PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Studi Kasus pada PT. Busana Cemerlang Garment Industri)

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Studi Kasus pada PT. Busana Cemerlang Garment Industri)"

Transkripsi

1 PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Stud Kasus pada PT. Busaa Ceerlag Garet Idustr) Maxs Ary Progra Stud Maaee Iforatka Akadek Maaee Iforatka da Koputer BSI Badug (AMIK BSI Badug ) Jl.Sekolah Iterasoal No.-6 Atapa, Badug axsary@gal.co ABSTRACT The ssue of trasportato s a ler progra. Practcally, varables of trasportato probles ay vary that eerges ore tha sgle. Fuzzy cost dea trasportato probles s requred. The applcato of bass tree approach s used to detere a u cost of purchase ad delvery of coodty occurred for soe supplers. The copay ca do a cost-savg ad be ore effectve deterg goods purchase fro the suppler. The ethod used s quattatve experets, the prary data o the PPIC ad purchasg. The results of calculato of bass tree approach o PT Busaa Ceerlag Garet Idustry are the feasble shppg cost $ , the optstc shppg cost $ , ad the pessstc shppg cost $ There s a devato $6480 wth the calculato of purchase order (PO). Key Words: Trasportato Proble, Lear Prograg, fuzzy cost, bass tree. ABSTRAK Persoala trasportas erupaka persoala progra lear. Dala praktkya, etode peyelesaa trasportas egguaka varabel yag dapat bervaras. Dperluka gagasa fuzzy cost dala persoala trasportas. Peerapa pedekata bass tree dguaka utuk eetuka baya u pebela da pegra barag dar seulah suppler. Perusahaa dapat egheat baya da lebh efektf dala eetuka pebela barag dar suppler. Metode yag dguaka adalah ekspere kuattatf, data prer pada PPIC da purchasg. Hasl perhtuga pedekata bass tree pada PT. Busaa Ceerlag Garet Idustr adalah baya pegra yag ugk $ , baya pegra opts $ , da baya pegra pess $ Terdapat selsh $6480 dega perhtuga purchase order (PO). Kata kuc: Persoala Trasportas, Progra Lear, fuzzy cost, bass tree. PENDAHULUAN Persoala trasportas erupaka persoala progra lear, ebahas asalah pedstrbusa suatu koodtas atau produk dar seulah suber (supply) kepada seulah tuua (destato, dead), dega tuua euka baya pegra koodtas yag terad. Selaa persoala trasportas dlakuka dega egguaka etode North-West Corer (NWC), least cost, da Vogel s Approxato Method (VAM) (Dyat &

2 Dyat, 992). Megguaaka etode NWC utuk eetuka solus fsbel bass awal erupaka baga petg dala eyelesaka persoala trasportas, karea sebaga lagkah awal dala etode splex. Metode Splex pertaa kal dpelaar dala sebuah peelta oleh G.B Datzg ( ) (O'Coor, 2002). Sekarag peelta tu daplkaska terhadap persoala trasportas yag dkeal dega MODI (Modfed for Dstrbuto) 2 (O'Coor, 2002). Metode MODI da etode laya yag egguaka tabel trasportas cukup eada selaa ukura persoala relatf kecl. Ukura persoala dkataka kecl dega elhat ulah suber da ulah tuua. Persoala ead besar, sehgga ecar uk cycle (stlah dala tulsa (O'Coor, 2002) eyebut uk θ loop ) pada varabel bass da ebetuk solus fsbel bass yag baru ead sult. Utuk alasa da alasa la etode stadar peecaha asalah traportas telah ead algorta out-of-kller (O'Coor, 2002), sehgga persoala trasportas erupaka kasus yag eark. Pegebaga terstruktur utuk algorta out-of-kller terspras oleh perkebaga terbaru tekk lu koputer egguaka struktur data da apulas data. Persoala Trasportas dapat daggap sebaga kasus khusus lear prograg, da algorta yag efse telah dkebagka ketka varabel dketahu dega past. Nau, dala keyataa praktkya varabel asalah trasportas dapat bervaras. Sebaga cotoh, baya pegra barag aka ead tdak tetu dega adaya perubaha cuaca, alur yag berbeda, kods dar alur pegra barag, kedaraa da resko yag terad, peraa peesaa ulah Perkataa Splex erupaka akro dar Sple Lear Exaple (Mary, 2003) 2 Dala buku karaga (Dyat & Dyat, 992), Metode MODI dkeal dega Metode Multfler. (O'Coor, 2002) barag dega terval, da seua cotoh d atas aka eadka foras yag dperoleh ead tdak tetu pula. Pada akhrya aka ebuat bgug pegabl keputusa (L, Huag, Da, & Hu, 2008). Utuk eghadap bayakya foras yag tdak tepat, dperluka gagasa fuzzy cost dala persoala trasportas. Oleh karea tu perlu dlakuka peelta eyelesaa persoala trasportas dega fuzzy cost. 2 LANDASAN TEORI 2. Graph Legkap Terdapat berbaga referes egea graph. Salah satu defs graph adalah sebaga berkut. Defs 2. (Wlso & Watks, 990) Sebuah graph adalah dagra euat ttk-ttk, dsebut ode, bersaa ddalaya gars-gars, dsebut arc, setap arc eghubugka tepatya dua ode. Pada teor graph, sebuah terolog tdaklah secara legkap dala betuk stadar, sebaga cotoh beberapa peuls egguaka betuk vertce atau pot utuk suatu ode, da edge atau le utuk suatu arc. Utuk plha terolog sepert dapat dtera sepaag dguaka secara kosste. Defs 2. 2 (Wlso & Watks, 990) Sebuah graph G ( N, A) = euat hpua elee tak-kosog, dsebut N, da daftar pasaga tdak ode ( ) terurut dar elee-elee ode, dsebut arc ( A ). Hpua ode-ode dar graph G dsebut ode-set dar G, N G, da daftar arc-arc dtuls ( ) dsebut arc-lst dar G, dtuls A( G ). Jka v da w adalah ode G, aka arc dega betuk vw atau wv dsebut o v da w. Defs graph eberka keugka beberapa o dega pasaga ode yag saa, atau o dar ode ke ode tu sedr.

3 Defs 2. 3 (Wlso & Watks, 990) Dua atau lebh o pasaga ode yag saa dsebut ultple arc, da sebuah o dar ode tu sedr dsebut loop. Sebuah graph dega tdak elk loop atau ultple arc dsebut graph sederhaa (sple graph). Defs 2. 4 (Wlso & Watks, 990) Sebuah graph legkap adalah suatu graph daa setap dua ode dhubugka oleh tepatya satu arc. Graph legkap dega ode dtuls dega k. 2.2 Graph Bpartte Graph bpartte erupaka graph daa hpua ode dapat dpecah kedala hpua A da hpua B, sehgga setap arc dar graph eghubugka ode pada A ke ode d B. Sebaga cotoh: salka hpua ode A dber wara hta da hpua ode B wara puth, sehgga graph bpartte dapat dbuat sebaga berkut: (a) Gabar 2. Graph Bpartte (b) Defs 2. 5 (Aho, Hopcroft, & Ula, 987) Sebuah graph daa ode dapat dbag kedala dua graph salg lepas dega setap arc epuya satu tuua dala setap grup dsebut Bpartte Graph. 2.3 Graph Berbobot Defs 2. 6 (Wlso & Watks, 990) Graph berbobot adalah sebuah graph utuk setap arc telah dberka blaga postf, yag dsebut bobot. 2.4 Tree Defs 2. 7 (O'Coor, 2002) Sebuah tree T = ( N, A) adalah graph terhubug yag tdak euat cycle. D aa N adalah hpua ode-ode (ode-set) da A adalah daftar arc-arc (arc-lst) yag eghubugka pasaga ode-ode. 2.5 Spag Tree Msalka graph sederhaa sebaga berkut (gabar 2.2): Gabar 2. 2 Graph Sederhaa Graph pada gabar 2.2 dapat dbuat subgraph sebaga berkut:

4 Gabar 2. 3 Subgraph Sederhaa Perhatka bahwa subgraph gabar 2.3 euukka sebuah tree, karea dapat dhubugka da elk ea ode serta la arc. Defs 2. 8 (O'Coor, 2002) Jka G ( N, A) da T ( N ', A') = adalah sebuah graph = adalah sebuah tree yag erupaka subgraph dar G, aka dsebut spag tree dar G ka N ' = N. Dega la kata, sebuah tree yag euat seua ode pada G. 2.6 Persoala Trasportas Msalka G( N, A ) adalah etwork berarah terdr dar hpua berhgga ode N, da hpua arc berarah A eghubugka pasaga ode pada N. Setap arc (, ) A, sebuah koodtas x, baya pedstrbusa per ut c, batas bawah koodtas l da batas atas u. Utuk setap ode A kta eberka la teger euukka suber yag terseda atau tuua utuk koodtas pada ode tersebut. Jka b > 0, aka ode adalah ode suber. Jka b < 0, aka ode adalah ode tuua. Sebalkya ka b = 0, ode dserahka kepada ode trasshpet. Total ulah koodtas suber harus saa dega total pertaa tuua atau total ulah koodtas suber haruslah ol. b = 0, N 2. Forulas persoala progra lear: c x 2. 2 (, ) A Berdasarka Pebatas: x x = b 2. 3 :(, ) A :(, ) A Utuk seua A b 0 l x u Utuk seua (, ) A Total ulah koodtas suber haruslah saa dega ol da eulahka persaaa flow balace utuk seua N sehgga ddapatka: x x = b = b = 0 N :(, ) A :(, ) A N 2. 4 I artya bahwa pebatas persaaa 2.3 adalah bergatug lear. Persoala dala otas atrks adalah: cx Nx = b da 0 l x u { } D aa N adalah atrks tetagga dar ode-ode, epuya bars utuk setap ode da kolo utuk setap arc. Forulas persoala progra lear sagatlah stewa da luas pegguaaya da dapat dguaka pada persoala etwork dega odel tertetu. 2.7 Persoala Trasshpet Model trasshpet adalah odel trasportas yag eugkka dlakuka pegr (koodtas) dega cara tdak lagsug, d aa koodtas dar suatu suber dapat berada pada suber la atau tuua la sebelu ecapa tuua akhr. Jad, pada persoala trasshpet suatu suber sekalgus dapat berpera sebaga tuua da, sebalkya, suatu tuua dapat uga berpera sebaga suber. Persoala trasshpet adalah persoala progra lear dega ode trasshpet da kapastas arc tak terbatas. Kta ebag ode ead tga subhpua. N adalah hpua ode suber, N 2 adalah hpua ode tuua, da 3 adalah subhpua ode trasshpet. 2.8 Forulas Persoala Trasportas Kasus spesal dar persoala trasshpet d aa tdak terdapat N

5 ode trasshpet dsebut dega persoala trasportas. Node ds adalah salah satu dar ode suber da ode tuua. I artya bahwa graph yag edasar adalah graph bpartte, d aa N adalah hpua ode suber da N 2 adalah hpua ode tuua, sedeka sehgga N = N N da hpua arc 2 ddefska oleh: A = (, ) N, N { } 2 Secara obektf yatu utuk erecaaka ogkos pegra yag terkecl dar suber N kepada tuua N 2, d aa x adalah bayakya ut dkr dar suber kepada tuua, da c adalah ogkos pegra satu ut kepada. Suber da tuua berturutturut dtuukka oleh b. Tdak terdapat batas atas (ucapactated). Forulas persoala progra lear: c x (, ) A 2. 5 Berdasarka pebatas: x = b ; utuk seua N :(, ) A 2. 6 x = b ; utuk seua N2 :(, ) A 2. 7 x 0 ; utuk seua (, ) A Persoala trasportas erupaka persoala yag sederhaa, karea alasa berkut: a) Merupaka graph bpartte dega tdak elk odeode trasshpet. b) Tdak epuya batas-batas kapastas pada arc-arc. Forula stadar secara alabar utuk persoala trasportas: z = c x = = Berdasarka pebatas: 2. 8 x = S ; utuk seua =, 2,..., = 2. 9 x = D ; utuk seua =,2,..., = 2. 0 x 0 ; utuk seua (, ) d aa: S > 0, D > 0 utuk seua, da = = S = D, dega la kata: total supples = total dead. Kods terakhr sagat petg da eetuka utuk eadka suatu asalah trasportas ead fsbel. Iterpretas dar persoala trasportas:. Terdapat suber asg-asg eproduks produk yag saa. 2. Suber eproduks seulah S 3. Terdapat tuua asg-asg eta produk yag saa. 4. Tuua eproduks seulah D 5. x adalah ulah produk dkr dar suber ke tuua dega harga c utuk setap ut pegra. 6. Suber tdak dapat egr lebh dar hasl produksya, akbatya terdapat pebatas supply. Cotoh suber ke-2: = x = S Tuua tdak dapat eera lebh dar yag d ta, akbatya terdapat pebatas dead. Cotoh tuua ke-4:

6 = x = D Jka suber elk kelebha pertaa, kta kr seua kelebha ke varabel batu yag dsebut varabel duy. Tuua + dega baya ol. 9. Jka pertaa elebh suber, asalah tdak dapat dselesaka sebaga persoala trasportas, aka dbutuhka forulas yag baru. 2.9 Dual Persoala Trasportas Dual persoala trasportas sagatlah petg karea kta guaka varabel dual dala perhtuga peurua ogkos trasportas pada persoala pral: ax S u + D v = = 2. Berdasarka pebatas: u + v c, utuk seua, u da v tertutup Aka dtuukka bagaaa pebatas dual dguaka dala eghtug peurua ogkos trasportas c = c ( u + v ) utuk varabel obass. Perlu dgat bahwa terdapat satu pebatas dual utuk setap arc dala etwork persoala trasportas. Utuk eghtug peurua ogkos trasportas, kta eerluka splex ultplers atau ode potesal u da v utuk =,..., da =,...,. Jka x adalah varabel bass, aka u + v = c. I aka eberka + persaaa dega + yag tdak dketahu. Karea satu pebatas yag berlebha, kta dapat elh la tertetu utuk setap salah satu u da v. Plha u = 0, keuda selesaka varabel yag la dar + persaaa tersebut dega cara substtus. Utuk setap varabel obass kta dapat u v < c atau u v + c = c. Kareaya c = c ( u + v ) dapat dhtug utuk seua varabel obass. 2.0 Persoala Trasportas Fuzzy Msalka sebuah persoala trasportas dega suppler da dead, yag aa terdapat S ( S > 0) ut yag dkrka oleh suppler da D ( D > 0) ut pertaa dar dead. Hubuga setap lk (, ) dar suppler kepada dead, yatu sebuah baya c utuk trasportas. Persoalaya adalah bagaaa ecar pedekata solus fsbel dar pegra yag ugk utuk euaska dead yatu ecar baya trasportas al. Msalka x erupaka ulah ut yag aka dkrka dar suppler ke dead. Betuk ateatka dar persoala trasportas dega kasus ulah suppler saa dega ulah dead. z = c x 2. 2 = = x x = = Berdasarka pebatas: = S ; utuk seua =, 2,..., = D ; utuk seua =, 2,..., x 0 ; utuk seua (, ) d aa: S > 0, D > 0 utuk seua, da = = S = D dega la kata total supples = total dead. Pada persaaa persoala trasportas d atas, seua varabel, koefse baya pegra, ulah pertaa da persedaa, pada

7 uuya adalah la yag tepat. Keyataaya, dala praktk dlapaga dpegaruh oleh bayak faktor. Sebaga cotoh, baya pegra dega perubaha cuaca, cara pegra, kods pegra, alat agkut da ada rsko, peraa peesaa ulah barag dega terval, da foras tdak past aka ebuat para pegabl keputusa ead bgug. Utuk eber alteratf pada keyataa tersebut, kta aggap baya pegra sebaga blaga fuzzy, d tulska dega c = ( c / c / c), d aa c adalah baya pegra palg ugk, c adalah baya pegra palg opts, da c adalah baya pegra palg pess. Ketka koefse baya adalah blaga fuzzy, aka total baya trasportas aka berla blaga fuzzy uga. z c x 2. 3 S = = = Berdasarka pebatas: x = S ; utuk seua = =, 2,..., x = D ; utuk seua = =, 2,..., x 0 ; utuk seua (, ) d aa: > 0, D > 0 utuk seua, da = = S = D, dega la kata: total supples = total dead. 2. Bass Tree Terdapat sebuah korespodes atara setap tabel trasportas dega tree. Setap arc atara ode suber da ode tuua euukka varabel bass. Arc yag terputus (tdak dalokaska) euukka varabel obass. Adaya hubuga, aka setap etwork persoala trasportas elk sfat-sfat sebaga berkut:. + ode arc. 3. Setap ode dhubugka pada ode la oleh satu atau lebh arc. 4. Tdak ada loop. Haya terdapat satu ragkaa arc-arc atara setap pasaga ode-ode. Sfat-sfat egarah pada spag tree dala persoala trasportas dega + ode da x arc. Keyataa d atas eberka petuuk bahwa setap bass dapat dartka sebaga spag tree. Sehgga kosep de dsebut dega Bass Tree. Peabaha satu arc ke bass tree aka saa dega varabel obass yag baru asuk (eterg varabel). Peabaha arc tersebut aka eghaslka uk cycle da epuya hubuga dega uk θ loop pada solus persoala trasportas. Loop aka terputus dega peghapusa arc yag la dala loop. Proses pegahapusa arc pada satu loop epuya korespodes dega leavg varable da ead varabel obass. Struktur setap bass spag tree ead lebh elas ka egkut lagkah-lagkah sebaga berkut:. Plh ode pertaa ( S dala cotoh ) sebaga root dala bass tree. 2. Gabar seua ode da arc yag la dbawah root. Dua lagkah datas dgabarka sebaga berkut:

