PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113"

Transkripsi

1 PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

2 Pertemuan 5 Outlne: Independent Demand Inventory Models: Determnstk (EOQ dan EPQ), Probablstk (FOQ dan FOI) Referens: Tersne, Rchard J., Prncples of Inventory and Materals Management, Prentce-Hall, Wratno, S. E., Lecture PPT: Inventor Probablstk, IE-ITS, 2009.

3 INDEPENDENT DEMAND INVENTORY SYSTEM: DETERMINISTIK MODEL ROP, EOQ WITH DISCOUNT, EPQ, AND AROT

4 Valdtas Model EOQ (Wlson) Pengaruh perubahan lead tme (asums ke-3) Pengaruh perubahan dscount (asums ke-4) Pengaruh perubahan kedatangan (asums ke-2)

5 Perubahan Lead Tme Lead tme jarang sekal sama dengan 0 Bagamana jka lead tme nya konstan sebesar LT satuan waktu? Lead tme (LT) < cycle tme (T) Lead tme (LT) > cycle tme (T)

6 Perubahan Lead Tme LT < T Waktu pemesanan dlakukan LT satuan waktu sebelum nventor habs atau setelah (T LT) satuan waktu sejak barang yang dpesan tba Jka lead tme konstan, poss nventor tdak tergantung pada besar keclnya lead tme Formula Wlson tdak mengalam perubahan apabla LT 0

7 Perubahan Lead Tme Reorder pont = lead tme demand = lead tme x demand per unt tme = LT x D

8 Perubahan Lead Tme LT > T ROP dartkan sebaga stock on poston (bukan sebaga stock on hand) Jka dnyatakan dalam stock on hand maka harus dkurang dengan stock on order yang belum datang Formula Wlson tdak mengalam perubahan apabla LT 0

9 Perubahan Lead Tme Reorder pont = lead tme demand stock on order = (LT x D) (n x Q 0 ) dmana n adalah blangan nteger terkecl dar LT/T

10 Contoh Permntaan suatu tem dketahu tetap sebesar 1200 unt per tahun dengan ongkos pesan $16 dan ongkos smpan $0.24 per unt per tahun. Tentukan kebjakan nventor apabla lead tme konstan (a) 3 bulan, (b) 9 bulan, (c) 18 bulan Q * 2 RC HC D unt T D Q * 0.33 tahun 4 bulan ROP a LT D 300 unt ( LT 3 bulan kurang dar cycle tme sehngga n 0) ROP ROP b C LT D LT D n Q * n Q *

11 Perubahan Harga (Dscount) Konds dmana dberkan dscount untuk pembelan dalam jumlah tertentu Unt cost component menjad varable cost (VC) Ttk mnmum (optmal) dar setap kurva TC untuk masng-masng nla UC dengan nla holdng cost yang ekuvalen dengan nterest rate (I) Q0 RC D 2 I UC

12 Perubahan Harga (Dscount) Unt cost Order Quantty Unt cost Lower lmt Upper lmt UC 1 0 Q a UC 2 Q a Q b UC 3 Q b Q c UC 4 Q c Q d UC 1 UC 2 UC 3 UC 5 0 Q a Q b Q c Q d Order Quantty

13 Total Cost Perubahan Harga (Dscount) UC 1 UC 2 Upper Curve Vald Lower Curve Vald Nether Curve Vald 0 Q a Q b Order Quantty

14 Total Cost Perubahan Harga (Dscount) Total Cost wth UC 1 Vald Range of Curve Invald Range of Curve 0 Q a Order Quantty

15 Total Cost Perubahan Harga (Dscount) UC 1 UC 2 UC 3 UC 4 UC 5 0 Q a Q b Q c Q d Order Quantty

16 Total Cost Perubahan Harga (Dscount) UC 1 UC 2 UC 3 UC 4 UC 5 0 Q a Q b Q c Q d Vald mnmum Invald mnmum Order Quantty

17 Total Cost Perubahan Harga (Dscount) Optmal cost 0 Q a Q b Q c Order Quantty

18 Total Cost Perubahan Harga (Dscount) Optmal cost 0 Q a Q b Q c Order Quantty

19 Start Take the next lowest unt cost curve Calculate the mnmum pont 2RC D Q0 HC Calculate costs at break pont to the left of vald range No Is ths pont vald Calculate the cost of the vald mnmum Compare the costs of all the ponts consdered and select lowest Fnsh

20 Unt cost Contoh Soal Permntaan tahunan sebuah tem sebesar 2000 unt dengan ongkos pesan $10 dan ongkos smpan 40% dar harga per unt. Harga tem tersebut tergantung jumlah pemesanan, yatu: < 500 : $ : $ : $0.60 Bagamana kebjakan pemesanan yang optmal? $1 $0.8 $ Order quantty

21 Contoh Soal Takng the lowes cost curve UC= 0.6, vald jka Q=1000 atau lebh * Q Invald karena tdak lebh dar Htung total ongkos pada ttk batas pada ongkos terendah RC D HCQ TC UC D $1340 per tahun Q 2 ttk A Takng the next lowest cost curve: UC = 0.80, vald jka antara 500 sampa 1000 * Q Invald karena tdak dantara

22 Contoh Soal Htung total ongkos pada ttk batas pada ongkos terendah RC D HCQ TC UC D $1720 per tahun Q 2 ttk B Takng the next lowest cost curve: UC=1.00 vald jka Q kurang 500 * Q 2RC D I UC Htung total ongkos pada ttk batas pada ongkos terendah TC UC D 2 RC HC D $ per tahun ttk C

23 Total Cost Contoh Soal UC 1 =$1 C = $ B = $1720 UC 3 =$0.8 UC 5 =0.6 A = $ Order Quantty Vald mnmum Invald mnmum

24 Perubahan Kedatangan Pesanan Bla kedatangan pesanan tdak terjad serentak tap secara unform Dsebut juga dengan Economc Producton Quantty (EPQ) atau Economc Manufacturng Quantty (EMQ) Asums: tngkat demand lebh rendah dar tngkat produks/replenshment. Jka sebalknya maka tdak ada nventor yang dmlk

25 Inventory Level Perubahan Kedatangan Pesanan Q A PT T DT Tme

26 EPQ Sngle Item Perbakan model EOQ yang basanya dgunakan oleh perusahaan manufaktur dengan tujuan untuk memnmumkan total ongkos (ongkos setup dan ongkos smpan produk) dengan menentukan ukuran batch produks ekonoms Asums bahwa seluruh lot tba secara serentak pada model EOQ drelaksas menjad kedatangan lot memlk laju tertentu, msalkan P unt per satuan waktu Lot produks ekonoms dtentukan dengan cara mencar ukuran lot yang memnmalkan total ongkos setup dan ongkos smpan

27 Profl Inventor EPQ Q I Max D 0 P P-D tp t1 t

28 Ongkos setup S D Q Ongkos smpan EPQ Sngle Item Inventor maksmum = (P D)t p dengan t p =Q/P Rata-rata nventor = (I MAX I MIN )/2 = (Q 0)/2=Q/2 Baya Penympanan (Holdng Cost) HC P D Q 2P

29 Total Ongkos TC( Q) EPQ Sngle Item UP D FC S Q D VC HC Economc producton quantty (Q * ) dapat dcar dengan turunan pertama terhadap Q sama dengan nol P D Q 2P TC dq Q D P D Q * S Q 2 HC 2 S D HC P P 2P D 0

30 EPQ Sngle Item Jka Q * dsubsttuskan ke persamaan TC(Q) maka dperoleh VC( Q * ) 2 S HC D P D P TC( Q * ) UP D VC( Q Panjang producton run optmum Producton reorder pont (ROP) * ) Q * P Jka N adalah har operas per tahun, maka ROP DL N

31 Perbandngan EPQ dan EOQ

32 Contoh Permntaan sebuah tem sebesar 20,000 unt per tahun (1 tahun = 250 har kerja). Tngkat produks sebesar 100 unt per har, dan lead tme 4 har. Ongkos produks per unt $50, ongkos smpan $10 per unt per tahun, dan ongkos setup $20 per run. Tentukan EMQ, jumlah produks berjalan per tahun, reorder pont, dan total ongkos tahunan mnmum!! Demand per har N R 80 Q * 2SR HC P P D m Q R * 31.6 produks berjalan per tahun

33 Contoh 320 unt N LT R ROP $ ) ( P D Q P HC Q R S R UP Q TOC

34 EPQ Mult Items (1) Proses produks ntermten mult produk menggunakan equpments secara bersama berdasarkan rotas Panjang sklus produks secara keseluruhan merupakan waktu untuk memproduks satu urutan produk secara lengkap Permasalahan penjadwalan mult produk dapat dselesakan dengan menentukan jumlah sklus tahunan (m) yang memnmumkan total ongkos seluruh faml tem Logc EMQ-mult tem sama dengan EMQ-sngle tem Tngkat nventor maksmum untuk tem p d t p

35 Asums-asums: EPQ Mult Items (2) Tngkat permntaan dan tngkat produks konstan No backorders Tngkat produks lebh besar atau sama dengan tngkat permntaan kapastas produks dapat memenuh demand Ongkos setup tdak tergantung urutan produks (produk yang dkerjakan) Hanya satu tem yang dproduks pada waktu yang sama

36 EPQ Mult Items (3) Dengan m adalah jumlah sklus (producton runs) per tahun, maka Q =p t p = D /m. Jka terdapat n tem, maka nventor rata-rata untuk tem p d t p p d 2 2mp D Jka stockouts tdak djnkan, total ongkos tahunan dapat dformulaskan Total ongkos tahunan = Ongkos produks + Ongkos setup + Ongkos smpan TC( m) n UP D m n S 1 m n 1 HC D p p d

37 EPQ Mult Items (4) Varabel keputusan m dapat dcar dengan turunan pertama terhadap m sama dengan nol Sehngga dapat dperoleh, ) ( n n p d p D HC m S m m TC n n S p d p D HC m 1 1 * 2

38 EPQ Mult Items (5) Ukuran producton run untuk produk yang dberkan dapat dtentukan dengan persamaan Jka nla m * dsubsttuskan ke persamaan TC(m), maka Model dapat dgunakan jka * m D Q n n n n S m D UP p d p HC D m D UP TC m 1 * 1 1 * 1 * 2 1 n p D N 1

39 Contoh Tentukan sklus produks untuk kelompok produk dalam tabel d bawah dengan asums 250 har kerja per tahun. Berapakah total ongkos tahunan mnmum Product Annual Demand Unt Producton Cost Daly Producton Rate Annual Holdng Cost Setup Cost D P p HC S $6 100 $1.60 $ $5 400 $1.40 $ $3 350 $0.60 $ $4 200 $1.15 $ $6 100 $1.65 $80 n 1 D p har < 250 har

40 Contoh Product Daly Producton Rate p d HC S Demand Rate p -r p R Col. 4 x Col. 5 Setup Cost $ $ $ $ $ $ $ $ $ $ $202 m * 5 1 HC 2 D 5 1 S p d (202) 10

41 Contoh Ukuran producton run untuk masng-masng produk adalah Q =D /m * n 1 Q p har Product D m * Q

42 Contoh Karena producton tme per sklus 21 har (kurang dar run tme per sklus), maka setap sklus terdapat slack 4 har TC m * 1 n UP $ D 2m n 1 S (10)202 Q p Q p 2 2 Q p 3 3 Q 4 p4 N 25 * m 7.5 Q p 5 5 Slack tme

43 Metode Runout Tme (ROT) ROT merupakan suatu heurstk sederhana untuk menghtung urutan produks untuk suatu group (famly) dar tem-tem yang dproduks pada equpment yang sama ROT current nventory poston of tem demand per perod for tem Aturan keputusannya adalah menjadwalkan tem yang pertama kal dproduks adalah tem dengan ROT terendah dan tem-tem yang berkutnya menurut kenakan ROT

44 Contoh Gunakan data pada tabel d bawah n. Apakah terseda kapastas produks yang cukup jka perode perencanaan mngguan 90 jam? Item Standard hours per unt Producton lot sze (unts) Demand forecast per perod (unt/week) Current nventory poston (unts) Standard hours per lot sze A B C D

45 Contoh Item Current nventory poston (unts) Demand per perod (unt/week) ROT (weeks) (b)/(c) Sequence (a) (b) (c) (d) (e) A B C D Sequence ROT (weeks) Lot sze (unts) Machne hours per lot sze Remanng capacty (hours) D B A C

46 Metode Aggregate Runout Tme (AROT) AROT menjadwalkan produks tem dalam suatu famly untuk menghndar shortage tem. AROT mengatur lot sze produks ddasarkan pada level nventor (current) dan alokas kapastas untuk menjamn feasbltas kapastas Penjadwalan dlakukan untuk setap tem sehngga nventor untuk setap tem akan dkurang pada waktu yang sama jka produks dhentkan pada akhr perode AROT nventory n machne for all tems n the famly machne hours total machne hours avalable durng the plannng perod hours forecasted per perod for all tems n the famly

47 Metode Aggregate Runout Tme (AROT) Item Standard hours per unt Demand forecast per perod (unts/week) Machnes hours for demand forecast (Col.2) (Col.3) Current nventory poston (unts) Inventory machne hours (Col. 2) (Col. 5) A B C D Total AROT weeks

48 Item Metode Aggregate Runout Tme (AROT) Demand forecast per perod (unts/week) AROT (weeks) Gross requrements, (Col.2) (Col.3) (unts) Current nventory poston (unts) Lot sze (Col. 4) (Col. 5) (unts) A B C D Item Standard hours per unt Lot sze (unts) Machne hours requred (Col. 2) (Col. 3) Remanng capacty (hours) A B C D

49 Metode Aggregate Runout Tme (AROT) AROT menyesuakan lot sze agar tdak terjad shortage dan kapastas sebesar 90 jam dgunakan seluruhnya AROT tdak berusaha melakukan efsens lot sze, tetap hanya mengalokaskan 90 jam sedemkan sehngga nventor setap tem akan run out secara past dalam 4.88 mnggu jka produks dhetnkan setelah perode perencanaan Item: (current nventory lot sze)/(weekly demand) runout tme A : (100 71) / B : ( ) / C : ( ) / D : ( ) /

50 INDEPENDENT DEMAND INVENTORY SYSTEM: PROBABILISTIK MODEL SERVICE LEVEL, SAFETY STOCK, METODE Q (FOQ), METODE P (FOI)

51 Klasfkas Problem Inventor Klasfkas problem nventor berdasarkan varabelvarabelnya (Waters, 2003): Unknown stuas permasalahan sama sekal tdak dketahu dan analss sult dlakukan Known (constant or varable) parameter permasalahan dketahu nla-nlanya dan dapat menggunakan model determnstk Uncertan dstrbus probabltas dar varabel permasalahan dapat dketahu dan dapat dselesakan dengan menggunakan model problstk/stokastk. 51

52 Ketdakpastan dalam Inventor Demand : Fluktuas acak dar jumlah dan ukuran pesanan Cost Baya basanya sangat dpengaruh oleh tngkat nflas yang sult dpredks tngkat dan waktu nflas terjad Lead tme: Jarak yang jauh dan banyaknya stage (channel) dstrbus yang harus dlalu Delveres Jumlah yang dkrm basanya tdak sama dengan pesanan yang dmnta 52

53 Inventory level Reorder Pont dengan Safety Stock Reorder pont Safety stock 0 LT LT Tme 53

54 Model Persedaan dengan Demand Probablstk dan LT 0 dan Tetap Jka LT 0, maka perlu untuk menentukan Reorder Pont yatu suatu level nventor dmana pemesanan ulang harus dlakukan Demand probablstk (Dstrbus Normal) membuat terdapat kemungknan persedaan habs sedangkan pesanan belum datang Untuk mengatas hal tersebut maka dantspas dengan Safety Stock 54

55 Demand Probablstk Reorder Pont besarnya sama dengan demand selama lead tme: ROP = D LT Contoh: jka demand per tahun unt; lead tme pemesanan selama 1 mnggu; maka: ROP = demand selama 1 mnggu ROP = 1/52 x = 192,3 ~ 193 Artnya jka persedaan mencapa 193 unt maka pemesanan harus dlakukan Reorder pont tersebut belum memperhtungkan besarnya Safety Stock 55

56 Demand selama Lead Tme all demand met shortages Servce level = 97,7% Probabltas shortage P=0.023 LT D Z=2 ROP 56

57 Servce Level (1) Servce level dukur dalam beberapa cara yatu: percentage of orders completely satsfed from stock; percentage of unts demanded that are delvered from stock; percentage of unts demanded that are delvered on tme; percentage of tme there s stock avalable; percentage of stock cycles wthout shortages; percentage of tem-months there s stock avalable. Ukuran servce level yang palng banyak dgunakan: persentase demand yang dapat dpenuh dar stock/nventor 57

58 Servce Level (2) Servce level (dalam 1 sklus) adalah probabltas untuk dapat memenuh semua demand dalam satu sklus nventor Contoh : Data terakhr permntaan selama lead tme yang dcatat pada 50 sklus nventor dar suatu tem adalah sebaga berkut: Demand Frekuens Berapakah ROP jka servce level yang dkehendak sebesar 95%? 58

59 59 Demand selama LT Servce Level (3) Frekuens Peluang Peluang Kumulatf Untuk mencapa servce level 95%, maka demand selama lead tme harus lebh rendah dar reorder level pada tngkat servce level 95%. Dar nformas d atas, maka dapat dtetapkan reorder level = 70 unt sehngga memberkan servce level 98%

60 Demand Probablstk Safety stock dbuat untuk mengurang kemungknan out of stock (shortage) Dpengaruh oleh lead tme dan varans demand Jka D adalah demand per unt waktu dan adalah standard devas, maka demand selama lead tme adalah LT D, varans demand selama lead tme adalah 2 LT dengan standard devas adalah ( 2 LT) 1/2 Safety stock dtentukan dengan perhtungan: SS = Z Standard devas demand selama LT SS Z LT 60

61 Demand Probablstk (Uncertanty n Demand) Keputusan persedaan yang harus dbuat adalah: Lot (jumlah) pesanan: Q 0 D RC 2 HC Saat pemesanan kembal: ROP D LT Z LT 61

62 Probabltas terjad stockout = Z=1.65 Z E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E-07

63 Penentuan Nla Z Servce level Stock Out Z value Probablty

64 Contoh Permntaan sebuah tem berdstrbus normal dengan rata-rata 1000 unt per mnggu dan standard devas 200 unt. Harga tem $10 per unt dan ongkos pesan $100. Ongkos smpan dtetapkan sebesar 30% dar nla nventor per tahun dan lead tme tetap selama 3 mnggu. Tentukan kebjakan nventor jka dngnkan servce level 95%, dan berapakah ongkos untuk safety stock-nya D = 1000 per mnggu (=200) UC = $10 per unt RC = $ 100 per pesan HC = 0.3 x $10 = $3 per unt per tahun LT = 3 mnggu 64

65 Contoh Q * 2 RC D HC unt ROP LT D Z LT servce level 95%, Z=1.64 (Lhat Tabel Dstrbus Normal) 3568 unt Ongkos ekspektas safety stock: Safety stock Holdng cost $1704 per tahun 65

66 Lead Tme Probablstk (Uncertanty n Lead Tme) LT lebh pendek maka akan muncul unused stock, namun jka LT lebh panjang maka muncul shortage Probabltas shortage adalah probabltas bahwa demand selama lead tme lebh besar darpada reorder level, sehngga, Servce level Prob LT D ROP Prob LT ROP D 66

67 Contoh Lead tme untuk pemesanan sebuah produk berdstrbus Normal dengan mean 8 mnggu dan standard devas 2 mnggu. Jka permntaan konstan sebesar 100 unt per mnggu, berapakah kebjakan pemesanan yang memberkan suatu servce level sklus 95% ROP Prob LT 0.95 D Dar Tabel Normal, untuk probabltas 95% Z=1.64, sehngga LT = 8 + (1.64x2) = 11.3 mnggu (ROP=1130 unt) 67

68 68 Demand & Lead Tme Probablstk Jka dasumskan demand dan lead tme berdstrbus normal, maka: dan, demand mempunya rata-rata D dan standard devas D lead tme mempunya rata-rata LT dan standard devas LT sehngga: demand selama lead tme mempunya rata-rata LT D dan standard devas adalah LTD LT D D LT

69 Contoh (Uncertan n both LT dan D) Permntaan sebuah produk berdstrbus normal dengan rata-rata 400 unt per bulan dan standar devas 30 unt per bulan. Lead tme juga berdstrbus normal dengan rata-rata 2 mnggu dan standar devas 0.5 bulan. Berapakah ROP yang memberkan servce level 95%? Berapakah jumlah pemesanan kembal jka ongkos pesan $400 dan ongkos smpan $10 per unt per bulan? 69 D = 400 unt per bulan D = 30 unt LT = 2 bulan LT = 0.5 bulan

70 Contoh (Uncertan n both LT dan D) Demand selama LT = LT x D = 800 unt Standard devas demand selama lead tme: LT D D unt Untuk servce level 95%, Safety stock = 1.64 x = 335 unt maka, ROP = LT x D + SS = = 1135 unt LT 70

71 Contoh (Uncertan n both LT dan D) Ukuran pemesanan optmal (ekonoms): Q * 2 RC D HC unt

72 Metode Pemesanan Kembal Pemesanan dlakukan jka tercapa tngkat persedaan sebesar ROP = reorder pont Pemesanan kembal juga dapat dlakukan dengan cara lan, yatu pada ROP = waktu tertentu; msalkan setap satu bulan sekal Metode pemesanan kembal: Metode Contnous Revew (Metode Q) Metode Perodc Revew (Metode P) 72

73 Sstem Q Sstem P Stock terseda terma Stock terseda terma Yes Demand Demand Stock > demand Htung poss stock No No Backorder/Lost sale No Poss stock ROP Yes Pesan sebesar EOQ Peroda revew tercapa Yes Tentukan poss stock Tentukan order quantty Max.stock stock poston Pesan sebesar Q 73

74 Metode Q atau Fxed Order Quantty (FOQ) R = Reorder Pont Q = Order Quantty L = Lead tme 74

75 Metode Q Jumlah lot pesanan sama Untuk memudahkan mplementasnya, serng dgunakan vsual revew system dengan metode yang dsebut Two Bn System: Dbuat dua bn (tempat) penympanan; Bn I bers persedaan sebesar tngkat reorder pont; Bn II bers ssanya Penggunaan stock dlakukan dengan mengambl s Bn II; jka sudah habs artnya pemesanan harus dlakukan kembal; sementara menunggu pesanan datang, stock pada Bn I dgunakan 75

76 76 Metode P

77 Metode P Perode pemesanan tetap = T Jumlah yang dpesan sangat bergantung pada ssa nventory pada saat perode pemesanan tercapa; sehngga setap kal pemesanan dlakukan, ukuran lot pesanan tdak sama Terdapat kemungknan persedaan sudah habs tetap perode pemesanan belum tercapa Akbatnya, safety stock yang dperlukan relatf lebh besar (untuk T dan untuk LT= Lead Tme) 77

78 Metode P: Order Quantty Permasalahan utama: nterval antar pemesanan (perode revew) dan target stock level Pendekatan umum: htung EOQ kemudan tentukan perode pemesanan berdasarkan ukuran pemesanan (keputusan fnal: management judgement) Berapapun nterval yang dtetapkan, harus sesua dengan target stock level Order quantty = target stock level stock on hand 78

