PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK
|
|
- Ivan Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor *) ABSTRAK Investasi merupaan salah satu upaya untu memperoleh euntungan. Pengaloasian dana untu investasi e dalam banya produ investasi yang tida cermat dapat menimbulan erugian. Ada banya produ investasi, bai yang berisio maupun yang tida berisio. Pada umunya, investasi berisio menawaran euntungan yang lebih besar dibandingan dengan investasi yang tida berisio. Dalam penelitian ini, penentuan investasi dana Ban AXN diselesaian dengan bantuan metode preemptive goal programming, emudian ditentuan solusi optimalnya dengan metode fuzzy goal programming. Dalam contoh impementasi diperoleh jenis-jenis investasi yang harus dipilih beriut nilai toleransinya yang memasimuman euntungan. Kataunci:investasi dana ban, fuzzy goal programming, preemptive goal programming 1 PENDAHULUAN Ban memilii peranan penting untu eberlangsungan pereonomian di suatu Negara.Ban tida hanya sebagai lembaga penghimpun dan penyedia dana saja, aan tetapi juga sebagai perantara euangan masyaraat. Pada dasarnya, ativitas utama manajemen ban ialah mengelola dana, bai mengatur dana yang masu dari masyaraat dalam bentu giro, deposito, dan tabungan maupun menyalurannya dalam berbagai bentu produ investasi. Keberhasilan dalam mengelola dana tersebut merupaan salah satu unci suses bagi manajemen ban dalam mengelola sebuah ban. Manajemen dana beraitan dengan masalah mengoptimalan dana yang dihimpun dan mengaloasian dana tersebut untu mencapai tingat profitabilitas yang tinggi dengan tetap menjaga agar posisi liuiditas tetap aman sehingga epercayaan masyaraat terhadap ban tetap terjaga. Oleh arena itu, manajemen ban tida terlepas dari permasalahan bagaimana memasimuman profit, meminimuman aset berisio, dan meminimuman ecuupan modal. Prosiding Seminar Nasional Sains V; Bogor, 10 November
2 2 GOAL PROGRAMMING Goal programming adalah salah satu teni untu menyelesaian masalah optimasi dengan tujuan lebih dari satu (multiobjetif). Model ini merupaan perluasan dari model pemrograman linear. Model goal programming memilii sepasang variabel deviasi dan yang tanegatif. Variabel menampung deviasi yang berada di bawah sasaran e-j sedangan variabel merupaan nilai deviasi yang berada di atas sasaran e-j. Variabelvariabel deviasi ini harus diminimuman. Suatu tujuan e-j dianggap berhasil bila variabel deviasi pada fungsi objetif tujuan e- bernilai 0[1]. 2.1 Preemptive Goal Programming Preemptive goal programming adalah masalah goal programming dengan urutan prioritas peminimuman variabel deviasi. Untu mengapliasian model ini, harus ditentuan peringat tujuan mulai dari yang paling penting hingga tujuan yang tida terlalu penting. Dalam [2], preemptive goal programming diselesaian dengan aturan sebagai beriut: 1 prioritas tujuan ditentuan berdasaran pada tingat epentingan tujuan; tujuan yang menjadi prioritas pertama aan diselesaian terlebih dahulu, dan seterusnya 2 setelah tujuan pertama terpenuhi, maa fungsi tujuan pada prioritas pertama menjadi endala tambahan pada prioritas edua, begitu seterusnya sampai prioritas e-, 3 jia tujuan pada prioritas pertama adalah meminimuman, maa fungsi tujuan pada prioritas pertama aan menjadi endala tambahan pada prioritas edua dengan tanda pertasamaan sedangan jia tujuan pada prioritas pertama adalah memasimuman, maa fungsi tujuan pada prioritas pertama aan menjadi endala tambahan pada prioritas edua dengan tanda pertasamaan begitu seterusnya sampai prioritas e-n, 4 jia tida diperoleh solusi fisibel pada prioritas e-n, maa solusi optimal yang digunaan adalah solusi yang diperoleh pada prioritas e-(n1) Fuzzy Linear Goal Programming Teori logia fuzzy merupaan perluasan dari teori himpunan tegas (crisp) yang menggunaan derajat eanggotaan {0, 1} menjadi selang [0, 1]. Jia X adalah olesi dari obje-obje yang dinotasian dengan x, maa suatu himpunan fuzzy ÃdalamXadalah suatu himpunan pasangan berurutan dengan ( ): 0,1 x X A adalah fungsi 284 Prosiding Seminar Nasional Sains V; Bogor, 10 November 2012
3 eanggotaan dari suatu himpunan fuzzyãyang memetaan X e ruang eanggotaan yang terleta pada selang [0,1]. Nilai fungsi ( x ) menyataan derajat eanggotaan atau nilai A eanggotaan dari x di himpunan Ã[3].Fungsi eanggotaan dalam himpunan fuzzy adalah suatu pemetaan dari suatu obje e dalam derajat eanggotaannya yang memilii interval antara 0 sampai 1. Masalah fuzzy goal programming (FGP)adalah model goal programming dengan fungsi objetif dan fungsi endala memilii parameter dan pertasamaan atau persamaan fuzzy. Parameter FGP memilii derajat eanggotaan tertentu dalam selang [0, 1] dan dinyataan dalam pertasamaan fuzzy, yaitu (hampir lebih besar atau sama dengan), atau (hampir lebih ecil atau sama dengan) atau persamaan fuzzy, yaitu (hampir sama dengan).model fuzzy goal programming dapat diformulasian sebagai beriut: Tentuan,,, T n 1 2 n sehingga memenuhi fungsi tujuan X x x x R terhadapendala denganx : vetor variabel eputusan, : etidatepatan level aspirasi (nilai ruas anan) e dari tujuan Z ( X), 1,2,, K, A : matris oefisien berordo mn, b : vetor nilai ruas anan endala, : tujuan fuzzy e-.tanda merupaan bentu fuzzy dari tujuan dan endala tipe, tanda merupaan bentu fuzzy dari tujuan dan endala tipe dan tanda merupaan bentu fuzzy dari endala tipe = (Gupta dan Bhattacharya 2010b). Fungsi tujuan maupun endala yang fuzzy dapat dicirian dengan fungsi eanggotaan masing-masing. Selanjutnya ditetapan derajat tertinggi sebagai level aspirasi dari tujuan fuzzy. Fungsi tujuan fuzzy menggunaan level aspirasi yang bersifat tida tepat. Model fuzzy ini perlu diubah e dalam persamaan tegas (crips) dengan menyubstitusian fungsi tersebut pada fungsi eanggotaan fuzzy linear. Jia p mendefinisian toleransi untu tujuan fuzzy e- yaitu onstanta tanegatif yang dipilih secara subjetif dari etidatepatan nilai g yang masih dapat diterima, maa Prosiding Seminar Nasional Sains V; Bogor, 10 November
4 fungsi eanggotaan dari fungsi tujuan fuzzy Z X, dinyataan dengan Z X digunaan untu mendefinisian tujuan fuzzy Z X sebagai beriut:, dapat Fungsi eanggotaan tujuan fuzzy, didefinisian sebagai beriut: Z X 0, jia Z ( X) g p Z ( X) ( g p ), jia g p Z ( X) g p 1, jia g Z ( X) g p Fungsi eanggotaan tujuan fuzzy didefinisian sebagai beriut: 1, jia g p Z ( X) g ( g p) Z( X) Z X, jia g Z ( X ) g p p 0, jia Z ( X) g p Jia mendefinisian toleransi untu endala fuzzy e-i, yaitu onstanta tanegatif yang dipilih secara subjetif dari etidatepatan nilai yang masih dapat diterima, maa fungsi eanggotaan dari endala fuzzy a dinyataan dengan i x ( a i adalah baris e-i dari matrisax), ai x dapat digunaan untu mendefinisian endala fuzzy i a x. Untu endala fuzzy ( adalah baris e- dari vetor ), fungsi eanggotaannya didefinisian sebagai beriut: 0, jia a ( X) b q i i i ai( X) ( bi qi) ai ( X), jia bi qi ai( X) bi q i 1, jia b a ( X) b q i i i i fungsi eanggotaanendala fuzzy didefinisian sebagai beriut: 1, jia b q ai( X) b i i i ( bi qi) a ( X) a i ix, jia bi ai ( X ) bi qi q i 0, jia ai( X) bi qi 286 Prosiding Seminar Nasional Sains V; Bogor, 10 November 2012
5 dengan dan masing-masing menunjuan batas bawah toleransi dan batas atas toleransi untu endala fuzzy pertasamaan fungsi eanggotaan endala fuzzy didefinisian sebagai beriut: ai X 0, jia ai( X) bi qi1 atau ai( X) bi qi2 ai( X) ( bi qi 1), qi 1 jia bi qi1 ai ( X ) bi 1, jia ai( X) bi ( bi qi2 ) ai( X), q i 2 jia bi ai ( X ) bi qi2 Pada metode fuzzy goal programming, derajat eanggotaan darisuatu tujuan e- berada pada selang sehingga dengan menambahan variabel deviasi dan fungsi eanggotaan dari tujuan fuzzy dapat direpresentasian sebagai untu fungsi eanggotaan dari tujuan tipe dan dengan Variabel dan berturut-turut merupaan variabel deviasi yang berada di bawah dan di atas dari derajat eanggotaan tujuan fuzzy e- Suatu tujuan e- diataan berhasil dicapai bila nilai variabel deviasi dan urang dari satu. Jia nilai variabel deviasi maa aan mengaibatan derajat eanggotaan Sedangan jia maa aan mengaibatan nilai fungsi objetif melebihi batas toleransi yang diberian oleh pembuat eputusan. Semain nilai variabel deviasi dan deat dengan 0, semain besar tingat eberhasilan tujuan e- Suatu endala fuzzy e- memilii derajat eanggotaan pada selang sehingga dengan menambahan variabel deviasi dan fungsi eanggotaan dari endala tipe dan dapat direpresentasian sebagai beriut:, dan merupaan variabel deviasi yang berada di bawah dan di atas dari derajat eanggotaan endala fuzzy e-. Suatu endala e- diataan berhasil dicapai bila nilai variabel deviasi dan urang dari satu. Jia nilai variabel deviasi maa aan mengaibatan derajat eanggotaan Sedangan jia maa aan mengaibatan nilai fungsi objetif melebihi batas toleransi yang diberian oleh pembuat eputusan. Semain nilai variabel deviasi dan deat dengan 0, semain besar Prosiding Seminar Nasional Sains V; Bogor, 10 November
6 tingat eberhasilan endala e-fungsi eanggotaan untu endala fuzzy persamaan merupaan gabungan dari fungsieanggotaan untu endala fuzzy pertasamaan dan Selanjutnya aan digunaan metode min sum fuzzy goal programming, yaitu suatu metode fuzzy goal programming yang menggunaan fungsi eanggotaan dari fungsi objetif dan fungsi endala yang dianggap sebagai endala fuzzy dengan menetapan derajat tertinggi dari level aspirasi. Metode ini aan meminimuman variabel deviasi yang berada di bawah tujuan dan endala fuzzy (lihat [2]). Menurut Gupta dan Bhattacharya metode min sumfuzzy goal programmingdengan endala fuzzy dapat diformulasian sebagai beriut: Tentuan yang meminimuman z d d (1) (untu tujuan tipe ) (2) (untu tujuan tipe ) (3) (untu endala tipe ) (4) (untu endala tipe ) (5) K m 1 i1 i dengan endala dan (untu endala tipe ) (6) (endala batas toleransi untu tujuan tipe dan ) (7) (endala batas toleransi untu endala tipe dan ) (8) (endala batas toleransi untu endala tipe ) (9) 3 HASIL DAN PEMBAHASAN Produ investasi yang ditawaran ban ada yang berisio dan ada yang tida.semain tinggi risio suatu produ investasi, semain besar tingat pendapatan yang diperoleh.oleh arena itu, ban harus bisa mengaloasian produ investasi sehingga memasimuman profit dan meminimuman risio secara bersamaan. Misalan bahwa setiap ban harus memilii arateristi sebagai beriut: 1 Paling sediit 47% dari giro dan 36% dari deposito berjanga dan tabungan tetap dalam eadaan liuid (liquid part). 288 Prosiding Seminar Nasional Sains V; Bogor, 10 November 2012
7 2 Paling sediit 14% dari giro dan 4% dari deposito berjanga dan tabungan dialoasian dalam ategori as. 3 Paling sediit 5% dari total sumber dana diinvestasian e setiap ategori investasi. 4 Paling sediit 40% dari total sumber dana diinvestasian e pinjaman omersial. Selanjutnyadigunaan 3 fungsi objetif, yaitu memasimuman profit, meminimuman ecuupan modal, dan meminimuman rasio aset berisio (jumlah investasi yang berisio/modal). Fungsi objetif profit diperoleh dari penjumlahan tingat pendapatan setiap ategori investasi. Fungsi objetif ecuupan modal diperoleh dari rasio modal wajib untu memenuhi ebutuhan investasi dengan modal sebenarnya (dana sendiri). Fungsi objetif risio diperoleh dari rasio jumlah investasi yang berisio terhadap dana sendiri.rasio aset berisio yang rendah mengindiasian bahwa suatu lembaga euangan dalam eadaan aman. Kecuupan modal yang rendah mengindiasian risio yang minimum, arena ecuupan modal yang rendah memberian mana bahwa selisih antara dana yang dibutuhan untu investasi dan dana sebenarnya (modal sendiri) juga rendah sehingga mengaibatan risio yang minimum. 3.1 Contoh Kasus Ban AXN Tabel 1 Kategori investasi Ban AXN Kategori Investasi Tingat Pendapatan (%) Bagian Liuid (%) Kecuupan Modal (%) Aset Berisio? (Ya/Tida) 1 Kas Tida 2 Investasi janga pende Tida Surat berharga pemerintah 3 janga watu 1 sampai 5 tahun Tida 4 Surat berharga pemerintah Tida janga watu 5 sampai 10 5 Pinjaman angsuran Ya 6 Kredit tunai Ya 7 Pinjaman omersial Ya Misalan sumber dana Ban AXN berasal dari dana sendiri dan dana dari piha etiga. Sumber dana sendiri sebesar 250 juta rupiah, sumber dana dari piha etiga terdiri atas giro sebesar juta rupiah, dan deposito berjanga dan tabungan sebesar juta rupiah. Prosiding Seminar Nasional Sains V; Bogor, 10 November
8 Dana tersebut aan diinvestasian e dalam berbagai ategori investasi dengan tingat pendapatan, bagian liuid, ecuupan modal, dan risio aset, seperti pada Tabel 1. Misalan = banyanya uang (dalam jutaan rupiah) yang aan diinvestasian e dalam ategori investasi e-, Formulasi pemrograman linear multiobjetif ialah: (1) Minimuman (aset berisio): (2) Masimuman (profit) (3) Minimuman (ecuupan modal) dengan endala (1) Semua dana (dana sendiri dan dana piha etiga) diinvestasian e setiap ategori investasi: (2) Kendala liuiditas: (3) Kendala diversifiasi, dan (4) Kendala untu aset omersial: Masalah investasi Ban AXN diselesaian dengan preemptive goal programming menggunaan software LINGO Misalan prioritas pertama ialah meminimuman aset berisio, prioritas edua ialah memasimuman profit, dan prioritas etiga ialah meminimuman ecuupan modal.maa formulasi masalah prioritas pertama ialah: Minimuman (aset berisio) dengan endala (1) (2) (3), (4) Solusi optimal (dalam juta rupiah) masalah ini ialah: dengan juta rupiah dan.. Kemudian nilai fungsi objetif risio ditambahan pada endala di prioritas edua, dan diperoleh solusi optimal dengan juta rupiah dan Dengan cara serupa, fungsi objetif profit juta rupiah ditambahan pada endala di 290 Prosiding Seminar Nasional Sains V; Bogor, 10 November 2012
9 prioritas etiga. Masalah ini tida mempunyai solusi fisibel.jadi solusi optimal diperoleh dari prioritas edua. Selanjutnya aan digunaan metode goal programming dengan menetapan secara subjetif tiga level aspirasi dari fungsi objetif aset berisio, profit, dan ecuupan modal, yaitu juta rupiah, dan Penetapan level aspirasi tersebut didasaran pada solusi nilai fungsi objetif yang diperoleh dari metode preemptive goal programming. Model fuzzy goal programming untu masalah aloasi investasi Ban AXN sebagai beriut: Tentuan sehingga memenuhi fungsi objetif (1),, terhadap endala (1) (2) (3), (4) Selanjutnya, didefinisian fungsi eanggotaan untu setiap tujuan dan endala fuzzy, emudian ditentuan nilai-nilai toleransip dan q. Nilai toleransi ditentuan dengan trial and error, dengan menganggap satu parameter yang berubah nilainya, sedang parameter lainnya tetap. Sebagai contoh, misalan nilai toleransi selalu berubah dan nilai toleransi dan onstan, yaitu maa diperoleh grafi fungsi objetif, aset berisio, profit, dan ecuupan modal sebagai beriut: Prosiding Seminar Nasional Sains V; Bogor, 10 November
10 Dipilih nilai toleransi sehingga total aset berisio ada dalam selang Demiian dan seterusnya dilauan dengan parameter-parameter yang lain, yaitu dan sehingga diperoleh solusi optimal (dalam juta rupiah) dengan nilai fungsi objetif sebesar dan total aset berisio total profit juta rupiah, dan total ecuupan modal Jadi, Ban AXN aan memperoleh profit sebesar juta rupiah dengan total risio sebesar dan total ecuupan modal sebesar jia menginvestasian dana sebesar juta rupiah untu ategori as, sebesar juta rupiah untu masing-masing ategori investasi janga pende, surat berharga pemerintah janga watu 1 sampai 5 tahun, pinjaman angsuran, dan redit tunai, sebesar juta rupiah untu ategori investasi surat berharga pemerintah janga watu 5 sampai 10 tahun, dan sebesar juta rupiah untu ategori investasi pinjaman omersial. 4 PUSTAKA [1] Winston WL Operations Research Applications and Algorithms.Ed e-4.new Yor: Duxbury. [2] Gupta M, Bhattacharya D Goal programming and fuzzy goal programming techniques in the ban investment plans under the scenario of maximizing profit and minimizing ris factor: A case study.advances in Fuzzy Mathematics5(2): [3] Zimmermann Fuzzy Set Theory and Its Applications. Ed e-2. Massachusetts: Kluwer Academic Publishers. 292 Prosiding Seminar Nasional Sains V; Bogor, 10 November 2012
IV CONTOH KASUS DAN PEMBAHASAN
() 700 + 0 Z (X) 0 () () (4) Z X 6 6 + d d + = + d d + = a (X) 00 + 50 + d 50 d + = 00 + 5 a (X) 5 (5) 680 Z X 70 + d 4 d 4 + = (7) 50 a (X) 5 (8) x 5 x 00 x 50 x 4 0 (9) x i, d i, d i + 0; d i, d i +
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciAPLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK
APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperincivii PENGOPTIMUMAN RISIKO DAN PROFIT DALAM PERENCANAAN INVESTASI BANK DENGAN METODE GOAL PROGRAMMING DAN FUZZY GOAL PROGRAMMING NURUL KHOTIMAH
vii PENGOPTIMUMAN RISIKO DAN PROFIT DALAM PERENCANAAN INVESTASI BANK DENGAN METODE GOAL PROGRAMMING DAN FUZZY GOAL PROGRAMMING NURUL KHOTIMAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY
Jurnal Manti Penusa Vol No Desember ISSN 88-9 ANALISIS EPUASAN ONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAET (URIR DENGAN MENGGUNAAN METODE TOPSIS FUZZY Desi Vinsensia Program Studi Teni Informatia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
Lebih terperinciBAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel
BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel
Lebih terperinciKARAKTERISTIK POHON FUZZY
KARAKTERISTIK POHON FUZZY Yuli Stiawati 1, Dwi Juniati 2, 1 Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Universitas Negeri Surabaya, 60231 2 Jurusan Matematia, Faultas Matematia dan
Lebih terperinciMODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT)
MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) Asmara Iriani Tarigan (asmara@ut.ac.id) Sitta Alief Farihati Jurusan Matematia
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian yang aan dilauan meruju epada beberapa penelitian terdahulu yang sudah pernah dilauan sebelumnya, diantaranya: 1. I Gst. Bgs. Wisuana (2009)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaan Perembanan dunia perbanan yan disertai denan meninatnya omplesitas ativitas perbanan semain memperteas pentinnya tata elola perusahaan yan sehat (ood corporate overnance)
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciMetode Penggerombolan Berhirarki
4 TINJAUAN PUSTAKA Analisis gerombol dalam bidang riset pemasaran sering diistilahan sebagai analisis segmentasi, merupaan alat statistia peubah ganda yang bertujuan untu mengelompoan n indiidu data e
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciSOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)
Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan
Lebih terperinciINTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh
INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperinciIII 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciMENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT
MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciMATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor
MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong
Lebih terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperincitidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama
BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA
PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia
Lebih terperinciAnalisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus
Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,
Lebih terperinciPEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER
PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya
Lebih terperinciBAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciKeragaman Struktur Tegakan Hutan Alam Sekunder The Variability of Stand Structure of Logged-over Natural Forest
JMHT Vol. XIV, (2): 81-87, Agustus 28 ISSN: 215-157X Keragaman Strutur Tegaan Hutan Alam Seunder The Variability of Stand Structure of Logged-over Natural Forest Abstract Muhdin 1*, Endang Suhendang 1,
Lebih terperinciPENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA
PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciEFISIENSI EKONOMI DAN SKALA USAHA TEKNOLOGI BUDIDAYA UDANG WINDU (Penaeus monodon. F) DI SULAWESI SELATAN
EFISIENSI EKONOMI DAN SKALA USAHA TEKNOLOGI BUDIDAYA UDANG WINDU (Penaeus monodon. F) DI SULAWESI SELATAN Ali Musa Pasaribu Program Pasca Sarjana Magister Administrasi Publi, FISIP Universitas Hang Tuah,
Lebih terperinciPencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan
Abstra Pencitraan omografi Eletri dengan Eletroda Planar di Permuaan D. Kurniadi, D.A Zein & A. Samsi KK Instrumentasi & Kontrol, Institut enologi Bandung Jl. Ganesa no. 10 Bandung Received date : 22 November2010
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciBAB III HASIL DAN PEMBAHASAN
15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan
Lebih terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciFUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL
Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan
Lebih terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
Lebih terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
Lebih terperinciMASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS
Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya
Lebih terperinciBAB IV Solusi Numerik
BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciPENGUKURAN PENDAPATAN NASIONAL
PENGUKURAN PENDAPATAN NASIONAL A. PENDEKATAN PRODUKSI (PRODUCTION APPROACH) Menghitung besarnya pendapatan nasional dengan menggunaan pendeatan produsi didasaran atas perhitungan dari jumlah nilai barang-barang
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,
Lebih terperinciPenggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan
Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:
Lebih terperinciPENYELESAIAN MASALAH PENGAMBILAN DAN PENGIRIMAN DENGAN KENDALA WAKTU MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM. Oleh: FAJAR DELLI WIHARTIKO G
PENYELESAIAN MASALAH PENGAMBILAN DAN PENGIRIMAN DENGAN KENDALA WAKU MENGGUNAKAN EKNIK PEMBANGKIAN KOLOM Oleh: FAJAR DELLI WIHARIKO G540035 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU
Lebih terperinciPENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK
PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu
Lebih terperinciSISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA
SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA Ruhana Khabibah, Hery Tri Sutanto 2, Yuliani Puji Astuti 3 Jurusan Matematia, Faultas Matematia dan Ilmu
Lebih terperinciBEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.
Lebih terperinciAnalisis Varians = Analysis of Variance = ANOVA
. Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.
Lebih terperinciKENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA. Thiang, Resmana, Wahyudi
KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA Thiang, Resmana, Wahyudi Jurusan Teni Eletro, Universitas Kristen Petra Jl. Siwalanerto 121-131 Surabaya Email : thiang@petra.ac.id,
Lebih terperinciAPLIKASI METODE EXSTENDED QUADRATIC INTERIOR POINT (EQIP) UNTUK ECONOMIC DISPATCH PEMBANGKIT TERMAL DI BALI
Apliasi MetodeExstended Quadratic Interior Ngaan utu Satriya Utama ALIKASI METODE ESTENDED QUADRATIC INTERIOR OINT (EQI) UNTUK ECONOMIC DISATCH EMBANGKIT TERMAL DI BALI Ngaan utu Satriya Utama Staf engajar
Lebih terperinciALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)
ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) Igusta Wibis Vidi Abar Purwanto 2 FMIPA Universitas Negeri Malang E-mail: wibis.roccity@gmail.com Abstra: Multi Depot Vehicle Routing
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciMANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI (STUDI KASUS DI PT THAMRIN BROTHERS)
Seminar Nasional Apliasi Tenologi Informasi 2011 (SNATI 2011) ISSN: 1907-5022 Yogyaarta, 17-18 Juni 2011 MANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI
Lebih terperinciAplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja
Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership
Lebih terperinciSTUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING
STUDI KOPARASI IPEENTASI JARINGAN BASIS RADIA DAN FUZZY INFERENCE SYSTE TSK UNTUK PENYEESAIAN CURVE FITTING Sri Kusumadewi Teni Informatia Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyaarta cicie@fti.uii.ac.id
Lebih terperinci( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang
LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil
Lebih terperinciPENERAPAN METODE FUZZY MULTI CRITERIA DECISION MAKING PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE
PENERAPAN METODE FUZZY MULTI CRITERIA DECISION MAKING PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE Novhirtamely Kahar 1, Rii 2 12 Program Studi Teni Informatia, STMIK Nurdin Hamzah, Jambi ` E-mail:
Lebih terperinciRINGKASAN SKRIPSI MODUL PERKALIAN
RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN
Lebih terperinciOSN 2014 Matematika SMA/MA
Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan
Lebih terperinciKumpulan soal-soal level seleksi Kabupaten: Solusi: a a k
Kumpulan soal-soal level selesi Kabupaten: 1. Sebuah heliopter berusaha menolong seorang orban banjir. Dari suatu etinggian L, heliopter ini menurunan tangga tali bagi sang orban banjir. Karena etautan,
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinci(M.6) FUZZY K-MEANS CLUSTERING UNTUK MENGKLASIFIKASIKAN PERUSAHAAN EKSPORTIR FURNITURE ROTAN DI KABUPATEN CIREBON
Universitas Padadaran, 3 November 00 (M.6) FUZZY K-MEANS CLUSTERING UNTUK MENGKLASIFIKASIKAN PERUSAHAAN EKSPORTIR FURNITURE ROTAN DI KABUPATEN CIREBON Hadi Rachmat Anindya Apriliyanti Pravitasari 3 Sri
Lebih terperinci