MODEL MATEMATIS PERSEDIAAN TERINTEGRASI ANTARA SUATU PERUSAHAAN DAN DISTRIBUTORNYA

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODEL MATEMATIS PERSEDIAAN TERINTEGRASI ANTARA SUATU PERUSAHAAN DAN DISTRIBUTORNYA"

Transkripsi

1 MOEL MAEMAI PEREIAAN ERIEGRAI ANARA UAU PERUAAAN AN IRIBUORNYA (Nyoma utapa & Frasisa) MOEL MAEMAI PEREIAAN ERINEGRAI ANARA UAU PERUAAAN AN IRIBUORNYA Nyoma utapa ose Faultas ei Jurusa ei Idustri Uiersitas Kriste Petra Frasisa Alumus Faultas ei Jurusa ei Idustri Uiersitas Kriste Petra ABRAK ua uah model matematis persediaa teritegrasi diaalisis. Kedua model ertujua utu memiimuma total iaya persediaa dari seuah perusahaa da distriutorya yag salig teroordiasi da eerjasama. Model matematis terseut adalah model I (Idetical eliery uatity), jumlah pegirima produ epada distriutor adalah sama pada setiap pegirima, da edua adalah model WP (eliery What is Produced), jumlah pegirima epada distriutor adalah erariasi pada setiap pegirima, yaitu semua persediaa yag tersedia pada perusahaa saat itu diirim e distriutor. Pada agia ahir dari maalah ii aa ditampila seuah cotoh umeris, yag daripadaya aa diperlihata dalam eada agaimaa seaiya satu diatara edua model dipilih. Kata uci: model matematis, persediaa, teritegrasi. ABRAC wo mathematical model of ietories are aalised. he aim of these models are miimizig the total cost of ietories o a compay ad its distriutor. he first mathematical model is I (Idetical eliery uatity) model, i.e. the amout of deliery to distriutor is idetically for eery repleishmet. he secod oe is WP (eliery What is Produced) model, i.e. the amout of deliery to distriutor is ot idetically for eery repleishme, all of distriutor s ietories are supplied to distriutor. Both of these models, hadlig the coorporatio of ietory cotrol etwee compay ad oe distriutor. At the ed of this paper, will e showed a umerical example ad from it will e aalized i which situatios oe of these models is the est. Keywords: mathematical model, ietory, itegrated.. PENAULUAN uatu perusahaa yag eerjasama dega distriutorya serig meghadapi masalah tetag persediaa di edua elah piha. Utu itu diperlua suatu eijaa produsi da persediaa, utu jeis jeis item yag aa diprodusi da disuplai oleh perusahaa, yag teroordiasi diatara edua elah piha terseut, tujuaya adalah memiimuma total iaya gauga atara perusahaa da distriutorya, yag dalam hal ii terdiri dari iaya persiapa utu mejalaa proses produsi pada perusahaa, iaya pemesaa pada distriutor serta iaya peyimpaa persediaa pada perusahaa da distriutorya. Utu meghitug total iaya gauga terseut aa dideati dega dua uah model matematis, Viswaatha [7]. Kedua model ii didasara atas dua strategi yaitu: Jurusa ei Idustri, Faultas eologi Idustri, Uiersitas Kriste Petra 3

2 JURNAL EKNIK INURI VOL., NO., JUNI 000: 3 - Jumlah pegirima epada distriutor adalah sama pada setiap pegirima. Keijaa ii diseut seagai strategi I (Idetical eliery uatity), model ii diemaga oleh Lu [5]. Jumlah pegirima epada distriutor adalah tida sama pada setiap pegirima. Pada setiap pegirima, semua persediaa yag tersedia pada perusahaa diirim lagsug e distriutor. Keijaa ii diseut seagai strategi WP (eliery What is Produced), Goyal [4]. Meurut Lu [5], asumsi petig seelum megimplemetasia model I, adalah perusahaa harus megetahui jumlah permitaa dalam suatu periode tertetu, serta iaya simpa da iaya pesa dari distriutor. ecara umum, edua model megasumsia ahwa data-data permitaa, rata-rata produsi da iaya setup pada perusahaa serta iaya order pada distriutor dietahui da osta. edaga, iaya euraga persediaa tida diperhituga.. MOEL MAEMAI PEREIAAN ERINEGRAI Beriut adalah otasi-otasi da defiisi-defiisi yag diguaa dalam perumusa model matematis persediaa teritegrasi: : total iaya gauga per tahu r : periraa iaya peyimpaa dari modal yag ditaama dalam prosetase (uit/tahu) C : iaya maufaturig pada perusahaa per uit (Rp/uit) C : harga pemelia pada distriutor per uit produ ( Rp/uit) : iaya peyimpaa persediaa per uit produ pada perusahaa per tahu (Rp/uit) : iaya peyimpaa persediaa per uit produ pada distriutor per tahu (Rp/uit) : iaya produsi pada perusahaa per setup (Rp/setup) A : iaya pesaa pada distriutor utu setiap pegirima (Rp/pesa) P : rata-rata produsi pada perusahaa per tahu (uit) : jumlah permitaa dari distriutor per tahu (uit) /P : peradiga atara permitaa da rata-rata produsi / P/ : peradiga atara rata-rata produsi da permitaa α A/ : peradiga atara iaya pesa da iaya setup β / : peradiga iaya peyimpaa persediaa : jumlah pegirima dari perusahaa e distriutor : jumlah produsi pada perusahaa per productio ru (uit) ( (A ) ) P / : iteral watu atara productio ru (tahu) : jumlah pegirima dari distriutor dalam seali produsi. 4 Jurusa ei Idustri, Faultas eologi Idustri, Uiersitas Kriste Petra

3 MOEL MAEMAI PEREIAAN ERIEGRAI ANARA UAU PERUAAAN AN IRIBUORNYA (Nyoma utapa & Frasisa) Jurusa ei Idustri, Faultas eologi Idustri, Uiersitas Kriste Petra 5. Model Matematis I Biaya tahua yag diadaa oleh perusahaa, meurut Lu [5] dirumusa, P P C r atau edaga, iaya tahua yag diadaa oleh distriutor dapat dirumusa seagai : C r A atau A ehigga, total iaya gauga yag diadaa oleh perusahaa da distriutor, utu suatu ilai da tertetu merupaa gauga atar da : A,, Utu ilai tertetu, ilai eoomis dari, yaitu ilai optimal terhadap, dapat diturua seagai eriut: 0 d d A () Jadi, utu ilai tertetu, ilai optimum dari dapat diturua seagai eriut: A, imaa seperti pada persamaa (). ega demiia ilai optimal adalah: A A A

4 JURNAL EKNIK INURI VOL., NO., JUNI 000: 3 - atau β ( α ) () Nilai optimum, ataa seagai, dapat ditemua dega memiimuma () dari persamaa, seperti eriut ii: β β α α etelah megaaia ariael-ariael da ostata-ostata yag eas dari masalah miimisasi ii dapat disederhaaa mejadi: β α( ) Nilai eoomis dari, diperoleh etia: da α( ) ( ) ( ) ( ) ( ) β ega mesustitusia persamaa (4) da (5) e persamaa (3), maa didapata: da ( ) β ( ) α β ( ) ( ) α Gauga persamaa ( 6) da (7 ) aa didapat: β ( ) α ( ) ( ) Maa ilai optimal total iaya gauga utu strategi I adalah: (3) (4) (5) (6) (7) (I) β ( α ). Model Matematis WP otal jumlah produsi yag diirima dari perusahaa e distriutor, meurut Goyal [5], dapat dirumusa seagai eriut: 6 Jurusa ei Idustri, Faultas eologi Idustri, Uiersitas Kriste Petra

5 MOEL MAEMAI PEREIAAN ERIEGRAI ANARA UAU PERUAAAN AN IRIBUORNYA (Nyoma utapa & Frasisa) Jurusa ei Idustri, Faultas eologi Idustri, Uiersitas Kriste Petra 7 ) ( ) ( elajutya, total iaya gauga utu suatu ilai da tertetu adalah: C C r A atau A Utu ilai tertetu, maa ilai eoomis dari (), dapat diturua seperti diawah ii: 0 (syarat optimal jia ditijau terhadap ) 0 A yag ahirya setelah disederhaaa didapata (8) A Jadi, utu ilai yag dieria, ilai optimum dari dapat diturua seagai eriut: A imaa seperti pada persamaa (8 ), dega demiia ilai dari () dapat diyataa dega: (9) A A A

6 JURNAL EKNIK INURI VOL., NO., JUNI 000: 3 - ari persamaa (9), ila terleih dahulu diuadrata, maa aa didapat etu yag leih sederhaa, yaitu: ( A )( ) ( )( ) ( A )( )( ) ( )( ) ( A )( ) ( ) ( )( ) ( ) ( ) Persamaa ii disederhaaa da dicari aarya, didapata: ( β )( )( )( α ) ( )( ) Ahirya, ilai optimaldari total iaya gauga utu strategi WP dapat diyataa dega: ( WP ) ( β )( )( )( α) ( )( ).3 Rasio Peradiga Biaya atara Model Matematis I da WP Utu dapat meetua strategi maa yag leih ai atara model I da WP, maa dilaua perhituga rasio iaya yag didapat dari model I dega model WP, dirumusa seagai : ( I) ( WP) R 00% Apaila ilai R leih esar dari 00%, maa eijaa persediaa teritegrasi yag dimodela dega model WP merupaa strategi yag leih ai. etapi sealiya, apaila ilai R urag dari 00%, maa eijaa yag dimodela dega I merupaa strategi yag leih ai. 3. CONO NUMERI Beriut adalah seuah cotoh umeris peetua strategi utu memiimala iaya total gauga persediaa atara seuah perusahaa yag memprodusi plasti da seuah distriutor pejualaya. ata-dataya teragum seagai eriut, Frasisa []: r.c 0, uit/tahu Rp 98.56,99 Rp 9.7,3984 uit/tahu Rp.64,6999 uit/ula. r.c 0, uit/tahu Rp Rp 9.00 uit/tahu Rp.433,3333 uit/ula. 8 Jurusa ei Idustri, Faultas eologi Idustri, Uiersitas Kriste Petra

7 MOEL MAEMAI PEREIAAN ERIEGRAI ANARA UAU PERUAAAN AN IRIBUORNYA (Nyoma utapa & Frasisa) αa/rp 8.700/ Rp ,707 da β / Rp.433,3333/Rp.64,6999,483. asil pegolaha data utu model I dalam uru watu 4 ula teragum pada ael, sedaga hasil pegolaha data utu model WP dalam uru watu 4 ula, dapat dilihat pada ael. ael : Biaya otal Gauga dega Model Matematis I Bula (uit) N (uit) (ula ) K *(I) (Rupiah) ,706, , ,6808, , ,643, , ,5799,745, ,765 ael. otal Biaya Gauga dega Model Matematis WP Bula (uit) N ( ) (uit) ,706, ,6808, ,643, ,5799, (uit) *(WP) (Rupiah) , , , ,03* , , , , ,76* , , ,4* , , , ,59* ,3 Rasio atara iaya yag didapat dari model I da model WP dapat dilihat pada tael 3: ael 3. Rasio otal Biaya atara Model I da WP Bula 3 4 R (%) 09, , ,033 08,6008 Jurusa ei Idustri, Faultas eologi Idustri, Uiersitas Kriste Petra 9

8 JURNAL EKNIK INURI VOL., NO., JUNI 000: 3 - ari ael 3 ii terlihat ahwa dalam 4 periode (ula), strategi dega model WP merupaa strategi yag leih ai utu memiimuma total iaya gauga. Jia ditijau secara umum rasio/peradiga iaya total atara I da WP, utu ilai-ilai α, β da yag erariasi, dapat dilihat pada ael 4. ael 4. Rasio/Peradiga R atara otal Biaya Gauga dari Model I da WP utu α, β da yag Berariasi α A/ β / ,80 0,0 0,0 0,0 0,0,50,75,00 90,98 86,0 8,87 70,34 95,6 90,60 86,68 75,48 99,83 95,5 9,83 8,0 05,90 0,00 98,63 88,63 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0,00,00,00,00,00,00,00,00,50,75,00,50,75,00,50,75,00,50,75,00 98,5 94,9 9,89 83, 00,90 97,99 95,45 88,5 00,00 00,00 00,00 96,83 00,00 00,00 00,00 99,60 03,69 00,7 97,47 88,98 05,66 0,99 00,84 93,56 05,43 0,95 0,76 99,70 00,69 00,69 00,69 99,70 08,97 05,84 03,3 95,39 09,85 07,30 05,9 98,83 07,30 06,38 05,64 0,50 05,85 04,95 04, 0,6 3,7,6 08,96 0,33 3,45, ,43 09,04 08,4 07,38 04,85 06,68 06,7 05,68 03,93 4. KEIMPULAN Pemiliha eijaa persediaa teritegrasi meurut strategi I atau WP, didasara atas ecedruga ilai dari α, β da. Beriut disajia esimpula, ael 5 diawah ii, dari hasil simulasi seperti yag ditujua ael 4 suagaia III di atas. ael 5. Piliha trategi Berdasara Kecedruga α, β da α β trategi yag dipilih Nai Nai Nai WP uru Nai Nai I uru Nai uru I Nai uru Nai WP uru uru Nai WP Nai Nai uru I 0 Jurusa ei Idustri, Faultas eologi Idustri, Uiersitas Kriste Petra

9 MOEL MAEMAI PEREIAAN ERIEGRAI ANARA UAU PERUAAAN AN IRIBUORNYA (Nyoma utapa & Frasisa) AFAR PUAKA Frasisa,999, trategi Optimal utu Model Persediaa yag eritegrasi atara Vedor-Buyer di P. a hie, ripsi/ugas Ahir No. 47/I-73/999, Jurusa ei Idustri, UK. Petra. Goyal..K, 988, A Joit Ecoomic Lot-ize Model for Purchaser ad Vedor: A Commet. ecisio ciece, Goyal, uresh K., ad Yash P. Gupta.,989, Itegrated Ietory Model: he Buyer- Vedor Coordiatio. Europea Joural of Operatio Research, ol. 4, Goyal,.K.,995, A Oe-Vedor Multi-Buyer Itegrated Ietory Model: A Commet. Europea Joural of Operatio Research, ol , Lu, Lu, 993, A Oe-Vedor Multi-Buyer Itegrated Ietory Model. Europe Joural of Operatio Research, ol. 8, ersie, Richard J., 988, Priciples of Ietory ad Materials Maagemet. 3d editio, North ollad, New Yor. Viswaatha,., 998, Optimal trategi for Itegrated Vedor-Buyer Ietory Model. Europea Joural of Operatio Research, ol. 05, Jurusa ei Idustri, Faultas eologi Idustri, Uiersitas Kriste Petra

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi

Lebih terperinci

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain. BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama

Lebih terperinci

PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ )

PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) (Fey Nilawati Kusuma et al.) PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) I Gede Agus Widyadaa I Nyoma Sutapa Dose Faultas Teologi

Lebih terperinci

Representasi sinyal dalam impuls

Representasi sinyal dalam impuls Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha

Lebih terperinci

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C. BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.

Lebih terperinci

MAKALAH TEOREMA BINOMIAL

MAKALAH TEOREMA BINOMIAL MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)

Lebih terperinci

STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS

STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

W. A. Jauhari / Proceeding Seminar Sistem Produksi X (2012)

W. A. Jauhari / Proceeding Seminar Sistem Produksi X (2012) W.. Jauari / roceedig Semiar Sitem rodui X egemaga Model rodui-erediaa pada Kau emao-emeli dega Keijaa eguraga Biaya emeaa da Lead ime yag Bergatug pada Uura Lot Waid mad Jauari Jurua ei Idutri Uiverita

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

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

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

Lebih terperinci

MACAM-MACAM TEKNIK MEMBILANG

MACAM-MACAM TEKNIK MEMBILANG 0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA

Lebih terperinci

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =

Lebih terperinci

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia? Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai

Lebih terperinci

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu

Lebih terperinci

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri

Lebih terperinci

Analisis regresi linear ganda bertujuan untuk mencari bentuk hubungan linear antara satu variabel terikat Y dan k variabel bebas X1, X2, X3,..., Xk.

Analisis regresi linear ganda bertujuan untuk mencari bentuk hubungan linear antara satu variabel terikat Y dan k variabel bebas X1, X2, X3,..., Xk. EGESI DAN KOELASI LINEA GANDA Aalisis egesi liea gada etujua utu mecai etu huuga liea ataa satu vaiael teiat da vaiael eas,, 3,...,. Meetua pesamaa egesi liea gada Pesamaa egesi pada da adalah Dega metode

Lebih terperinci

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia

Lebih terperinci

Kuliah 9 Filter Digital

Kuliah 9 Filter Digital TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 9 Filter Digital Idah Susilawati, S.T.,.Eg. Progra Studi Tei Eletro Progra Studi Tei Iforatia Faultas Tei da Ilu Koputer Uiversitas ercu Buaa Yogaarta 9 Kuliah

Lebih terperinci

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this

Lebih terperinci

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag

Lebih terperinci

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil

Lebih terperinci

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data permitaa Dalam meramalka permitaa produk lever cable utuk kebutuha PT. Kyoda Mas Mulia sediri. data yag diambil utuk perhituga peramala permitaa yaitu dega

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5 Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah

Lebih terperinci

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial 5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial

Lebih terperinci

Perluasan Uji Kruskal Wallis untuk Data Multivariat

Perluasan Uji Kruskal Wallis untuk Data Multivariat Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia

Lebih terperinci

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG) PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar

Lebih terperinci

Metode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu

Metode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug

Lebih terperinci

Bab 16 Integral di Ruang-n

Bab 16 Integral di Ruang-n Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat

Lebih terperinci

Penggunaan Transformasi z

Penggunaan Transformasi z Pegguaa Trasformasi pada Aalisa Respo Freuesi Sistem FIR Oleh: Tri Budi Satoso E-mail:tribudi@eepis-its.eduits.edu Lab Siyal,, EEPIS-ITS ITS /3/6 osep pemiira domais of represetatio Domai- discrete time:

Lebih terperinci

DESAIN PENGENDALIAN TEGANGAN ALTERNATOR PADA SISTEM PENGISIAN BATERAI MENGGUNAKAN METODE SLIDING MODE CONTROL (SMC) Akhmad Nurhadi

DESAIN PENGENDALIAN TEGANGAN ALTERNATOR PADA SISTEM PENGISIAN BATERAI MENGGUNAKAN METODE SLIDING MODE CONTROL (SMC) Akhmad Nurhadi OGO DEAN PENGENDAAN TEGANGAN ATENATO PADA TEM PENGAN BATEA MENGGUNAKAN METODE DNG MODE CONTO (MC) Ahmad Nurhadi 1206100713 JUUAN MATEMATKA FAKUTA MATEMATKA DAN MU PENGETAHUAN AAM NTTUT TEKNOOG EPUUH NOPEMBE

Lebih terperinci

Pemrograman Dinamis (Dynamic Programming) Materi

Pemrograman Dinamis (Dynamic Programming) Materi 0/8/009 Pemrograma Diamis (Dyamic Programmig) Kuliah 04-05 TI Peelitia Operasioal II Materi Pegatar Masalah pemrograma diamis determiistik Masalah pemrograma diamis probabilistik TI Peelitia Operasioal

Lebih terperinci

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

Pemilihan Kapasitas Dan Lokasi Optimal Kapasitor Paralel Pada Sistem Distribusi Daya Listrik

Pemilihan Kapasitas Dan Lokasi Optimal Kapasitor Paralel Pada Sistem Distribusi Daya Listrik ELECTRICIAN Jural Reayasa da Teologi Eletro 0 Pemiliha Kapasitas Da Loasi Optimal Paralel Pada Sistem Distribusi Daya Listri Osea Zebua Jurusa Tei Eletro, Faultas Tei, Uiversitas Lampug Jl. Prof. Sumatri

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap

Lebih terperinci

MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN

MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN Adam Priyo Hartoo 1), Farida Haum 2), Toi Bahtiar 3) 1)2)3) Departeme Matematia, FMIPA, Istitut Pertaia Bogor Kampus

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET KELAS XII. IPS SEMESTER I Oleh : Drs. Pudjul Prijoo ( http://vidyagata.wordpress.co ) SMA NEGERI 6 Jala Mayje Sugoo 58 Malag Telp./Fax : (034) 75036 E-Mail : sa6_alag@yahoo.co.id

Lebih terperinci

SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL

SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL Edag Habiuddi (Staf Pegajar UP MKU Politei Negeri Badug (Email : ed_.hab@yahoo.co.id ABSTRAK Sistem ragaia listri RLC seri

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Tempat da Watu Peelitia Peelitia megeai Kepuasa Kosume Restora Gampoeg Aceh, dilasaaa pada bula Mei 2011 higga Jui 2011. Restora Gampoeg Aceh, bertempat di Jl Pajajara, Batarjati,

Lebih terperinci

Model Antrian Multi Layanan

Model Antrian Multi Layanan Jural Gradie Vol. No. Juli : 8- Model Atria Multi Layaa Sisa Yosmar Jurusa Matematia, Faultas Matematia da Ilmu egetahua Alam, Uiversitas Begulu, Idoesia Diterima 9 April; Disetujui 8 Jui Abstra - Salah

Lebih terperinci

Penentuan Sampling Minimal Dalam Eksperimen Life-Testing menggunakan Order Statistics. Oleh:

Penentuan Sampling Minimal Dalam Eksperimen Life-Testing menggunakan Order Statistics. Oleh: Penentuan Sampling Minimal Dalam Esperimen Life-Testing menggunaan Order Statistics Oleh: Budhi Handoo Staff Pengajar Jurusan Statistia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Padjadjaran

Lebih terperinci

KINETIKA REAKSI PIROLISIS PLASTIK LOW DENSITY POLIETHYLENE (LDPE)

KINETIKA REAKSI PIROLISIS PLASTIK LOW DENSITY POLIETHYLENE (LDPE) KINETIKA REAKSI PIROLISIS PLASTIK LOW DENSITY POLIETHYLENE (LDPE) Sumari 1, Ai Purwati 2 1,2 Jurusa Tei Kimia, Istitut Sais & Teologi AKPRIND Yogyaarta e-mail : ai4wati@gmail.com ABSTRAT The ucatalytic

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Risio Operasioal.1.1 Defiisi Dewasa ii risio operasioal semai diaui sebagai salah satu fator uci yag perlu dielola da dicermati oleh para pelau usaha, hususya di bidag jasa euaga.

Lebih terperinci

BAB III HITUNG KEUANGAN

BAB III HITUNG KEUANGAN BAB III HITUNG KEUANGAN A. BUNGA TUNGGAL. ENGERTIAN BUNGA TUNGGAL Utu memahami pegertia buga, coba ita lihat cotoh beriut : Cotoh :. Tofa memijam modal pada sebuah Ba sebesar Rp.000.000,00. Setelah satu

Lebih terperinci

Keywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual-

Keywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual- Jural MIPA FST UNDANA, Volume 2, Nomor, April 26 DUAL-, DUAL- DAN DUAL- DARI RUANG BARISAN CS Albert Kumaereg, Ariyato 2, Rapmaida 3,2,3 Jurusa Matematia, Faultas Sais da Tei Uiversitas Nusa Cedaa ABSTRACT

Lebih terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

Lebih terperinci

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

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

Lebih terperinci

MENGUJI KEMAKNAAN SAMPEL TUNGGAL

MENGUJI KEMAKNAAN SAMPEL TUNGGAL MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi

Lebih terperinci

Aproksimasi Terbaik dalam Ruang Metrik Konveks

Aproksimasi Terbaik dalam Ruang Metrik Konveks Aprosimasi Terbai dalam Ruag etri Koves Oleh : Suharsoo S Jurusa atematia FIPA Uiversitas Lampug Abstra asalah esistesi da etuggala aprosimasi terbai suatu titi dalam ruag berorm telah dipelajari oleh

Lebih terperinci

MODEL DISTRIBUSI BAHAN AJAR UNIVERSITAS TERBUKA DAN IMPLEMENTASINYA

MODEL DISTRIBUSI BAHAN AJAR UNIVERSITAS TERBUKA DAN IMPLEMENTASINYA MODEL DISTRIBUSI BAHAN AAR UNIVERSITAS TERBUKA DAN IMPLEMENTASINYA Sitta Alief Farihati (sitta@mail.ut.ac.id) Uiversitas Terbua Amril Ama I. N. Kutha Ardaa Pascasarjaa Istitut Pertaia Bogor ABSTRACT Uiversitas

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

Perbandingan Metode Pendugaan Kemungkinan Maksimum (MLE) dan Pendugaan Kuadrat Terkecil (LSE) Dalam Distribusi Keandalan

Perbandingan Metode Pendugaan Kemungkinan Maksimum (MLE) dan Pendugaan Kuadrat Terkecil (LSE) Dalam Distribusi Keandalan Semiar Nasioal Statistika IX Istitut Tekologi Sepuluh Nopemer, 7 Novemer 009 Peradiga Metode Pedugaa Kemugkia Maksimum (MLE) da Pedugaa Kuadrat Terkecil (LSE) Dalam Distriusi Keadala I Nyoma Latra, da

Lebih terperinci

BAHAN AJAR DIKLAT GURU MATEMATIKA

BAHAN AJAR DIKLAT GURU MATEMATIKA BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

SISTEM PERSEDIAAN OBAT-OBATAN MENGGUNAKAN METODE PERIODIC REVIEW DAN SERVICE LEVEL DI INSTALASI FARMASI RUMAH SAKIT

SISTEM PERSEDIAAN OBAT-OBATAN MENGGUNAKAN METODE PERIODIC REVIEW DAN SERVICE LEVEL DI INSTALASI FARMASI RUMAH SAKIT SISTEM PERSEDIAAN OBAT-OBATAN MENGGUNAKAN METODE PERIODIC REVIEW DAN SERVICE LEVEL DI INSTALASI FARMASI RUMAH SAKIT Ayu Bidiawati J.R [*] [*] Laboratorium Peracaga Sistem Kerja da Ergoomi Jurusa Tekik

Lebih terperinci

BAB 6 NOTASI SIGMA, BARISAN DAN DERET

BAB 6 NOTASI SIGMA, BARISAN DAN DERET BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat

Lebih terperinci

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

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

Lebih terperinci

III. METODOLOGI KAJIAN

III. METODOLOGI KAJIAN 39 III. METODOLOGI KAJIAN A. Lokasi da Waktu Kajia Kajia telah dilakuka di PD. Augerah Hero, suatu idustri kecil sepatu yag beralamat di Kampug Sawah Ilir RT.02 RW.03 Mekarjaya, Kecamata Ciomas, Kabupate

Lebih terperinci

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE Teorema Keovergea Fugsi Teritegral Hestoc(Aiswita) TORMA KKONVRGNAN FUNGSI TRINTGRAL HNSTOCK- KURZWIL SRNTAK DAN FUNGSI BRSIFAT LOCALLY SMALL RIMANN SUMS (LSRS) DARI RUANG UCLID K RUANG BARISAN Aiswita,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ,

BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ, BAB II TINJAUAN PUSTAKA.1 Pedahulua Dalam peulisa materi poo dari sripsi ii diperlua beberapa teori-teori yag meduug, yag mejadi uraia poo pada bab ii. Uraia dimulai dega membahas distribusi ormal da distribusi

Lebih terperinci

Gerak Brown Fraksional dan Sifat-sifatnya

Gerak Brown Fraksional dan Sifat-sifatnya SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 S - 3 Gera Brow Frasioal da Sifat-sifatya Chataria Ey Murwaigtyas, Sri Haryatmi, Guardi 3, Herry P Suryawa 4,,3 Uiversitas Gadjah Mada,4 Uiversitas

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL

PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL Ahma Sya roi, M Natsir, Eag Lily E-mail: Arolativa@yahoocom Mahasiswa Program S Matematia Dose Jurusa Matematia

Lebih terperinci

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis.

METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat historis. III. METODE PENELITIAN 1.1. Jeis da Sumber Data Data yag diguaka dalam peelitia ii adalah data sekuder yag bersifat historis. Sumber data sekuder adalah sumber data peelitia yag diperoleh peeliti secara

Lebih terperinci

SISTEM PERSAMAAN LINEAR ...

SISTEM PERSAMAAN LINEAR ... SISTEM PERSAMAAN LINEAR Pertemua : 5&6 TUJUAN INSTRUKSIONAL KHUSUS :. Mejelaska pegertia sistem persamaa liear serta solusi dari SPL. Mejelaska cara merepesetasika sistem persamaa liear ke dalam etuk perkalia

Lebih terperinci

PENGENDALIAN PERSEDIAAN BAHAN BAKU KAIN PADA DEPARTEMEN PRINTING-DYEING PT. KHS DENGAN ALGORITMA WAGNER WHITIN

PENGENDALIAN PERSEDIAAN BAHAN BAKU KAIN PADA DEPARTEMEN PRINTING-DYEING PT. KHS DENGAN ALGORITMA WAGNER WHITIN PENGENDALIAN PERSEDIAAN BAHAN BAKU KAIN PADA DEPARTEMEN PRINTING-DYEING PT. KHS DENGAN ALGORITMA WAGNER WHITIN Ema Yuliastuti 1, Wakhid Ahmad Jauhari 2, Cucuk Nur Rosyidi 3 1,2,3 Jurusa Tekik Idustri,

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

MAKALAH KONTROL H 2 DAN KONTROL H SERTA APLIKASINYA DALAM SISTEM MASSA PEGAS KARTIKA YULIANTI ( ) RIRIN SISPIYATI ( )

MAKALAH KONTROL H 2 DAN KONTROL H SERTA APLIKASINYA DALAM SISTEM MASSA PEGAS KARTIKA YULIANTI ( ) RIRIN SISPIYATI ( ) MKLH KONTOL H N KONTOL H SET PLKSN LM SSTEM MSS PEGS KTK ULNT 6 N SSPT 63 POGM STU MTEMTK NSTTUT TEKNOLOG NUNG 7 PENHULUN. Latar elaag Masalah Efisiesi da efetivitas suatu siste yag diais selalu ejadi

Lebih terperinci

SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA

SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA KELAS D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga Yogyaarta e-mail: malahayati_01@yahoo.co.id ABSTRAK Himpua

Lebih terperinci

Konvolusi pada Distribusi dengan Support Kompak

Konvolusi pada Distribusi dengan Support Kompak Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

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

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

Lebih terperinci

3. Integral (3) (Integral Tentu)

3. Integral (3) (Integral Tentu) Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.

Lebih terperinci

Pengembangan Model untuk Aplikasi Pengendalian Persediaan Probabilistik Multi Item Single Supplier

Pengembangan Model untuk Aplikasi Pengendalian Persediaan Probabilistik Multi Item Single Supplier Pegembaga Model utuk Aplikasi Pegedalia Persediaa Probabilistik Multi Item Sigle Supplier Rolad Y. H. Silitoga 1, Meyeli Paskal Kawet 2 1,2 Program Studi Tekik Idustri, Istitut Tekologi Harapa Bagsa Jala

Lebih terperinci

FORECASTING (Peramalan)

FORECASTING (Peramalan) FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di lokasi huta taama idustri yag terdapat di PT. Wirakarya Sakti Provisi Jambi. Waktu pelaksaaa peelitia ii adalah bula April

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

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

Lebih terperinci

Bab 6: Analisa Spektrum

Bab 6: Analisa Spektrum BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi

Lebih terperinci

III. METODE PENELITIAN

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

Lebih terperinci

BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan

BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu

Lebih terperinci

ANALISA PENGARUH PANJANG BELT CONVEYOR TERHADAP FREKUENSI REPAIR SEBELUM DAN SESUDAH MENGGUNAKAN LOCKING BOLT PADA SAMBUNGAN COLD SPLICING ABSTRAKSI

ANALISA PENGARUH PANJANG BELT CONVEYOR TERHADAP FREKUENSI REPAIR SEBELUM DAN SESUDAH MENGGUNAKAN LOCKING BOLT PADA SAMBUNGAN COLD SPLICING ABSTRAKSI ANALIA PENGARUH PANJANG BELT CONVEYOR TERHAAP FREKUENI REPAIR EBELUM AN EUAH MENGGUNAKAN LOCKING BOLT PAA AMBUNGAN COL PLICING ABTRAKI Ach. Hadi Widodo¹,Priyagug Hartoo²,uatmio³ ¹Mahasiswa Tei Mesi,Uiversitas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum, 32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata

Lebih terperinci

Jurnal MIPA 38 (1) (2015): Jurnal MIPA.

Jurnal MIPA 38 (1) (2015): Jurnal MIPA. Jural MIPA 38 () (5): 68-78 Jural MIPA http://ouraluesacid/u/idephp/jm APROKSIMASI ANUIAS HIDUP MENGGUNAKAN KOMBINASI EKSPONENSIAL LJ Siay S Gurito Guardi 3 Jurusa Matematia FMIPA Uiversitas Pattimura

Lebih terperinci

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

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

Lebih terperinci

Inflasi dan Indeks Harga I

Inflasi dan Indeks Harga I PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya

Lebih terperinci

DAFTAR ISI. HALAMAN JUDUL... i. SURAT PERNYATAAN KEASLIAN TA... ii. HALAMAN PENGESAHAN... iii. HALAMAN PERSEMBAHAN... v. MOTTO...

DAFTAR ISI. HALAMAN JUDUL... i. SURAT PERNYATAAN KEASLIAN TA... ii. HALAMAN PENGESAHAN... iii. HALAMAN PERSEMBAHAN... v. MOTTO... DAFTAR ISI HALAMAN JUDUL... i SURAT PERNYATAAN KEASLIAN TA... ii HALAMAN PENGESAHAN... iii HALAMAN PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii ABSTRAK... ix DAFTAR ISI... x DAFTAR GAMBAR... xiv

Lebih terperinci

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg

Lebih terperinci

MATERI 10 ANALISIS EKONOMI

MATERI 10 ANALISIS EKONOMI MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa

Lebih terperinci

1. Integral (1) Pembahasan yang akan kita lakukan hanya mengenai bentuk persamaan diferensial seperti contoh yang pertama.

1. Integral (1) Pembahasan yang akan kita lakukan hanya mengenai bentuk persamaan diferensial seperti contoh yang pertama. Darublic www.darublic.com 1. Itegral (1) (Macam Itegral, Pedeata Numeri) Sudarato Sudirham Dalam bab sebeluma, ita memelajari salah satu bagia utama alulus, aitu alulus diferesial. Beriut ii ita aa membahas

Lebih terperinci

APROKSIMASI DISTRIBUSI WAKTU HIDUP YANG AKAN DATANG (Aproximations of the Future Lifetime Distribution)

APROKSIMASI DISTRIBUSI WAKTU HIDUP YANG AKAN DATANG (Aproximations of the Future Lifetime Distribution) Jural Bareeg Vol 5 No Hal 47 5 (2) APROKSIMASI DISRIBUSI WAKU HIDUP YANG AKAN DAANG (Aproimatios of te Future Lifetime Distributio) HOMAS PENURY RUDY WOLER MAAKUPAN 2 LEXY JANZEN SINAY 3 Guru Besar Jurusa

Lebih terperinci