8 (a) Graph Bpartte Persoala Trasportas (b) Bass Tree Gabar 2. 4 Bpartte Graph Persoala Trasportas da Bass Tree 2.2 Pvotg Megguaka Bass Tree Suatu varabel obass dplh utuk tahap eterg varable, proses trasforas bass sekarag ead bass yag baru dsebut pvotg. Aka dtuukka bagaaa pvot egguaka bass tree. Dala proses seua operas alabar dgatka oleh operas graph. I tdak haya eelaska seua operas, tetap uga seua lagkah koputas ead sederhaa. Lagkah-lagkah pvotg pada bass tree, dberka obass arc * * (, ) dega peurua baya egatf telah dplh dar daftar arc. Lagkah selautya dbetuk:. Tabahka arc baru atara ode * da ode, sehgga aka ebetuk uk θ loop yag dteuka sebaga berkut: * a. Dula dar ode ak keatas tree yatu root. I aka eber ltasa yag uk *... root. * * b. Dula dar ode ak keatas tree yatu root. I aka eber ltasa yag uk *... root. c. Dua ltasa aka berteu pada ode NCA (Nearest * Coo Acestor) dar da *. I aka eber ltasa yag uk loop θ... NCA.... * * * 2. Dega egguaka uk θ loop, carlah arc yag aka dpdahka dar loop. Arc ds bertada (-) dega alokas arus (koodtas) yag terkecl. 3. Potog arc yag dteuka pada lagkah (2) da bagu kebal tree. 4. Megatur la koodtas pada arcarc dala uk θ loop. Meghtug dual varabel u, v utuk setap ode pada tree dega u =. 0 Dapat dlhat bahwa operas yag berbelt-belt dala pvotg dapat terselesaka dega bass tree. Tdak ada baga la dala bass tree yag drekayasa. Terad reduks dala hal koputas da pertaa peypaa dala eor. Walaupu deka egoperaska secara alabar sebuah atrk ukura ( + ) x dapat doperaska dega bass tree ukura +. I erupaka kuc algorta etwork trasportas bass tree. 3 METODE PENELITIAN Pada baga aka ebahas aspek etodolog peelta yag dterapka dala peelta. Dala bab, peelt aka eberka gabara rc tetag etodolog peelta. I ecakup es peelta da etode pegupula data. 3. Jes Peelta Baya pegra barag aka ead tdak tetu dega adaya varabel dala persoala trasportas yag dugkka berubah-ubah.

9 Utuk egaalsa persoala tersebut, aka dguaka etode peelta ekspere kuattatf. 3.2 Metode Pegupula Data Utuk edukug peelta dlakuka pegupula data sebaga berkut:. Suber Data a. Data Prer Data-data hasl wawacara da dskus lagsug dega baga PPIC (Post Producto ad Ivetory Cotrol), baga Purchasg da baga aaee IT (Iforato Techology) serta pegaata lagsug pada perusahaa PT. Busaa Ceerlag Garet Idustr. b. Data Sekuder Data Sekuder erupaka data yag dperoleh secara tdak lagsug, salya dar dokuetas, lteratur buku, ural, da foras laya yag ada hubugaya dega asalah yag dtelt. 2. Sapel Peelta Sapel dar peelta adalah data peesaa berdasarka purchase order (PO) utuk elakuka pebela barag beres ka. Is sapel data berupa oor PO, kotrak dega pebel ka, taggal peesaa, taggal pegra, ulah total pertaa, data suppler, peelasa pebela, ulah per peelasa, da harga per ut. Utuk sapel dabl pada bula Maret tahu HASIL PENGUKURAN DAN PEMBAHASAN Pada proses pegukura dlakuka egguaka tga cara, yatu aalsa hasl pegolaha data elalu etode splex, pedekata bass tree, da data purchase order. 4. Metode Splex Utuk eyelesaka persoala euka baya pebela es ka pada PT Busaa Ceerlag Garet Idustr egguaka etode splex dperluka lagkah-lagkah sebaga berkut:. Melh ( + ) varabel x utuk ebetuk solus fsbel bass awal. 2. Meerksa varabel yag tdak dalokaska yag dber aa varabel o bass. Jka varabel o bass ash berla opostf, aka dlautka ke lagkah tga, sela tu berhet. 3. Meetuka varabel bass yag dpotog (leavg varable), setelah tu aka terplh varabel bass yag baru. 4. Tetuka la/harga dar varabel bass yag baru tersebut. Dlautka ke lagkah kedua. Lagkah pertaa utuk eetuka solus fsbel bass awal. Cara dlakuka dega egguaka atura North-West Corer, utuk edapatka varabel bass x sebayak ( + ). Perhatka tabel 2. egea pertaa es ka da harga pada suppler. Betuk tabel trasportas berkut aka lebh udah eghtug dega egguaka taga. Tabel elk ( + 2) bars da ( + 2) kolo. Tabel trasportas euat persoala yag terad d PT Busaa Ceerlag Garet Idustr.

10 Tabel 4. Solus Fsbel Bass Awal dega NWC Baya Total: (4000*3.25) + (5335*.73) + (280*.40) + (740*2.0) + (2200*5.20) + (2200*2.20) + (880*2.35) + (20*4.00) + (300*2.44) = $ Lagkah kedua eerksa varabel yag tdak dalokaska atau varbel o bass. Utuk eerksa hal tersebut, dguaka etode MODI (Modfed for Dstrbuto). Haslya sebaga berkut. Perhtuga dual varabel: u + v = 3.25 u2 + v =.73 u2 + v2 =.40 u2 + v3 = 5.20 u2 + v4 = 2.0 u3 + v4 = 2.35 u4 + v4 = 2.44 u5 + v4 = 2.20 u5 + v5 = 4.00 Asus pesala u = 0 dperoleh dual varabel yag laya dega esubsttus, haslya adalah sebaga berkut: u 2 =.52, u 3 =.27, u 4 =.8, u 5 =.42, v = 3.25, v 2 = 2.92, v 3 = 3.68 v 4 = 3.62, v 5 = Reduks baya utuk varabel o bass: c = c ( u + v ) =.20 ( ) = c = c ( u + v ) = 5 ( ) = c = c ( u + v ) = 2 ( ) = c = c ( u + v ) = 4.40 ( ) = c = c ( u + v ) = 4.20 ( ) = c = c ( u + v ) = 2 ( ) = c = c ( u + v ) =.4 ( ) = c = c ( u + v ) = 4.8 ( ) = c = c ( u + v ) = 4.5 ( ) = c = c ( u + v) =.8 ( ) = c = c ( u + v ) =.2 ( ) = c = c ( u + v ) = 4.6 ( ) = c = c ( u + v ) = 4.2 ( ) = c = c ( u + v ) =.9 ( ) = c = c ( u + v ) =.3 ( ) = c = c ( u + v ) = 4.8 ( ) = Perhtuga reduks baya ash eghaslka baya o-postf, sehgga aka dplh baya palg egatf sebaga leavg varable. Dplh c 2 sebaga leavg varable karea elk la egatve yatu tabel baya reduks dperlhatka pada tabel 4.2 berkut.

11 Tabel 4. 2 Reduks Baya da Peetua Bass Baru Solus fsbel bass pada tabel 4.2 eghaslka total baya $ 68, Selautya dlakuka pegeceka kebal dual varabel da reduks baya pada teras kedua da seterusya. Dar hasl perhtuga reduks baya pada teras keea ash dperoleh la o-postf sehgga perlu dlakuka teras kebal. Tetap setelah dlakuka perhtuga kebal pada ketuuh dperoleh baya total $64, Perhtuga dlakuka sapa teras kedelapa dega baya total $ Kespula dperoleh bahwa baya total u dperoleh pada teras keea yatu $ 63, Bass Tree Tabel 4. tetag tabel trasportas elk ukura 5 x 5 elk hubuga atara ulah pertaa es ka da harga ka. Setap hubuga atara ode supply da ode dead euukka varabel bass. Hubuga yag hlag atau tdak salg terhubug euukka varabel o-bass. Setap hubuga yag teral elk sfatsfat sebaga berkut:. + ode-ode hubuga (arc). 3. Setap ode dhubugka ke seua ode dega atau lebh arc. 4. Tdak ada loop, artya terdapat haya satu ragkaa arc-arc atara setap pasaga dar ode-ode. Sfat-sfat tersebut erupaka defs spag tree persoala trasportas dega + ode da + arc. Dar keyataa bahwa persoala trasportas dapat dbetuk sebaga spag tree, sehgga dsebut bass tree. Lhat kebal peyaa tabel trasportas (tabel 4.), erupaka tabel yag eyaka hubuga atara ulah pertaa es ka da harga ka. Dega egguaka etode North-West Corer (NWC) dperoleh varabel bass. Dplh ode pertaa (dala hal S) sebaga root pada bass tree. Selautya dbuat ragkaa ode-ode da arc-arc la sehgga aka terbetuk bpartte graph da bass tree persoala trasportas sepert gabar berkut:

12 Gabar 4. Graph Bpartte Persoala Trasportas Gabar 4. 2 Bass Tree dega Harga da Julah Ka Total Baya: (4000*3.25) + (5335*.73) + (280*.40) + (740*2.0) + (2200*5.20) + (2200*2.20) + (880*2.35) + (20*4.00) + (300*2.44) = $ Iteras Lagkah Meghtug dual varabel utuk odeode varabel bass utuk setap ode pada tree, dega u = 0. u + v = 3.25 u2 + v =.73 u2 + v2 =.40 u2 + v3 = 5.20 u2 + v4 = 2.0 u3 + v4 = 2.35 u4 + v4 = 2.44 u5 + v4 = 2.20 u5 + v5 = 4.00 Asus pesala u = 0 dperoleh dual varabel yag laya dega esubsttus, haslya adalah sebaga berkut: u 2 =.52, u 3 =.27, u 4 =.8, u 5 =.42, v = 3.25, v 2 = 2.92, v 3 = 3.68 v 4 = 3.62, v 5 = Lagkah 2 Pegeceka varabel o bass dega baya reduks egatf. Perhtuga reduks baya ash eghaslka baya o-postf, sehgga aka dplh baya palg egatf sebaga leavg varable. Dplh c 2 sebaga leavg varable karea elk la egatf yatu x x,72 = =. * *, 2 Lagkah 3 Pvotg dega Bass Tree Pada teras pertaa dberka bass tree dega harga da ulah kebutuha ka sebaga berkut:

13 (a) (b) (c) (d) Gabar 4. 3 Tahapa Pvotg dega Bass Tree Iteras Lagkah 4 Meghtug baya total D S D S D S D S D3 S3 Gabar 4. 4 Bass Tree Baru hasl Iteras Total baya: (280*.20) + (820*3.25) + (755*.73) + (2200*5.20) + (740*2.0) + (2200*2.20) + (880*2.35) + (20*4.00) + (300*2.44) = $ Dar hasl perhtuga reduks baya pada teras keea ash dperoleh la o-postf, sehgga perlu dlakuka teras keba. Tetap setelah dlakuka perhtuga kebal pada ketuuh dperoleh baya total $64, Perhtuga dlakuka sapa teras kedelapa dega baya total $ Kespula dperoleh bahwa baya total u dperoleh pada teras keea yatu $ 63, Pedekata Bass Tree utuk Trasportas dega Fuzzy Cost Persoala trasportas pada PT Busaa Ceerlag dpegaruh oleh faktor pegra barag dega ketetua ulah barag yag dperkeaka 3% dar ulah barag yag dpesa. Alteratf pada keyataa tersebut, kta aggap ulah pegra sebaga blaga fuzzy, d tulska dega c = ( c / c / c). Hasl teras 6 dega pedekata bass tree euukka hasl total baya trasports pegra yag ugk, baya pegra

14 opts, da baya pegra pess adalah sebaga berkut: Baya Trasportas yag ugk z = $ Baya Trasportas opts z = $ Baya Trasportas pess z = $ Hasl Pegukura Pegolaha Data Perhtuga ketga aalsa hasl pegolaha data dega etode splex, aalsa hasl pegolaha data dega pedekata bass tree, da aalsa hasl pegolaha data pada baga purchasg berdasarka purchase order (PO) eberka gabara sebaga berkut: Tabel 4. 3 Aalsa Pegukura Hasl Pegolaha Data No Pegukura Baya Total ($) Metode Splex 63, Pedekata Bass Tree Baya Opts 62, Baya Mugk 63, Baya Pess 65, Pegolaha Data PO 70, Terad selsh lebh al dala pebela ka dar asg-asg suppler sebesar $70, $63, = $6,480. Hasl Pegukura Pegolaha Data 72, , , , , , , Metode Splex Pedekata Bass Tree Baya Mugk Pegolaha Data PO Gabar 4. 5 Grafk Pegukura Pegolaha Data

15 67, , , , , , , , Hasl Pegukura Persoala Trasportas Fuzzy Cost dega Pedekata Bass Tree Baya Opts Baya Mugk Baya Pess Gabar 4. 6 Grafk Hasl Pegukura Persoala Trasportas Fuzzy Cost dega Pedekata Bass Tree 5 KESIMPULAN Hasl aalsa da pebahasa peyelesaa persoala trasportas dega fuzzy cost egguaka pedekata bass tree dperoleh kespula sebaga berkut: a. Baya peetua pebela da pegra barag dala persoala trasportas dega fuzzy cost dapat lebh optal dega egguaka pedekata bass tree. Meskpu hasl perhtuga reduks baya sapa teras keea ash elk la o-egatf, da perhtuga dlakuka kebal sapa teras kedelapa dperoleh baya total $ Hasl ash besar ka dbadgka dega hasl pada teras keea, yatu sebesar $ Artya baya total optal dperoleh pada hasl perhtuga teras keea. b. Peetua baya da pegra barag dar beberapa suppler dapat dtetuka dega varabel bass eskpu varabel dala persoala trasportas dugkka berubahubah. Peetua baya ash egguaka ketetua yag saa, yatu total supples saa dega total dead agar persoala trasportas ead fsbel. 6 DAFTAR PUSTAKA Aho, A., Hopcroft, J., & Ula, J. (987). Data Structure ad Algorths. Caada: Addso- Wesley. Ary, M. (2005). Meuka Baya Trasportas Kopoe Elektrk Pesawat Telepo Jes PTE-99 d PT.INTI Megguaka Bass Tree. Badug: Tugas Akhr, Jurusa Mateatka UNISBA. Ary, M, (20), Meuka Baya Trasportas Megguaka Metode Bass Tree, Jural Paradga Jural Koputer da Iforatka Akade Ba Saraa Iforatka, Vol.XIII No. Maret 20, Halaa Ary, M. (20). Peyelesaa Persoala Trasportas dega Fuzzy Cost Megguaka Pedekata Bass Tree. Badug: Tess, Progra Pascasaraa Magster Ilu Koputer STMIK Nusa Madr. Bak, S., Greer, A., & Mtra, S. (.d.). Hybrd Cyberphyscal Syste Verfcato wth Splex Usg Dscrete Abstracto. Retreved 6 2, 200, fro ap.sp?tp=&aruber= Belg, J., Peschlow, P., & Mart, P. (.d.). Effcet GPU Ipleetato of the Revsed Splex Method. Retreved 6 2, 200, fro

16 ap.sp?tp=&aruber= Bozart, C. (2008). Itroducto to Operatos ad Supply Cha Maageet, 2d ed. Upper Sadle Rver, New Jersey: Pearso Educato, Ic. Deo, N. (989). Graph Theory wth Applcatos to Egeerg ad Coputer Scece. New Delh: Pretce-Hall. Dyat, T. T., & Dyat, A. (992). Operato Research: Model- Model Pegabla Keputusa. Badug: Sar Baru. Gta, A. K., Heryato, & A.N., S. (.d.). Aalss Pegguaa Algorta Greedy dala Progra Solus Fsbel Bass Awal Trasportas. Retreved 4, 20, fro /Stk/ /Makalah2006/MakalahStk pdf Hezer, J., & Raedder. (2008). Operatos Maageet, 9th. Upper Saddle Rver, New Jersey: Pearso Educato Ic. Hedrawa, M. (.d.). Supply Cha Maageet (SCM). Retreved 4 25, 20, fro p?d=24 L, L. H., Da, Q., & Hu, J. (.d.). A New Method Based o Goal Prograg for Solvg Trasportato Proble wth Fuzzy Cost. Retreved 6 2, 200, fro ap.sp?tp=&aruber= Mahda-Ar, N., & Nasser, S. (2005). Dualty Fuzzy varable Lear Prograg. 4th World Eforatka Coferece, WEC'05. Istabul, Turkey. Mary, d. (2003). Mateatka Terapa utuk Bss da Ekoo. Yogyakarta: BPFE-Yogyakarta. Metzer, J. (200). Supply Cha Maageet. Retreved 5 20, 20, fro agg%20sc_collaborato.pdf Nasser, S., Yazda, E. A., & Zaefara, R. (2005). Splex Method for Solvg Lear Prograg Proble wth Fuzzy Nubers. World Acadey of Scece, Egeerg ad Techology. O'Coor, D. (.d.). Algorths ad Data Structures. Retreved 2, 200, fro ( e/mms406/trees.pdf) Reder, S., & Haa, M. (2009). Quattve Aalyss for Maageet, 0th ed. Upper Saddle Rver: Pearso Educato Ic. Setawa, N. (2007). Peetua Ukura Sapel eaka Ruus Slov da Tabel Krece_Morga telaah kosep da Aplkasya. Badug: Dskus Ilah Jurusa Sosal Ekoo Fakultas Peteraka Upad. Sudrga, R. S. (.d.). Perbadga Peecaha Masalah Trasportas atara Metode Northwest-Corer da Steppg- Stoe Method dega Assget Method. Retreved 3 30, 20, fro httpural.pd.lp.go.dadural pdf Suhaed, Dd, (2005), Pegguaa Bass Tree utuk Meyelesaka Persoala Trasportas, Jural Mateatka Teor da Terapa Mateatka, Volue 5 / Noor, Hal Wlso, J. R., & Joh, J. W. (990). Graph ad Itroductory Approach. Caada: Joh Wley & Sos Ic. Zera. (987). Fuzzy Prograg ad Lear Prograg wth Several Obectve Fucto. Fuzzy Sets ad Syste,

PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE

PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE Maxs Ary 1), Asep Hera 2) 1)2) AMIK BSI Badug Jl.Sekolah Iterasoal No.1-6 Atapa Badug, Idoesa

Lebih terperinci

Jurnal Techno Nusa Mandiri Vol.X No.1, September 2013

Jurnal Techno Nusa Mandiri Vol.X No.1, September 2013 Jural Techo Nusa Madr Vol.X No.1, Septeber 2013 PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE Maxs Ary 1), Asep Hera 2) 1)2) AMIK BSI Badug

Lebih terperinci

Metode Perbaikan ASM pada Masalah Transportasi Tak Seimbang

Metode Perbaikan ASM pada Masalah Transportasi Tak Seimbang SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 27 Metode Perbaka ASM pada Masalah Trasportas Tak Sebag T - 35 Solkh Departee Mateatka FSM Uverstas Dpoegoro sol_erf@yahooco Abstrak Masalah trasportas

Lebih terperinci

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari)

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari) Jural Sas Mateatka da Statstka, Vol. 3, No. 2, Jul 2017 ISSN 1693-2390 prt/issn 2407-0939 ole Peyelesaa Model Trasportas Megguaka Metode ASM, RDI da MODI (Stud Kasus : PT. Melayu Bu Lestar) Sr Basrat 1,

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

METODE ASM PADA MASALAH TRANSPORTASI SEIMBANG

METODE ASM PADA MASALAH TRANSPORTASI SEIMBANG METODE AM PADA MAALAH TRANPORTAI EIMBANG Aru Rya eptaa 1, olkh 2, Luca Ratasar 3 1,2,3 Departee Mateatka, Fakultas as da Mateatka Uverstas Dpoegoro, Jl Prof oedarto, H earag, 5275 Eal: 2 solkh@lveudpacd

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4)

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4) ISSN : 69 7 Peyeleaa Maalah Traporta Dega Metoda Pral-Dual Wawa Lakto YS 4) Abtrak Maalah Traporta erupaka peraalaha pedtrbua uatu produk hooge dar beberapa uber ke beberapa tuua dega cara yag palg optal.

Lebih terperinci

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX ORBITH VOL. 9 NO. JULI 03 : 78 83 ETODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEILIHAN DISTRO LINUX Oleh : Ahad Sabq Tekk Iforatka Poltekk Purbaya Tegal Jl. Pacakarya No. Talag Tegal 593 Abstrak Pada peelta

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT 68 Bud: PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT Dya Seta Bud ), Da Reto Sar Dew ), D Edah

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ 5 BAB II TINJAUAN PUSTAKA. Pedahulua Utuk egetahu lebh elas egea u Modfkas Baugarter Weβ Schdler (MBWS) dperluka teor-teor yag edukug. Utuk tu, bab eelaska egea statstk oparaetrk u beda dua rata-rata dega

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE CADANGAN ROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE Tara Mustka 1, Johaes Kho 2, Azskha 2 1 Mahasswa rogra S1 Mateatka 2 Dose Jurusa Mateatka Fakultas Mateatka da Ilu egetahua Ala

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA

PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA 58 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 9

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

Pemanfaatan Teknologi Informasi Dalam Pengendalian Kualitas Produk Kerajinan Bordir menggunakan Peta Kendali Variabel Fuzzy Linguistik

Pemanfaatan Teknologi Informasi Dalam Pengendalian Kualitas Produk Kerajinan Bordir menggunakan Peta Kendali Variabel Fuzzy Linguistik SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 05 Peafaata Tekolog Iforas Dala Pegedala Kualtas Produk Keraa Bordr egguaka Peta Kedal Varabel Fuzzy Lgustk Akk Hdayat Fakultas MIPA, Uverstas

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP Lusa Tr Lstyowat Krstaa Waya M Fatekurohma Jurusa Matematka FMIPA Uerstas Jember e-mal: krstaa_waya@yahoocom da m_fatkur@yahoocom Abstract:

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Pemodelan

BAB 2 LANDASAN TEORI 2.1 Pemodelan BAB LANDASAN TEORI. Peodela Dala elakuka aalss terhadap suatu kasus yata, peodela sergkal dperluka utuk ebatu eecahka kasus yata tu. Starr da Mller eyataka, odel adalah represetas dar suatu realta yag

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal Bulet Ilah Mat. Stat. da Terapaya (Baster) Volue 6, No. (17), hal 77 84. PENENTUAN NILAI INTERNAL RATE OF RETURN DENGAN METODE NEWTON-RAPHSON PADA KASUS PENGKREDITAN KENDARAAN BERMOTOR Al A, Nao Nessyaa

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Persoala utaa yag dhadap oleh seorag aaer atau pegabl eputusa adalah bagaaa egaloasa suatu suber yag terbatas datara berbaga atvtas atau proye Progra lear adalah suatu etode yag dapat

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

Lampiran : Kekonvergenan Barisan Alternating Projection pada Himpunan yang tak Semuanya Konveks

Lampiran : Kekonvergenan Barisan Alternating Projection pada Himpunan yang tak Semuanya Konveks DAFTAR PUSTAKA [] Apkara, P., P. Gahet, G Becker. (995), Self-scheduled H Cotrol of Lear Paraeter-varyg Systes : a Desg Eeple, Autoatca, 3, 25-26. [2] Bajerdpogcha, D., (997), Paraetrc Robust Cotroller

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

Edge Anti-Magic Total Labeling dari

Edge Anti-Magic Total Labeling dari Edge At-Magc Total Labelg dar Charul Imro da Suhud Wahyud Jurusa Matematka Isttut Tekolog Sepuluh Nopember Surabaya mro-ts@matematka.ts.ac.d, suhud@matematka.ts.ac.d C Abstract We wll fd edge at-magc total

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti)

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti) Karea vektor-vektor kolom X adalah bebas lear maka mempuya vektor ege yag bebas lear. erbukt eorema 9 Jka... adalah la ege dar maka... adalah la ege dar. BUK : salka... adalah la ege dar yag bersesuaa

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

IDENTIFIKASI RISIKO RANTAI PASOK AGROINDUSTRI KAKAO MENGGUNAKAN FUZZY AHP

IDENTIFIKASI RISIKO RANTAI PASOK AGROINDUSTRI KAKAO MENGGUNAKAN FUZZY AHP Idetfkas Rata Pasok Agrodustr Kakao egguaka Fuzzy AHP IDENTIFIKASI RISIKO RANTAI PASOK AGROINDUSTRI KAKAO ENGGUNAKAN FUZZY AHP Iphov Kuala Srwaa Jurusa Tekk Idustr Uverstas Esa Uggul Jl. Arua Utara No.

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

Orbit Fraktal Himpunan Julia

Orbit Fraktal Himpunan Julia Vol. 3, No., 6-7, Jauar 7 Orbt Fraktal Hmpua Jula Ad Kresa Jaya, Nswar Alasa Abstrak Makalah membahas kumpula ttk-ttk yag berada dalam daerah hmpua Jula d ruag kompleks da memperlhatka sebuah algortma

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN: Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya 017 3 Septeber 017, Saarda, Idoesa ISBN: 978-60-5031-0-3 Aalss Portofolo Optal Dega Model Sgle Idex utuk Saha yag Lstg pada Sektor Agr da Mg d Bursa Efek

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Sebaga besar dar persoala maajeme berkeaa dega pegguaa sumber secara efse atau alokas sumber-sumber yag terbatas (teaga kerja terampl, baha metah, modal) utuk mecapa tujua yag dgka

Lebih terperinci

INTEGRASI NUMERIK MENGGUNAKAN METODE GAUS KUADRATUR DENGAN PENDEKATAN INTERPOLASI HERMIT DAN POLINOMIAL LEGENDRE

INTEGRASI NUMERIK MENGGUNAKAN METODE GAUS KUADRATUR DENGAN PENDEKATAN INTERPOLASI HERMIT DAN POLINOMIAL LEGENDRE INTEGRASI NUMERIK MENGGUNAKAN METODE GAUS KUADRATUR DENGAN PENDEKATAN INTERPOLASI HERMIT DAN POLINOMIAL LEGENDRE Sutrso Robertus Her Jurusa Mateatka FMIPA UNDIP Searag Abstract Gaus Quadrature Forula s

Lebih terperinci

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN SPLINE TRUNCATED

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN SPLINE TRUNCATED Prosdg Sear Nasoal Volue 03, Noor ISSN 443-09 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN SPLINE TRUNCATED Rahat Hdaat, Yula, Marwa Sa 3 Isttut Tekolog Sepuluh Nopeber, Uverstas Cokroaoto Palopo,3 daatath@gal.co

Lebih terperinci

KODE SIKLIK (CYCLIC CODES)

KODE SIKLIK (CYCLIC CODES) Pegatar Teor Pegkodea (Codg Theory) KODE SIKLIK (CYCLIC CODES) Dose Pegampu : Al Sutjaa DISUSUN OLEH: Nama : M Zak Ryato Nm : /5679/PA/8944 Program Stud : Matematka JURUSAN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci