Defns : Andakan X ttk-ttk ruang (objek), dengan elemen umum dar X yang dnotaskan dengan x, X = { x } [16]. Hmpunan fuzzy adalah hmpunan yang unsur-unsurnya
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciPENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT
PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan
Lebih terperinciMODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN
MODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN Tjutju T. Dmyat Jurusan Teknk Industr Unverstas Pasundan E-mal : admyat@bdg.centrn.net.d ABSTRAK Penentuan rute kendaraan (Vehcle
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperincitoto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt
Lebih terperinciPADA GRAF PRISMA BERCABANG
PELABELAN TOTAL SUPER (a, d)-busur ANTI AJAIB PADA GRAF PRISMA BERCABANG Achmad Fahruroz,, Dew Putre Lestar,, Iffatul Mardhyah, Unverstas Gunadarma Depok Program Magster Fakultas MIPA Unverstas Indonesa
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciSEMI RING POLINOM ATAS ALJABAR MAX-PLUS
JMP : Volume 4 Nomor 2, Desember 2012, hal. 289-297 SEMI RING POLINOM ATAS ALJABAR MAX-PLUS Suroto Prod Matematka, Jurusan MIPA, Fakultas Sans dan Teknk Unverstas Jenderal Soedrman e-mal : suroto_80@yahoo.com
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 33-40, April 2001, ISSN : KLASIFIKASI INTERAKSI GELOMBANG PERMUKAAN BERTIPE DUA SOLITON
JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No., 33-40, Aprl 00, ISSN : 40-858 KLASIFIKASI INTERAKSI GELOMBANG PERMUKAAN BERTIPE DUA SOLITON Sutmn dan Agus Rusgyono Jurusan Matematka FMIPA UNDIP Abstrak Pada
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang
Lebih terperinciPenerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC
Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor
Lebih terperinciModel Epidemi Seir dengan Insidensi Standar. Model of SEIR Epidemic with Standard Incidence
POLI EKAYASA Volume omor Oktoer 6 ISS : 858-79 Model Epdem Ser dengan Insdens Standar Model of SEI Epdemc wth Standard Incdence on Tr Putra Jurusan Teknk Spl Polteknk eger Padang Kampus Lmau Mans Padang
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciPEMODELAN PEMROGRAMAN LINIER DENGAN KOEFISIEN FUNGSI OBJEKTIF BERBENTUK BILANGAN KABUR SEGITIGA DAN KENDALA KABUR BESERTA USULAN SOLUSINYA
JURNAL TEKNIK INDUSTRI VOL. 8, NO., JUNI 6: 4-7 PEMODELAN PEMROGRAMAN LINIER DENGAN KOEFISIEN FUNGSI OBJEKTIF BERBENTUK BILANGAN KABUR SEGITIGA DAN KENDALA KABUR BESERTA USULAN SOLUSINYA San Susanto, Dedy
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinci