PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA"

Transkripsi

1 Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Yeffransjah Salm STMIK Indonesa Banjarmasn; Jl P.Hdayaullah Banua Anyar, Banjarmasn. Telp E-mal: Absrak Proses dalam meneapkan calon penerma beasswa bukanlah hal yang mudah erlebh dengan mempermbangkan beberapa alernaf dan krera pada suau suas yang bersfa samar (fuzzy), maka dbuuhkan sebuah ssem pendukung kepuusan. Salah sau meode yang dapa dgunakan unuk Ssem Pendukung Kepuusan adalah dengan menggunakan Fuzzy Mul Mu Crera Decson Makng (FuzzyMCDM). Meode n dplh karena mampu menyeleks alernaf erbak dar sejumlah alernaf, dalam hal n alernaf yang dmaksudkan yau unuk menenukan calon penerma beasswa dengan laar belakang yang beraneka ragam anara lan penghaslan / gaj orang ua dalam sebulan, jumlah anggungan dalam suau keluarga, saus orang ua dar mahasswa calon penerma beasswa bersangkuan, nla ndeks presas semeser berjalan, dan ndek presas kumulaf mahasswa, dmana masng-masng memlk krera yang bobonya berbeda, hal n enunya akan mempersul pengamblan kepuusan unuk menenukan solus yang efekf sehngga pemberan beasswa ersebu epa sasaran, sera proses unuk melakukan seleks calon penerma beasswa dapa dengan mudah dan cepa dsera dengan daa yang akura dapa dlaksanakan. Kaa kunc: bobo, krera, Fuzzy Mul Crera Decson Makng (Fuzzy MCDM), dan rankng. 1. Pendahuluan Mucrera Decson Makng Mehods (MCDM) adalah sebuah meode yang mengacu pada proses screenng, prorzng, rankng, aau memlh se alernave (dapa berupa canddae aau acon) dengan crera yang bersfa ndependen, ncommensurae, aau conflcng [ HYPERLINK \l "Wan05" 1 ]. MCDM sanga epa unuk dmplemenaskan pada kasus dengan semua alernaf yang memlk sejumlah crera yang masngmasng memlk nla nomnal dan masng-masng crera memlk bobo yang dapa dmanfaakan sebaga sarana pembandng. MCDM memlk asums bahwa rang alernaf dan bobo dar crera bersfa crps, namun dak semua kasus memenuh asums ersebu. Sehngga pemkran MCDM kurang epa dan dperlukan sejumlah pemkran baru2]. Pemkran ersebu eruang dalam konsep FMCDM yang merupakan suau meode pengamblan kepuusan dengan mempermbangkan beberapa alernaf dan krera pada suau suas yang bersfa fuzzy [ HYPERLINK \l "Sr1" 3 ]. Hal n sanga epa unuk menyelesakan permasalahan dalam proses seleks pemberan beasswa d mana sejumlah krera bersfa fuzzy. Krera ersebu anara lan: penghaslan/gaj orang ua dalam sebulan, jumlah anggungan dalam suau keluarga, saus orang ua dar mahasswa calon penerma beasswa bersangkuan, nla ndeks presas semeser berjalan, dan ndek presas kumulaf mahasswa, dmana masng-masng memlk crera yang bobonya dak memlk nla yang sama aau berbeda. Dalam kasus penenuan perngka calon penerma beasswa n, mahasswa ersebu memlk laar belakang yang beraneka ragam anara lan memlk usa dengan renang anara 18 sampa dengan 35 ahun, ngka perkulahan semeser yang dak sama, jenjang program sud yang dak sama, hal n akan mempersul pengamblan kepuusan unuk menenukan solus yang efekf sehngga pemberan beasswa ersebu dapa epa sasaran, sera proses unuk melakukan seleks calon penerma beasswa dapa dengan mudah dan cepa dsera dengan daa yang akura dapa dlaksanakan, alernaf solus yang ddapakan adalah sebuah kepuusan rankng calon penerma beasswa dsera dengan hasl nformas yang benar dan akura dengan mempermbangkan berbaga crera dan bobo yang denukan. Dalam memaham permasalahan dalam penenuan perngka calon penerma beasswa pada penelan n dujcoba unuk membua suau alernave crera yang dapa djadkan salah sau solus dalam penenuan pemberan beasswa kepada mahasswa, maka peranyaannya adalah Bagamana mplemenas dar FMCDM dalam menenukan rankng pemohon beasswa sehngga menghaslkan kepuusan yang cepa dan dsera dengan daa yang benar sera akura. Sedangkan asmus dasar yang dgunakan penelan: a. Meode yang dgunakan adalah fuzzy mul-crera decson makng. b. Fungs keanggoaan dar blangan fuzzy menggunakan fungs segga (rangular fuzzy number). c. Jumlah hmpunan fuzzy kepenngan dan kecocokan maksmal 5 hmpunan. d. Jumlah krera yang dgunakan

2 Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 dak memlk baasan jumlah calon penerma beasswa. yang ngn dhaslkan berdasarkan aas spesfkas yang elah denukan. Dengan demkan penelan n dapa membanu pengamblan kepuusan, eruama dharapkan dapa bermanfaa unuk merancang dan merealsaskan perangka lunak, yau membua program yang mampu menganalsa masukan-masukan berupa krera-krera permasalahan yang menjad pendukung suau kepuusan yang akan dambl, sehngga sofware yang drancang mampu memberkan alernaf kepuusan yang erbak Hmpunan Fuzzy Hmpunan Fuzzy ddasarkan pada gagasan unuk memperluas jangkauan fungs karakersk sedemkan hngga fungs ersebu akan mencakup blangan real pada nerval [0,1]. Nla keanggoaannya menunjukkan bahwa suau em dalam semesa pembcaraan dak hanya berada pada 0 aau 1, namun juga nla yang erleak danaranya. Dengan kaa lan, nla kebenaran suau em dak hanya benar aau salah. Nla 0 menunjukkan salah, nla 1 menunjukkan benar, dan mash ada nla-nla yang erleak anara benar dan salah. Hmpunan fuzzy memlk 2 arbu, yau [ HYPERLINK \l "Kus10" 4 ] : 1. Lngusk, yau penamaan suau grup yang mewakl suau keadaan aau konds erenu dengan menggunakan bahasa alam. 2. Numers, yau suau nla (angka) yang menunjukkan ukuran dar suau varabel. e. 2. Meode Penelan 2.1. Meode Pengumpulan Daa Meode pengumpulan daa adalah meode yang dgunakan unuk mengumpulkan daa yang dperlukan dalam penelan. Meode n melpu : sud pusaka, yau pengumpulan daa dengan cara melakukan sud, analss dan dokumenas leraur, dan sumber caaan lan yang berkaan dengan permasalahan yang dbahas. 2.2 Meode Pengembangan Ssem Meode pengembangan ssem dsusun berdasarkan hasl dar daa yang sudah dperoleh. Meode n melpu: 1. Analss n dlakukan unuk mengolah daa yang sudah ddapa dan mengelompokkan daa sesua dengan kebuuhan perancangan. 2. Desan Ssem. Tahap n merupakan ahap perancangan ssem, yau mendefnskan kebuuhan yang ada, menggambarkan bagamana ssem dbenuk dan persapan unuk rancang bangun aplkas. 3. Pengkodean. Tahap n adalah penerjemahan rancangan dalam ahap desan ke dalam bahasa pemrograman kompuer yang elah denukan sebelumnya. 4. Implemenas dan Pengujan. Seelah aplkas selesa dbua, maka pada ahap n merupakan uj coba erhadap program ersebu. Sehngga analss hasl mplemenas yang d dapa dar ssem dsesuakan dengan kebuuhan ssem ersebu. Jka penerapan ssem sudah berjalan dengan lancar, maka ssem dapa d mplemenaskan unuk membanu dalam pengamblan kepuusan. 2.3 Pengeran Logka Fuzzy Kaa Fuzzy merupakan kaa sfa yang berar kabur, dak jelas. Fuzzness aau kekaburan aau kedakjelasan aau kedakpasan selalu melpu keseharan manusa. Logka fuzzy adalah suau cara yang epa unuk memeakan ruang npu kedalam suau ruang oupu4]. Konsep n dperkenalkan dan dpublkaskan perama kal oleh Lof A. Zadeh, seorang profesor dar Unversy of Calforna d Berkeley pada ahun Logka fuzzy menggunakan ungkapan bahasa unuk menggambarkan nla varabel. Logka fuzzy bekerja dengan menggunakan deraja keanggoaan dar sebuah nla yang kemudan dgunakan unuk menenukan hasl Fungs Keanggoaan Fungs keanggoaan (membershp funcon) adalah suau kurva yang menunjukkan pemeaan k-k npu daa ke dalam nla keanggoaannya (deraja keanggoaan) yang memlk nerval anara 0 sampa Mul Crera Decson Makng Mul Crera Decson Makng (MCDM) adalah salah sau meode yang bsa membanu pengambl kepuusan dalam melakukan pengamblan kepuusan erhadap beberapa alernave kepuusan yang harus dambl dengan beberapa crera yang akan menjad bahan permbangan (Chen,2004) Sau hal yang menjad permasalahan adalah apabla bobo kepenngan dar seap crera dan deraja kecocokan seap alernave erhadap seap crera mengandung kedakpasan. Basanya penlaan yang dberkan oleh pengambl kepuusan dlakukan secara kualaf dan drepresenaskan secara lngusc. Sejumlah leraur menerangkan bahwa erdapa sejumlah ahapan yang harus dempuh unuk mengaplkaskan FMCDM, danaranya yang dkemukakan oleh Wang dan Lee (2005), Wang (2005) dan Joo (2004) 3]. Keganya menyampakan langkah-langkah yang serupa dengan Fauza (2004). Kega arkel ersebu memaparkan langkah-langkah penyelesaan FMCDM yang memlk kemrpan anara sau dengan yang lannya, memperhakan kega arkel ersebu, maka secara gars besar ada ga langkah yang dlakukan dalam menerapkan proses FMCDM yang dapa dusulkan, yau: a. Represenas masalah. Langkah n dapa durunkan menjad beberapa ahapan yau (1) Idenfkas ujuan dan kumpulan alernave kepuusannya, (2) Idenfkas kumpulan crera, dan

3 Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 b. (3) Membangun srukur hrark dar masalah ersebu berdasarkan permbanganpermbangan erenu Evaluas Hmpunan Fuzzy dan Pemboboan Krera. Langkah n dapa durunkan menajad beberapa ahapan yau : (1) Memlh hmpunan rang unuk bobo-bobo crera, dengan deraja kecocokan seap alernave dengan kreranya, Secara umum, hmpunan-hmpunan rang erdr-aas 3 elemen, yau: varabel lngusk (x) yang merepresenaskan bobo krera dan deraja kecocokan seap alernaf dengan kreranya; T(x) yang merepresenaskan rang dar varabel lngusk; dan fungs keanggoaan yang berhubungan dengan seap elemen dar T(x). Msal, rang unuk bobo pada Varabel Penng unuk suau krera ddefnskan sebaga: T(penng) = {SANGAT RENDAH, RENDAH, CUKUP, TINGGI, SANGAT TINGGI}. Sesudah hmpunan rang n denukan, maka ka harus menenukan fungs keanggoaan unuk seap rang. Basanya dgunakan fungs segga. Msal, W adalah bobo unuk krera C ; dan S c. (4) Nla a adalah ndeks keopmsan yang merepresenaskan deraja keopmsan bag pengambl kepuusan (0=a=1). Apabla nla a semakn besar mengndkaskan bahwa deraja keopmsannya semakn besar. (2) Memlh alernave kepuusan dengan proras erngg sebaga alernave yang danggap opmal. Semakn besar nla F1 berar kecocokan erbesar dar alernave kepuusan unuk crera kepuusan, dan nla nlah yang akan menjad ujuan. adalah rang fuzzy unuk deraja kecocokan alernaf kepuusan A dengan krera C ; dan F adalah ndeks kecocokan fuzzy dar alernaf A yang merepresenaskan deraja kecocokan alernaf kepuusan dengan krera kepuusan yang dperoleh dar hasl agregas S dan W. dan (2) Mengevaluas bobo-bobo crera, dan deraja kecocokan seap alernave dengan kreranya, dan (3) Mengagregaskan bobo-bobo crera, dan deraja kecocokan seap alernave dengan kreranya. Ada beberapa meode yang dapa dgunakan unuk melakukan agregas erhadap hasl kepuusan para pengambl kepuusan, anara lan: mean, medan, max, mn, dan operaor campuran. Dar beberapa meode ersebu, meode mean yang palng banyak dgunakan. Operaor. dan. adalah operaor yang dgunakan unuk penjumlahan dan perkalan fuzzy. Dengan menggunakan operaor mean, F 3. Pembahasan 3.1 Analss dan Desan Ssem Tahapan yang dlakukan dalam melakukan penelan n adalah dengan memberkan sandarsas fuzzyfkas unuk penlaan deraja kecocokan calon penerma beasswa erhadap krera sebaga berku: drumuskan sebaga: (1) Dengan cara mensubsuskan S dan W dengan blangan fuzzy segga, yau S = (o, p, q ); dan W = (a, b, c ); maka F dapa ddeka sebaga: dengan: F=(Y,Q,Z) (3) Seleks Alernave Yang Opmal. Langkah n juga dapa durunkan menjad beberapa ahapan, yau : (1) Memproraskan alernave kepuusan berdasarkan hasl agregas, dan Proras dar hasl agregas dbuuhkan dalam rangka proses perangkngan alernaf kepuusan. Karena hasl agregas n drepresenaskan dengan menggunakan blangan fuzzy segga, maka dbuuhkan meode perangkngan unuk blangan fuzzy segga. Salah sau meode yang dapa dgunakan adalah meode nla oal negral. Msalkan F adalah blangan fuzzy segga, F = (a, b, c), maka nla oal negral dapa drumuskan sebaga berku: (2) Tabel 1 Fuzzyfkas krera penghaslan/gaj orang ua dalam sebulan

4 Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 Tabel 2 Fuzzyfkas krera jumlah anggungan dalam suau keluarga Sehngga ddapakan hasl perhungannya sebaga berku : Y = (0,75x0,75)+(0,5x0,25)+(0,5x0,5)+(0,75x0,75)+(0,5x0,75) 5 = 0,375 Q = (1x1)+(0,75x0,5)+(0,75x0,75)+(1x1)+(0,75x1) = 0, Z = (1x1)+(1x0,75)+(1x1)+(1x1)+(1x1) = 0,95 5 Dar masng-masng nla Y,Q,Z n dlanjukan dengan memasukan ke dalam persamaan (4) dan dengan mempergunakan asums nla deraja keopmsan (α), dmana α=0, α=0.5, α=1 maka oal negral unuk kandda dengan no_d= 002 adalah sebaga berku : Tabel 3 Fuzzyfkas krera saus orang ua dar mahasswa calon penerma beasswa bersangkuan Tabel 6 Nla oal negral kandda no_d= Implemenas Anar muka n merepresenaskan asums deraja kecocokan dan kepenngan, adapun baasan nla yang dgunakan berksar anara 0-1. Hasl dar pembuaan aplkas dapa dlha sesua dengan gambar berku: Tabel 4 Fuzzyfkas crera nla ndeks presas semeser berjalan Tabel 5 Fuzzyfkas crera ndek presas kumulaf mahasswa Gambar 1. Anar muka asums deraja kecocokan dan kepenngan Anar muka n merepresenaskan crera yang dnpukan oleh user sebanyak 5(lma) buah dsesuakan dengan asums deraja kecocokan yang dngnkan oleh user, adapun baasan nla yang dgunakan berksar anara 0-1. Haslnya sebaga berku: Tabel 6 Model Fuzzy segga unuk deraja kecocokan Tahapan berkunya seelah penlaan kandda selesa, melakukan perhungan dengan fuzzy MCDM. Msalnya: conoh perhungan unuk sau kandda dengan no_d = 002 dengan hasl proses daa prunng yang memlk deraja kecocokan fuzzy : K1=Sanga Bak K2=Bak K3=Bak K4=Sanga Bak K5=Bak Maka, nla y,q,z dhung dengan persamaan (3): Gambar 2. Anar muka krera

5 Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 Anar muka n merepresenaskan daa uj berupa daa calon penerma beasswa crera yang dnpukan sesua jumlah daa yang mengku seleks. Hasl dar pembuaan aplkas dapa dlha sesua dengan gambar berku : dmana α=0.5 dapa dlha sesua dengan gambar berku: Gambar 6. Anar muka Hasl agregas calon penerma beasswa dengan α=0.5 Gambar 3. Anar muka daa uj calon penerma beasswa Anar muka n merepresenaskan proses perhungan bobo crera dan deraja kecocokan ap calon penerma beasswa yakn mahasswa dengan berbaga kreranya. Hasl agregas unuk seap calon pesera penerma beasswa dengan menggunakan deraja keopmsan (α), dmana α=1 dapa dlha sesua dengan gambar berku : Gambar 4. Anar muka proses perhungan bobo crera dan deraja kecocokan Hasl agregas unuk seap calon pesera penerma beasswa dengan menggunakan deraja keopmsan (α), dmana α=0 dapa dlha sesua dengan gambar berku: Gambar 7. Anar muka Hasl agregas calon penerma beasswa dengan α=1 Pada gambar d aas erlha penguruan calon penerma beasswa dengan nla oal negral erbesar yang dhaslkan dar proses seleks menggunakan FMCDM, hal n akan memudahkan pengambl kepuusan unuk menyeleks berapa kandda yang akan dberkan beasswa sesua dengan kuoa yang ada. 4. Kesmpulan Gambar 5. Anar muka Hasl agregas calon penerma beasswa dengan α=0 Hasl agregas unuk seap calon pesera penerma beasswa dengan menggunakan deraja keopmsan (α), Dar pembuaan ssem pengamblan kepuusan yang opmal dengan beberapa krera menggunakan fuzzy mul-crera decson makng dapa dsmpulkan bahwa: 1. Perangka lunak yang elah dbua dapa dgunakan unuk menyelesakan pengamblan kepuusan dengan beberapa krera yang akan menjad bahan permbangan menggunakan fuzzy mul-crera decson makng unuk mendapakan alernaf kepuusan dengan proras erngg sebaga alernaf yang opmal. 2. Perangka lunak yang elah dbua dapa dgunakan unuk menyelesakan pengamblan kepuusan unuk

6 Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 menenukan rankng calon penerma beasswa yang opmal berdasarkan krera-krera erenu dengan memperhakan nla oal negral yang dperoleh, semakn besar nla oal negral menunjukan bahwa alernave ngka kecocokan lebh ngg berdasarkan kreranya. Saran Proses pengecekan daa pada saa menggunakan aplkas n dapa membanu mengurang kedakvaldan daa npuan, dmana secara dak langsung mengurang kesalahan yang erjad pada sysem, dkarenakan hasl yang ddapa pada saa perankngan calon penerma beasswa erganung pada daa-daa yang dskan oleh user saa menjalankan aplkas. Dafar Pusaka [1] Ahmad, Arwan Khoruddn, dan Imam Muslmn, Prosdng KNSI (Konferens Nasonal Ssem Informas). Palembang: kampus STMIK GI MDP. 2010, hal [2] Kusumadew, S., Arfcal Inellgence: Teknk dan Aplkasnya. Yogyakara: Graha Ilmu [3] Kusumadew, S. dan Har Purnomo, Aplkas Logka Fuzzy Unuk Pendukung Kepuusan. Yogyakara: Graha Ilmu [4] Kusumadew, S., Fuzzy Mul Crera Decson Makng, hp:/ dakses anggal 30 mare 2014 [5] Kusumadew, S. Dkk, Fuzzy Mul Arbu Decson Makng (Fuzzy MADM). Yogyakara: Graha Ilmu [6] Negnevsky, Mchael, Seawan, S., Arfcal Inellgence A Gude o Inellgence Sysem., Addns-Wesley: Harlow,England, 2002 [7] Seawan, S., Arfcal Inellgence. Yogyakara, 1994 [8] Turban, Efram. Joy E.Aronson. Tng-Peng Lang. Negnevsky, Mchael, Seawan, S., Decson Suppor Sysems and Inellgence Sysem., Yogyakara: And Offse, 2005 Bodaa Penuls Yeffransjah Salm, lahr d Banjarmasn , memperoleh gelar Sarjana Kompuer (S.Kom) pada ahun 1998 dengan bdang lmu manajemen nformaka pada STIKOM Surabaya, memperoleh gelar Magser Kompuer (M.Kom) Program Pasca Sarjana Magser Teknk Informaka Unversas Dan Nuswanoro, lulus ahun Saa n menjad Dosen PNS Dpk Kopers XI Kalmaan d STMIK Indonesa Banjarmasn. Mendapakan penelan dosen muda ahun 2005,2009,

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN j BUPAT PACTAN ' PERATURAN BUPAT PACTAN NOMOR 4 TAHUN 2012 TENTANG PEMBERAN BANTUAN PERALATAN DAN/ATAU MESN BAG NDUSTR KECL DAN MENENGAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas

Lebih terperinci

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013 ! BUPAT PACrAN j PERATURAN BUPAT PACTAN NOMOR 18 TAHUN 2013 TENTANG PEDOMAN PENYUSUNAN LAPORAN DEWAN PENGAWAS BADAN LAYANAN UMUM DAERAH PADA RUMAH SAKT UMUM DAERAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS Mra Puspasar, Snggh Sapad, Dana Puspasar Absraks PT Ulam Tba Halm merupakan salah sau ndusr mnuman serbuk d Indonesa, dmana

Lebih terperinci

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor ANaISIS - TANSIEN. Kapasor dalam angkaan D Sebuah kapasor akan ermua bla erhubung ke sumber egangan dc seper yang dperlhakan pada Gambar. Pada Gambar (a), kapasor dak bermuaan yau pla A dan pla B mempunya

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

BUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5" TAHUN 2008 TENTANG

BUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5 TAHUN 2008 TENTANG BUPAT PACTAN PERATURAN BUPAT PACTAN ; NOMOR 5" TAHUN 2008 TENTANG PETUNJUK PELAKSANAAN PERATURAN DAERA KABUPATEN PACTAN NOMOR 25 TAHUN 2007 TENTANG ORGAN DAN KEPEGAWAAN PERUSAHAAN DAERAH AR MNUM j KABUPATEN

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan

Lebih terperinci

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA Jurnal Ilmu Maemaka dan Terapan Desember 015 Volume 9 Nomor Hal. 97 10 NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA R. D. S. Rahangmean 1, M. I. Tlukay, F. Y. Rumlawang,

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA y BUPAT PACTAN PERATURAN BUPAT PACTAN : NOMOR 55" TAHUN 20 ; TENTANG \ DANA ALOKAS DESA DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN, Menmbang : a. bahwa dalam rangka penngkaan penyelenggaraan pemernahan,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

SISTEM REKOMENDASI NILAI MATA KULIAH MENGGUNAKAN METODE CONTENT-BASED FILTERING

SISTEM REKOMENDASI NILAI MATA KULIAH MENGGUNAKAN METODE CONTENT-BASED FILTERING Semnar Nasonal Informaka 00 (semnasif 00) ISSN: 979-38 UPN Veeran Yogyakara, Me 00 SISTEM REKOMENDASI NILAI MATA KULIAH MENGGUNAKAN METODE CONTENT-BASED FILTERING Puspanngyas Sanjoyo A ) ) Teknk Informaka,

Lebih terperinci

BUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010

BUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010 3 1 BUPAT PACTAN PERATURAN BUPAT PACTAN \ NOMOR ;6TAHUN 2010 TENTANG PENYELENGGARAAN SSTEM PENGENDALAN NTERN PEMERNTA D LNGKUNGAN PEMERNTAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

Pengenalan Aksara Pallawa dengan Model Hidden Markov

Pengenalan Aksara Pallawa dengan Model Hidden Markov Pengenalan Aksara Pallawa dengan Model Hdden Markov Wwen Wdyasu Teknk Elekro, Fakulas Sans dan Teknolog, Unversas Sanaa Dharma Emal: wwen@usd.ac.d Absrak Aksara Pallawa aau kadangkala duls sebaga Pallava

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN 3. Meode Penelan Meode penelan yang dgunakan dalam penelan n adalah meode deskrpf anals. Wnarno Surakhmad (990:40) mengemukakan bahwa meode deskrpf mempunya cr-cr sebaga berku:.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI

SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI oleh: RILA DWI RAHMAWATI NIM: 0350050 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN EORI. njauan Pusaka.. Peramalan Peramalan (forecasng) merupakan ala banu yang penng dalam perencanaan yang efekf dan efsen khususnya dalam bdang ekonom. Dalam organsas modern mengeahu keadaan

Lebih terperinci

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses

Lebih terperinci

2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).

2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996). 2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Laar Belakang Masalah Knerja pembangunan ekonom Indonesa bsa dkaakan sanga membanggakan dengan ngka perumbuhan ekonom selama beberapa dekade erakhr n sangalah ngg, walaupun mengalam

Lebih terperinci

PENGGUNAAN METODE MODIFIED UNIT DECOMMITMENT (MUD) UNTUK PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA - BALI

PENGGUNAAN METODE MODIFIED UNIT DECOMMITMENT (MUD) UNTUK PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA - BALI Prosdng Semnar Nasonal Manajemen Teknolog X Program Sud MMT-TS, Surabaya 6 Pebruar 2010 PENGGUNAAN METODE MODFED UNT DECOMMTMENT (MUD) UNTUK PENJADWALAN UNT-UNT PEMBANGKT PADA SSTEM KELSTRKAN JAWA - BAL

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0.

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0. 5 Vaabel s dsebu vaabel slak enambahan vaabel slak beujuan unuk mengubah peaksamaan yang mengandung anda menjad sebuah pesamaan eaksamaan () bena jka dan hanya jka pesamaan (2) dan peaksamaan (3) bena

Lebih terperinci

Preferensi untuk alternatif A i diberikan

Preferensi untuk alternatif A i diberikan Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III MINIMUM COVARIANCE DETERMINANT Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode robus unuk mendeeks penclan (ouler) dalam analss komponen uama robus yau meode Mnmum Covarance Deermnan

Lebih terperinci

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan

Lebih terperinci

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan

Lebih terperinci

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR JURAL TEKK POT Vol, o, (0) -6 Kajan odel arkov Waku Dskr Unuk Penyebaran Penyak enular Pada odel Epdemk R Rafqaul Hasanah, Laksm Pra Wardhan, uhud Wahyud Jurusan aemaka, Fakulas PA, nsu Teknolog epuluh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI. Tnjauan Pusaka.. Uj Keseragaman Daa Tujuan uama pengukuran uj keseragaman daa adalah unuk mendapakan da yang seragam. Kedak seragaman daa dapa daang anpa dsadar, maka dperlukan suau

Lebih terperinci

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat Vol. 14, No. 1, 46-53, Jul 2017 Modfkas Penaksr Robus dalam Pelabelan Ouler Mulvara Erna Tr Herdan Absrak Ouler adalah suau observas yang polanya dak mengku mayoras daa. Ouler dalam kasus mulvara sanga

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001

PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001 I I PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001 \ TENTANG PEMBERDAYAAN, PELESTARIAN DAN PENGEMBANGAN ADAT ISTIADAT DAN LEMBAGA ADAT DENGAN RAHMAT TAHUN YANG MAHA

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) 33-350 (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

Lebih terperinci

Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu

Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

Penggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali

Penggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali Penggunaan Meode Modfed Un Decommmen (MUD) unuk Penjadwalan Un-Un Pembangk Pada Ssem Kelsrkan Jawa - Bal Ars Her Andrawan,2, Onoseno Penangsang ) Jurusan Teknk Elekro TS, Surabaya 60, ndonesa 2) Jurusan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR Penerapan PID Predcve Ar-Rao Conroller Pada Mesn Mobl Msubsh Type 4G63 Unu Memnmuman Ems Gas Buang Oleh Hendre Angga P 10 105 03 PRESENTASI TUGAS AKHIR Mesn-mesn oomof saa n dunu unu menghaslan performa

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

3 Kondisi Fisik Dermaga A I Pelabuhan Palembang

3 Kondisi Fisik Dermaga A I Pelabuhan Palembang Bab 3 3 Konds Fsk Dermaga A I Pelabuhan Palembang Penanganan Kerusakan Dermaga Sud Kasus Dermaga A I Pelabuhan Palembang 3.1 Pengolahan Daa Pasang Suru 3.1.1 Meode Leas Square Meode n menjelaskan bahwa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2. Tnjauan Pustaka Kegatan pemberan beasswa dlakukan oleh nstans penddkan maupun non penddkan. Secara khusus nstans penddkan memberkan beberapa jens beasswa setap tahunnya. Persyaratan

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

Lebih terperinci

, PEMERINTAH PROVINSI NUSA TENGGARA^TIMUR

, PEMERINTAH PROVINSI NUSA TENGGARA^TIMUR NOTAKESEPAHAMAN BADAN PEMERIKSA KEUANGAN REPUBLIK INDONESIA DENGAN PEMERINTAH PROVINSI NUSA TENGGARA TIMUR MnMOR414/NK/X-Xm.2/7/2011 NOMORHK.14TAHUN2011 TENTANG PENGEMBANGAN DAN PENGELOLAAN S.STEM.NFORMAS.

Lebih terperinci

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2)

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2) JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Prn) D-17 Analss Kurva Survval Kaplan Meer pada Pasen HIV/AIDS dengan Anrerovral Therapy (ART) d RSUD Prof. Dr. Soekandar Kabupaen Mojokero

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA)

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) I Wayan Supriana Program Pascasarjana Ilmu Kompuer Fakulas MIPA Universias Gadjah Mada

Lebih terperinci

Ardi Kurniawan 1), Kusrini 2) Sistem Informasi STMIK AMIKOM Yogyakarta 2)

Ardi Kurniawan 1), Kusrini 2) Sistem Informasi STMIK AMIKOM Yogyakarta 2) Semnar Nasonal Teknolog Informas dan Multmeda 2016 STMIK AMIKOM Yogyakarta, 6-7 Februar 2016 ANALISIS DAN PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA GURU (PKG) MENGGUNAKAN METODE SIMPLE ADDITIVE

Lebih terperinci

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR 15 BAB III MODEL PERTUMBUHA EKOOMI DUA SEKTOR 3.1 Aum dan oa Model perumbuhan dua ekor n merupakan model perumbuhan dengan dua komod yang dhalkan, yau barang modal dan barang konum. Kedua barang n dproduk

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT

HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au

Lebih terperinci

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryano Sudrham nalss Rangkaan Lsrk D Kawasan Waku BB 12 nalss Transen d Kawasan Waku Rangkaan Orde Perama Yang dmaksud dengan analss ransen adalah analss rangkaan yang sedang dalam keadaan peralhan

Lebih terperinci

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap Peramalan Dengan Model SVR Pada Daa Inflas Indonesa Dan Nla Tukar Ruah Terhada Dolar merka Dengan Menggunakan Meode Boosra Dav S Wardan, d Seawan 2, Dd B Nugroho 3 PS Maemaka, Fak Sans dan Maemaka, UKSW

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

Implementasi Teori Keputusan Penentuan Penerimaan Beasiswa Bagi Mahasiswa FMIPA Universitas Sulawesi Barat

Implementasi Teori Keputusan Penentuan Penerimaan Beasiswa Bagi Mahasiswa FMIPA Universitas Sulawesi Barat JURNAL SAINTIFIK OL.3 NO., JANUARI 07 Implementas Teor Keputusan Penentuan Penermaan Beasswa Bag Mahasswa FMIPA Unverstas Sulawes Barat Hrman Rachman *, Nzar, Unverstas Sulawes Barat emal: manksman0@gmal.com,

Lebih terperinci

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI Landasan Teor 6 BAB II LADASA TEORI. PERAMALA PERMITAA Peramalan adalah suau proses dalam menggunakan daa hsores yang elah dmlk unuk dproyekskan ke dalam suau model dan menggunakan model n unuk memperkrakan

Lebih terperinci