PENGURUTAN JADUAL PRODUKSI PADA LINI RAKIT UNTUK PRODUKSI OPTIMAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENGURUTAN JADUAL PRODUKSI PADA LINI RAKIT UNTUK PRODUKSI OPTIMAL"

Transkripsi

1 PENGURUTAN JADUAL PRODUKSI PADA LINI RAKIT UNTUK PRODUKSI OPTIMAL Muhammad Yusuf Emal : yusuf@aprnd.ac.d Insttut Sans & Tenolog AKPRIND Yogyaarta ABSTRAK Kelancaran produs dapat dlauan untu memnmuman varas eluaran eseluruhan antara dua perode yang berurutan, tuuannya adalah untu menghaslan produ dalam umlah yang sama dalam setap perode yang berurutan. Sstem produs tepat watu unt ln peratan basanya dlauan pada produ atau omponen dengan berbaga model dan dalanan dengan adual urutan untu melancaran produs. Jumlah produs perbulan dbuat berdasaran ramalan permntaan emudan secara sederhana anga dbag dengan umlah har era sebulan sehngga dperoleh produs haran. Untu melasanaan elancaran produs eseluruhan tanpa terad pemborosan antar proses, ln rat terahr dalam dan semua proses harus menghaslan produ yang sesua dengan watu slus, artnya pengmbangan antara proses aan tercapa alau setap proses terdahulu selesa dalam tahap yang sama dalam watu slus rata-rata untu semua spesfas. Watu slus untu operas eseluruhan dhtung dengan membag umlah am operas nyata dengan volume produs haran rata-rata dalam ln rat. Sehngga elancaran produs dapat dlauan dengan adual urut peodus pada ln peratan ahr produ dengan pendeatan optmas ecepatan suu cadang yang tetap. Kata unc : adual produs, watu slus, ln rat, produs. ABSTRACT Smooth producton can be done to mnmze the overall output varaton between two consecutve perods, the goal s to produce the same amount n each successve perod. Tmely producton systems unt assembly lnes are usually performed on products or components wth dfferent models and run wth the order to accelerate producton schedules. The amount of producton per month s based on demand forecasts then smply fgure dvded by the number of worng days a month n order to obtan daly producton. To carry out smooth producton wthout redundances across the entre process, the last lne n the raft and all processes must produce the products accordng to the cycle tme, whch means balancng between processes s acheved when each process s completed earler n the same stage of the cycle tme on average for all specfcatons. The cycle tme for the entre operaton s calculated by dvdng the number of hours of real operatons by volume of average daly producton n the lne of rafts. So t can be done wth a smooth producton schedule peodus sequence n fnal assembly lnes wth product optmzaton approach speeds of parts that reman. Keywords: producton schedules, cycle, raft lne, producton. 6

2 PENDAHULUAN Adanya permntaan pasar yang beragam dan flutuatf, menyebaban banya perusahaan yang harus memodfas pola produsnya dengan lot per produsnya dengan menggunaan uuran ecl atau medum. Kecenderungan yang terad saat n adalah pada penggunaan produs bersala ecl dengan varas produ yang besar. Menean persedaan merupaan salah satu elemen unc dar sstem produs. Sealan dengan tu maa peneanan atau penurunan persedaan haruslah membuahan hasl yang teruur. Pada ndustr dbdang peratan dengan menggunaan omponen atau suu cadang yang dperoleh dar unt sebelumnya, ba dar unt peratan dalam maupun luar perusahaan yang merupaan sub-onta dar perusahan peratan ahr produ harus selalu menaga elancaran masng-masng unt, hal n dapat dperhatan dar proses yang dlauan untu menduung proses peratan n, angan sampa terad suu cadang tda sesua dengan adual yang ada. Kelancaran produs sebaga suatu tanggapan terhadap varas produ mempunya beberapa euntungan yatu memungnan produs menyesuaan dr dengan cepat terhadap flutuas permntaan haran dengan memprodus berbaga ens produ setap har dalam umlah yang ecl, Kelancaran produs memungnan tanggapan terhadap varans dengan pesanan pelanggan tap har tanpa menyadaran dr pada persedaan produ, Bla semua proses mencapa produs sesua dengan watu slus, pengmbangan antar berbaga proses tu aan memba dan persedaan barang dalam proses aan dmnmuman sesua dengan ebutuhan. Untu mengatspas eadaan tersebut maa perlu dlauan penyusunan urutan proses produs pada ln peratan ahr dar produ dengan menggunaan pendeatan optmas ecepatan omsums tap suu cadang yang tetap.. METODE PENGURUTAN UNTUK LINI RAKIT Prosedur untu merancang ln rat model-campuran melbatan langah-langah berut :. Penentuan watu slus.. Perhtungan umlah mnmum proses.. Penyapan dagram hubungan urut terpadu dantara peeraan dasar.. Pengmbangan ln.. Penentuan adual urutan untu memasuan berbaga produ e dalam ln. 6. Penentuan panangnya caupan operas tap proses. Tuuan Pengendalan Ln Rat Urutan masunya model edalam ln rat model-campuran berbeda arena perbedaan tuuan atau masud pengendalan ln ada dua tuuan :. Merataan beban (watu ratan eseluruhan) pada tap proses dalam ln.. Mempertahanan ecepatan yang tetap dalam mengonsums tap suu cadang pada ln. Tuuan Satu Mengena Tuuan Satu, pentng dperhatan bahwa suatu produ mungn mempunya watu operas yang lebh lama darpada watu slus yang telah dtentuan. In abatnya fata bahwa pengmbangan ln pada ln model-campuran dbuat dengan syarat bahwa watu operas tap proses yang dtmbang berdasaran tap umlah model campuran, tda boleh melebh watu slus. Syarat (endala) n aan duraan dengan rumus berut :

3 max l α l α Tl C, l T l umlah produs produ A watu operas per unt produ A (... ) yang drencanaan Watu operas eseluruhan per har C watu slus α pada watu operas eseluruhan proses l per har Abatnya, alau produ dengan watu operas yang relatve lebh lama secara berturut-turut dmasuan edalam ln, produ tu aan menyebaban eterlambatan dalam penyelesaan produ dan dapat menyebaban emacetan ln. Karena tu, suatu program heurstc dapat dembangan untu masalah pengurutan ln rat model-campuran untu memnmalan reso berhentnya alat pembawa (Oamura dan Yamashna,99). Mespun tuuan pertama n uga dpertmbangan dalam program pengurutan d pabr Toyota, tuuan n dmasuan e dalam algortme yang terutama mempertmbangan tuuan edua. Abatnya menganggap bahwa yang palng pentng adalah tuuan edua dar adual urutan : mempertahanan agar ecepatan onsums tap suu cadang selalu tetap. Tuuan Dua Model Pengurutan Dalam system Kanban yang dgunaan d pabr Toyota, proses terdahulu yang memaso berbaga suu cadang atau bahan epada ln dber perhatan utama. Dengan sstem tar n, varas dalam umlah produs atau umlah pengangutan proses yang terdahulu harus dbuat seecl mungn. Selan tu, masng-masng sedaan barang dalam pengolahan harus dperecl. Untu tu, umlah yang dgunaan per am (yan, ecepatan onsums) unu tap suu cadang dalam ln model-campuran harus dpertahanan agar sedapat mungn selalu tetap. Metode pengurutan Toyota drancang untu mencapa tuuan edua n. Untu mengert metode pengurutan n, lebh dahulu perlu ddefnsan beberapa notas dan nla : = Jumlah produs eseluruhan untu semua produ A ( =,, ) α = ( umlah produs tap produ A ) l N = Jumlah eseluruhan suu cadang yang dperluan untu memprodus semua produ A ( =,,, =,) X = Jumlah eseluruhan suu cadang yang dperluan untu memprodus produ yang telah dtentuan, dar yang pertama sampa yang e-k. Dengan memngngat otas n, dperoleh dua nla berut : N / = Rerata umlah suu cadang yang dperluan per unt produ. K.N Rerata umlah suu cadang α yang dperluan untu memprodus seumlah K unt produ Untu menaga agar ecepatan onsums suatu suu cadang a tetap, umlah X harus 8

4 K. N sedeat mungn denga nla In adalah onsep dasar yang mendasar algortme pengurutan Toyota dan dlusan dalam gambar dbawah n : N, N ) X Jara harus dbuat seecl mungn ( J K. N J N J Gambar. Tata hubungan antara X JK dan K. N Agar adual urutan dapat menamn ecepatan onsums tap suu cadang secara tetap, tt P harus sedeat mungn dengan tt G Karena tu, alau duur suatu tngat untu tt P yang mendeat tt G dengan menggunaan ara D D G P K. N X maa, ara D harus dbuat seecl mungn. Algortma yang dembangan oleh Toyota dar gagasan n dsebut metode mengear tuuan sebaga berut : b Jumlah suu cadang a (,..., ) dperluan untu mempodus satu unt produ (,..., ) A maa, Langah Tetapan K, X 0,(,..., ), S {,,..., }., Langah Tetapan produ A sebaga urutan e K dalam adual urutan yang aan memnmalan ara D. Jara mnmum aan dperoleh dengan rumus berut : D mn{ D }, S ' d. mana.. D K. N X, b 9

5 Langah Kalau semua unt produ A dpesan dan telah dmasuan edalam adual urutan, maa Tetapan S S { *}.. Kalau beberapa unt produ A mash terssa arena tda dpesan, maa tetapan S S K Langah Kalau S (set osong), algortme aan berahr. Kalau S 0, maa htunglah X X, b. (,..., ) dan embal e Langah dengan menetapan K = K +.. PENGUMPULAN DAN PENGOLAHAN DATA Berdasar pengumpulan data dlapangan selama urun watu pengamatan, dalam upaya mendapatan produs lancer untu mencapa system produs lancer urutan datanya sebaga berut :. Jumlah produs perusahaan pada saat peneltan a. Model DE 0 Y = 000 unt b. Model DE 0 X = 000 unt c. Model DE 80 S = 000 unt. Watu Penyelesaan untu setap model a. Model DE 0 Y = 000 unt memerluan 0 har b. Model DE 0 X = 000 unt memerluan 0 har c. Model DE 80 S = 000 unt memerluan 0 har. Jumlah dan ens omponen : Tabel. Jens Komponen No. Jens Komponen Model DE 0 Y Model DE 0 X Model DE 80 S Capastor ceramc Capastor rxedec Capastor tabula Capastor polyster Doda Doda rectfer Doda zener Elco Indutor axal Indutor radal Resstor fusble Resstor metal Resstor carbon Transstor Swtch Resstor semfxed Crystal Col PCB Bead col Sumber : data perusahaan

6 . Jumlah Produs dan suu cadang B Tabel. Jumlah Produs dan Suu Cadang B Produ A Model A Model A Model A Jumlah Produs menurut rencana Suu cadang A Produ A a a a a a a6 a a8 a9 a a a a a a a6 a a8 a9 a0 A A A Jumlah eseluruhan (N) suu cadang yang dbutuhan produ A atau dengan rumus (N) = () (B) maa ddapatan dperhtugan sebaga berut : Tabel : Hasl Perhtungan suu cadang Jumlah suu cadang Jens suu cadang eseluruhan a 8 a a 8 a a a6 a 9 a8 8 a9 98 a a a 6 a 8 a a a6 a a8 a9 a0 8 A. Menghtung watu slus Detahu watu efetf 8 am/har atau 80 ment/har. Maa rerata haran umlah produ : a. Model DE 0 Y = 000 / 0 = unt / har b. Model DE 0 X = 000 / 0 =, unt/har c. Mocel DE 80 S = 000 / 0 = 66,6 unt / har Watu slus

7 a. Model DE 0 Y = 80 / 0 =,80 ment b. Model DE 0 X = 80 /, =,60 ment c. Model DE 80 S = 80 / 66,6 =,88 ment Maa dapat dhtung rerata watu slus 88 x / (0 +, + 66,6) =,60 ment B. Jadual Urut Agar penyusunan adual urut dapat terlasana dengan ba D harus sedeat mungn dengan edatangan persedaan sebelumnya. Perhtungan data urut sebaga berut : K. N D = X Contoh perhtungan Satu Untu =,D. x8 0,0 Untu =,D. x8 0 6, Untu =,D. JK b x 09 x 0 x8 x x8 x x8 x x8 x , ad D. = mn (,0,,,,) ad I * =, Dar contoh perhtungan n dapat dtar esmpulan untu data urut pertama adalah A arena D,I =, palng ecl. Untu perhtungan selanutnya X = X.-I + b X. = = 8 X. = 0 + = X. = 0 + = X. = 0 + = X. = 0 + = X. = 0 + = X. = 0 + = X. = 0 + = X. = 0 + = X. = 0 + = X.6 = 0 + = X.6 = 0 + = X. = = 8 X. = 0 + = X.8 = 0 + = X.8 = 0 + = X.9 = = 9 X.9 = 0 + = X. = 0 + = X.0 = 0 + = Untu perhtungan selanutnya dlauan dengan cara yang sama sampa dperoleh hasl yang optmal atau onsums suu cadang merata. Untu dan seterusnya.

8 . KESIMPULAN Kesmpulan yang ddapat dar penerapan metode mengear tuuan (good chasng) pada sstem produs tepat watu (ust n tme): Berdasaran perhtungan adual urut untu mencapa produs lancar sstem produs tepat watu, mengalam perubahan yang semula adual produs perusahaan A A A A A A A A A A A A, pada hasl perhtungan menad A A A A A A A A A A A A. Jadual urut hasl perhtungan aan membuat ln produs menad sembang dan lancar arena onsums suu cadang menad lancar. DAFTAR PUSTAKA Fandy Tptono, Anastasa Dana, 99, Total ualty Management, Penerbt And Offset, Yogyaarta. James B. Dlworth, 99, Producton and Operaton Management, Manufacture and Servce, th Edton, McGraw-Hll, Inc. Ronald G. Asln, Charles R. Standrdge, 99, Modelng and Analyss of Manufacturng System, John Wley & Sons, Inc, New Yor. Sm Narasmhan, Denns W. McLeavey, Peter Bllngton, 99, Producto Plannng and Inventory Control, Second Edton, Prentce Hall. Engelewood Clffs, New Jersey. Tach Ohno, 99, Just In Tme dalam Sstem Produs Toyota, PT. Pustaa Bna Pressndo, LPPM, Jaarta. T.C.E. Cheng and S. Podolsy, 996, Just In Tme Manufacturng and Introducton, Second Edton, Chapman & Hall, London. Yasuhro Monden, 99, Sstem Produs Toyota dan, PT. Pustaa Bna Pressndo, LPPM, Jaarta.

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

ANALISIS MODEL PERSEDIAAN BARANG EOQ DENGAN MEMPERTIMBANGKAN FAKTOR KADALUARSA DAN FAKTOR ALL UNIT DISCOUNT

ANALISIS MODEL PERSEDIAAN BARANG EOQ DENGAN MEMPERTIMBANGKAN FAKTOR KADALUARSA DAN FAKTOR ALL UNIT DISCOUNT LAORAN HASIL ENELITIAN ANALISIS MOEL ERSEIAAN BARANG EO ENGAN MEMERTIMBANGKAN FAKTOR KAALUARSA AN FAKTOR ALL UNIT ISOUNT Tauf Lmansyah LEMBAGA ENELITIAN AN ENGABIAN KEAA MASYARAKAT UNIVERSITAS KATOLIK

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER PENYELESIN SISTEM PESMN TK LINIE Mater Kulah: Pengantar; Iteras Satu Tt; Iteras Newton # PENGNT # erut n adalah contoh seumpulan buah persamaan ta lner smulta dengan buah varabel ang ta detahu:... ( 57...

Lebih terperinci

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program

Lebih terperinci

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi JURNA INFORMATIKA, Vol.4 No.2 September 27, pp. 222~229 ISSN: 2355-6579 E-ISSN: 2528-2247 222 Optmas Baru Program near Mult Objetf Dengan Smplex P Untu Perencanaan Produs Maxs Ary Am BSI Bandung e-mal:

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

PERENCANAAN KEBUTUHAN TENAGA KERJA FLEKSIBEL PADA SISTEM JOB SHOP MEMPERGUNAKAN TEKNIK SHOJINKA

PERENCANAAN KEBUTUHAN TENAGA KERJA FLEKSIBEL PADA SISTEM JOB SHOP MEMPERGUNAKAN TEKNIK SHOJINKA Magster eknk ndustr Program Pascasarana, Unverstas Katolk Parahyangan, Bandung PERECAAA KEBUUHA EAGA KERA FLEKSBEL PADA SSEM OB SHOP MEMPERGUAKA EKK SHOKA Arf Rahman Program Stud eknk ndustr Fakultas eknk

Lebih terperinci

IMPLEMENTASI MIXED LINIER INTEGER PROGRAMMING UNTUK MENENTUKAN ALOKASI PRODUKSI DAN DISTRIBUSI DALAM JARINGAN RANTAI PASOK GLOBAL

IMPLEMENTASI MIXED LINIER INTEGER PROGRAMMING UNTUK MENENTUKAN ALOKASI PRODUKSI DAN DISTRIBUSI DALAM JARINGAN RANTAI PASOK GLOBAL IMLEMENASI MIE LINIER INEGER ROGRAMMING UNUK MENENUKAN ALOKASI ROUKSI AN ISRIBUSI ALAM JARINGAN RANAI ASOK GLOBAL Mahendrawath ER 1) Rully Soelaman 2) Ftrana 1) 1) Jurusan Sstem Informas 1) Jurusan en

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN 69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ

PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ e-jurnal Ten Industr FT USU Vol 3, No., Otober 03 pp. 45-5 PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. YZ Delmar Bnhot Lumbantoruan, Poerwanto,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

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

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield Perbandngan Masalah Optmas TSP dengan Menggunaan Algortma Ant Colony dan Jarngan Hopfeld 1 Yulan, Moh.Isa Irawan, dan 3 Mardljah 1,, 3 Jurusan Matemata, Insttut Tenolog Sepuluh Noember Kampus ITS, Surabaya

Lebih terperinci

PENJADWALAN PRODUKSI di PT MEUBEL JEPARA PROBOLINGGO

PENJADWALAN PRODUKSI di PT MEUBEL JEPARA PROBOLINGGO Prosdng Semnar Nasonal Manajemen Teknolog III Program Stud MMTITS, Surabaya 4 Pebruar 2006 PENJADWALAN PRODUKSI d PT MEUBEL JEPARA PROBOLINGGO Mohammad Khusnu Mlad, Bobby Oedy P. Soepangkat, Nurhad Sswanto

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

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

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal. Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI Yunarstanto 1 Irwan Iftad 1 Iwan Ngabd Raharjo 2 Abstract: Producton flow n PT. Tga Seranga Pustaa Mandr

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3)

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3) PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015 Peramalan Trafk Peramalan Trafk Peramalan

Lebih terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1 ISSN 907-0500 Analss Kepeaan engembangan Sstem Transms Tenaga Lstr Ternternes Menggunaan Successve Frward Methd Stud Kasus: Sstem Transms 500 V Jawa-Bal engembangantahun 007 06 Nurhalm Jurusan Ten Eletr

Lebih terperinci

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN SISFO-Jurnal Sstem Informas IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN Fazal Mahananto 1), Mahendrawath ER 2), Rully Soelaman 3) Jurusan Sstem Informas,

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

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

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

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

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

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

Lebih terperinci

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv 1 Strateg Memnmalan Load Sheddng Menggunaan Metode Senstvtas Untu Mencegah Voltage Collapse Pada Sstem Kelstran Jawa-Bal 500 V Rs Cahya Anugrerah Haebb, Ad Soepranto,, Ardyono Pryad Jurusan Ten Eletro,

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

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

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab III Model Estimasi Outstanding Claims Liability Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

Perbaikan Sistem Persediaan Tinta Fotokopi di CV. NEC, Surabaya

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

Lebih terperinci

Model Persediaan Produk dan Bahan Kemasan Terintegrasi (Studi Kasus PT Indomex Dwijaya Lestari)

Model Persediaan Produk dan Bahan Kemasan Terintegrasi (Studi Kasus PT Indomex Dwijaya Lestari) erforma (05 Vol. 4, No.: 3-4 Model ersedaan rodu dan Bahan Kemasan erntegras (Stud Kasus Indomex waya Lestar Nlda r utr, Jonrnald, dan Yohanna Safar Jurusan en Industr, Faultas en, Unverstas Andalas, Kampus

Lebih terperinci

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0 Implementas Jarngan Saraf Truan Bacpropagaton Pada Aplas Pengenalan Waah Dengan Jara Yang Berbeda Menggunaan MATLAB 7.0 Syafe Nur Luthfe Jurusan Ten Informata, Unverstas Gunadarma Jl. Margonda Raya 100,

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

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

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

Lebih terperinci

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA IndoMS Journal on Statstcs Vol, No (4), Page 39-49 TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA Arum Handn Prmandar, Abdurahman Jurusan

Lebih terperinci

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT. ROGRAM STUDI ERENCANAAN WILAYAH DAN KOTA METODE ANALISIS ERENCANAAN TL SKS DR Ir Ken Martna K, MT KULIAH KE METODA KELOMOK (COHORT SURVIVAL METHOD) Merupaan salah satu metode proyes pendudu endudu delompoan

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

Analisis Variasi Parameter Backpropagation Artificial Neural Network dan Principal Component Analysis Terhadap Sistem Pengenalan Wajah

Analisis Variasi Parameter Backpropagation Artificial Neural Network dan Principal Component Analysis Terhadap Sistem Pengenalan Wajah ELECTRANS, Jurnal Ten Eletro, Komputer dan Informata http://eournal.up.edu/ndex.php/electrans Analss aras Parameter Bacpropagaton Artfcal Neural Networ dan Prncpal Component Analyss Terhadap Sstem Pengenalan

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud

Lebih terperinci

PENGEMBANGAN MODEL MIXED INTEGER PROGRAMMING UNTUK PENJADWALAN BATCH PROSES PRODUKSI SORBITOL MULTI GRADE (STUDI KASUS PT XXX)

PENGEMBANGAN MODEL MIXED INTEGER PROGRAMMING UNTUK PENJADWALAN BATCH PROSES PRODUKSI SORBITOL MULTI GRADE (STUDI KASUS PT XXX) PENGEMBANGAN MODEL MIXED INTEGER PROGRAMMING UNTUK PENJADWALAN BATCH PROSES PRODUKSI SORBITOL MULTI GRADE (STUDI KASUS PT XXX) Maro Chran, Ahmad Rusdansyah, Nurhad Sswanto Mager Manajemen Teknolog, Jurusan

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

BAB IV PEMBAHASAN MODEL

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

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN : JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

ANALISIS PREVENTIVE MAINTENANCE JIG WELDING PADA PROSES PERAKITAN SUPPORT ASSY CLUTCH PEDAL

ANALISIS PREVENTIVE MAINTENANCE JIG WELDING PADA PROSES PERAKITAN SUPPORT ASSY CLUTCH PEDAL Analss Preventve Mantenance Jg Welng Paa Proses Peratan Support Assy Clutch Peal Untu Mobl ANALISIS PREVENTIVE MAINTENANCE JIG WELDING PADA PROSES PERAKITAN SUPPORT ASSY CLUTCH PEDAL UNTUK MOBIL TOYOTA

Lebih terperinci

Analisis Perhitungan Dan Perencanaan Water Tube Boiler Berbahan Bakar LPG Pada Industri Kecil Tahu Di Mojokerto

Analisis Perhitungan Dan Perencanaan Water Tube Boiler Berbahan Bakar LPG Pada Industri Kecil Tahu Di Mojokerto Insttut Tenlg Nasnal Malang Analss Perhtungan an Perencanaan ater Tube Bler Berbahan Baar LPG Pada Industr Kecl Tahu Mjert enny M.E. Sedjn, J Sasetyant 2, edy Zulhdayat Nr 3, Hayu Rara Febby Hapsar 4 Prgram

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

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

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

Bab III Analisis Rantai Markov

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

Lebih terperinci

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

Lebih terperinci

BAB I PENDAHULUAN I-1

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

Lebih terperinci

PENGURUTAN DATA. A. Tujuan

PENGURUTAN DATA. A. Tujuan PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.

Lebih terperinci

IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN

IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN E-Jurnal Matemata Vol. 5 (4), November 2016, pp. 126-132 ISSN: 2303-1751 IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN I Made Dw Udayana Putra 1, G. K. Gandhad

Lebih terperinci

Analisis Perbandingan Economic Dispatch Pembangkit Menggunakan Metode Lagrange dan CFPSO

Analisis Perbandingan Economic Dispatch Pembangkit Menggunakan Metode Lagrange dan CFPSO 91 Analss Perbandngan Economc Dspatch Pembangt Menggunaan Metode Lagrange dan CFPSO Kharudn Syah, Harry Soeotjo Dachlan, Rn Nur Hasanah, dan Mahfudz Shdq Abstra -Pada pengoperasan pembangt tenaga lstr,

Lebih terperinci

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

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4 Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba

Lebih terperinci

V E K T O R Kompetensi Dasar :

V E K T O R Kompetensi Dasar : MODUL PEMELJRN I V E K T O R Kompetens Dasar : 1. Mahasswa mampu memaham perbedaan besaran vetor dan salar serta memberan contohcontohna dalam ehdupan sehar-har, 2. Mahasswa mampu melauan operas penumlahan

Lebih terperinci

Statistika. Bab. Mean (rata-rata) Ukuran Pemusatan Ukuran Letak Median Modus Kuartil Desil A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR

Statistika. Bab. Mean (rata-rata) Ukuran Pemusatan Ukuran Letak Median Modus Kuartil Desil A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Bab Statsta A KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Melalu proses pembelajaran statsta, sswa mampu menghayat pola hdup dspln, rts, bertanggungjawab, onssten, dan jujur serta menerapannya

Lebih terperinci