79 Metode P: Order Quantty Jka demand selama T+LT berdstrbus normal dengan mean D (T+LT), varans 2 (T+LT), dan standard devas (T+LT )1/2, maka safety stock SS = Z standard devas demand selama T+LT Z T LT 79 sehngga target stock level target stock level demand selama D T LT safety stock T LT Z T LT

80 Metode P: Order Quantty Jka lead tme pemesanan lebh lama dar panjang sklus, maka: order quantty target stock level stock on hand stock on order 80

81 Contoh Permntaan sebuah tem berdstrbus normal dengan mean 1000 unt per bulan dan standard devas 100 unt. Stock dperksa setap 3 bulan dan lead tme pemesanan konstan 1 bulan. Tentukan kebjakan nventor yang memberkan servce level 95%. Jka ongkos smpan $20 per unt per bulan, berapakah ongkos untuk safety stock untuk kebjakan tersebut? Bagamana pengaruh penngkatan servce level menjad 98% SS Z T LT

82 TSL D T Contoh LT Z T LT Setap 3 bulan ketka melakukan pemesanan, ukuran pemesanan dtentukan oleh SOH, order sze = 4328 SOH jka SOH=1200 unt, maka ukuran lot pemesanan 3128 unt Ongkos smpan safety stocknya: = SS HC = = $6560 per bulan Jka servce level 98%, Z=2.05 maka TSL=4410 unt ($8200) 82

83 Metode P Metode P relatf tdak memerlukan proses admnstras yang banyak, karena perode pemesanan sudah dlakukan secara perodk. Untuk memudahkan mplementasnya, dgunakan vsual revew system dengan metode yang dsebut One Bn System: Dbuat Bn yang berskan Jumlah Inventory Maksmum Setap kal perode pemesanan, dlhat berapa stock terssa dan pemesanan dlakukan untuk mengs Bn penuh 83

84 Perbandngan Perode pemesanan tdak tetap Jumlah yang dpesan selalu sama Barang yang dsmpan relatf lebh sedkt Memerlukan admnstras yang berat untuk selalu dapat memantau tngkat persedaan agar tdak terlambat memesan SISTEM Q Perode pemesanan tetap Setap kal pesan dalam jumlah yang berbeda Membutuhkan safety stock relatf lebh besar: untuk melndung varans demand dan juga untuk demand selama perode pesan belum sampa Admnstras rngan SISTEM P 84

85 Perlakuan terhadap Shortage Jka baya out of stock dapat dtaksr, maka terdapat dua kemungknan terhadap kejadan kekurangan persedaan: LOST SALE: kekurangan danggap sebaga kehlangan kesempatan memperoleh pendapatan BACK ORDER: kekurangan persedaan dapat dpenuh kemudan dengan baya-baya tambahan dan dengan anggapan konsumen mash mau menunggu Keduanya dapat dhtung berdasarkan baya per unt kekurangan stock atau berdasarkan baya setap kal terjad kekurangan stock 85

86 SHORTAGE Customer Demand Out of Stock Customer Wats (back-orders) Customer doesn t Wat (lost sales) Customer keeps all busness wth suppler Customer transfer some future busness to another suppler Customer transfers some future busness to another suppler Customer transfers all busness to another suppler

87 Inventory Level SHORTAGE Q Q S 0 T 1 T 2 S Tme T

88 SHORTAGE (BACK ORDER) Unt cost component: UC x Q Reorder cost component: RC Holdng cost component: HC x (Q S) x T 1 2 Shortage cost component: SC x S x T 2 2

89 89 SHORTAGE (BACK ORDER) Total cost per cycle Substtus T 1 =(Q S)/D dan T 2 = S/D T 2 S SC T S HC Q RC Q UC D S SC D S HC Q RC Q UC

90 SHORTAGE (BACK ORDER) Total cost per unt tme dperoleh dengan membag persamaan TC per unt cyle dengan T UCQ RC D Q Persamaan d atas mempunya dua varabel Q dan S sehngga deferensal dlakukan terhadap dua varabel tersebut HC Q S 2Q 2 SC S 2Q 2 90

91 SHORTAGE (BACK ORDER) TC Q TC S 2 0 RC D HC HC S SC S 2 2 Q 2 2Q 2Q 2 HC S SC S 0 HC Q Q 2 Persamaan untuk mencar order quantty yang optmal, Q 0 RC D HC 2 HC SC SC 91

92 92 SHORTAGE (BACK ORDER) Persamaan untuk mencar jumlah back-ordered yang optmal, SC HC SC D HC RC S , T T T D S T D S Q T

93 CONTOH BACKORDER Permntaan terhadap sebuah tem adalah konstan sebesar 100 unt per bulan. Harga per tem $50, ongkos pemesanan $50, ongkos smpan 25% dar nla barang per tahun, ongkos kekurangan untuk backorder dtetapkan 40% dar nla barang per tahun. Tentukan kebjakan nventor yang optmal! 93 Q S 2 RC HC SC D HC SC 0 2 RC SC HC D HC SC T 1 = (Q 0 -S 0 )/D = 3.3 mnggu T 2 = S 0 /D = 2.1 mnggu 48 unt 125 unt

94 Inventory Level SHORTAGE (LOST SALES) Q 0 Q/D T Tme 94

95 SHORTAGE (LOST SALES) Demand yang tdak dapat dpenuh dalam sebuah sklus adalah jumlah demand dalam sebuah sklus (D x T) dkurang dengan jumlah yang dsupply dalam sklus (Q) ((D x T) Q) Setap unt lost sale mempunya baya yang dapat dbag menjad: Loss of proft; Sellng Prce (SP) dkurang Unt Cost (UC) per unt dar penjualan yang hlang Drect costs (DC) ; loss of goodwll, loss of future custome, remedal acton 95

96 SHORTAGE (LOST SALES) Unt cost component: UC x Q Reorder cost component: RC HC x Q Q Holdng cost component: 2 D Lost sale cost component: DC x ((D x T) Q) 96

97 SHORTAGE (LOST SALES) Net revenue per cycle : HCQ 2D SPQ UCQ RC DCD T 2 Q Net revenue per unt tme (persamaan d atas dbag dengan T) R 1 T 2 HCQ QDC SP UC RC DC DT 2D 97

98 SHORTAGE (LOST SALES) Bla ddefnskan, LC = baya tap unt lost sale termasuk loss of proft = DC + (SP UC) Z = propors dar demand yang dapat dpenuh Dengan mengabakan fxed cost DC x D, maka R Z RC D HCQ D LC Q 2 98

99 SHORTAGE (LOST SALES) Maksmum net revenue dapat dperoleh dengan deferensas terhadap Q dan menetapkan sama dengan 0 dr dq 0 Z RC 2 Q D Z HC 2 Q 0 2RC HC D 99

100 SHORTAGE (LOST SALES) Nla optmal R dperoleh dengan substtus Q R 0 Z D LC 2RC HC D Z = propors demand yang dpenuh (0 Z 1) Penyesuaan nla Z agar nla R 0 maksmal: Jka D LC 2RC HC D (revenue postf) set Z=1 Jka (revenue negatf) set Z=0 D LC 2RC HC D Jka D LC 2RC HC D (revenue nol) set Z sama dengan nla sembarang yang dngnkan 100

101 CONTOH LOST SALES (1) D=50, RC=150, HC=80, DC=20, SP=110, UC=90 LC DC SP UC D LC RC HC D D LC 2 RC HC D set Z=1 (Semua demand dpenuh dan tdak ada penjualan yang hlang) D 50 Q0 2 RC unt HC

102 CONTOH LOST SALES (2) D=100, RC=400, HC=200, DC=10, SP=200, UC=170 LC DC SP UC D LC RC HC D D LC 2 RC HC D set Z=nla sembarang (Net revenue sama dengan nol, berapapun nla yang dplh untuk Z) D 100 Q0 2 RC unt HC

103 CONTOH LOST SALES (3) D=50, RC=500, HC=400, DC=30, SP=350, UC=320 LC DC SP UC D LC RC HC D D LC 2 RC HC D set Z=0 (Menghaslkan net revenue negatf, tdak memenuh semua demand) 103

104 PERUBAHAN LAINNYA Jens pembatas-pembatas yang umum dtemukan dalam nventory adalah: Keterbatasan space gudang Maksmum budget Maksmum jumlah pengrman Maksmum jumlah pemesanan Maksmum ukuran setap kal pengrman dsb 104

105 Klasfkas Inventor: ABC Manajemen persedaan serng kal harus dbedakan menurut karakterstk masng-masng tem Salah satu klasfkas yang umum dgunakan pada manajemen persedaan adalah sstem ABC dmana temtem dkelompokkan menjad tga kelas Pembagan kelas n ddasarkan atas tngkat kepentngan masng-masng tem Karakterstk A B C Persentase nla 75-80% 10 15% 5 10% Persentase jumlah tem 15 20% 20 25% 60 65% 105

106 Cara Melakukan Klasfkas 1. Tabulaskan nama, harga per unt, dan jumlah unt yang dkonsums per tahun. 2. Kalkan harga per unt dengan jumlah unt yang dpaka selama setahun untuk mendapatkan nla rupah konsums setahun dar masng-masng tem. 3. Jumlahkan nla rupah tahunan untuk keseluruhan tem dan htung persentase pemakaan tahunan untuk tap-tap tem. 4. Sortng (urutkan) tem-tem mula dar yang konsums rupah tahunannya besar. 5. Buat klasfkas ABC dengan aturan mendekat yang d atas. 106

107 Contoh Klasfkas ABC Nama Rp/unt Konsums/th Rp/th %Rp/th A 100, ,000, B 1,000, ,000, C 50, ,500, D 20, ,600, E 10, ,000, F 150, ,500, G 90, ,800, H 25, ,000, I 5, , J 2, , ,500,

108 Contoh Klasfkas ABC Tabel Perhtungan untuk klasfkas ABC Nama Rp/unt Konsums/th Rp/th %Rp/th Kumul.%Rp/th B 1,000, ,000, (A) F 150, ,500, (A) A 100, ,000, (B) E 10, ,000, (B) H 25, ,000, (B) G 90, ,800, (C) D 20, ,600, (C) C 50, ,500, (C) J 2, , (C) I 5, , (C) TOTAL 297,500, A = Dkendalkan menggunakan metode Q B = Dkendalkan menggunakan metode Q atau P (50:50, perlu pertmbangan ulang) C = Dkendalkan menggunakan metode P, karena nlanya cenderung rendah 108

109 Pertemuan 6 - Persapan Tugas Baca: Perencanaan Agregat

110

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Pertemuan 4 Outlne: Sstem Persedaan Indenpendent Demand Inventory Models (1) Referens: Elsayed, A. Elsayed. Analss and Control of Producton System, Prentce

Lebih terperinci

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Pertemuan 6 & 7 Outline: Independent Demand Inventory Models: Probabilistik (Penentuan SS), Shortage Aggregate Planning Referensi: Smith, Spencer B., Computer-Based

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Uj Normaltas Llefors D dalam pengendalan persedaan, perumusan lmu statstk dgunakan untuk menentukan pola dstrbus, dmana pola dstrbus tersebut dapat dhtung dengan menguj kenormalan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Perbaikan Sistem Persediaan Tinta Fotokopi di CV. NEC, Surabaya

Perbaikan Sistem Persediaan Tinta Fotokopi di CV. NEC, Surabaya Perbakan Sstem Persedaan Tnta Fotokop d CV. NEC, Surabaya Indr Hapsar, Jerry Agus Arlanto, dan Albert Sutanto Teknk Industr Unverstas Surabaya Jl. Raya Kalrungkut Surabaya Emal: ndr@ubaya.ac.d Abstrak

Lebih terperinci

MODEL PERSEDIAAN TERINTEGRASI PRODUSEN - DISTRIBUTOR - PENGECER DENGAN MULTI - PRODUK DAN KENDALA TINGKAT LAYANAN

MODEL PERSEDIAAN TERINTEGRASI PRODUSEN - DISTRIBUTOR - PENGECER DENGAN MULTI - PRODUK DAN KENDALA TINGKAT LAYANAN MODEL PERSEDIAAN TERINTEGRASI PRODUSEN - DISTRIBUTOR - PENGECER DENGAN MULTI - PRODUK DAN KENDALA TINGKAT LAYANAN Mkyana Ramadan, Nughthoh Arfaw Kurdh, dan Sutrma Program Stud Matematka FMIPA UNS Abstrak.

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

BAB IV PEMBAHASAN MODEL

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

Lebih terperinci

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

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

Lebih terperinci

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

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

Lebih terperinci

Pertemuan 12 & 13 PERENCANAAN & PENGENDALIAN PRODUKSI. Persediaan. Different Types of Stock. Persediaan 28/11/2013. Outline: Referensi: TIN 4113

Pertemuan 12 & 13 PERENCANAAN & PENGENDALIAN PRODUKSI. Persediaan. Different Types of Stock. Persediaan 28/11/2013. Outline: Referensi: TIN 4113 8/11/13 Pertemuan 1 & 13 PERENCANAAN & PENGENALIAN PROUKSI TIN 4113 Outline: Independent emand Inventory System Referensi: Smith, Spencer B., Computer-Based Production and Inventory Control, Prentice-Hall,

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload 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 terperinci

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

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

Lebih terperinci

Analisis Persediaan Multy Item dengan Mempertimbangkan Faktor Kadaluarsa

Analisis Persediaan Multy Item dengan Mempertimbangkan Faktor Kadaluarsa Analss Persedaan Multy Item dengan Mempertmbangkan Faktor Kadaluarsa 1 onny Cputra 1, Theresa Sunarn Jurusan Teknk Industr Sekolah Tngg Teknk Mus, Palembang E-mal : donnycputra@gmal.com Jurusan Teknk Industr

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

BAB VB PERSEPTRON & CONTOH

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

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 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 terperinci

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

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

Lebih terperinci

OPTIMASI PERSEDIAAN DAN PRODUKSI KOMPONEN LAMPU DI LAMP COMPONENT FACTORY (LCF) PT. PHILIPS INDONESIA

OPTIMASI PERSEDIAAN DAN PRODUKSI KOMPONEN LAMPU DI LAMP COMPONENT FACTORY (LCF) PT. PHILIPS INDONESIA Prosdng Semnar Nasonal Manajemen Teknolog IV Program Stud MMT-ITS, Surabaya 5 Agustus 2006 OPTIMASI PERSEDIAAN DAN PRODUKSI KOMPONEN LAMPU DI LAMP COMPONENT FACTORY (LCF) PT. PHILIPS INDONESIA Dars Putr

Lebih terperinci

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

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya

Lebih terperinci

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

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

Lebih terperinci

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.

Kata 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 terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB 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 terperinci

BAB II LANDASAN TEORI. Masalah umum pada model persediaan bersumber dari kejadian yang

BAB II LANDASAN TEORI. Masalah umum pada model persediaan bersumber dari kejadian yang 8 BB II LNSN TEORI efns Persedaan Masalah umum pada model persedaan bersumber dar kejadan yang dhadap tap saat d bdang usaha, bak dagang ataupun ndustr ejadan tersebut dapat berupa ketersedaan barang yang

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom.

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom. BAB 4 HASIL DAN PEMBAHASAN 4.1 Penghtungan 4.1.1 Penghtungan Peramalan 4.1.1.1 Peramalan Me Atom Contoh perhtungan peramalan permntaan dengan metode regres lner, regres kuadrats, double movng average,

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

BAB VI MODEL-MODEL DETERMINISTIK

BAB VI MODEL-MODEL DETERMINISTIK BAB VI MODEL-MODEL DETERMINISTIK 6. Masalah Penyaluran Daya Lstrk Andakan seorang perencana sstem kelstrkan merencakan penyaluran daya lstrk dar beberapa pembangkt yang ternterkoneks dan terhubung dengan

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

MODEL OPTIMAL SISTEM TRANSPORTASI ANGKUTAN KOTA

MODEL OPTIMAL SISTEM TRANSPORTASI ANGKUTAN KOTA ODEL OPTIAL SISTE TRANSPORTASI ANGKUTAN KOTA PRAPTO TRI SUPRIYO Departemen atematka Fakultas atematka dan Ilmu Pengetahuan Alam Insttut Pertanan Bogor Jl erant, Kampus IPB Darmaga, Bogor 16680 Indonesa

Lebih terperinci

I. PENGANTAR STATISTIKA

I. PENGANTAR STATISTIKA 1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan

Lebih terperinci

Oleh : Fifi Fisiana

Oleh : Fifi Fisiana Optmas Baya Produks menggunakan Metode Revsed Mult Choce Goal programmng dengan Tahap Persedaan Terkontrol Supply Chan Model stud kasus : PT.Gunungarta Manunggal, Gempol Oleh : Ff Fsana 1207100018 Dosen

Lebih terperinci

ANALISIS PENENTUAN UKURAN PEMESANAN OLI MENGGUNAKAN METODE EOQ DI BENGKEL XYZ

ANALISIS PENENTUAN UKURAN PEMESANAN OLI MENGGUNAKAN METODE EOQ DI BENGKEL XYZ INDEPT, Vol. 2, No. 2, Jun 2012 ISSN 2087 9245 ANALISIS PENENTUAN UKURAN PEMESANAN OLI MENGGUNAKAN METODE EOQ DI BENGKEL XYZ Andy Purwanto, ST. Sekretars Jurusan Teknk Industr, Fakultas Teknk Unverstas

Lebih terperinci

Model Koordinasi Pemanufaktur Tunggal Multi Pembeli Dengan Permintaan Probabilistik

Model Koordinasi Pemanufaktur Tunggal Multi Pembeli Dengan Permintaan Probabilistik ess Model Koordnas Pemanufaktur unggal Mult Pembel Dengan Permntaan Probablstk Dsusun Oleh: Moch Anshor (2508203004) Dbmbng Oleh: Prof. Ir. I. Nyoman Puawan M. Eng. PhD. Stefanus Eko Wratno S M. Coordnatng

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. 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

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

MODEL PERSEDIAAN PROBABILISTIK DENGAN MEMPERTIMBANGKAN FAKTOR DISKON

MODEL PERSEDIAAN PROBABILISTIK DENGAN MEMPERTIMBANGKAN FAKTOR DISKON rosdng Semnar Nasonal Sans dan Teknolog Nuklr TNBR - BATAN Bandung, 4 Jul Tema: emanfaatan Sans dan Teknolog Nuklr serta peranan MIA d Bdang Kesehatan, ngkungan dan Industr untuk embangunan Berkelanjutan

Lebih terperinci

Bab III Analisis Rantai Markov

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

Lebih terperinci

BAB 2 KAJIAN PUSTAKA

BAB 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 terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

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

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

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance

BAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance BAB IV METODE PENELITIAN 4.1 Lokas dan Waktu Peneltan Peneltan mengena Analss Pengaruh Kupedes Terhadap Performance Busness Debtur dalam Sektor Perdagangan, Industr dan Pertanan dlaksanakan d Bank Rakyat

Lebih terperinci

FUNGSI BIAYA UNTUK MENENTUKAN TINGKAT PEMESANAN OPTIMUM MULTI ITEM INDEPENDEN BERDISTRIBUSI KONTINU. H. Bernik Maskun

FUNGSI BIAYA UNTUK MENENTUKAN TINGKAT PEMESANAN OPTIMUM MULTI ITEM INDEPENDEN BERDISTRIBUSI KONTINU. H. Bernik Maskun FUNGSI BIAYA UNTUK MENENTUKAN TINGKAT PEMESANAN OPTIMUM MULTI ITEM INDEPENDEN BERDISTRIBUSI KONTINU oleh H. Bernk Maskun Departemen Statstka, FMIPA Unverstas Padjadjaran bernkmaskun69@gmal.com Abstrak

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PERBAIKAN SISTEM INFORMASI PERSEDIAAN DI CV XYZ SURABAYA. Denny Herdianto, Amelia Santoso, Dina Natalia Prayogo.

PERENCANAAN PERSEDIAAN DAN PERBAIKAN SISTEM INFORMASI PERSEDIAAN DI CV XYZ SURABAYA. Denny Herdianto, Amelia Santoso, Dina Natalia Prayogo. PERENCANAAN PERSEDIAAN DAN PERBAIKAN SISTEM INFORMASI PERSEDIAAN DI CV XYZ SURABAYA Denny Herdanto, Amela Santoso, Dna Natala Prayogo Jurusan Teknk Industr, Unverstas Surabaya Raya Kalrungkut, Surabaya

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI 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 terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

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

Lebih terperinci

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran (Inferens Fungs Ketahanan dengan Metode Kaplan-Meer INFERENI FUNGI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran Jurusan Matematka FMIPA UNDIP

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

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

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

Lebih terperinci

Hubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya

Hubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya Vol. 8, No., 9-101, Januar 01 Hubungan Model Kurva Pengeluaran Konsums Rumah Tangga d Provns Sulawes Selatan dengan Elaststasnya Adawayat Rangkut Abstrak Seleks kurva pengeluaran konsums masyarakat Sulawes

Lebih terperinci

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

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

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

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

Lebih terperinci

Post test (Treatment) Y 1 X Y 2

Post test (Treatment) Y 1 X Y 2 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl

Lebih terperinci

UKURAN GEJALA PUSAT &

UKURAN GEJALA PUSAT & UKURAN GEJALA PUSAT & UKURAN LETAK UKURAN GEJALA PUSAT & LETAK Untuk mendapatkan gambaran yang jelas mengena suatu populas atau sampel Ukuran yang merupakan wakl kumpulan data mengena populas atau sampel

Lebih terperinci

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode 8 III. METODE PENELITIAN A. Metode Peneltan Metode peneltan adalah suatu cara yang dpergunakan untuk pemecahan masalah dengan teknk dan alat tertentu sehngga dperoleh hasl yang sesua dengan tujuan peneltan.

Lebih terperinci

PRESENTASI TUGAS AKHIR CI 1483 OPTIMASI WAKTU INVENTORI MULTI ITEM DENGAN STRUKTUR BIAYA CONCAVE

PRESENTASI TUGAS AKHIR CI 1483 OPTIMASI WAKTU INVENTORI MULTI ITEM DENGAN STRUKTUR BIAYA CONCAVE PRESENTASI TUGAS AKHIR CI 1483 OPTIMASI WAKTU INVENTORI MULTI ITEM DENGAN STRUKTUR BIAYA CONCAVE Penyusun Tugas Akhr : Nta Kusumanngtyas (NRP : 5104.100.052) Dosen Pembmbng : Rully Soelaman, S.Kom., M.Kom.

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Exponential Smoothing w/ Trend and Seasonality Pemulusan level/keseluruhan Pemulusan Trend Pemulusan Seasonal Peramalan periode t : Contoh: Data kuartal untuk

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE)

GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE) GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE) Muhammad Khosy n 1,2, Muh Iman Prajtno 2, Aro Isnad 3, Mochamad Haryad 4 1 Electrcal

Lebih terperinci

UKURAN LOKASI, VARIASI & BENTUK KURVA

UKURAN LOKASI, VARIASI & BENTUK KURVA UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

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

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

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

Lebih terperinci

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen, BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Tujuan Peneltan Tujuan dalm peneltan n adalah mengetahu keefektfan strateg pembelajaran practce-rehearsal pars dengan alat peraga smetr lpat dan smetr putar dalam menngkatkan

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. 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 terperinci