BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 1 PENDAHULUAN. 1.1 Latar Belakang"

Transkripsi

1 BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya cukup kompleks. Assigmet Problem adalah suatu masalah megeai pegatura pada idividu (objek) utuk melaksaaka tugas atau pekerjaa, sehigga dega demikia biaya atau waktu yag diperguaka utuk pelaksaaa tugas atau pekerjaa tersebut dapat dimiimalka. Masalah peugasa (Assigmet Problem), seperti juga masalah trasprotasi merupaka salah satu kasus-kasus yag ditemui dalam program liier (liier programmig). Dalam masalah peugasa aka didelegasika sejumlah tugas (assigmet) kepada sejumlah peerima tugas (Assigee) dalam basis satusatu. Jadi masalah peugasa ii diasumsika bahwa jumlah assigmet sama dega jumlah assigee. Sehigga data pokok yag harus dimiliki utuk meyelesaika suatu masalah peugasa adalah jumlah assigmet da assigee. Algoritma Brute Force adalah salah satu algoritma yag disaraka utuk diguaka dalam meyelesaika persoala ii, yag maa dalam algoritma ii seluruh kemugkia solusi diperhitugka sebagai kadidat solusi. Da algoritma peyelesaia megguaka kompleksitas faktorial. Tetu saja hal ii sagat megguaka resource yag besar da peyelesaia dega metode ii mejadi tidak efisie.

2 Metode lai utuk meyelesaika masalah assigmet problem adalah dega megguaka Algoritma Hugari. Algoritma Hugari adalah salah satu algoritma yag diguaka utuk meyelesaika persoala assigmet. Awalya dikeal dega metode Hugaria, yag ditemuka da dipublikasika oleh Harold Kuh pada tahu Algoritma ii kemudia diperbaiki oleh James Mukres pada tahu Oleh karea itu, algoritma ii kemudia dikeal juga dega ama algoritma Kuh-Mukres. Algoritma yag dikembagka oleh Kuh ii didasarka pada hasil kerja dua orag matematikawa asal Hugaria laiya, yaitu Dees Koig da Jeo Egervary. Keberhasila Kuh meggabugka dua buah peemua matematis dari Jeo Egervary mejadi satu bagia merupaka hal utama yag megispirasika lahirya Algoritma Hugari. Dega megguaka algoritma ii, solusi optimum sudah pasti ditemuka. Namu utuk hal ii kasusya dibatasi, yaitu apabila igi meemuka solusi terbaik dega ilai miimum (least ost search). Tujua yag igi dicapai dalam memecahka persoala peugasa adalah berusaha utuk mejadwalka setiap assigee pada suatu assigmet sedemikia rupa sehigga kerugia yag ditimbulka miimal atau keutuga yag didapatka maksimal. Yag dimaksud kerugia dalam hal ii adalah biaya, jarak atau waktu, sedagka keutuga adalah pedapata, laba atau ilai kemeaga. Sehigga jelas dalam persoala peugasa ada dua jeis masalah yaitu masalah miimalisasi da masalah maksimalisasi. Keutuga terbesar pegguaa algoritma Hugari adalah kompleksitas algoritmaya yag polyomial. Metode yag diguaka dalam algoritma Hugari dalam memecahka masalah sagat sederhaa da mudah dipahami. Metode ii aka diaplikasika peulis dalam pemecaha masalah matriks berbobot, dimaa masalah yag igi dipecahka adalah mecari solusi terbaik miimum waktu pada tim reag estafet Tirta Prima - Meda gaya gati 4 x 100 meter.

3 1.2 Perumusa Masalah Sesuai dega latar belakag yag telah dikemukaka peulis pada pedahulua, maka yag mejadi pokok permasalaha adalah bagaimaa cara meyelesaika assigmet problem pada kasus jumlah baris sama dega jumlah kolom (m = ). dalam hal ii adalah bagaimaa mecari waktu miimal oleh Tim reag estafet Tirta Prima - Meda, sehigga diperoleh hasil yag optimal (waktu yag miimal) dega megguaka metode Hugari. 1.3 Batasa Masalah Utuk lebih fokus da tidak meyimpag dari tujua, maka peulis megadaka pembatasa masalah, yaitu : a. Metode yag diguaka adalah Metode Hugari b. Masalah yag dibahas dalam assigmet problem pada kasus m =. dalam hal ii adalah bagaimaa mecari waktu miimal oleh Tim reag estafet Tirta Prima - Meda dalam meghadapi lomba reag estafet gaya gati 4 x 100 meter. c. Hasil akhir yag aka ditemuka adalah solusi optimal assigmet problem dega metode Hugari pada miimalisasi waktu tim reag Tirta Prima - Meda, dimaa waktu yag diguaka tim tersebut dapat lebih miimum. 1.4 Tujua Peelitia Tujua dari peelitia ii terkait dega pokok permasalaha yag telah diuraika diatas adalah sebagai berikut : 1. Mejelaska bagaimaa cara meyelesaika masalah peugasa pada kasus m = megguaka metode Hugari 2. Mejelaska bagaimaa cara meyelesaika masalah peugasa pada kasus-kasus khusus megguaka metode Hugari.

4 1.5 Mafaat Peelitia Adapu mafaat dari peelitia ii adalah : 1. Memberika tambaha wawasa da pegetahua tetag masalah peugasa. 2. Mejelaska cara peyelesaia masalah peugasa pada kasus m = dega metode Hugari 3. Memperoleh waktu miimal yag diguaka tim reag estafet Tirta Prima - Meda pada lomba reag estafet. 4. Mejelaska cara peyelesaia masalah peugasa pada kasus-kasus khusus dega metode Hugari. 1.6 Metodologi Peelitia Metode peelitia yag aka diguaka adalah peelitia literature da studi kasus, dega prosedur sebagai berikut : a. Meguraika teori dasar yag meujag terhadap pembahasa yag diperoleh dari jural, buku, da iteret. b. Melakuka survei utuk megumpulka data kecepata pereag tiap gaya dari tim reag estafet Tirta Prima - Meda. c. Megolah data dega mecari solusi optimal assigmet problem dega megguaka metode Hugari pada kasus m =. d. Meyusu ragkuma e. Pearika kesimpula.

5 1.7 Taua Pustaka Sebagai pedukug dalam peulisa tugas akhir ii, peulis megguaka beberapa buku atau jural atara lai sebagai berikut : (J. Suprato, Liier Programmig, 1983;280). Membahas tetag efisiesi metode Hugari dibadigka dega metode yag telah ada. Persoala peugasa (Assigmet Problem) termasuk jeis persoala trasportasi. Dega demikia persoala peugasa dapat dipecahka dega metode-metode yag dapat diperguaka utuk memecahka masalah trasportasi. Selai ada metode trasportasi utuk memecahka persoala trasportasi juga ada metode peugasa utuk memecahka masalah peugasa. Metode ii utuk beberapa hal merupaka metode yag lebih efisie apabila dibadigka dega metode simpleks. (Fie Zulfikarah, Operatio Research ). Tetag syarat-syarat dalam metode peugasa da model matematis dalam metode peugasa. Persyarata Metode Peugasa : 1. Jumlah sumber (m) yag ditugaska harus sama dega jumlah tugas () yag harus diselesaika. 2. Setiap sumber haya megerjaka satu tugas 3. Apabila jumlah sumber tidak sama dega jumlah tugas, maka ditambahka variable dummy 4. Terdapat dua permasalaha yag bisa diselesaika yaitu memaksimumka keutuga atau memiimumka kerugia (biaya, waktu atau jarak) Secara matematis masalah peugasa dapat diyataka dalam betuk liier programmig dega variable keputusaya adalah : =

6 Dega megasumsika Z sebagai biaya total, maka model masalah peugasa mejadi miimumka z = i= 1 j= 1 cx Dega batasa : i= 1 x = 1, i = 1,2,, j= 1 x = 1, j = 1,2,,, x = 0 or 1 0, utuk semua i da j. ( adlah bier utuk semua i da j) Dimaa : adalah tetapa yag telah ditetuka (Johsobaugh Richard,2001; 265) Graf G adalah pasaga himpua (V,E) dimaa V adalah himpua dari simpul (vertex) da E adalah himpua dari sisi yag meghubugka sepasag simpul. (Muir Rialdi,2003). Algoritma Brach ad Bouds merupaka metode pecaria dalam ruag solusi yag ditrasformasika dalam betuk ruag poho pecaria.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Programa liear Programa Liear yag diterjemahka dari Liear programmig (LP) adalah suatu cara utuk meyelesaika persoala pegalokasia sumber-sumber yag terbatas di atara beberapa

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan, BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

HUBUNGAN VARIETY DAN IDEAL RADIKAL SKRIPSI. Oleh : Ambar Mujiarti J2A

HUBUNGAN VARIETY DAN IDEAL RADIKAL SKRIPSI. Oleh : Ambar Mujiarti J2A HUBUNGAN VARIETY DAN IDEAL RADIKAL SKRIPSI Oleh : Ambar Mujiarti J2A 004 003 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 2009

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic. Peyelesaia Asymmetric Travellig Salesma Problem dega Algoritma Hugaria da Algoritma Cheapest Isertio Heuristic Caturiyati Staf Pegaar Jurusa Pedidika Matematika FMIPA UNY E-mail: wcaturiyati@yahoo.com

Lebih terperinci

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011. III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI 14 Bab 2 LANDASAN TEORI 21 Program Liier Programasi Liier (Liear Pogrammig) merupaka suatu model optimasi persamaa liier berkeaa dega kedala-kedala liier yag dihadapiya Model ii dikembagka oleh George

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Permasalahan

BAB I PENDAHULUAN Latar Belakang Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada

Lebih terperinci

DIMENSI PARTISI PADA GRAF KINCIR PARTITION DIMENSION OF WINDMILL GRAPH

DIMENSI PARTISI PADA GRAF KINCIR PARTITION DIMENSION OF WINDMILL GRAPH PROPOAL TUGA AKHIR DIMENI PARTII PADA GRAF KINCIR PARTITION DIMENION OF WINDMILL GRAPH Oleh: CHANDRA IRAWAN NRP : 100 109 04 JURUAN MATEMATIKA FAKULTA MATEMATIKA DAN ILMU PENGETAHUAN ALAM INTITUT TEKNOLOGI

Lebih terperinci

MATHunesa (Volume 3 No 3) 2014

MATHunesa (Volume 3 No 3) 2014 MATHuesa (Volume 3 No 3) 014 MINIMUM PENUTUP TITIK DAN MINIMUM PENUTUP SISI PADA GRAF KOMPLIT DAN GRAF BIPARTIT KOMPLIT Yessi Riskiada Kusumawardai Program Studi S1 Matematika, Fakultas Matematika da Ilmu

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research)

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research) BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa

Lebih terperinci

RENCANA PROGRAM PEMBELAJARAN KE - 1. : 6 jam pelajaran

RENCANA PROGRAM PEMBELAJARAN KE - 1. : 6 jam pelajaran RENCANA PROGRAM PEMBELAJARAN KE - 1 Satua Pedidika Mata Pelajara Kelas/Semester Materi Pokok Waktu : SMA N 6 YOGYAKARTA : Matematika : XII IPS/ : Barisa da Deret : 6 jam pelajara 1. Stadar Kompetesi 4.

Lebih terperinci

BAB I PENDAHULUAN. X Y X Y X Y sampel

BAB I PENDAHULUAN. X Y X Y X Y sampel BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 3 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode yag diguaka dalam peelitia ii adalah metode kuatitatif dega eksperime semu (quasi eksperimet desig). Peelitia ii melibatka dua kelas, yaitu satu

Lebih terperinci

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki 18 III. METODE PENELITIAN A. Subyek da Tempat Peelitia Subjek peelitia adalah siswa kelas X2 SMA Budaya Badar Lampug Tahu Ajara 2010-2011 dega jumlah siswa 40 orag yag terdiri dari 19 siswa lakilaki da

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

Penerapan Algoritma Kuhn-Munkres dalam Penyelesaian Masalah Penugasan Multi-objective pada Industri Konveksi Tas DP. SPORTY

Penerapan Algoritma Kuhn-Munkres dalam Penyelesaian Masalah Penugasan Multi-objective pada Industri Konveksi Tas DP. SPORTY PRISMA 1 (2018) PRISMA, Prosidig Semiar Nasioal Matematika https://joural.ues.ac.id/sju/idex.php/prisma/ Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah Peugasa Multi-objective pada Idustri Koveksi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

III. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar

III. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar III. METODE PENELITIAN A. Subjek da Tempat Peelitia Subjek dari peelitia adalah siswa kelas.b SMA Muhammadiyah 2 Badar Lampug Tahu Ajara 2011-2012 dega jumlah siswa 40 orag yag terdiri dari 15 siswa laki-laki

Lebih terperinci

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha

Lebih terperinci

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas. BAB 1 PENDAHUUAN 1.1 atar Belakag Pada dasarya masalah optimisasi adalah suatu masalah utuk membuat ilai fugsi tujua mejadi maksimum atau miimum dega memperhatika pembatas pembatas yag ada. Dalam aplikasi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT

PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 02, No. 1(2013), hal 1-6. PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Demag, Helmi, Evi Noviai INTISARI Permasalaha di bidag tekik

Lebih terperinci

Aplikasi Graf Pada Jaring Makanan

Aplikasi Graf Pada Jaring Makanan Aplikasi Pada Jarig Makaa Teuku Reza Auliadra Isma 13507035 Jurusa Tekik Iformatika ITB, Badug 40135, email: auliadra@studets.itb.ac.id Abstract Makalah ii membahas aplikasi graf pada jarig makaa.peetua

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta Iduksi Matematika Pertemua VII Matematika Diskret Semester Gasal 2014/2015 Jurusa Tekik Iformatika UPN Vetera Yogyakarta Metode pembuktia utuk peryataa perihal bilaga bulat adalah iduksi matematik. Cotoh

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi

APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN Petra Novadi Iformatika Istitut Tekologi Badug Labtek V Jl. Gaesha No., Badug email : if559@studets.if.itb.ac.id, me@va-odi.et ABSTRAK Permasalaha

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

Algoritma Branch and Bound pada Permasalahan 0-1 Knapsack

Algoritma Branch and Bound pada Permasalahan 0-1 Knapsack Algoritma Brach ad Boud pada Permasalaha 0-1 Kapsack Sady Socrates (13508044) Program Studi Tekik Iformatika 2008, Istitut Tekologi Badug Jl. Gaesha 10, 40116 Badug e-mail: if18044@studets.if.itb.ac.id

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM Yosifayza Septiai 1, Bambag Irawato 2, Susilo Hariyato 3 Departeme Matematika FSM Uiversitas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP. (Tessa Vaia Soetato, et al.) STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

BAB III METOE PENELITIAN. penelitian ini, hanya menggunakan kelas eksperimen tanpa adanya kelas

BAB III METOE PENELITIAN. penelitian ini, hanya menggunakan kelas eksperimen tanpa adanya kelas BAB III METOE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia eksperime. Karea pada peelitia ii, haya megguaka kelas eksperime tapa adaya kelas cotrol. Peelitia ii megguaka pedekata kuatitatif.

Lebih terperinci

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0. PROGRAM STUDI PENDIDIKAN MATEMATIKA FKIP UNMUH PONOROGO SOAL UJIAN TENGAH SEMESTER GENAP TA 03/04 Mata Ujia : Aalisis Real Tipe Soal : REGULER Dose : Dr. Jula HERNADI Waktu : 90 meit Hari, Taggal : Selasa,

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Nurdinintya Athari (NDT) BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan 47 III. METODOLOGI PENELITIAN A. Metodelogi Peelitia Keberhasila dalam suatu peelitia sagat ditetuka oleh ketepata pegguaa metode peelitia. Oleh karea itu, metode yag aka diguaka haruslah sesuai dega data

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

BAB VIII KONSEP DASAR PROBABILITAS BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada

Lebih terperinci

PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA

PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA Eky Pawestri Gita Asmara 1, Bambag Irawato, S.Si, M.Si 2, Lucia Ratasari, S.Si, M.Si Departeme Matematika

Lebih terperinci

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor Bab 6 Deret Taylor da Deret Lauret BAB 6 DERET TAYLOR DAN DERET LAURENT 6 Deret Taylor Misal fugsi f aalitik pada - < R ligkara dega pusat di da jari-jari R Maka utuk setiap titik pada ligkara itu f dapat

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Kegiata peelitia ii dilaksaaka pada bula Mei 2011 bertempat di Dusu Nusa Bakti, Kecamata Serawai da Dusu Natai Buga, Kecamata Melawi yag merupaka

Lebih terperinci

Solusi Pengayaan Matematika

Solusi Pengayaan Matematika Solusi Pegayaa Matematika Edisi 11 Maret Peka Ke-, 2007 Nomor Soal: 101-110 101. Bilaga desimal 0,7777 diyataka dalam hasil bagi bilaga rasioal sebagai a b, dega a da b relatif prima. Nilai dari ab A.

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci