Studi Pemilihan Konsep Manajemen Perawatan Kapal-Kapal T I AL Berdasarkan Kriteria Kualitatif Dengan Metode Fuzzy

Ukuran: px
Mulai penontonan dengan halaman:

Download "Studi Pemilihan Konsep Manajemen Perawatan Kapal-Kapal T I AL Berdasarkan Kriteria Kualitatif Dengan Metode Fuzzy"

Transkripsi

1 Sud Pemlha Kosep Maajeme Perawaa Kapal-Kapal I AL Berdasara Krera Kualaf Dega Meode Fuzzy Yaf D.K ), Agug Seyawa ), Keu Budha A 3) ) Mahasswa S3 Program Pasca Sarjaa eolog Kelaua IS ) Mahasswa S Jurusa e Ssem Perapala FK IS 3) Saf Pegajar Jurusa e Ssem Perapala FK IS e-mal : yaf_d@yahoo.com Absra : Paper meyaja sebuah meode aleraf dalam melaua pemlha osep maajeme perawaa opmal uu derapa pada armada perapala NI Agaa Lau. Permbaga dalam melaua pemlha ddasara pada uesoer yag dbua sera memeuh beberapa rera aau araers orgasas, seper mmum cos, herar process, mamum avalably & relably, cocse orgazao, safey & evrome awareess aau hal-hal la. Krera dapa dperoleh dar saf pmpa aau pejaba operasoal bdag logs NI AL, dose aau peel sera pras bdag perawaa, sedaga bobo dar seap rera dperoleh dar aalss daa uesoer. Secara umum, ada dua jes rera pemlha, yau rera ualaf da uaaf. Beberapa rera dalam pegambla epuusa aa dselesaa dega megguaa meode fuzzy. Meode fuzzy membera saraa uu merepreseasa rera yag bersfa edapasa yag berhubuga dega esamara aau euraga formas megea eleme ereu dar masalah yag dhadap. Adapu rera-rera yag dselesaa dega meode fuzzy adalah rera ualaf. Karea rera merupaa rera yag bersfa edapasa da berhubuga dega esamara. Meode fuzzy dguaa uu meghug la preferes seap aleraf berdasara rera ualaf. Dalam pegambla epuusa, rera aa drepreseasa e dalam model maemas yag mecerma hubugahubuga logs aara faor-faor yag medasar pegambla epuusa ersebu. Kaa Kuc : maeace model, arbue, MCDM, fuzzy mehod, qualave. PE DALA Pegaa armada perapala bag Idoesa sudah merupaa suau ewajba, megga saus Negara Marm yag sebaga besar wlayah erdr dar lau. al dduug dega Kebjasaaa Pemerah RI, hususya NI AL yag eruag dalam Racaga Posur I AL h. 5 s.d 4 megea armada perapala yag harus dml pada masa daag. Pegaa berdampa posf pada pegembaga osep maajeme perawaa yag opmal uu dapa memelhara ssem perapala, agar dapa beroperas sesua fugs da usa yag dharapa. Sebalya, ja osep perawaa urag ba, maa aa megurag aau baha mempercepa erusaa apal. Armada perapala duu uu selalu sap (hadal) dalam beroperas. Kods sap meuu ssem maajeme perawaa yag opmal yag bersfa meyeluruh, melpu persol (aa buah apal/abk), admsras da orgasas logs, ssem permesa, bagua apal (plaform), radar, avgas, sejaa da la-laya. Pada osep maajeme perawaa sedr, erdr dar beberapa aleraf, daaraya PMS (Plaed Maeace Sysem), RCM (Relably Ceered Maeace), RBM (Rs Based Maeace), Breadow Maeace aau laya. Proses pemlha osep merupaa egaa yag peuh dega permbaga (arbue/crera). Secara umum arbue erbag mejad dua jes, yau : ualaf da uaaf. Kualaf umumya bersfa subjef, sedaga arbue uaaf bersfa objef. Keadala, eyamaa, eselamaa, reso, omplesas ssem, susaablly, flebly, jes apal, pola operas, sruur aau araers orgasas, referes pmpa/omada adalah beberapa cooh arbue ualaf, sedaga baya, eadala, eersedaa, jumlah apal, loas pagala adalah beberapa arbue uaaf. Pada proses perhuga yag dlasaaa dalam peela, maa edua arbue aa salg mempegaruh aau bereras secara berjejag/berga dalam proses pemlha (seles/rag)

2 osep perawaa yag emuda berlaju pada racaga orgasas, prosedur/proses, desa logs, forma eseus perawaa sera pegembaga eolog formas maajeme perawaa yag dharapa dapa derapa pada sysem armada perapala.. I JAA PSAKA Maajeme Perawaa Perawaa dlaua uu mecegah egagala ssem maupu uu megembala fugs ssem ja egagala elah erjad. Jad ujua uama dar perawaa adalah uu mejaga da memperba eadala dar ssem da elacara produs aau operas. (Pryaa, 3). Kebjasaaa dalam perawaa pada dasarya saga ergaug pada pha maajeme (sebaga hal uama), reomedas dar pha decso maer, pegalama, ualas da ods operas, eersedaa daa da eaga sera jadwal operas apal (Yaf, 5). Maajeme da jama ualas dalam perawaa medapaa perhaa yag lebh mega dar ahu-ahu sebelumya. al erjad area adaya doroga uu megaplasa ragaa sadar erasoal ISO 9 (Pryaa, 3). Dega ma megaya aplas eolog moder da jumlah peralaa sera permesa yag ada d apal, maa desa dar ssem perawaa d apal juga sema omples. ga omplesas juga eradag mejad ma gg saa osep maajeme perawaa yag dembaga da dsesuaa dega araers operasoal (ms) apal ersebu. al pada ahrya aa mempegaruh ga emampua dalam memperahaa fugs ompoe yag drawa agar bsa eap beroperas aau da megalam egagala dalam operas, ga eamaa operas, da overall effcecy (Araa, 4). Berdasar pada flosof uu memperahaa erja suau ssem maa pemelharaa d beraa pada ompoe yag rs (crcal compoe) yag mempegaruh eadala ssem. Aalsa ompoe rs saga bermafaa dalam desa ssem, dagosa da opmas (Pryaa, 4). Pada ssem egras perawaa, saga dperlua osep perecaaa (plaed), pembuaa (desged), e (egeered) da corolled dega memaa e opmas maupu sas. e quaave dalam perawaa dguaa pada operag, corollg da mprovg maeace sysem (Duffuaa, 999). Dasar Loga Fuzzy Dalam megdefas suau obje, mausa serg al megguaa varabel lgusc seper besar, ecl, gg, redah, dll. Sfa ebeara yag dadug adalah sama area aara sau ebeara dega ebeara yag la da egas. Kebeara yag dema dsebu dega ebeara fuzzy. Sealpu dema edapasa (vagueess) yag mejad araers dar bahasa aural da selalu megmplasa hlagya eela aau eberara. Pada prspya hmpua fuzzy da la adalah perluasa hmpua crsp, yau hmpua yag membag seelompo dvdu e dalam dua aegor yau aggoa da bua aggoa. Peceus gagasa loga fuzzy adalah Zadeh (965) dar Calfora versy d Bereley (965, 969). Kemampua se fuzzy uu megespresa ga perubaha dar eaggoaa da sebalya mempuya eguaa saga luas. da haya merepreseasa peguura edapasa, eap juga merepreseasa osep esamara (fuzzess). Lebh jauh meuru Marm () ssem fuzzy merupaa peduga umer yag ersruur da dam. Ssem mempuya emampua megembaga ssem elje dalam lguga yag da pas da da epa. Loga fuzzy merupaa baga dar loga Boolea, yag dguaa uu meaga osep deraja ebeara aara bear da salah. Meode fuzzy dapa dembaga sebaga ool dalam melaua pelaa erhadap aleraf desa ssem produs yag membera la ambah bag suau perusahaa (Deba, ). Aplas la sebaga ala bau dalam pemlha aleraf reaa proye dega memperhaa beberapa rera sebaga persyaraa (Cherry, ). ragular Fuzzy umber (F ) Dalam FN, seap la uggal (crsp) meml fugs eaggoaa yag erdr dar ga la yag masg-masg merepreseasa la bawah, la egah da la aas. Secara grafs fugs eaggoaa dega FN dapa dgambara seper pada gambar beru :

3 µa() a a a Gambar. ragular Fuzzy Number (FN) A (a, a 3, a ) Fugs eaggoaa uu FN pada gambar d aas adalah sebaga beru : µ A () uu < a a a a uu a < < a a a 3 3 a uu a < < a 3 Fuzzfas la Fuzzfas merupaa pemrosesa suau blaga secara maema fuzzy berdasara meode represeas yag dguaa. Meode represeas yag dguaa daaraya adalam model FN, model p, model Z da model rapezoda. Masg-masg model ersebu mempuya formula maemas uu medefsa la fuzzy dar blaga yag dolah. Marm () megemuaa bahwa defuzzfas merupaa proses pegubaha oupu fuzzy e oupu yag berla uggal (crsp). erdapa baya meode defuzzfas, amu yag basa dguaa adalah meode Cerod da Mamum. Dalam meode Cerod, la uggal dar varabel oupu dhug dega meemua la varabel dar ceer of gravy suau fugs eaggoaa uu la fuzzy. Sedaga dalam meode Mamum, sau dar la-la varabel yag merupaa la epercayaa masmum gugus fuzzy dplh sebaga la uggal uu varabel oupu. 3. MEODOLOGI PE ELIIA u pegolaha awal, dlaua pemboboa erhadap ga epega rera ualaf yag ada dar masg-masg pela (pegambl epuusa). Selajuya dlaua peela pada masgmasg alerave berdasara crera ualaf ersebu. asl perhuga performace dguaa uu meeua osep maajeme perawaa yag erba. Lagah-lagah algorma Fuzzy MCDM :. meeua la egah blaga fuzzy, dega cara mejumlaha la yag mucul d seap level sala lgus da emuda membag hasl jumlaha ersebu dega jumlah rera yag laya masu e dalam level pelaa lgus ersebu. Adapu oas maemaya adalah sebaga beru : a a j j j la egah blaga fuzzy uu level pelaa lgusc e- level pelaa saga redah, redah, sedag, gg da saga gg jumlah faor sala dar sala lgus uu aleraf e- dar faor e- j la umer dar sala lgus uu aleraf e- dar faor e-j

4 . meeua la baas bawah da la baas aas, dmaa la baas bawah (c b( )) sama dega la egah level d bawahya, sedaga uu la baas aas (b b( )) adalah sama dega la egah level d aasya 3. meabela hasl pemboboa pelaa ga rera ualaf uu medapaa la bobo agregasya 4. meeua bobo agrega dar masg-masg rera ualaf, area dalam peela dguaa beu pelaa lgus yag elah mempuya defs blaga fuzzy ragular, maa proses agregas yag dlaua adalah dega mecar la agrega dar masg-masg la baas bawah (c), la egah (a) da la baas aas (b), yag dapa dmodela sebaga beru : j c j j a j c ; a ; b Dmaa : c j la baas bawah rera ualaf e- oleh pembua epuusa e-j a j la egah rera ualaf e- oleh pembua epuusa e-j b j la baas aas rera ualaf e- oleh pembua epuusa e-j jumlah pela (pembua epuusa) Nla agregaya adalah ( c, a, b) Dmaa N la bobo agregas uu rera ualaf e- 5. meabela hasl rag pelaa aau preferes uu masg-masg aleraf berdasara reera ualaf yag ada. 6. meghug la preferes seap aleraf berdasara rera ualaf. Dalam perhuga bobo agrega masg-masg aleraf uu ap-ap rera dapa dcar la fuzzy agregaya dega model sebaga beru : q j o j p j q j q j ; o j o j ; p j c j j la baas bawah aleraf uu rera ualaf e- oleh pembua epuusa e-j la egah aleraf uu rera ualaf e- oleh pembua epuusa e-j la baas aas aleraf uu rera ualaf e- oleh pembua epuusa e-j jumlah pela (pembua epuusa) M q, o, p Nla agregaya adalah j Dmaa M j la bobo agregas uu aleraf e- uu rera ualaf e- 7. mela masg-masg aleraf reaa uu ap-ap rera uaaf, doasa dega j (la aleraf e- uu rera obyef e-j), emuda la (sor) ersebu dabela. 8. meghug la de fuzzy dar hasl pelaa seap aleraf uu rera ualaf yag doasa dega G. erlebh dahulu ddapaa la M da N, uu medapaa la de ecocoa fuzzy G uu ap- ap rera subyef. D s G bua merupaa blaga fuzzy ragular, melaa blaga fuzzy : ( Y Q, Z ;,, ) G,,,...m,, Nla de fuzzy ersebu ddapaa dega cara megoperasa seap eleme blaga fuzzy ragular dar hasl omor da 4 dega oas sebaga beru : p j ( o q )( a c ) ; [ q ( a c ) c ( o q )]

5 a b o p ; [ ] b a p p o b ; c q Y a o Q b p Z 9. meghug la ulas seap aleraf uu rera ualaf L R Y X Z X G 4 R z X 4 L z X Dmaa If D, Sup D m D D, > α fg D /,,,...m fg adalah fugs eaggoaa blaga fuzzy ragular yag drumusa sebaga beru : [ ] [ ] laya,, /, / Z Q Z Q Y Y fg Adapu ahap perama yag dlaua adalah mecar la defuzzfas rera da preferes aleraf erhadap rera, dmaa meode defuzzfas yag dguaa adalah meode cerod. Rumus dar defuzzfas rera adalah sebaga beru :

6 Defuzzf as c a ( c) ( a c ) a ( c) ( a c ) c d d b ( b) ( a b) a d b ( b ) d a a b Dmaa rera,, 3,... Sedaga rumus peeua la defuzzfas uu preferes aleraf erhadap rera ualaf adalah sebaga beru : Defuzzf as M q o ( q) ( o q ) o ( q) ( o q ) q d d p ( p) ( o p ) o d p ( p ) d o o p Dmaa aleraf,, 3,...m ; rera,, 3,.... meghug la ragg seap aleraf berdasara rera ualaf dega megguaa rumus sebaga beru : S m ( G ) ( G ) Dmaa : S la ragg aleraf e- berdasar rera ualaf. memlh aleraf erba berdasara la ragg yag ergg. 4. A ALISA DAA DA PEMBAASA Ipu daa yag dguaa dalam peyelesaa permasalaha adalah dega megguaa uesoer. Dmaa uesoer dbera epada pha-pha yag berweag d NI AL, adapu respode-respode ersebu adalah DAN KRI, KKM KRI, Aslog da DrKeu. Daa yag ddapa dar hasl pegolaha uesoer dguaa uu memeeua bobo ap rera da bobo seap aleraf berdasara rera ualaf. Dalam pegolaha daa ersebu dguaa meode fuzzy uu meguafasa daa yag ualaf (daa yag bersfa da pas). abel meujua hasl reapulas daa uesoer dar respode uu ga epega rera, sedaga pada abel meujua reapulas daa hasl uesoer uu seap aleraf berdasara rera ualaf. Dalam uesoer ersebu erdapa dua sala pelaa yau sala lgus da sala umer. Sala lgus dbedaa mejad 5 level pelaa yau saga redah, redah, sedag, gg da saga gg. Sedaga pelaa uu sala umer aara -. abel. Reapulas Daa Kuesoer u Kepega Krera No Krera DAN KRI KKM ASLOG DIR KE Lg Num Lg Num Lg Num Lg Num Compley S 5 S 5 S 6 R 4 erarchy Process S 5 S 5 S 5 S 5 Operably 3 Orgazao R 4 R 3 R 4 R 4 4 Evrome S 6 7 S 6 S 6 5 Safey Relably Avalably Susaably

7 abel. Reapulas Daa Kuesoer u ap Aleraf Berdasara Krera Kualaf No Krera Aleraf DAN KRI KKM ASLOG DIR KE Lg Num Lg Num Lg Num Lg Num RCM S 6 S 6 S 5 S 6 Compley RBM S 5 S 6 S 5 S 6 PMS R 4 R 4 R 4 R 3 BM R 3 R 3 R 4 R 4 RCM S 5 S 6 S 5 S 5 erarchy Process RBM S 5 S 5 S 6 S 5 PMS Operably BM RCM S 5 S 5 S 5 S 6 3 Orgazao RBM S 5 S 5 S 6 S 6 PMS S 6 S 5 S 5 S 5 BM R 3 R 3 R 3 R 4 RCM Evrome RBM PMS BM R 4 R 4 R 4 R 3 RCM Safey RBM PMS BM R 4 R 4 R 3 R 3 RCM S 6 S 6 S 6 S 6 6 Relably Avalably RBM S 6 S 5 S 6 S 6 PMS R 4 R 4 R 4 R 4 BM R 3 R 4 R 3 R 4 RCM Susaably RBM S 6 S 6 S 5 S 6 PMS S 5 S 6 S 6 S 6 BM S 6 S 6 S 5 S 6 Dar hasl daa d aas maa dapa dbua dbua graf fugs eaggoaa uu ap respode berdasara ga epega rera maupu uu pelaa ap aleraf. Berdasara baas la bawah, egah da aas sesua dega persamaa ddapaa hasl sebaga beru : abel 3. FN Respode u Kepega Krera No Level Lgus DAN KRI KKM ASLOG DIR KE C a b c a b c a b c a b Saga Redah Redah Sedag gg Saga gg Graf dbawah meujua fugs eaggoaa FN uu ap respode dalam ga epega rera. Dmaa seap respode dujua dalam la baas bawah, egah da aas dega deraja eaggoaa.

8 Graf. Fugs Keaggoaa FN DAN KRI uu ga Kepega Krera Redah Sedag gg Deraja Keaggoaa Nla Crsp Graf. Fugs Keaggoaa FN KKM uu ga Kepega Krera Redah Sedag gg Deraja Keaggoaa Nla Crsp Graf 3. Fugs Keaggoaa FN ASLOG uu ga Kepega Krera Redah Sedag gg Deraja Keaggoaa Nla Crsp

9 Graf 4. Fugs Keaggoaa FN DIRKE uu ga Kepega Krera Redah Sedag gg Deraja Keaggoaa Nla Crsp abel 4. FN Respode u Pelaa Aleraf No Level Lgus DAN KRI KKM ASLOG DIR KE c a B c a b c a b c a b Saga Redah Redah Sedag gg Saga gg Graf dbawah meujua fugs eaggoaa FN uu ap respode dalam ga epega rera. Dmaa seap respode dujua dalam la baas bawah, egah da aas dega deraja eaggoaa. Graf 5. Fugs Keaggoaa FN DAN KRI uu Pelaa Aleraf Redah Sedag gg Deraja Keaggoaa Nla Crsp

10 Graf 6. Fugs Keaggoaa FN KKM KRI uu Pelaa Aleraf Redah Sedag gg Deraja Keaggoaa Nla Crsp Graf 7. Fugs Keaggoaa FN ASLOG uu Pelaa Aleraf Redah Sedag gg Deraja Keaggoaa Nla Crsp Graf 8. Fugs Keaggoaa FN DIRKE uu Pelaa Aleraf Redah Sedag gg Deraja Keaggoaa Nla Crsp Seap respode megevaluas seap seles rera dega megguaa sala lgus uu medapaa ga bobo uu epega rera. Bobo dalam sala lgus elah dujua pada abel d aas. Dega megguaa persamaa aa ddapaa bobo agrega uu masgmasg rera yag aya dguaa dalam melaua defuzzfas. Adapu hasl dar bobo agrega raa-raa uu epega rera dujua pada abel beru :

11 abel 5. Bobo Agrega Krera Kualaf No Krera Raa-Raa Bobo (N) c a b Compley erarchy Process Operably 3 Orgazao Evrome Safey Relably Avalably Susaably Respode juga meghug la preferes seap aleraf berdasara rera ualaf. Dalam perhuga bobo agrega masg-masg aleraf uu ap-ap rera dapa dcar la fuzzy agregaya dega megguaa persamaa 3 sehgga ddapaa hasl sebaga beru : abel 6. Bobo Aleraf erhadap Krera Kualaf No Krera M Operably Compley erarchy Process 3 Orgazao 4 Evrome 5 Safey 6 Relably Avalably 7 Susaably Aleraf RCM RBM PMS BM q o p q o p q o p q o p q o p q o p q o p Nla de fuzzy dar hasl pelaa seap aleraf uu rera ualaf doasa dega G. erlebh dahulu ddapaa la M da N, uu medapaa la de ecocoa fuzzy G uu ap- ap rera subyef. D s G bua merupaa blaga fuzzy ragular, melaa blaga fuzzy.

12 abel 7. Nla Ide Pembeu Fugs Evaluas Ide Aleraf RCM RBM PMS BM Y Q Z Mecar la defuzzfas rera da preferes aleraf erhadap rera, dmaa meode defuzzfas yag dguaa adalah meode cerod. Dega megguaa persamaa 7 da 8 ddapaa hasl defuzzfas uu rera da aleraf erhadap rera ualaf. abel 8. Defuzzfas Nla No Krera Defuzzfas Bobo Defuzzfas Aleraf RCM RBM PMS BM Compley Operably erarchy Process Orgazao Evrome Safey Relably Avalably Susaably abel 9. Nla Performas Aleraf Aleraf G RCM RBM PMS BM oal la performas ap aleraf dperoleh yau dega cara megala raa-raa bobo rera da la aleraf pada seap rera yag elah ddefuzzfas. abel. Deraja Keagoaa ap Aleraf Aleraf Nla Deraja Keaggoaa fg() RCM RBM PMS BM Dar perhuga G da fg() maa dapa deahu la da la , dmaa merupaa la G mmum sedaga uu adalah la G masmum. Nla da dguaa uu meghug la ulas masg-masg aleraf. Adapu hasl perhuga uu la ulas masg-masg aleraf adalah sebaga beru :

13 abel. Ide Pembeu las Aleraf (G) RCM RBM PMS BM Dega megguaa persamaa ragg uu aleraf berdasara rera ualaf adalah sebaga beru : abel. Ragg Aleraf Aleraf (G) RCM RBM PMS BM.9945 Dar hasl peraga d aas dapa deahu bahwa dar e empa aleraf, RCM merupaa merupaa plha yag palg ba dega la sehgga RCM dapa dreomedasa sebaga aleraf yag palg ba uu djada osep maajeme perawaa d NI AL. 5. KESIMPLA Dalam peela, algorma mulple crera dembaga uu melaua pemlha osep maajeme perawaa dega beberapa rera ualaf. Kosep blaga fuzzy da varabel lgus dpereala dega harapa dapa megevaluas ecocoa seap aleraf berdasara bobo epega dar seap rera ualaf. Dar algorma perhuga MCDM dega megguaa meode fuzzy dperoleh sau aleraf yag palg ba uu derapa sebaga osep maajeme perawaa d NI AL. Sebaga oseues uu pu daa yag omples, perhuga da rasformas aara sala lgus da ragular fuzzy umber dapa juga dembaga dalam sebuah peraga lua ompuer uu mempermudah dalam pegerjaa pegambla epuusa dega rera jama. DAFAR PSAKA Duffuaa, Salh., Raouf, A., ad Campbell, J.D. (999), Plag ad Corol of Maeace Sysems : Modelg ad Aalyss. Joh Wley & Sos, Ic. arwa, Wahyu. (), Aplas meode Fuzzy mul rera decso masg berbass ompuer dalam seles aryawa uu jabaa ereu d P. PJB Pembaga ugas Ahr S-, e Idusr, IS Ishda, K., ashmoo,., ad Araa, K.B. (), Relably based, mare machery seleco: a case sudy o ma ege coolg sysem, Proceedg. of he ISME 6h oyo, pp , Ocober. Kusumadew, Sr da Puromo, ar. (4), Aplas Loga Fuzzy u Peduug Kepuusa, Graha Ilmu, Yogyaara Lag, G.S, ad Wag, M.J. (994), Persoel Seleco sg Fuzzy MCDM Algorhm, Europe Joural of Operaoal Research, vol. 78 pp. -3. Mabes NI AL (4), Blue Pr NI AL 3. Saay.L. (988), he Aalyc erarchy Process, McGraw ll, New Yor. Se, P. ad Yag, J.B. (995), Mulple Crera Decso-Mag Desg Seleco ad Syhess, Joural of Egeerg Desg, Vol. 6 No. 3, pp Wag, C.L. ad Yoo, K. (98), Mulple Arbue Decso Mag Mehods ad Applcaos. A Sae of he Ar Survey, Sprger Verlag, New Yor.

14 Yag, J.B. (99), A ybrd Mulple Crera Decso Suppor Evrome for Egeerg Desg, Research repor EDC /MCDM/PAPERS/3/, Egeerg Desg Ceer, versy of Newcasle po ye, K. Zeley, Mla. (984), MCDM : Pas Decade ad Fuure reds (A Source boo of MCDM). he Joseph A. Maro Graduae School of Busess Admsrao Fordh. v. Lodo. hp:// hp:// hp:// maeace_bechmarg_survey_4.pdf. hp:// edo47.shml hp:// Asse_ealh_Care_Program.pdf. hp:// RCFA_Iegraed_Approach.pdf.

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN. Laar Belaag D alam erdapa baya seal jes mahlu hdup. Mahlu hdup ersebu aa mejala seles alam d maa yag ua yag aa beraha. Salah sau ejada yag dapa dama adalah persaga uu memperoleh maaa dalam

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGADAAN BAHAN BAKU DINAMIS DENGAN ADANYA DISKON DAN BATAS MASA KADALUARSA

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGADAAN BAHAN BAKU DINAMIS DENGAN ADANYA DISKON DAN BATAS MASA KADALUARSA JURNAL NFORMATKA Vol 4, No., Jauar SSTEM PENUKUNG KEPUTUSAN UNTUK PENGAAAN BAHAN BAKU NAMS ENGAN AANYA SKON AN BATAS MASA KAALUARSA S Mahsaah Budja Te dusr, Faulas Teolog dusr Uversas Ahmad ahla ABSTRAK

Lebih terperinci

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI Daua uu Memeuh Persyaraa Peyelesaa Program Saraa Sas Jurusa Maemaa Faulas Maemaa da Ilmu Pegeahua Alam Uversas

Lebih terperinci

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor Jural Grade Vol3 No Jul 007 : 77-8 U Meda Pegaruh Uaa da Ieras dala Peroaa Berfaor Sg Nugroho Jurusa Maeaa, Faulas Maeaa da Ilu Pegeahua Ala, Uversas Begulu, Idoesa Dera Ju 007; Dseuu 6 Jul 007 Asra -

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB I PENDAHULUAN I.1.

BAB I PENDAHULUAN I.1. BAB I PENDAHULUAN I.. Laar Belaag Pegeahua megea pasag suru d Idoesa dapa dguaa uu peeua baas wlayah, pemeaa bamer, surve hdrograf, da avgas. LAT (Lowes Asroomcal Tde dguaa oleh Idoesa sebaga char daum

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

3. BAHAN DAN METODE. Lokasi penelitian yang dikaji adalah daerah perairan Samudera Hindia

3. BAHAN DAN METODE. Lokasi penelitian yang dikaji adalah daerah perairan Samudera Hindia 3. BAHA DA METODE 3.1. au da Loa Peela Loa peela yag daj adalah daerah perara Samudera Hda pada 0,5 LS, 7,5º LS, 16,5º LS, 31,5 LS dar 40,5 BT ampa 100,5 BT, eper pada Gambar 7. Pembaga lag berdaara lea

Lebih terperinci

MODEL PENILAIAN ASPEK AFEKTIF AKHLAK MULIA BERBASIS DATA LINGUISTIK

MODEL PENILAIAN ASPEK AFEKTIF AKHLAK MULIA BERBASIS DATA LINGUISTIK MODEL PENILAIAN ASPEK AFEKTIF AKHLAK MULIA BERBASIS DATA LINUISTIK Sr Adaya 1 T-13 1 Jurusa Peddka Maemaka FMIPA UNY adaya_uy@yahoo.com Absrak Pelaa aspek afekf d sekolah merupaka proses pegambla kepuusa

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

BAB I PENDAHULUAN I.1.

BAB I PENDAHULUAN I.1. BAB I PENDAHULUAN I.. Laar Belaag Pasag suru lau adalah feomea pergeraa a uruya permuaa ar lau secara perod yag dsebaba oleh pegaruh gravas beda-beda lag eruama bula da maahar (Poerbadoo da Djuarsjah,

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

PERBANDINGAN MODEL EKSPONEN DAN MODEL SPLINE SERTA PENENTUAN LAMA WAKTU OPTIMAL DALAM PROSES SINTERING KERAMIK DI PT. KUALI MAS

PERBANDINGAN MODEL EKSPONEN DAN MODEL SPLINE SERTA PENENTUAN LAMA WAKTU OPTIMAL DALAM PROSES SINTERING KERAMIK DI PT. KUALI MAS PERBANDINGAN MODEL ESPONEN DAN MODEL SPLINE SERA PENENUAN LAMA WAU OPIMAL DALAM PROSES SINERING ERAMI DI P. UALI MAS Ulfa Meda Nurmaa(389) I Noma Budaara Mahasswa Jurusa Sasa FMIPA-IS Dose Pembmbg ugas

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC JEMTN PD GRF FUZZY INTUITIONISTIC St lfatur Rohmaah, au Surarso, da ambag Irawato 3 Uverstas Islam Darul Ulum Lamoga, a0304@gmalcom Uverstas Dpoegoro Semarag 3 Uverstas Dpoegoro Semarag bstract tutostc

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

Multi Criteria Decision Analysis Berbasis Fuzzy Set Theory untuk Pengambilan Keputusan

Multi Criteria Decision Analysis Berbasis Fuzzy Set Theory untuk Pengambilan Keputusan Performa (006) Vol. 5, No. : -0 Mult Crtera Decso Aalyss Berbass Fuzzy Set Theory utu Pegambla Keputusa Taufq Rochma Jurusa Te Idustr Faultas Te Uverstas Sebelas Maret Suraarta Jl. Ir. Sutam No.36 Suraarta

Lebih terperinci

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG SKRIPSI Dajua epada Faulas Maemaa da Ilmu Pegeahua Alam Uversas Neger ogyaara uu memeuh sebaga persyaraa gua memperoleh gelar Sarjaa Sas Oleh: Naala Jagrum

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Jural Ilmah Mrote Vol., No. 4 OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Joha Vara Alfa ), Rully Soelama ), Chaste Fatchah ) ), ), ) Te Iformata, Faultas

Lebih terperinci

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

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT PROSIDING SEMINAR NASIONAL SAISIA UNIVERSIAS DIPONEGORO 0 ISBN: 978-979-097-4-4 INERVAL ONFIDENSI SPLINE UADRA DENGAN PENDEAAN PIVOAL QUANIY Rowa Dafl Saraamual I Noma Budaara ) Mahasswa Magser Jurusa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

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

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

Lebih terperinci

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM Ed-Math; ol Tah EKITENI BAI ORTHONORMAL PADA RUANG HAIL KALI DALAM Mhammad Kh Abstras at rag etor ag dlegap oleh sat operas ag memeh beberapa asoma tertet damaa Rag Hasl Kal Dalam (RHKD) Pada RHKD deal

Lebih terperinci

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive BAB II LANDASAN TEORI 2. Toal Producve maeace (TPM) Toal Producve Maeace mula mula berasal dar pemkra PM ( Preveve Maeace da Produco Maeace), dar Amerka masuk ke Jepag da berkembag mejad suau ssem baru

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

Penerapan Aljabar Max Plus Interval pada Jaringan Antrian dengan Waktu Aktifitas Interval

Penerapan Aljabar Max Plus Interval pada Jaringan Antrian dengan Waktu Aktifitas Interval Peerapa Aljabar Max Plus Ierval pada Jarga Ara dega Wau Afas Ierval M. Ady Rudho Mahasswa S Maeaa FMIPA UGM da Saff Pegajar FKIP Uversas Saaa Dhara Yogyaara rudho@saff.usd.ac.d Sr Wahyu, Ar Suparwao Jurusa

Lebih terperinci

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear JURNL TKNIK ITS Vol. Sept ISSN: -97 - Implemetas lgortma Partcle Swarm utu Meyelesaa Sstem Persamaa Nolear rdaa Rosta Yudh Purwaato da Rully Soelama Jurusa Te Iformata Faultas Teolog Iformas Isttut Teolog

Lebih terperinci

ANALISIS & INTERPRETASI DATA KINETIKA SISTEM REAKTOR BATCH

ANALISIS & INTERPRETASI DATA KINETIKA SISTEM REAKTOR BATCH NLISIS & INTERPRETSI DT KINETIK SISTEM REKTOR BTH PEROBN KINETIK REKSI Salah sau caupa aau ruag gup sud ea reas adalah peeua ecepaa reas secara uaaf; hal mejad bera peerjaa seorag chemcal egeer yag harus

Lebih terperinci

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Peremua 3 Oule: Meode Peramala: Expoeal Smoohg (Sgle) Double Expoeal Smoohg Wer s Mehod for Seasoal Problems Error Forecas MAD, MSE, MAPE, MFE aau Bas Referes:

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PENDAHULUAN Laar Belaag Jahe (Zgber offcale Rosc. merupaa salah sau es aama oba yag mempuya baya eguaa ba sebaga baha oba aaupu maaa. Jahe besar serg dguaa dalam dusr maaa da muma peghaga. Jahe puh ecl,

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat Mater Bahasa Pemrograma Blaga Bulat (Iteger Programmg) Kulah - Pegatar pemrograma blaga bulat Beberapa cotoh model pemrograma blaga bulat Metode pemecaha blaga bulat Metode cuttg-plae Metode brach-ad-boud

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret JM Volue I Noor Deseer 0 Fugsoal Ad Orogoal pada W 0 () d dala R Ryad Faulas Kegurua da Ilu Pedda Uversas Seelas Mare Asrac Ths paper dscusses aou a represeao heore o a orhogoally addve ucoal o W 0 ()

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

Lebih terperinci

PERSAMAAN DIFERENSIAL PARSIAL. Partial Differential Equations PDE

PERSAMAAN DIFERENSIAL PARSIAL. Partial Differential Equations PDE PERSAMAAN DIFERENSIAL PARSIAL Paral Dffereal Equaos PDE Persamaa Dferesal Parsal PDE Acua Chapra, S.C., Caale R.P., 99, Numercal Mehods for Egeers, d Ed., McGraw-Hll Boo Co., New Yor. Chaper 3 da, hlm.

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

BAB III DATA DAN METODE PENGOLAHAN DATA

BAB III DATA DAN METODE PENGOLAHAN DATA BAB III DATA DA ETODE PEGOLAHA DATA 3. Daa Daa ag dguaa adalah daa ecepaa arus d perara Sela Lfaaola da uu edees edees orelasa dega feoea El ño da La ña pada ahu-ahu 004 sapa 006 dguaalah daa Ides Oslas

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE ANAISIS FATOR-FATOR YANG MEMPENGARUHI PRODUSI EDEAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRI SPINE Da Amela, I Nyoma Budaara Jurusa Sasa, FMIPA, Isu Teolog Seuluh Noember (ITS Jl. Aref

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA BAB PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA Meode Euler Meode Euler adala Meode ampira palig sederaa uu meelesaia masala ilai awal: ( Biasaa diasumsia bawa peelesaia ( dicari pada ierval erbaas ag dieaui

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

ANALISA HANTARAN GELOMBANG LISTRIKMAGNET DENGAN MENGGUNAKAN METODA FINITE DIFFERENCE TIME DOMAIN (FDTD)

ANALISA HANTARAN GELOMBANG LISTRIKMAGNET DENGAN MENGGUNAKAN METODA FINITE DIFFERENCE TIME DOMAIN (FDTD) Tuoral Rse Uggula Terpadu RUT VI PNGMBANGAN SISTM RADAR BAWA TANA PULSA IRP ANALISA ANTARAN GLOMBANG LISTRIKMAGNT DNGAN MNGGUNAKAN MTODA FINIT DIFFRN TIM DOMAIN FDTD Ieses P db Peel Uama Ir. Josapha Teuo

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau perawaa (maeace) merupaka kegaa uuk mejaga aau memelhara faslas-faslas da peralaa pabrk, sera megadaka perbaka, peyesuaa aau peggaa yag dperluka uuk medapaka

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY Ajeg Ye Seagrum 1, da Muhammad Kholl Jurusa Tekk Idusr, Fakulas Tekk Uversas Mercu Buaa

Lebih terperinci