PENJADWALAN DUA MESIN FLOW SHOP UNTUK MEMINIMASI TOTAL TARDINESS DENGAN MEMPERHATIKAN KETIDAKTERSEDIAAN PADA KEDUA MESIN

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENJADWALAN DUA MESIN FLOW SHOP UNTUK MEMINIMASI TOTAL TARDINESS DENGAN MEMPERHATIKAN KETIDAKTERSEDIAAN PADA KEDUA MESIN"

Transkripsi

1 PENJDWLN DU MESIN FLOW SHOP UNTUK MEMINIMSI TOTL TRDINESS DENGN MEMPERHTIKN KETIDKTERSEDIN PD KEDU MESIN Rr.Orifia Pitrasari, Stefaus Eo Wirato, Patdoo Suwigo Jurusa Tei Idustri Istitut Teologi Sepulu Nopember (ITS) Surabaya Kampus ITS Suolilo Surabaya 60 ; patdoo@ie.its.ac.id BSTRK Peelitia ii membaas permasalaa peadwala dua mesi flow sop yag megaomodasi etidatersediaa pada edua mesi dega odisi o-resumable. Sebua model matematis da algoritma euristi diracag utu medapata uruta ob yag dapat memiimasi total tardiess. Model matematis diselesaia dega batua Ligo, sedaga algoritma euristi diracag dega megguaa 3 prioritas peguruta yaitu earliess due date, slac da earliess D/P. Hasil peelitia megofirmasia bawa model matematis dapat megasila solusi yag lebi bai dibadig algoritma euristi, amu membutua watu yag sagat lama utu meyelesaia permasalaa dega umla ob yag baya. Sedaga utu algoritma euristi dega prioritas peguruta earliess due date dapat megasila solusi yag lebi bai dibadiga dega slac da earliess D/P. Selai itu, model matematis da euristi yag tela diracag tida selalu dapat megasila solusi yag optimal. Kata Kuci : Flow Sop, etidatersediaa, model matematis, da Heuristi BSTRT Tis researc discussed about two macies flow sop scedulig problem tat accommodate o-availability of two macies i o-resumable coditio. matematic model ad euristic algoritm is establised to get ob sequece to miimize total tardiess. Matematic model is solved by usig ligo software, wereas te euristic algoritm tat establised to solve matematic model is usig tree dispatcig priority tere are earliess due date, slac, ad earliess D/P. Te result is cofirm tat matematic model ca get better solutio ta euristic algoritm, owever eed muc time to solve a big problem. Wereas for euristic algoritm tat usig earliess due date priority ca get solutio better ta slac ad earliess D/P. I additio, matematic model ad euristic tat ave bee establised ot always ca get optimal solutio. Key word: Flow Sop, No-availability, Matematic Model, Heuristic. Pedaulua Beberapa peelitia dilaua utu megatasi masala peadwala pada sistem flow sop atara lai adala peelitia Pa et al. (00) membuat model peadwala dua mesi dega riteria performasi miimasi total tardiess da megasumsia mesi dalam eadaa tersedia. Selai itu, ada peelitia yag megasumsia bawa mesi tida selalu tersedia saat aa diguaa dalam peadwala determiisti. Peelitia tersebut atara lai peelitia yag dilaua ole Lee (997) model tersebut megasumsia odisi etidatersediaa mesi yag resumable serta o-resumable da etidatersediaa aya teradi pada satu mesi dega riteria miimasi maespa. Lee (999) megembaga model peadwala utu odisi semi-resumable. rliato (00) dalam Beritu (008) megembaga model peadwala Lee (999) meadi model peadwala flow sop m mesi ob dega edala etidatersediaa pada sala satu mesi. Kubia et al. (00) membuat model peadwala utu odisi resumable, dega iterval etidatersediaa pada beberapa mesi, dega riteria miimasi maespa. Setiawati (003) dalam Beritu (008) megembaga model rliato (00) dega mempertimbaga etidatersediaa mesi yag dapat teradi pada lebi dari satu mesi da terleta pada posisi maapu utu odisi

2 o resumable dega riteria miimasi mea Earliess. Beritu (008) membuat model peadwala m mesi dega odisi oresumable, semi resumable da resumble utu tuua miimasi maespa. Kusuma (008) membuat model peadwala dua mesi dimaa etidatersediaa teradi terbatas aya pada sala satu mesi utu odisi o-resumable dega riteria miimasi total tardiess. Pegembaga model dalam peelitia ii megacu pada peelitia Kusuma (008). Peelitia ii membuat suatu model peadwala dua mesi utu memiimasi total eterlambata (total tardiess) dega memperatia etidatersediaa yag teradi pada edua mesi odisi o-resumable. Dalam peelitia ii, proses pegeraa ob bersifat o-resumable yag berarti ia terdapat ob yag proses pegeraaya terpotog ole etidatersediaa mesi, etia mesi tersedia embali, ob tersebut arus diulag prosesya dari awal. Meurut Morto ad Petico (993) apabila memasua edala due date dalam meadwala suatu ob, maa fugsi tuua yag sesuai adala miimasi total tardiess. Miimasi Total tardiess teradi area besarya pealty yag diberia ole osume proportioal teradap umla ob yag terlambat serta tida ada reward apabila ob selesai dieraa sebelum due date. Hasil peelitia diarapa dapat meadi alteratif bagi pemecaa masala peadwala flow sop utu memiimasi total tardiess yag mempertimbaga etidatersediaa edua mesi yag proses obya bersifat oresumable.. Studi Literatur Peadwala Peadwala Meurut (Blazewicz et.al, 007) terdiri dari 3 arateristi, yaitu seumla T = {T, T,.., T} dimaa adala tugas/ob, seumla P = {P,P,..,Pm} dimaa m merupaa mesi, da seumla R = {R,R,.., Rs} dimaa s merupaa sumberdaya laiya. tau dega ata lai, peadwala berarti peugasa seumla ob utu diproses diseumla mesi dega sumberdaya yag ada serta dega batasa yag ditetua. Fator-Fator yag meggambara arateristi peadwala produsi adala :. Jumla peeraa (ob) yag diadwala, yaitu umla ob yag aa diproses, watu yag diperlua utu tiap proses, da eis mesi yag diperlua.. Jumla mesi da atau operasi pada worsop. 3. Pola fasilitas maufatur : flow sop, obsop, opesop. 4. Productio eviromet : determiistic (watu proses da al lai yag berubuga dega peadwala suda dietaui) da Stocastic (tida dietaui secara pasti secara pasti watu yag ada). Klasifiasi peadwala Beberapa macie eviromet yag mugi terbetu adala sebagai beriut : a. Mesi Tuggal (Sigle Macie) Haya ada satu mesi utu memproses seumla ob. b. Mesi Paralel (Parallel Macie) Terdapat m mesi ideti yag disusu secara paralel. Seigga ob dapat dilayai ole mesi maa saa. c. Flow Sop Terdapat m mesi, dimaa ob memerlua operasi di masig-masig mesi. Semua ob memilii routig yag sama. Biasaya semua atriaya diasumsia beroperasi secara First i First Out. d. Job Sop Dalam peadwala ob sop ii routig tiap mesi tetap, amu uruta proses tida sama utu setiap ob. e. Ope Sop Terdapat m mesi, dimaa masig-masig ob melewati mesi yag sama lebi dari satu ali. Job yag berbeda bisa memilii routig berbeda. Peadwala flow sop da beberapa macam pola flow sop meurut Morto ad Petico(993) :. Pure Flow sop Semua ob memerlua satu operasi pada setiap mesi da area tiap ob memerlua umla mesi da uruta

3 yag sama. Gambar. meuua pola pure flow sop. m Gambar. Pola Pure Flow sop. Sip Flow sop Gambar.3 meuua pola sip flow sop atau pola melompat, dimaa mesimesi tertetu dapat dilompati ole obob tertetu Gambar.3 Pola Sip Flow sop 3. Reetrat Flow sop Dalam reetrat flow sop, beberapa mesi dapat dilalui lebi dari seali..4 meuua pola reetrat flow sop R R R 3 4 Gambar.4 Pola Reetrat Flow sop 4. ompoud Flow sop Dalam compoud flow sop, satu mesi dalam set mesi dapat digatia ole seelompo mesi. Kelompo mesi tersebut umumya adala mesi-mesi parallel atau alur batc yag diiuti ole mesi-mesi parallel. Gambar.5 meuua pola compoud flow sop. Gambar.5 Pola ompoud Flow sop vailability dalam Peadwala Meurut Strusevic et al. (009) odisi etidatersediaa mesi dapat dibedaa meadi tiga macam, atara lai : Resumable Pada odisi ii ob yag belum selesai diproses tersebut bisa dilauta embali setela mesi tersedia tapa megulag proses tersebut dari awal. oto odisi ii adala pada proses weldig (megelas), Semi-Resumable Bagia proses yag tela dieraa sebelum teradi etidatersediaa maa setela mesi tersedia, ada bagia proses yag arus diulag. oto odisi semi-resumable yaitu pada proses drillig (megebor). No-Resumable Kodisi dimaa ia terdapat ob yag proses pegeraaya terpotog ole etidatersediaa mesi, etia mesi tersedia embali, ob tersebut arus diulag prosesya dari awal. oto adala pegecora. Model Peadwala Kusuma Model yag diguaa dalam peadwala Kusuma(008) adala : Z = f(t) = Fugsi Tuua Z adala miimasi Total tardiess i = omor ob i =,,.., = omor mesi =, = uruta ob =,,.., p i, = watu proses ob-i pada mesi- a = saat mulai iterval etidatersediaa mesi pada mesi e- b = saat selesai iterval etidatersediaa mesi pada mesi e-i d i = due date ob i =,.., Variabel Keputusa yag diguaa adala : Z i = ides ob i diadwala pada posisi e-. Zi = ia ob i diadwala pada posisi e-, ia tida, maa Z i, = 0. uxiliary Variable : P = processig ob uruta e- di mesi d = due date ob uruta e- S, = startig time ob uruta e- pada mesi pertama, =,,.., X = idle time utu ob uruta uruta e, yaitu watu atara selesaiya ob uruta e- pada mesi pertama dega mulaiya ob uruta e- pada mesi edua, =,,.., = ides mesi e- tersedia saat ob uruta e-, =, bila mesi e- tida tersedia saat ob uruta e-; = 0, ia mesi e- tersedia saat ob uruta e-. = completio time utu ob uruta e- pada mesi e-. Bila Ketidatersediaa Teradi Pada Mesi Pertama 3

4 Beriut adala model matematis bila terdapat etidatersediaa pada mesi pertama. Fugsi Tuua : MiZ T () Subect To : i Z i, Utu =,,.., ; i =,,.., () p ( Z x p i i, i ) Utu =,; =,,.., (3) d ( Z x d i i, i) Utu =,,.., (4) T max{ 0,, d} Utu =,,.., (5) X max{ 0, },, Utu =; =,,.., (6) Utu Startig time: S,, xb Utu = (7) S S xp x( b,,, {,, Utu =,3,.. (8) Utu ompletio time: S ( Z x i i, pi ) Utu = ; =,,.., (9),, P, Utu = da = (0) P X,,, Utu =,3,.., () i, Utu =; =,,.., (), {0,} Utu =,; =,,.., {0,} Z, (3) Utu i =,,..; =,,.. (4), 0 ia P, Utu i = da = (5) )}, 0 (, ) ia P (, ), atau da (, ) Utu =,3,.. da = (6) Bila Ketidatersediaa Teradi Pada Mesi Kedua dapu batasa utu etidatersediaa yag teradi pada mesi e- adala sebagai beriut Utu Startig time : S, 0 Utu = (7) S S P,,, Utu =,3,.., (8) S S P X x( b ),,,,, Utu =,,.. (9) Utu ompletio time: P x{ b },,,,, Utu = (0) P X x b,,,, {, X Utu =,3,.., (), 0 (, ) ia P (, ), atau da Utu = ; = (), 0 (, ) ia P (, ), X da atau Utu =,3,..; = (3) (, ) (, ) 3. Formulasi Masala Pegembaga model dilaua pada sistem flow sop dua mesi dega asumsi bawa posisi etidatersediaa utu masigmasig mesi dietaui pada saat peadwala aa dilaua, tida ada mesi yag dapat memproses lebi dari satu operasi dalam watu yag bersamaa, watu proses utu masigmasig ob tela dietaui serta watu set up suda termasu dalam watu proses. Model yag diembaga ii dimodifiasi dari model Kusuma (008). Modifiasi tersebut adala : Modifiasi : Pembuata model esa dalam peelitia ii ilai ides B B B } 4

5 iterval etidatersediaa mesi ditiau dari watu awal proses (startig time). Sedaga Kusuma (008) meiau dari watu selesaiya ob (completio time). Modifiasi : Peggabuga parameter saat mulai (a ) da saat selesai (b ) etidatersediaa pada mesi pertama da saat mulai (a) da saat selesai (b) etidatersediaa pada mesi edua dalam startig time maupu completio time. Peabara ompoe-ompoe model utu peyusua formulasi model matematis seperti dibawa ii. i omor ob i =,,.., omor mesi =, uruta ob setela di adwala =,,.., L uruta ob setela di adwala L =,,.., pi watu proses ob i pada mesi e- a saat mulai iterval etidatersediaa mesi pada mesi e-. b saat selesai iterval etidatersediaa mesi pada mesi e- di due date ob i =,,.., Variabel Keputusa : Z i ides ob i diadwala pada posisi e. Z i = ia ob i diadwala pada posisi e-, ia tida maa Z i = 0 S Startig time ob uruta e- pada mesi pertama. =,,.., ompletio time utu ob uruta e- pada mesi e-. Parameter yag diguaa: P Processig time ob uruta e- dimesi e- d due date ob uruta e- X idle time utu ob uruta e-, yaitu watu atara selesaiya ob uruta e- pada mesi pertama dega mulaiya ob uruta e- pada mesi edua, =,,.., ides mesi e- tersedia saat ob uruta e-, = bila mesi e- tida tersedia saat ob uruta e- ; = 0 ia mesi e- tersedia saat ob uruta e- Model matematis dituua ole persamaa sampai dega Fugsi Tuua : MiZ T Utu =,,.., () Subect to : i Z i, Utu =,,..,; () Z i, Utu i =,,.., (3) p ( Z x p, i, i ) i Utu =,; =,,.., (4) d ( Z x d i i, i) Utu =,,.., (5) T max{ 0,, d} Utu =,,.., (6) X max{ 0, },, Utu =; =,,.., (7) i, Utu =,; =,,.., (8) Beriut ii pembuata model matematis dari asil modifiasi seperti yag disebuta dalam peabara model, yaitu : Modifiasi Pada modifiasi, persamaa (5), (6) da (),(3) meadi persamaa (9), (0),() da () dibawa ii, 0 ia P, Utu = ; = (9) 5

6 , 0 ia S, B, S, p, p, da Utu =,3,..,; = (0), 0 ia S, p, p, Utu = ; = (), 0 ia S, B, S, p, p, da Utu =,3,..,; = () Modifiasi utu startig time: Pada model modifiasi, persamaa (7), (8), da (7),(8),(9) meadi persamaa (3), (4), (5) da (6) dibawa ii S,, xb Utu = ; = (3) S S P x( b,,, {,, Utu =,3,.., (4) S S P xmax(0, b )},,, {,, Utu = ; = (5) S S P X xmax(0, b,,, {,, Utu =,3,..,; = (6) Modifiasi utu completio time: persamaa (9), (0) da () serta (0) da () meadi (8) da (9) dibawa ii :, S, ( Zi, x pi ) i Utu = ; da i =,,..,(7),, P, {,xmax(0, b, )} Utu = ; = (8),, P, X {,x{max(0, b, )} Utu =,3,..,; = (9) )} )}, {0,} Utu =,; =,,.., (0) Z, {0,} Utu i =,..,; =,,...,() Kostrai () memastia fugsi tuua memiimasi total eterlambata (total tardiess) ob. Kostrai () da (3) memastia bawa aya terdapat satu ob yag dapat diadwala pada posisi e-. Kostrai (4) memastia watu proses (processig time) ob uruta e- di mesi e-. Kostrai (5) memastia teggat watu (due date) ob utu ob uruta e-. Kostrai (6) memastia bawa ia (, d ) berilai positif, maa ob terlambat. Jia ilaiya egatif, maa tida ada eterlambata. Kostrai (7) memastia idle time ob teradi ia watu selesaiya proses ob uruta e (-) pada mesi edua lebi besar dari watu selesaiya proses ob uruta e- dimesi pertama. Bila tida teradi idle time ob, maa X = 0. Kostrai (8) memastia bawa selama peadwala dilaua, etidatersediaa aya teradi seali. Kostrai (9) sampai () memastia ia proses ob e- dimesi e- tida terpotog ole iterval etidatersediaa, maa mesi tersedia (, 0). Kostrai (3) sampai dega (6) memastia startig time ob di mesi e- teradi sebelum mesi tida tersedia atau setela mesi tersedia serta setela ob sebelumya selesai diproses di mesi e-. Kostrai (7) sampai dega (8) memastia bawa completio time ob teradi pada saat awal mesi mulai tidatersedia atau teradi saat mesi tela tersedia. Kostrai (4.9) da (4.0) memastia ides iterval etidatersediaa mesi da uruta ob berupa biary. Model matematis yag dibuat diselesaia dega Ligo.8 da uga diselesaia dega lgoritma euristi. lgoritma Heuristi lgoritma yag diembaga dalam peelitia ii megguaa 3 prioritas peguruta ob, yaitu atura EDD, Slac, da Earliess D/P disertai dega adaya switc ob 6

7 pada mesi pertama. Laga-laga algoritma yag dibuat adala : Laga : tetua posisi mesi beserta paag iterval etidatersediaa di mesi (a,b ) da mesi (a,b ). Lauta e laga. Laga : masua data tetag P i, P i, umla ob (), Due date masig-masig ob (d i ), sebagai uruta ob yag belum teradwal, B sebagai uruta ob yag tela teradwal. Laga 3 : tetua prioritas peguruta da uruta ob berdasara prioritas peguruta. Laga 4 : Set L =,,.., ; = da L = Laga 5 : perisa apaa masi belum ada ob yag tela discedule a ( B=0 ), ia memeui lauta e laga 6. Jia tida memeui yag berarti tela ada ob yag teradwala, lauta e laga 8 Laga 6 : perisa apaa eadaa B=0 berada pada mesi pertama (mesi e-),. Jia memeui, maa ob tersebut diproses dimesi e- uruta e- dimaa startig time-ya = 0 da lauta e laga. Jia tida memeui, berarti ob uruta e L tersebut tida diproses di mesi e-, seigga dipastia dia diproses di mesi e- da lauta e laga 7. Laga 7 : itug startig time ob uruta e-l = dimesi e dua. Dimaa Startig time ob uruta e L dimesi e merupaa ompletio time ob uruta e-l di mesi e- (S L, = S L, + P L, ). Selautya e laga Laga 8 : perisa apaa ob yag aa teradwala tersebut aa di proses pada mesi pertama. Jia memeui, lauta e laga 9. Jia tida memeui Laga 9 : Laga 0 : Laga : yag berarti ob tersebut di adwala pada mesi selautya, yaitu mesi e-, maa lauta e laga 0 itug startig time ob uruta e-l dimesi e satu, dimaa Startig time ob uruta e-l di mesi merupaa ompletio time ob sebelumya yag tela teradwala di mesi e- (S L, = S L-, + P L-, ). Kemudia lauta e laga. itug startig time ob uruta e-l di mesi e- setela ada beberapa ob yag teradwal. Startig time ob uruta e-l dimesi e- ii merupaa completio time ob uruta e-l di mesi e- ditamba dega idle ob. Selautya e laga. itug completio time ob uruta e-l yag aa diadwala bai pada mesi maupu mesi e-. Dimaa completio time ob uruta e-l yag diproses di mesi e-j merupaa peambaa dari startig time ob uruta e-l di mesi e-j dega processig time ob uruta e-l di mesi e-j. Lauta e laga. Laga : perisa apaa ob e-l diproses di mesi e-. Jia memeui, lauta e laga 3. Jia tida memeui e laga Laga 3 : perisa apaa ob uruta e-l bisa diadwala pada mesi e-j sebelum watu etidatersediaa mesi. Guaa syarat L,J a J apabila syarat tersebut terpeui, maa lauta e laga 4. Jia syarat tersebut tida terpeui, maa lauta e laga 5. Laga 4 : Jadwala ob uruta e-l setela ob uruta e-l- selesai. Set = L, dimaa merupaa uruta pegeraa ob yag tela teradwal (B). Lauta e laga 9. 7

8 Laga 5 : perisa apaa ob uruta e-l bisa diadwala pada mesi e-j sebelum watu etidatersediaa mesi. Guaa syarat S L,J a J apabila syarat tersebut terpeui, maa e laga Jia syarat tersebut tida terpeui, maa lauta e laga 7. Laga 6 : Perisa apaa ada ob peggati dibelaag ob uruta e-l dega syarat L,J a J. pabila syarat tersebut terpeui, maa Tuar posisi ob peggati da uruta ob meurut di terecil igga terbesar da embali e laga 4. Jia syarat tersebut tida terpeui, Lauta e laga 7. Laga 7 : perisa apaa S L,J b J. Jia syarat tersebut terpeui, lauta e laga 8. Jia syarat tersebut tida terpeui, maa embali e laga 4. Laga 8 : ob merupaa cross over ob, yaitu ob tersebut terpotog ole iterval etidatersediaa mesi, seigga set S L,J = b, emudia itug L,J = S L,J + P L,J. Da embali e laga 4. Laga 9 : set L = L+. Jia L =, maa output dari mesi e- yag berupa uruta ob yag tela teradwal (B) aa meadi iput di mesi e- (). Seigga utu diproses di mesi e-, maa set B di mesi e-= 0. Lauta e laga 0. Jia L < =, maa embali e laga 5. Laga 0 : set J = J+. Jia J > umla mesi (M), maa lauta e laga 7. Jia tida maa embali e laga 4. Laga : perisa apaa ob uruta e-l bisa diadwala pada mesi e-j sebelum watu etidatersediaa mesi. Guaa syarat L,J a J apabila syarat tersebut terpeui, maa lauta e laga 4. Jia syarat tersebut tida terpeui, maa lauta e laga. Laga : perisa apaa ob uruta e-l bisa diadwala pada mesi e-j sebelum watu etidatersediaa mesi. Guaa syarat S L,J a J apabila syarat tersebut terpeui, maa e laga 3. Jia syarat tersebut tida terpeui, maa lauta e laga 4. Laga 3 : Perisa apaa ada ob peggati dibelaag ob uruta e-l dega syarat L,J a J. pabila syarat tersebut terpeui, maa Tuar posisi ob peggati da uruta ob meurut di terecil igga terbesar da embali e laga 4. Jia syarat tersebut tida terpeui, Lauta e laga 4. Laga 4 : perisa apaa S L,J b J. Jia syarat tersebut terpeui, lauta e laga 5. Jia syarat tersebut tida terpeui, Laga 5 : maa lauta e laga 4. ob merupaa cross over ob, yaitu ob tersebut terpotog ole iterval etidatersediaa mesi, seigga set S L,J = b, emudia itug L,J = S L,J + P L,J. Da embali e laga 4. Laga 6 : itug total tardiess dari semua ob yag tela diadwala, dimaa Σ(T ) = Σmax(0, -d ). Lauta e laga 7. Laga 7 : lgoritma selesai 4. oto Numeri da alisis Hasil oto umeri dilaua teradap tei peyelesaia, yaitu eumerasi, esa da euristi dega megambil sampel umla ob sebaya = 5 (data dari peelitia sebelumya, Scaller (005)) seigga megasila total tardiess. Kemudia, total tardiess tersebut diguaa utu meguur 8

9 emampua masig-masig tei peyelesaia dalam meyelesaia problem peadwala. Problem peadwala dega umla ob = 5 sala satuya dilaua dega eumerasi area dipastia memberia solusi optimal. Dega eumerasi semua alteratif peadwala diitug total tardiessya da masig-masig ob diui dega beberapa iterval etidatersediaa mesi. Perituga eumerasi memerlua watu yag cuup lama apabila dilaua secara maual, Ole area itu utu memudaa dalam perituga, eumerasi yag dilaua disii utu mempermuda perituga megguaa batua pemrograma Java. Dari reapa eumerasi, dietaui ubuga atara etidatersediaa yag teradi di edua mesi dalam mempegarui total eterlambata, yaitu eterlambata terbesar teradi apabila etidatersediaa mesi teradi di awal utu mesi pertama da teradi di tega utu mesi e dua. Selai diselesaia dega eumerasi model matematis diselesaia dega lgoritma Heuristi da Ligo.8. Utu mempermuda melaua perituga, lgoritma euristi megguaa alat batu Java dega megiuti Laga sampai dega Laga 7 seperti yag dielasa diatas. Dari asil euristi dietaui bawa prioritas peguruta dega megguaa EDD megasila total eterlambata yag palig ecil dibadiga dega Slac da Earliess D/P. Hal ii diareaa dalam EDD, due date merupaa pertimbaga utama dalam permulaa pegeraa ob. Dimaa ob dega due date terecil diproses terlebi daulu. Utu megetaui performasi peyelesaia masala peadwala dega Ligo.8, maa aa diuia seumla ob () dega = 6 sampai dega =. Setela model matematis diruig dega Ligo.8, dari = 6 sampai dega = 8, tida dibutua adaya peyesuaia ostrai. Namu etia = 9 sampai dega =, dibutua adaya peyesuaia ostrai. Kemudia dibadiga performasi atara etiga tei peyelesaia (eumerasi, esa da euristi) dalam meyelesaia asus peadwala yag memperatia etidatersediaa mesi, maa dilaua suatu perbadiga teradap masig-masig posisi etidatersediaa mesi. Dalam peelitia ii, terdapat 9 ombiasi posisi etidatersediaa mesi. Da asilya dituua ole Gambar dibawa ii. Gambar. Perbadiga Performasi Eumerasi, Esa da Heuristi Dari gambar diatas, emudia dibuat suatu persetase perbedaa total tardiess yag dapat diliat pada persamaa da 3 beriut ii. Perbedaa total tardiess atara solusi esa teradap eumerasi: 7 69 x00% 3% 69 () Perbedaa total tardiess atara solusi euristi teradap eumerasi : 7 69 x00% 5% 69 (3) Persetase perbedaa pada persamaa da 3 meuua bawa semai ecil perbedaa teradap solusi eumerasi (solusi optimal) maa semai bai performasi esa maupu euristi 5. Kesimpula Model matematis yag diembaga merupaa model Iteger No-Liear Programmig, maa dalam pecapaia solusiya, megasila solusi yag local optimum. Dalam peyelesaiaya model matematis di ruig dalam Ligo.8, dimaa dalam meyelesaia problem peadwala, utu beberapa umla ob model matematis masi membutua adaya peyesuaia ostrai. Pembuata model matematis ii sagatla rumit da membutua etelitia serta watu yag cuup lama. Selai pembuata model matematis yag sagat rumit, peyelesaia asus peadwala dega umla 9

10 ob yag baya aa membutua watu yag lama dalam memperole asil eputusa. Utu megatasi al tersebut, model matematis diselesaia dega pedeata Heuristi. lgoritma euristi yag dibuat mampu meyelesaia asus peadwala flow sop dua mesi dega riteria performasi miimasi total tardiess dega mempertimbaga edala etidatersediaa pada edua mesi odisi o-resumble dalam watu sigat tapa adaya peyesuaia ostrai. Dimaa algoritma euristi dega prioritas peguruta EDD disertai adaya pertuara ob (switc ob) dimesi pertama megasila peadwala yag cuup bai, yaitu total tardiess palig miimum dibadiga dega slac da uga earliess D/P. Namu, prioritas peguruta EDD utu fugsi tuua total tardiess tida selalu memperole asil yag optimal. Performasi atara metode esa (dega meru dalam Ligo.8) da euristi (dega meru dalam Java) teradap eumerasi (asil optimal), dietaui bawa metode esa megasila ilai total tardiess yag lebi ecil dibadiga dega lgoritma euristi seigga diataa metode esa lebi bai dari segi asil, yaitu megasila ob dega uruta yag ilai eterlambataya lebi ecil dibadiga dega algoritma euristi. Dega persetase perbedaa atara eumerasi da esa sebesar 3% da persetase perbedaa atara eumerasi da euristi sebasar 5%. Namu dalam asus tertetu, lgoritma euristi lebi disaraa diguaa dari pada esa area dalam memperole asil eputusa dega umla ob yag sagat besar, peyelesaia dega euristi membutua watu yag cuup sigat. Dalam peelitia selautya utu melegapi da meyempuraa peelitia ii perlu diperatia al-al sebagai beriut :. Iterval etidatersediaa megguaa lebi dari seali utu masig-masig mesi.. Modifiasi model matemati utu permasalaa dega umla ob yag baya seigga tida perlu melaua peyesuaia model matemati etia diruig dega software Ligo 3. Uruta ob di mesi edua dapat dibuat berbeda dega uruta ob di mesi esatu. 4. Prioritas peguruta ob dalam euristi perlu disempuraa agar dapat megasila solusi yag optimal da/atau lebi bai. 5. Posisi etidatersediaa mesi bersifat probabilisti. 6. Daftar Pustaa llaoui, H., rtiba,., Elmagraby, S.E., Riae, F Scedulig of Two- Macie Flow Sop Wit vailability ostraits O Te First Macie. Iteratioal Joural of Productio Ecoomics, Vol. 99, pp Baer, K. R Itroductio to Scedulig. aada : Jo Wiley & Sos, Ic. Beritu, Jefiz Model Peadwala Flow Sop Job m Mesi utu Memiimasi Maespa dega Kedala Ketidatersediaa Mesi dega Due Date. Tesis Jurusa Tei Idustri ITS. Blazewicz J., Ecer K., Pesc E., Scmidt G., Weglarz J Iteratioal Hadboos Scedulig omputer ad Maufacturig Process. Berli : Spriger ataravarapa, Samar, B.E., M.S.I.E. 00. Heuristic For Te Family Scedulig Problems To Miimize Total Tardiess. Dissertatio i Idustrial Egieerig of Texas. Kubia, Weislaw, Blazewicz J., Formaowicz P.,Breit J.,Scmidt G. 00. Two-Macie Flow Sop wit Limited Macie vailability. Europea Joural Of Operatio Researc, Vol. 36, pp Kusuma, Budiyati Peadwala Dua Mesi Flow Sop Utu Memiimasi Total Tardiess berdasara Ketidatersediaa Mesi. Tugas ir Jurusa Tei Idustri ITS. Lee,. Y Miimizig te Maespa i Te Two Flow Sop Scedulig 0

11 Problem Wit Uavaibility ostraits. Operatio Researc Letter, Vol.0, pp vailability ostraits. omputers & Operatio Researc, Vol. 36, pp Lee,.Y Two Macie Flow Sop Scedulig wit vaibility ostraits. Europea Joural Of Operatio Researc, Vol.4, pp Liao, L.M ad Tsai,.H Heuristic lgoritm for Two Macie Flow Sop wit vaibility ostraits. omputer & Idustrial Egieerig, Vol. Xxx, pp. xxx-xxx Morto, Tomas E ad Petico, David W Heuristic Scedulig Systems. aada : Jo Wiley & Sos, Ic. Pa, J..H., e, J.S., ad ao,.m. 00. Miimizig Tardiess i Two Macie Flowsop. omputers & Operatio Researc, Vol. 9, pp Piedo, Micael. 00. Scedulig Teory, lgoritms, ad System, Tird Editio. New Yor : Pretice Hall, Ic. Piedo, Micael Scedulig Teory, lgoritms, ad System, Secod Editio. New Jersey : Pretice Hall, Ic. Riggs, James L Productio Systems : Plaig, alysis ad otrol, Tird Editio. aada : Jo Wiley & Sos, Ic. Scaller, Jefrey Note o Miimizig Total Tardiess o Two-Macie Flowsop. omputers & Operatio Researc, Vol. 3, pp Sipper, D ad Bulfi, Robert L., Jr Productio : Plaig, otrol, ad Itegratio. New Yor : Te MacGraw Hill, Ic. Strusevic, Vitaly., Potts, ris N., d Kubzi, Miail pproximatio Result for Flow Sop Scedulig Problems wit Macie

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

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

Lebih terperinci

PENJADWALAN FLOWSHOP DUA KRITERIA DENGAN SETUP TIME TERPISAH DAN DETERIORASI LINIER

PENJADWALAN FLOWSHOP DUA KRITERIA DENGAN SETUP TIME TERPISAH DAN DETERIORASI LINIER Prosidig Semiar Nasioal Maaeme Teologi VIII PENJADWALAN FLOWSHOP DUA KRITERIA DENGAN SETUP TIME TERPISAH DAN DETERIORASI LINIER Ceria Farela Mada Tatria, Patdoo Suwigo da Stefaus Eo Wirato Jurusa Tei Idustri

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

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

Lebih terperinci

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

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

Lebih terperinci

MACAM-MACAM TEKNIK MEMBILANG

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP. (Tessa Vaia Soetato, et al.) STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN

Lebih terperinci

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

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

Lebih terperinci

Representasi sinyal dalam impuls

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

Lebih terperinci

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

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

Lebih terperinci

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)

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

Lebih terperinci

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

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

Lebih terperinci

PENYELESAIAN INTEGRASI NUMERIK DENGAN MATLAB. Ratna Widyati Jurusan Matematika, FMIPA Universitas Negeri Jakarta

PENYELESAIAN INTEGRASI NUMERIK DENGAN MATLAB. Ratna Widyati Jurusan Matematika, FMIPA Universitas Negeri Jakarta Kode Makala M-6 PENYELESAIAN INTEGRASI NUMERIK DENGAN MATLAB Rata Widyati Jurusa Matematika, FMIPA Uiversitas Negeri Jakarta ABSTRAK Metode umerik dapat diguaka utuk megampiri itegrasi yag dapat meyelesaika

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)

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

Lebih terperinci

MAKALAH TEOREMA BINOMIAL

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

Lebih terperinci

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

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

Lebih terperinci

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis data yang digunakan berupa data sekunder yang menggunakan Tabel

BAB III METODOLOGI PENELITIAN. Jenis data yang digunakan berupa data sekunder yang menggunakan Tabel 49 BAB III METODOLOGI PENELITIAN 3.1 Jeis da Sumber Data Jeis data yag diguaka berupa data sekuder yag megguaka Tabel Iput Output Idoesia Tau 2005 dega klasifikasi 9 sektor. Data tersebut berasal dari

Lebih terperinci

Perluasan Uji Kruskal Wallis untuk Data Multivariat

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

Lebih terperinci

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

STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS

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

Lebih terperinci

MODUL BARISAN DAN DERET

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

Lebih terperinci

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

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

Lebih terperinci

BAB V RENCANA AKSI. tahapan selanjutnya adalah melakukan rencana aksi terhadap rencana bisnis yang

BAB V RENCANA AKSI. tahapan selanjutnya adalah melakukan rencana aksi terhadap rencana bisnis yang BAB V RENCANA AKSI 5.1 Waktu da Kegiata Setela peyusua kompoe recaa bisis tela dilakuka maka taapa selajutya adala melakuka recaa aksi teradap recaa bisis yag aka diimplemetasika dega memperatika aspek

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa

Lebih terperinci

Penggunaan Transformasi z

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

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan JMP : Vol. 8 No., Des. 016, al. 33-40 ISSN 085-1456 ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI Novita Eka Cadra Uiversitas Islam Darul Ulum Lamoga ovitaekacadra@gmail.com Masriai Mayuddi Uiversitas

Lebih terperinci

Proses Kelahiran dengan Imigrasi dan Kematian Password

Proses Kelahiran dengan Imigrasi dan Kematian Password Statistia, Vol. 6 No., 7 Mei 26 Proses Kelaira dega Imigrasi da Kematia Password Sri Mulyai Saro i, Neeg Suegsi da Gatot Riwi Setyato Jurusa Statistia FMIPA Upad ABSTRAK Dalam peelitia dibaas megeai sebua

Lebih terperinci

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

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

Lebih terperinci

BAB 6 NOTASI SIGMA, BARISAN DAN DERET

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

Lebih terperinci

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal BAB. Limit Fugsi Ole : Bambag Supraptoo, M.Si. Referesi : Kalkulus Edisi 9 Jilid (Varberg, Purcell, Rigdom) Hal 56 - Defiisi: Pegertia presisi tetag it Megataka bawa f ( ) L berarti bawa utuk tiap yag

Lebih terperinci

MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN

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

Lebih terperinci

PERENCANAAN PREMI OPTIMAL UNTUK PERUSAHAAN REASURANSI DENGAN REINSTATEMENT INDAH ROSLIYANA G

PERENCANAAN PREMI OPTIMAL UNTUK PERUSAHAAN REASURANSI DENGAN REINSTATEMENT INDAH ROSLIYANA G PERENCANAAN PREMI OPTIMAL UNTUK PERUSAHAAN REASURANSI DENGAN REINSTATEMENT INDAH ROSLIYANA G54335 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 7 ABSTRACT

Lebih terperinci

PENYELESAIAN NUMERIK INTEGRAL LIPAT DUA DENGAN MENGGUNAKAN INTEGRASI ROMBERG BERBANTUAN MATLAB

PENYELESAIAN NUMERIK INTEGRAL LIPAT DUA DENGAN MENGGUNAKAN INTEGRASI ROMBERG BERBANTUAN MATLAB PENYELESAIAN NUMERIK INTEGRAL LIPAT DUA DENGAN MENGGUNAKAN INTEGRASI ROMBERG BERBANTUAN MATLAB SKRIPSI Ole : ISWATUL KHASANAH NIM.05006 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Bab 16 Integral di Ruang-n

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

Lebih terperinci

IV. METODE PENELITIAN

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

Lebih terperinci

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier

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

Lebih terperinci

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

Bab 6: Analisa Spektrum

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

Lebih terperinci

3. Integral (3) (Integral Tentu)

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

Lebih terperinci

Gerak Brown Fraksional dan Sifat-sifatnya

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

Lebih terperinci

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

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

Lebih terperinci

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM09

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM09 METODE NUMERIK UNTUK SIMULASI Pemodela & Simulasi TM09 Metode Numerik ( Metode umerik dpt diklasiikasika mjd:. Metode satu-lagka atau sigle-step. Metode multistep Metode sigle-step Pada metode ii, utuk

Lebih terperinci

B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK

B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK 8 B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK A. D I F E R E N S I A S I N U M E R I K Misal diberika set data Diketaui set data (, ), (, ), (, ),., (, ) ag memeui relasi = f() Aka ditetuka d/d dalam iterval,

Lebih terperinci

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

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

Lebih terperinci

OPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM

OPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM OPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM Nur Ilham Luthfi *), Yuigtyastuti, ad Susatyo Hadoo Jurusa Tei Eletro, Uiversitas Dipoegoro Semarag Jl.

Lebih terperinci

METODE ADAMS-BASHFORTH-MOULTON DALAM PENYELESAIAN PERSAMAAN DIFERENSIAL NON LINEAR

METODE ADAMS-BASHFORTH-MOULTON DALAM PENYELESAIAN PERSAMAAN DIFERENSIAL NON LINEAR Buleti Ilmia Mat. Stat. da Terapaa (Bimaster) Volume 0, No. (0), al 07 6. METODE ADAMS-BASHFORTH-MOULTON DALAM PENYELESAIAN PERSAMAAN DIFERENSIAL NON LINEAR Apriadi, Bau Priadoo, Evi Noviai INTISARI Metode

Lebih terperinci

Penulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed.

Penulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed. PAKET FASILITASI PEMBERDAYAAN KKG/MGMP MATEMATIKA Pembelajara Barisa, Deret Bilaga da Notasi Sigma di SMA Peulis: Dra. Puji Iryati, M.Sc. Ed. Peilai: Al. Krismato, M.Sc. Editor: Sri Purama Surya, S.Pd,

Lebih terperinci

III PEMBAHASAN. 2 2x. K dy dx dy dx, (3.2) h2 2 ( x) P g y dydx g y dydx

III PEMBAHASAN. 2 2x. K dy dx dy dx, (3.2) h2 2 ( x) P g y dydx g y dydx III PEMBAHASAN Pada peeliia ii aa dibaas formlasi Hamiloia bai era elomba ierfacial Pembaasa dibai dalam da ass yai ass perama dea baas aas berpa permaa raa da ass eda dea baas aas berpa permaa bebas Hamiloia

Lebih terperinci

UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI

UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALHA CRONBACH SKRISI JANUARINA ANGGRIANI 080655 FAKULTAS MATEMATIKA DAN ILMU ENGETAHUAN ALAM ROGRAM STUDI SARJANA

Lebih terperinci

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

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

Lebih terperinci

1.1 METODE PENGEMBANGAN PENDEKATAN RATA- RATA SAMPEL UNTUK PROGRAM STOKASTIK DUA TAHAP. Faridawaty Marpaung. Abstrak

1.1 METODE PENGEMBANGAN PENDEKATAN RATA- RATA SAMPEL UNTUK PROGRAM STOKASTIK DUA TAHAP. Faridawaty Marpaung. Abstrak METODE PEGEMBAGA PEDEKATA RATA- RATA SAMPEL UTUK PROGRAM STOKASTIK DUA TAHAP Faridawaty Marpaug Abstra Peelitia ii megemuaa metode pegembaga pedeata rata rata sampel utu program stoasti dua tahap. Metodologi

Lebih terperinci

MODEL PENJADWALAN FLOW SHOP n JOB m MESIN UNTUK MEMINIMASI MAKESPAN TANPA TARDY JOB DENGAN KENDALA KETIDAKTERSEDIAAN MESIN

MODEL PENJADWALAN FLOW SHOP n JOB m MESIN UNTUK MEMINIMASI MAKESPAN TANPA TARDY JOB DENGAN KENDALA KETIDAKTERSEDIAAN MESIN MODEL PENJADWALAN FLOW SHOP n JOB m MESIN UNTUK MEMINIMASI MAKESPAN TANPA TARDY JOB DENGAN KENDALA KETIDAKTERSEDIAAN MESIN Jefikz Berhitu, Mokh. Suef, dan Nani Kurniati Jurusan Teknik Industri - Institut

Lebih terperinci

BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012)

BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012) BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di ota Maassar pada tahu 003 sampai tahu 0) PAISAL, H, HERDIANI, E.T. DAN SALEH, M 3 Jurusa Matematia, Faultas

Lebih terperinci

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi

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

Lebih terperinci

Bab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS

Bab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS Bab 5 Siyal da Sistem Watu Disrit Oleh: Tri Budi Satoso Laboratorium Siyal, EEPIS-ITS Materi: Represetasi matemati pada siyal watu disrit, domai watu da freuesi pada suatu siyal watu disrit, trasformasi

Lebih terperinci

PENDUGA RATAAN GEOMETRIK PADA SAMPEL HIMPUNAN TERURUT UNTUK DISTRIBUSI NORMAL

PENDUGA RATAAN GEOMETRIK PADA SAMPEL HIMPUNAN TERURUT UNTUK DISTRIBUSI NORMAL JURNAL GANTANG Vol. III No., Maret 208 p-issn. 2503-067, e-issn. 2548-5547 Tersedia Olie di: ttp://ojs.umra.ac.id/idex.pp/gatag/idex PENDUGA RATAAN GEOMETRIK PADA SAMPEL HIMPUNAN TERURUT UNTUK DISTRIBUSI

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983)

I PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983) I PENDAHULUAN Latar Belaag Permasalaha ebiaa pemaea ia yag memberia eutuga masimum da berelauta (tida teradi epuaha dari populasi ia yag dipae) adalah hal yag sagat petig bagi idustri periaa Para ilmuwa

Lebih terperinci

h h h n 2! 3! n! h h h 2! 3! n!

h h h n 2! 3! n! h h h 2! 3! n! Dieresiasi Numerik Sala satu perituga kalkulus yag serig diguaka adala turua/ dieresial. Coto pegguaa dieresial adala utuk meetuka ilai optimum (maksimum atau miimum) suatu ugsi y x mesyaratka ilai turua

Lebih terperinci

BAHAN AJAR DIKLAT GURU MATEMATIKA

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

MODEL DISTRIBUSI BAHAN AJAR UNIVERSITAS TERBUKA DAN IMPLEMENTASINYA

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

Lebih terperinci

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

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

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

OLEH : RULI ASTRI ANDRIANI ( ) Jurusan Teknik Industri Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya

OLEH : RULI ASTRI ANDRIANI ( ) Jurusan Teknik Industri Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya PENJADWALAN FLOWSHOP UNTUK MEMINIMASI LOGOTOTAL TARDINESS DENGAN URUTAN JOB YANG SAMA DAN/ATAU BERBEDA DAN MEMPERHATIKAN KETIDAKTERSEDIAAN PADA MASING-MASING MESIN OLEH : RULI ASTRI ANDRIANI (2506 100

Lebih terperinci

UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI

UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI 35475 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI SARJANA MATEMATIKA DEPOK

Lebih terperinci

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM07

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM07 METODE NUMERIK UNTUK SIMULASI Pemodela & Simulasi TM07 Metode Numerik ( Metode umerik dpt diklasiikasika mjd:. Metode satu-lagka atau sigle-step. Metode multistep Metode sigle-step Pd metode ii, utuk meetuka

Lebih terperinci

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. asalkan limit ini ada.

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. asalkan limit ini ada. 3 TURUNAN FUNGSI 3. Pegertia Turua Fugsi Defiisi Turua fugsi f adala fugsi f yag ilaiya di c adala f c f c f c 0 asalka it ii ada. Coto Jika f 3 + +4, maka turua f di adala f f f 0 3 4 3.. 4 0 34 4 4 4

Lebih terperinci

x x x1 x x,..., 2 x, 1

x x x1 x x,..., 2 x, 1 0.4 Variasi Kaoi amel Da Korelasi Kaoi amel amel aca dari observasi ada masig-masig variabel dari ( + q) variabel (), () daat digabuga edalam (( + q) ) data matris,,..., dimaa (0-5) Adau vetor rata-rata

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL

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

Lebih terperinci

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii

Lebih terperinci

FUNCTIONALLY SMALL RIEMANN SUMS (FSRS) DAN ESSENTIALLY SMALL RIEMANN SUMS (ESRS) FUNGSI TERINTEGRAL HENSTOCKn. p )

FUNCTIONALLY SMALL RIEMANN SUMS (FSRS) DAN ESSENTIALLY SMALL RIEMANN SUMS (ESRS) FUNGSI TERINTEGRAL HENSTOCKn. p ) βeta -ISSN: 85-5893 e-issn: 54-458 Vol. 3 No. (Noember), Hal. 79-89 βeta DOI: htt://dx.doi.org/.44/betajtm.v9i.7 FUNCTIONALLY SMALL RIMANN SUMS (FSRS) DAN SSNTIALLY SMALL RIMANN SUMS (SRS) FUNGSI TRINTGRAL

Lebih terperinci

Aproksimasi Terbaik dalam Ruang Metrik Konveks

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

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

Anova (analysis of varian)

Anova (analysis of varian) ova (aalysis of varia) Ui hipotesis perbedaa ilai rata-rata dari atau lebih elompo idepede Cotoh: daah perbedaa berat bayi lahir dari eluarga E tiggi dega E sedag atau E redah sumsi Ui ova: 1. ube diambil

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA 3. Perumusa Peduga Misalka N adala proses Poisso o omoge pada iterval [, dega fugsi itesitas yag tidak diketaui. Fugsi ii diasumsika teritegralka

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

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

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

Lebih terperinci

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

Denny Nurkertamanda, Zaenal Fanani, Anna Kusuma Wardhani *)

Denny Nurkertamanda, Zaenal Fanani, Anna Kusuma Wardhani *) PENERAPAN KEBIJAKAN PENJADWALAN ULANG PADA RUANG LINGKUP SINGLE MACHINE UNTUK MEMINIMASI TOTAL TARDINESS (Studi Kasus di PT. Idoesia Steel Tube Works) Dey Nurkertamada, Zaeal Faai, Aa Kusuma Wardhai *)

Lebih terperinci

KONTRUKSI RUMUS NORMA ALTERNATIF UNTUK 1 ABSTRAK

KONTRUKSI RUMUS NORMA ALTERNATIF UNTUK 1 ABSTRAK KONTRUKSI RUMUS NORMA ALTERNATIF UNTUK RUANG FUNGSI L ([ 0,]) Wayuiati, Era Ariliai, Eridai ABSTRAK Rua usi L (X ) meruaa rua berorma utu Semua rua asil ali dalam adala rua berorma, tetai tida selalu berlau

Lebih terperinci

Studi Determinasi Nilai Tukar di Indonesia : Pendekatan Vector Autoregressive (VAR)

Studi Determinasi Nilai Tukar di Indonesia : Pendekatan Vector Autoregressive (VAR) Mie et al., Studi Determiasi Nilai Tuar di Idoesia : Pedeata Vector Autoregressive... 1 Studi Determiasi Nilai Tuar di Idoesia : Pedeata Vector Autoregressive (VAR) Exchage Rate Determiatio Studies i Idoesia

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL DENGAN METODE ADAMS BASHFORTH MENGGUNAKAN MATLAB

PENYELESAIAN PERSAMAAN DIFERENSIAL DENGAN METODE ADAMS BASHFORTH MENGGUNAKAN MATLAB Jural Ilmia Tekologi da Iformasi ASIA Vol. 3 No. April 009 PENYELESAIAN PERSAMAAN DIFERENSIAL DENGAN METODE ADAMS BASHFORTH MENGGUNAKAN MATLAB Rati Ayuigemi, S. ST Pratyaksa Kepakisa ABSTRAKSI Bayak metode

Lebih terperinci

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

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

Lebih terperinci

FAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB

FAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB Prosidig Semiar Nasioal Matematika da Pidika Matematika (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Matematika Terapa, hal. 1-5 FAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB

Lebih terperinci

GRAFIKA

GRAFIKA 6 5 7 3 6 3 3 GRAFIKA 3 6 57 08 0 9 5 9 385 946 5 3 30 0 8 9 5 9 3 85 946 5 ANALISA REAL Utu uliah (pegatar) aalisa real yag dilegapi dega program MATLAB Dr. H.A. Parhusip G R A F I K A Peerbit Tisara

Lebih terperinci

SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)

Lebih terperinci