SISTEM PENDUKUNG KEPUTUSAN PRIORITAS PENDIRIAN BTS MENGGUNAKAN METODE FUZZY AHP (Studi Kasus: PT. Indosat Solo)
|
|
- Hadi Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ISSN : SISTEM PENDUKUNG KEPUTUSAN PRIORITAS PENDIRIAN BTS MENGGUNAKAN METODE FUZZY AHP (Studi Kasus: PT. Idosat Solo) Satria Yuda Prasetyo (satreea@gmail.com) Sri Tomo (szrie@yahoo.com) Teguh Susyato (teguhsusyato@gmail.com) ABSTRAK Dega pertumbuha peggua jariga telekomuikasi kebutuha aka pediria BTS merupaka kebutuha yag harus dipeuhi PT. Idosat Solo. Masalah yag dihadapi adalah meetuka prioritas pediria BTS yag aka di bagu berdasarka data survey lapaga dari beberapa kadidat BTS.Sistem ii merupaka Sistem Pedukug Keputusa (SPK) yag dibagu megguaka peggabuga metode Aalitycal Hierarchi Process (AHP) da pedekata fuzzy yag disebut Fuzzy AHP (F-AHP) dega pedekata model Chag(996).Dari hasil pegujia prioritas pediria BTS dega F-AHP megguaka program meujukka bahwa ilai perhituga teoritis da program adalah sama atau valid.sehigga,spk prioritas pediria BTS ii bisa mejadi pemecaha masalah peetua prioritas pediria BTS. Kata Kuci : Sistem Pedukug keputusa, Fuzzy, AHP, Prioritas I. PENDAHULUAN. Latar Belakag Masig masig perusahaa operator membagu mearaya secara terpisah sesuai kebutuha da perecaaa tiap operator. Hal tersebut mejadika pertumbuha pediria BTS tidak terkedali. PT. Idosat Solo adalah salah satu operator telekomuikasi di wilayah Solo area. Dari hasil wawacara dega supervisor project & quality PT. Idosat Solo permasalaha yag serig di hadapi oleh staff adalah sulitya meetuka prioritas pediria BTS yag aka di bagu berdasarka data receive level, kepadata peduduk, layaa PLN, jarak dega BTS border, kodisi topografi, da ketersediaa BTS kompetitor dari beberapa kadidat BTS dega peilaia maual. Bilaga fuzzy diguaka utuk merepresetasika peilaia terhadap berbagai program pediria BTS, megigat faktor ketidakpresisia yag dialami oleh pegambil keputusa ketika harus memberika peilaia yag pasti dalam matriks pairwise compariso. Dega demikia, maka dalam peelitia ii peulis megguaka metode Fuzzy AHP dalam meetapka prioritas program pediria BTS..2 Perumusa Masalah Berdasarka latar belakag di atas maka permasalahaya adalah bagaimaa membuat sistem pedukug keputusa pemiliha prioritas pediria Base Trasceiver Statio (BTS) megguaka metode Fuzzy Aalytical Hierarchy Process (F-AHP)..3 Tujua Peelitia Tujua peelitia ii adalah membuat sistem pedukug keputusa dega meerapka metode Fuzzy Aalytical Hierarchy Process (F- AHP) serta membatu perusahaa operator peyedia jariga komuikasi selular dalam memilih prioritas pediria Base Trasceiver Statio (BTS). II. METODE PENELITIAN 2. Tekik Pegumpula Data Pegumpula data peelitia berdasarka pada kebutuha sistem yag dilakuka melalui studi pustaka da survey lapagaa. Survey lapagaa lebih difokuska pada pedapat pakar (expert survey) dega wawacara yag medalam (i-depth iterview) da observasi lapaga. Data dikumpulka secara segaja (purposive samplig) dari pelaku sistem yaitu supervisor project & quality PT. Idosat Solo. Jeis data yag diguaka dalam peelitia ii adalah data primer da data sekuder. Data primer merupaka data yag diperoleh secara lagsug dari sumber yag diamati da dicatat, da mempuyai hubuga erat dega permasalaha seleksi prioritas pediria BTS pada perusahaa tersebut melalui observasi da wawacara. Data tersebut atara lai data luasa wilayah,data kriteria da laiya. Data sekuder merupaka data yag diperoleh melalui berbagai macam media, atara lai iteret, buku-buku da jural-jural yag Jural TIKomSiN 2
2 berkaita dega sistem pedukug keputusa metode fuzzy AHP. 2.2 Tekik Pegolaha Data. Aalisa da pemiliha kriteria Pada tahap ii bertujua utuk meetuka kriteria - kriteria apa saja yag aka diguaka utuk meilai suatu prioritas pediria BTS. Peetua kriteria ii merupaka hasil observasi da wawacara peulis dega pihak supervisor project & quality perusahaa. Kriteria prioritas pediria BTS adalah: - Receive level - Tigkat kepadata peduduk - Ketersediaa layaa PLN - Jarak dega BTS border - Kodisi topografi - Ketersediaa BTS kompetitor. 2. Pema prioritas kriteria Pema prioritas kriteria bergua utuk meetuka seberapa petig suatu kriteria bila dibadigka dega kriteria yag lai dalam meetuka seberapa kepetiga pediria BTS. Serig terjadi perbedaa pedapat tetag seberapa petig suatu kriteria. 3. Pema BTS Pema BTS dilakuka dega melakuka peilaia BTS utuk setiap kriteria yag telah ditetuka sebelumya. Peilaia BTS tidak dapat aka terlepas dari faktor subjektivitas, oleh karea itu peilai BTS ii aka dilakuka oleh staff yag berkompete. 4. Perhituga Fuzzy AHP Pada perhituga Fuzzy AHP aka melakuka perhituga prioritas dari setiap kriteria da perhituga performa dari setiap alteratif BTS. Metode fuzzy yag diguaka adalah triagular fuzzy umber. Lagkah - lagkah perhituga fuzzy AHP sebagai berikut : ) Meetuka ilai sitesis fuzzy (Si) prioritas 2) Meetuka ilai vektor (V) 3) Meetuka ilai ordiat defuzzifikasi (d ). 4) Defuzifikasi ilai vektor fuzzy (W ) 5) Perhituga performace setiap alteratif BTS utuk setiap kriteria. 6) Perakiga BTS. III. TINJAUAN PUSTAKA 3. Sistem Pedukug Keputusa Pada dasarya pegambila keputusa adalah suatu pedekata sistematis pada hakekatya suatu masalah, pegumpula faktafakta, peetua yag matag dari alteratif yag dihadapi, da pegambila tidaka yag meurut peghituga merupaka tidaka yag palig tepat. Kee [] merumuska ciri-ciri SPK yag dikutip oleh Suryadi da Ramdhai [2] sebagai berikut:. SPK ditujuka utuk membatu keputusakeputusa yag kurag terstruktur da umumya dihadapi oleh para maajer yag berada di tigkat pucak. 2. SPK merupaka gabuga atara kumpula model kualitatif da kumpula data. 3. SPK memiliki fasilitas iteraktif yag dapat mempermudah hubuga atara mausia dega komputer. 4. SPK bersifat luwes da dapat meyesuaika dega perubahaperubaha yag terjadi. 3.2 Fuzzy AHP 3.2. Derajat Keaggotaa da Skala Fuzzy Segitiga F-AHP merupaka gabuga metode AHP dega pedekata kosep fuzzy (Raharjo da Sutapa)[3]. F-AHP meutupi kelemaha yag terdapat pada AHP, yaitu permasalaha terhadap kriteria yag memiliki sifat subjektif lebih bayak.ketidakpastia bilaga direpresetasika dega uruta skala. Peetua derajat keaggotaa F-AHP yag dikembagka oleh Chag [4] megguaka fugsi keaggotaa segitiga (Triagular FuzzyNumber/TFN). Fugsi keaggotaa segitiga merupaka gabuga atara dua garis (liear). Grafik fugsi keaggotaa segitiga digambarka dalam betuk kurva segitiga seperti terlihat pada Gambar Gambar Fugsi Keaggotaa Segitiga Chag[4] medefiisika ilai itesitas AHP ke dalam skala fuzzy segitiga yaitu membagi tiap himpua fuzzy dega dua (2), kecuali utuk itesitas kepetiga satu (). Skala fuzzysegitiga yag diguaka Chag dapat dilihat pada Tabel. 22 Jural TIKomSiN
3 Tabel Skala Nilai Fuzzy Segitiga Itesitas AHP Variabel liguistik Sama Petig (SmP) Nilai Berdekata Sama Petig (NbSmP) Sedikit Lebih Petig (SdP) Nilai Berdekata Sedikit Lebih Petig (NbSdP) Lebih Petig (LbP) Nilai Berdekata Lebih Petig (NbLbP) Sagat Petig (SaP) Nilai Berdekata Sagat Petig (NbSaP) Palig Petig (PaP) Trigular Fuzzy Number Reciprocal ( ; ; ) ( ; ; ) (/2 ; ; 3/2) ( ; 3/2 ; 2) (3/2 ; 2 ; 5/2) (2 ; 5/2 ; 3) (5/2 ; 3 ; 7/2) (3; 7/2 ; 4) (7/2 ; 4 ; 9/2) (4 ; 9/2 ; 9/2) (2/3 ; ; 2) (/2 ; 2/3 ; ) (2/5 ; /2 ; 2/3) (/3 ; 2/5 ; /2) (2/7 ; /3 ; 2/5) (/4 ; 2/7 ; /3) (2/9 ; /4 ; 2/7) (2/9 ; 2/9 ; /4) Lagkah-Lagkah Fuzzy AHP Lagkah peyelesaia F-AHP adalah meurut Chag[4] :. Meetuka ilai sitesis fuzzy (Si) prioritas dega rumus, Si = X () Dimaa: M ij j = M ij m i= j = M ij j = = j = l j. j = m j. u j Sedagka j = (2) (i=,2,,k) maka ilai vektor dapat didefeisika sebagai berikut: V M M, M 2,. M k = V M M da V M M 2 da V M M k = mi V M M i (5) Asumsika bahwa, d A i = mi V(S i S k ) (6) utuk k=,2,...; k i, maka diperoleh ilai vector W = (d A, d A 2, d (A )) T (7) 3. Normalisasi ilai vektor fuzzy (W) Setelah dilakuka ormalisasi dari persamaa (7) maka ilai vector yag terormalisasi adalah seperti rumus berikut: W = (d A, d A 2, d(a )) T (8) dimaa W adalah bilaga o fuzzy. IV. HASIL DAN PEMBAHASAN 4. Hasil Pegumpula Data Dari hasil wawacara dega pihak perusahaa da studi pustaka ditetapka beberapa kriteria yag aka diguaka utuk melakuka pemiliha prioritas pediria BTS. Kriteria - kriteria yag diguaka adalah sebagai berikut :. Receive Level 2. Kepadata Peduduk 3. Layaa PLN 4. Jarak dega BTS Border 5. Kodisi Topografi 6. Ketersediaa BTS Kompetitor Berdasarka kriteria yag diguaka diatas, maka dapat ragkum mejadi hierarki prioritas BTS seperti Gambar 3. i= j = M ij = i= l i. i= m i. i= u i (3) 2. Meetuka Nilai Vektor (V) da Nilai Ordiat Defuzzifikasi (d ). Jika hasil yag diperoleh pada setiap matrik fuzzy, M 2 M (M 2 = (l 2, m 2, u 2 ) da M = (l, m, u ) maka ilai vektor dapat dirumuska sebagai berikut: Gambar 3 Hierarki kriteria da alteratif prioritas Gambar 2 Grafik Nilai Vektor (4) 4.2 Data Hasil Wawacara Dari hasil wawacara evaluasi yag diperoleh dari supervisor project & quality di PT. Idosat Solo, diragkum pema prioritas seperti pada Tabel 2. Jika hasil ilai fuzzy lebih besar dari k, M i Jural TIKomSiN 23
4 Tabel 2 Hasil wawacara pema prioritas kriteria dalam variabel liguistik K K2 K3 K4 K5 K6 K SmP NbSmP SdP NbSdP LbP LbP K2 SmP NbSmP SdP NbSdP NbSdP K3 SmP NbSmP SdP SdP K4 SmP NbSmP NbSmP K5 SmP SmP K6 K K2 K3 K4 K5 K6 SmP :Kriteria receive (rx) level :Kriteria kepadata peduduk :Kriteria layaa PLN :Kriteria jarak dega BTS border :Kriteria kodisi topografi :Kriteria ketersediaa BTS kompetitor 4.3 Pegolaha Data 4.3. Perhituga prioritas kriteria Dari hasil pema prioritas kriteria berdasarka hasil dari wawacara dega supervisor project & quality, maka dapat disusu matrik perbadiga berpasag atau pairwise compariso matrix (PCM ) dega melakuka koversi skala ilai Fuzzy segitiga yag didapat mejadi skala kuatitatif (skala bilaga). Hasil pema prioritas kriteria yag didapat ditujukka pada Tabel 3 da 4. Kemudia hasilya diragkum di Tabel 5. Setelah ilai jumlah baris da kolom diperoleh, selajutya megguaka persamaa ().diperoleh ilai sitesis fuzzy masig-masig kriteria (SK i ) dimaa i=,2, 6, sebagai berikut:,, 54 39, ,2 = (0,48, 0,263, 0,403) SK = (8,0.5,3) x SK 2 = (0,4, 0,23, 0,38) SK 3 = (0,086, 0,67, 0,35) SK 4 = (0,066, 0,29, 0,254) SK 5 = (0,072, 0,4, 0,204) SK 6 = (0,072, 0,4, 0,204) Tabel 3 Tabel koversi wawacara prioritas kriteria mejadi skala bilaga fuzzy K K2 K3 K4 K5 K6 K ; ; /2 ; ; 3/2 ; 3/2 ; 2 3/2 ; 2 ; 5/2 2 ; 5/2 ; 3 2 ; 5/2 ; 3 K2 2/3 ; ; 2 ; ; /2 ; ; 3/2 ; 3/2 ; 2 3/2 ; 2 ; 5/2 3/2 ; 2 ; 5/2 K3 /2 ; 2/3 ; 2/3 ; ; 2 ; ; /2 ; ; 3/2 ; 3/2 ; 2 ; 3/2 ; 2 K4 2/5 ; /2 ; 2/3 /2 ; 2/3 ; 2/3 ; ; 2 ; ; /2 ; ; 3/2 /2 ; ; 3/2 K5 /3 ; 2/5 ; /2 2/5 ; /2 ; 2/3 /2 ; 2/3 ; 2/3 ; ; 2 ; ; ; ; K6 /3 ; 2/5 ; /2 2/5 ; /2 ; 2/3 /2 ; 2/3 ; 2/3 ; ; 2 ; ; ; ; Tabel 4 Peghituga jumlah baris setiap kolom K K2 K3 K4 K5 K6 Jumlah baris K /2 3/2 3/2 2 3/2 2 5/2 2 5/ /2 3 8,000 0,500 3,000 K2 2/3 2 /2 3/2 3/2 2 3/2 2 5/2 3/2 2 5/2 6,67 8,500,500 K3 /2 2/3 2/3 2 /2 3/2 3/2 2 3/2 2 4,667 6,667 9,500 K4 2/5 /2 2/3 /2 2/3 2/3 2 /2 3/2 /2 3/2 3,567 5,67 7,667 K5 /3 2/5 /2 2/5 /2 2/3 /2 2/3 2/3 2 3,900 4,567 6,67 K6 /3 2/5 /2 2/5 /2 2/3 /2 2/3 2/3 2 3,900 4,567 6,67 Jumlah kolom 30,200 39,967 54,000 Tabel 5 Peghituga ilai sitesis Fuzzy (Si) kriteria Kriteria Si K 0,48 0,263 0,430 K2 0,4 0,23 0,38 K3 0,086 0,67 0,35 K4 0,066 0,29 0,254 K5 0,072 0,4 0,204 K6 0,072 0,4 0, Jural TIKomSiN
5 Proses ii meerapka pedekata fuzzy yaitu fugsi implikasi miimum (mi) fuzzy. Setelah dilakuka perbadiga ilai sitesis fuzzy, aka diperoleh ilai ordiat defuzzifikasi (d ) yaitu ilai d miimum. Berdasarka Tabel 5 da persamaa (4), maka diperoleh ilai vektor da ilai ordiat defuzzifikasi dari masig-masig kriteria a. Kriteria (K ), ilai vektorya adalah: VK (VK 2, VK 3, VK 4, VK 5, VK 6 ) karea ilai m 2 m maka ilai VK VK 2, VK VK 3, VK VK 4, VK VK 5,da VK VK 6 berdasarka persama (4) adalah:, sehigga diperoleh ilai ordiat, d berdasarka persamaa (5) sebagai berikut: d (VK ) = mi (,,,, ) = b. Kriteria 2 (K 2 ), Kriteria 3 (K 3 ), Kriteria 4 (K 4 ), Kriteria 5 (K 5 ), da Kriteria 6 (K ) dihitug megguaka cara yag sama dega kriteria (K ), Berdasarka ilai ordiat K, K 2, K 3, K 4, K 5 da K 6, maka ilai vektor dapat ditetuka seperti tertera pada Tabel 6. Tabel 6 Nilai ordiat kriteria Ordiat Nilai Bobot Vektor d VK ) d VK 2 ) d VK 3 ) d VK 4 ) d VK 5 ) d VK 6 ) W = (, 0.823, 0.634, 0.442, 0.274, 0.274) W total = 3,448 Normalisasi Nilai Bobot Vektor (W) diperoleh dega tiap eleme vektor dibagi jumlah vektor itu sediri. Dimaa jumlah yag telah diormalisasi aka berilai, sehigga: W(K ) = = 3,448 0,290, W(K 2 ) = 0,823 = 3,448 0,239, W(K 3 ) = 0,634 = 3,448 0,84, W(K 4 ) = 0,442 = 3,448 0,28, W(K 5 ) = 0,274 = 3,448 0,079, W(K 6 ) = 0,274 = 3,448 0,079, Sehigga lokal kriteria yag diperoleh adalah 0.290, 0.239, 0.84, 0.28, 0,079, da 0,079. Peyelesaia peghituga F-AHP alteratif sama seperti kriteria Perhituga Bobot Prioritas Kriteria Peyelesaia peghituga F-AHP alteratif sama seperti kriteria.selajutya aka dihitug ilai prioritas alteratif setiap kriteria Setelah ilai jumlah baris da kolom diperoleh, selajutya megguaka persamaa ().diperoleh ilai sitesis fuzzy masig-masig kriteria (SA i ) dari kriteria receive level dimaa i=,2, 4, sebagai berikut: SA = (4, 4,5, 5) x,, = (0,2, 0,273, 9 6,5 4,5 0,345) SA 2 = (2,5, 3, 4) x,, = (0,32, 0,82, 9 6,5 4,5 0,276) SA 3 = (4, 4,5, 5) x 0,345),, 9 6,5 4,5 = (0,2, 0,273, SA 4 = (4, 4,5, 5) x,, = (0,2, 0,273, 9 6,5 4,5 0,345) Ulagi lagkah diatas utuk meghitug prioritas alteratif yag lai.setelah dilakuka perhituga maka aka didapatka ilai sitesis seperti Tabel 7. Tabel 7 Sitesis Fuzzy tiap kriteria Sitesis Fuzzy Receive Level A 0,2 0,273 0,345 A 2 0,32 0,82 0,276 A 3 0,2 0,273 0,345 A 4 0,2 0,273 0,345 Sitesis Fuzzy Kepadata Peduduk A 0,237 0,349 0,63 A 2 0,56 0,244 0,09 A 3 0,237 0,349 0,63 A 4 0,370 0,558 0,233 Sitesis Fuzzy Layaa PLN A 0,250 0,250 0,250 A 2 0,250 0,250 0,250 A 3 0,250 0,250 0,250 A 4 0,250 0,250 0,250 Sitesis Fuzzy Jarak A 0,300 0,429 0,200 A 2 0,200 0,286 0,50 A 3 0,200 0,286 0,50 A 4 0,300 0,429 0,200 Sitesis Fuzzy Kodisi Topografi A 0,273 0,345 0,2 A 2 0,273 0,345 0,2 A 3 0,273 0,345 0,2 A 4 0,82 0,276 0,32 Jural TIKomSiN 25
6 Sitesis Fuzzy BTS Kompetitor A 0,35 0,98 0,098 A 2 0,209 0,330 0,36 A 3 0,328 0,462 0,227 A 4 0,328 0,462 0,227 Setelah dilakuka perbadiga ilai sitesis fuzzy, aka diperoleh ilai ordiat defuzzifikasi (d ) yaitu ilai d miimum. Berdasarka Tabel 7 da persamaa (4), maka diperoleh ilai vektor da ilai ordiat defuzzifikasi dari masig-masig alteratif kriteria. a. (A ), ilai vektorya adalah: VA (VA 2, VA 3, VA 4 ) karea ilai m 2 m maka ilai VA VA 2, VA VA 3,da VA VA 4 berdasarka persama (4) adalah:,sehigga diperoleh ilai ordiat, d berdasarka persamaa (5) sebagai berikut: d (VA ) = mi (,,,, ) = b. 2 (A 2 ), 3 (A 3 ), da 4 (A 4 ) dihitug megguaka cara yag sama dega (A ), Berdasarka ilai ordiat A, A 2, A 3, A 4. Ulagi lagkah diatas utuk masigmasig akteratif kriteria. Nilai vektor tiap alteratif kriteria diperoleh pada Tabel 8. Tabel 8. Nilai ordiat alteratif kriteria Nilai Ordiat Receive Level d VA ),000 d VA 2 ) 0,48 d VA 3 ),000 d VA 4 ),000 Nilai Ordiat Kepadata Peduduk d VA ) 0,467 d VA 2 ) 0,05 d VA 3 ) 0,467 d VA 4 ),000 Nilai Ordiat Layaa PLN d VA ),000 d VA 2 ),000 d VA 3 ),000 d VA 4 ),000 Nilai Ordiat Jarak d VA ),000 d VA 2 ) 0,462 d VA 3 ) 0,462 d VA 4 ),000 Nilai Ordiat Kodisi Topografi d VA ),000 d VA 2 ),000 d VA 3 ),000 d VA 4 ) 0,48 Nilai Ordiat BTS Kompetitor d VA ) 0,000 d VA 2 ) 0,464 d VA 3 ),000 d VA 4 ),000 Dilajutka ormalisasi ilai vektor (W). Dimaa jumlah yag telah diormalisasi aka berilai, sehigga: Tabel 9 Bobot alteratif tiap kriteria Bobot alteratif Receive Level A 0,293 A 2 0,22 A 3 0,293 A 4 0,293 Bobot alteratif Kepadata Peduduk A 0,235 A 2 0,026 A 3 0,235 A 4 0,504 Bobot alteratif Layaa PLN A 0,250 A 2 0,250 A 3 0,250 A 4 0,250 Bobot alteratif Fuzzy Jarak A 0,342 A 2 0,58 A 3 0,58 A 4 0,342 Bobot alteratif Kodisi Topografi A 0,293 A 2 0,293 A 3 0,293 A 4 0,22 Bobot alteratif BTS Kompetitor A 0 A 2 0,88 A 3 0,406 A 4 0, Bobot Total da Prioritas Gambar 4 dibawah ii merupaka proses peghituga F-AHP kriteria diperoleh lokal (Wlokal) yag aka dikalika dega hasil 26 Jural TIKomSiN
7 dari peghituga alteratif kriteria (W prioritas ). Gambar 4 Matriks perkalia kriteria da alteratif kriteria Dari ilai yag telah dihimpum dari A, A 2, A 3, da A 4, diketahui bahwa pejumlaha dari tiap alteratif adalah.da dari perhituga diatas diketahui bahwa A memiliki ilai prioritas yag palig tiggi atau prioritas. 4.4 Peracaga Sistem 4.4. Diagram Alir Data Diagram dibawah ii mejelaska tetag alur iput data BTS,data kriteria, data alteratif, higga mucul ilai prioritas utuk di tampilka kembali ke peggua. kepetiga alteratif dalam database. 4. Proses pegolaha data prioritas BTS, peghituga dari pegolaha data kriteria da data alteratif, setelah dilakuka peghituga maka ditampilka data prioritas BTS dari alteratif yag diproses Flowchart Perhituga Prioritas Dalam flowchart perhituga prioritas aka melalui beberapa proses yaitu:. Proses memasukka ilai perbadiga atar alteratif kriteria dega pairwaise compariso matrix. 2. Proses pejumlaha ilai eleme kolom matriks. 3. Proses membagi ilai pejumlaha eleme kolom matriks dega dega pejumlaha kolom sehigga didapatka ilai sitesis fuzzy. 4. Membadigka atar ilai sistesis fuzzy sehigga didapka ilai vektor. 5. Megambil ilai miimal dari tiap vektor sehigga didapaka ilai ordiat defuzzifikasi (d ). 6. Normalisasi ilai dega membagi ilai ordiat defuzzifikasi dega pejumlaha ilai ordiat defuzzifikasi. 7. Proses perkalia dari ilai kriteria dega ilai alteratif kriteria. 8. Meampilka total da prioritas alteratif / BTS. Diagram flowchart dari proses perhituga prioritas diatas digambarka pada gambar Implemetasi Gambar 7 di bawah ii merupaka hasil capture dari perhituga program dimaa utuk medapatka ilai total dibutuhka proses pema kriteria kemudia dilajutka proses pema alteratif setiap kriteria. Gambar 5 Diagram Alir Data Pada DAD ii, sistem pedukug keputusa prioritas BTS terdiri dari 4 proses :. Proses pegolaha data BTS, diguaka utuk meambah da merubah data BTS di dalam database. 2. Proses pegolaha data kriteria, diguaka utuk meambah da merubah data tigkat kepetiga kriteria di dalam database. 3. Proses pegolaha data BTS, diguaka utuk meambah data tigkat Jural TIKomSiN 27
8 memberika hasil / output sesuai dega perhituga teoritis fuzzy AHP. Sehigga bisa dipertimbagka utuk di implemetasika dalam pemecaha masalah peetua priorotas pediria BTS. 5.2 Sara Diharapka kepada PT. Idosat Solo agar dapat mempertimbagka hasil peelitia yag telah dilakuka ii utuk di implemetasika dalam proses peetua prioritas pediria BTS. SPK prioritas pediri BTS ii bisa dikembaga mejadi SPK yag lai seperti, SPK karywaa terbaik, SPK vedor terbaik, dll. Gambar 6 Flowchart perhituga fuzzy AHP DAFTAR PUSTAKA [] Kee P.G.W, Adaptive Desig For decisio Support System, Data 2, 980 [2] Kadarsah Suryadi, Ir.M.Ali Ramdai,M.T,Sistem Pedukug Keputusa Suatu Wacaa Struktural Idealisasi da Implemetasi Kosep Pegembaga Keputusa, PT REMAJA ROSDAKARYA, Badug, [3] Jai Raharjo,I Nyoma Sutapa, Aplikasi Fuzzy Aalytical Hierarky Process dalam Seleksi Karyawa, Jural Tekik Idustri. Vol. 4, o. 2,hal , [4] Chag, D. Y., Applicatio of the Extet Aalysis Method o Fuzzy AHP. Europea Joural of Operatioal Research 95, , 996. Gambar 7 Capture prioritas dega program Berdasarka hasil pegujia dega hitug maual sesuai gambar 4 da pegujia dega program pada gambar 7 maka sistem diyataka valid karea dapat meghasilka perhituga yag sama V. PENUTUP 5. Kesimpula Setelah melalui tahap pegujia Dari perhituga dega program dapat diketahui bahwa, atara perhituga teoritis da program meghasilka ilai yag sama, maka dapat disimpulka bahwa perhituga dega program adalah valid atau sesuai, karea dapat 28 Jural TIKomSiN
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 terperinciPemilihan Ketua BEM Fakultas Teknik UN PGRI Kediri menggunakan Metode ELECTRE
Pemiliha Ketua BEM Fakultas Tekik UN PGRI Kediri megguaka Metode ELECTRE Nalsa Citya Resti Sistem Iformasi, Fakultas Tekik, Uiversitas Nusatara PGRI Kediri E-mail: alsacitya@upkediri.ac.id Abstrak salah
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI Bab 2 berisi tetag studi pustaka yag dilakuka utuk medapatka gambara tetag metode yag tepat utuk megatasi permasalaha yag dihadapi, serta dasar-dasar teori yag diguaka
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT
Jural Iformatika Mulawarma Vol. 10 No. 2 September 2015 20 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT Necy Nurjaah 1), Zaial Arifi 2), Dya Marisa Khairia 3) 1,2,3)
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
Lebih terperinciIII. 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 terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Peelitia Terdahulu Aloii dkk (2014) memiliki permasalaha dalam memilih mesi Vertical Form Fill ad Seal (VFFS) utuk Double Square Bottom Bag (DSBB). Pemiliha mesi yag tepat ditetuka
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEGAWAI TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS: PARKIR INAP MOTOR P-24 YOGYAKARTA)
ISBN: 978-602-73690-8-5 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEGAWAI TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS: PARKIR INAP MOTOR P-24 YOGYAKARTA) Clara Hetty Primasari* Program
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciBAB 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 terperinciBab 3 Kerangka Pemecahan Masalah
Bab 3 Keragka Pemecaha Masalah 3.1. Metode Pemecaha Masalah Peelitia ii disajika dalam lagkah-lagkah seperti ag terdapat pada gambar dibawah ii. Peajia secara sistematis dibuat agar masalah ag dikaji dalam
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciBAB 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 terperinciIV. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan September sampai Desember
IV. METODOLOGI PENELITIAN 4.1. Metode Peelitia 4.1.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka pada bula September sampai Desember 2009, bertempat di Laboratorium Terpadu IPB yag beralamat di Kampus
Lebih terperinciBAB 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 terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciPendekatan 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI Diajuka Utuk Memeuhi Sebagia Syarat Gua Memperoleh Gelar Sarjaa Komputer (S.Kom) Pada
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TELEPON SELULER MENGUNAKAN METODE ANALYTIC NETWORK PROCESS (ANP)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TELEPON SELULER MENGUNAKAN METODE ANALYTIC NETWORK PROCESS (ANP) Oleh: Arief Geta Aldiasyah Tekik Iformatika Uiversitas Dia Nuswatoro Semarag 111201005304@mhs.dius.ac.id
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Dalam peelitia ii, pegambila da peroleha data dilakuka di UKM. Bakso Solo, Bakauhei, Lampug Selata. Utuk pegukura kualitas pelayaa, objek yag diteliti adalah
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Multi-Criteria Decisio Makig (MCDM) Multi-Criteria Decisio Makig (MCDM) adalah suatu metode pegambila keputusa utuk meetapka alteratif terbaik dari sejumlah alteratif berdasarka
Lebih terperinciBAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain
BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB 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 terperinciMETODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa
III. METODE PENELITIAN A. Lokasi da Waktu Peelitia Peelitia tetag Potesi Ekowisata Huta Magrove ii dilakuka di Desa Merak Belatug, Kecamata Kaliada, Kabupate Lampug Selata. Peelitia ii dilaksaaka atara
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciPERTEMUAN 13. VEKTOR dalam R 3
PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde
Lebih terperinciIII. 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 terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinci= 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 terperinciBAB III METODOLOGI PENELITIAN
26 BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Kegiata dilakuka di Divisi Tresuri Bak XYZ dari bula Jauari - April 2011. Pegambila data dilakuka di beberapa wilayah pemasara yaitu di wilayah Jakarta,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Program Bedah Rumah Bali Madara Program Bedah Rumah merupaka salah satu upaya utuk mempercepat peaggulaga kemiskia di Provisi Bali yag bertujua agar keluarga miski memliki rumah
Lebih terperinciIII METODE PENELITIAN
III METODE PENELITIAN 3. Tempat da Waktu Peelitia Peelita ii dilaksaaka dibeberapa desa elaya da pusat pemsara di Kecamata Tobelo, Kabupate Halmahera, Provisi Maluku Utara. Lokasi peelitia dapat dilihat
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB LANDAAN TEORITI.. Deskripsi Teori... Aalisis Ragam Multivariate Yag dimaksud dega aalisis ragam multivariate (multivariate aalysis of variace MANOVA) meurut Gaspersz (99, p486) adalah suatu pegembaga
Lebih terperinciBAB 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 terperinciSistem Penentuan Penerima Bantuan Pendidikan Gratis Menggunakan PCA dan FAHP
Semiar Nasioal Tekologi Iformasi Komuikasi da Idustri (SNTIKI) 4 ISSN : 085-990 Pekabaru, 3 Oktober 01 Sistem Peetua Peerima Batua Pedidika Gratis Megguaka PCA da FAHP Jasril 1, M. Irsyad, Iis Afriaty
Lebih terperinciPENERAPAN ALGORITMA ANALITYCAL HIRACY PROCESS DALAM PEMILIHAN BEASISWA PADA SMA KALUKUBULA
Semiar Nasioal Tekologi Iformasi da Multimedia 207 STMIK AMIKOM Yogyakarta, 4 Februari 207 PENERAPAN ALGORITMA ANALITYCAL HIRACY PROCESS DALAM PEMILIHAN BEASISWA PADA SMA KALUKUBULA Dewi Kusumawati ) )
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER
ISSN : 2338-4018 PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER Agik Damai Istato (agik_damai@yahoo.co.id) Muhammad Hasbi (mhasbi@sius.ac.id)
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciBAB IV METODE PENELITIAN. Provinsi Jawa Barat. Penentuan lokasi ini dilakukan secara sengaja (purposive).
60 BAB IV METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka Kecamata Warugkodag Kabupate Ciajur Provisi Jawa Barat. Peetua lokasi ii dilakuka secara segaja (purposive). Dega mempertimbagka
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Metodologi Peelitia Metodologi peelitia ii merupaka cara yag diguaka utuk memecahka masalah dega lagkah-lagkah yag aka ditempuh harus releva dega masalah yag telah dirumuska.
Lebih terperinciABSTRAK. Kata Kunci : Sistem pendukung keputusan, AHP, Penilaian Karyawan.
Jural Ilmiah INFOTEK, Vol, No, Februari 6 ISSN -6968 (Media Cetak) SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KARYAWAN TELADAN DENGAN MENGGUNAKAN METODE ANALITYCAL HIERARCHY PROCESS (STUDI KASUS : PT
Lebih terperinciBAB 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 terperinciIV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian
IV METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di Kabupate Bogor dega respode para peterak ayam broiler yag mejali kerjasama sebagai mitra dega perusahaa kemitraa Dramaga Uggas
Lebih terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam
19 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMP Negeri 1 Seputih Agug. Populasi dalam peelitia ii adalah seluruh siswa kelas VII SMP Negeri 1 Seputih Agug sebayak 248 siswa
Lebih terperinciPENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD
Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinci3 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 terperinciPENGARUH 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 terperinciBAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,
32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata
Lebih terperinciVI. PEMODELAN SISTEM
VI. PEMODELAN SISTEM 6.. Kofigurasi Model Model sistem peujag pegambila keputusa cerdas maajeme risiko ratai pasok produk/komoditi jagug dikembagka dega megguaka peragkat luak komputer yag diberi ama IDSS-SCRM
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia sikap kosume terhadap kopi ista Kopiko Brow Coffee ii dilakuka di Wilaah Depok. Pemiliha dilakuka secara segaja (Purposive) dega pertimbaga
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilakukan pada PT Gapura Angkasa khususnya sistem
BAB III METODOLOGI PENELITIAN A. Waktu da Tempat Peelitia Peelitia ii dilakuka pada PT Gapura Agkasa khususya sistem peagaa bagasi di Termial 2 Gate D da E Badara Iterasioal Soekaro-Hatta, Cegkareg, Jakarta
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciBAB III METODOLOGI PENELITIAN
37 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii termasuk peelitia pegembaga, yaitu pegembaga buku teks matematika. Model pegembaga yag diguaka adalah model 4-D (four D models) dari Thigaraja
Lebih terperinciBAB III METODE PENELITIAN
A. Jeis Peelitia BAB III METODE PENELITIAN Peelitia ii termasuk peelitia pegembaga (Developmet Research) karea peeliti igi megembagka peragkat pembelajara sub pokok bahasa bilaga. Peragkat pembelajara
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciBAB 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 terperincisimulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai
37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi
Lebih terperinciIII. 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinci