2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009
|
|
- Widyawati Muljana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 2. TINJAUAN PUSTAKA 2.1 Goal Programmng Goal Programmng merupakan pengembangan ar Lnear Programmng. Dperkenalkan oleh Charnes an Cooper paa awal tahun Kemuan teknk n sempurnakan oleh Ijr paa pertengahan tahun Setelah tu terapat penjelasan yang lengkap engan beberapa aplkas pengembangan oleh Ignzo an Lee paan tahun Perbeaan yang mencolok antara Lnear Programmng engan Goal Programmng aalah paa struktur an penggunaan fungs tujuan. Dalam lnear programmng tujuan yang ngn capa hanya satu, seangkan paa goal programmng tujuan yang ngn capa tak hanya satu. Hal n bsa lakukan engan cara mengekspreskan tujuan tu alam bentuk kenala (goal constrant), memasukkan varabel smpangan (evaton varable) alam kenala tersebut. Varabel smpangan tersebut gunakan menggambarkan seberapa jauh tujuan tu capa, an menggabungkan varabel smpangan alam fungs tujuan. Dalam Lnear Programmng tujuan yang mlk bsa berupa maksmas atau mnmas. Seangkan alam Goal Programmng tujuannya aalah memnmumkan penympangan penympangan ar tujuan-tujuan tertentu. Hal n berart Goal Programmng merupakan masalah mnmas. Dkarenakan penympangan ar tujuan-tujuan yang mnmumkan, sebuah moel Goal Programmng apat gunakan untuk menyelesakan permasalahan yang memlk tujuan yang berbea, meskpun tujuan-tujuan tersebut memlk mens atau satuan ukuran yang berbea. Dalam suatu perusahaan, phak manajemen memlk beberapa tujuan yang ngn capa, an antara target atau tujuan tersebut terkaang terja konflk. Permasalahan sepert n apat selesakan engan menggunakan Goal Programmng. Jka perusahaan memlk banyak tujuan yang ngn capa, maka prortas atau urutan ornalnya apat tentukan, an proses penyelesaan Goal Programmng berjalan seemkan rupa sehngga tujuan-tujuan engan prortas Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
2 tertngg penuh seekat mungkn sebelum menyelesakan tujuan-tujuan lan yang memlk prortas yang lebh renah. Paa Lnear Programmng, hasl akhr yang peroleh aalah entfkas solus optmum ar suatu hmpunan solus yang layak. Seangkan paa Goal Programmng, hasl akhr yang peroleh aalah entfkas ttk yang palng memuaskan ar persoalan engan beberapa tujuan (Romero,1991). 2.2 Termnolog Goal Programmng Terapat beberapa stlah an lambang yang perlu paham alam menyelesakan permasalahan engan Goal Programmng. Berkut n aalah stlah an lambang yang gunakan alam Goal Programmng. 1. Decson Varable Decson Varable atau varabel keputusan merupakan sekelompok varabel yang tak ketahu yang akan car nlanya. Dlambangkan engan x j, mana j = 1,2,,n. 2. Rght Han Se Rght Han Se atau nla ss kanan merupakan nla-nla yang menunjukkan keterseaan sumber aya yang akan tentukan kekurangan atau kelebhan penggunaannya. Dlambangkan engan b. 3. Goal Goal atau tujuan merupakan kengnan yang ngn capa 4. Goal Constrant Goal Constrant merupakan snonm ar goal equaton atau kenala tujuan merupakan tujuan yang ekspreskan alam persamaan matematk engan memasukkan varabel smpangan. 5. Preemptve Prorty Factor Preemptve Prorty Factor merupakan suatu sstem urutan yang memungknkan tujuan-tujuan yang susun secara ornal alam moel Lnear Goal Programmng. Dlambangkan engan P k, mana k = 1,2,,k. Sstem urutan n menempatkan tujuan-tujuan alam susunan engan hubungan sebaga berkut: Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
3 P 1 > P 2 >>> P k, engan P 1 merupakan tujuan yang palng pentng, P 2 merupakan tujuan yang kurang pentng an seterusnya. 6. Devatonal Varables Devatonal Varables atau varabel smpangan aalah varabel-varabel yang menunjukkan kemungknan penympangan negatf ar suatu nla RHS kenala tujuan. Dmana + aalah penympangan postf ar suatu nla RHS an - aalah penympangan negatf ar RHS. 7. Dfferental Weght Dfferental weght atau bobot aalah tmbangan matematk yang ekspreskan engan angka karnal. Dlambangkan engan w k, mana k = 1,2,,k ; = 1,2,,m an gunakan untuk membeakan varabel smpangan alam suatu tngkat prortas k. 8. Technologcal Coeffcent Technologcal coeffcent atau koefsen teknolog merupakan nla-nla numerk yang menunjukkan penggunaan nla b I per unt untuk mencptakan x j. Dlambangkan engan a j. Setap moel Goal Programmng mnmal memlk 3 komponen, yatu fungs tujuan, kenala tujuan an kenala non negatf Fungs Tujuan Terapat 3 jens fungs tujuan Lner Goal Programmng, yatu: Mnmumkan Z m 1 (2.4) Fungs tujuan n gunakan jka varabel smpangan alam suatu masalah tak beakan menurut prortas atau bobot Mnmumkan Z m 1 P ( ) untuk k 1,2,..., k (2.5) k Fungs tujuan n gunakan jka urutan tujuan perlukan, tetap varabel smpangan alam setap tngkat prortas memlk kepentngan yang sama. Mnmumkan Z m 1 W P ( ) untuk k 1,2,..., k (2.6) k k Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
4 Fungs tujuan n gunakan jka tujuan-tujuan urutkan an varabel smpangan paa setap tngkat prortas beakan engan menggunakan bobot yang berlanan w k Kenala Tujuan Terapat 6 jens kenala tujuan yang berbea satu sama lan. Kenalakenala tersebut tentukan oleh hubungannya engan fungs tujuan. a a a a a a j j j j j j Kenala Tujuan x x x x x x j j j j j j b b b b b b Tabel 2.1.Tabel Jens Kenala Tujuan Varabel Smpangan Dalam Fungs Tujuan an Kemungknan Smpangan Negatf Postf Negatf an Postf Negatf an Postf Negatf an Postf Tak aa Penggunaan Nla RHS yang Dngnkan b b b atau lebh b atau kurang = b = b Kenala Non-Negatf Untuk kenala non-negatf paa Goal Programmng sama engan kenala non-negatf paa Lnear Programmng. Varabel-varabel paa moel Lnear Goal Programmng basanya bernla lebh besar atau sama engan nol. Semua moel Lnear Goal Programmng terr ar smpangan an varabel keputusan, sehngga pernyataan non negatf lambangkan sebaga berkut: x j, -, Kenala Struktural Kenala struktural merupakan kenala-kenala lngkungan yang tak berhubungan langsung engan fungs tujuan masalah yang pelajar. Varabel smpangan tak masukkan alam kenala n. Oleh karena tu kenala n tak masukkan ke alam fungs tujuan. Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
5 2.3 Asums Moel Goal Programmng Untuk menyelesakan permasalahan engan menggunakan Goal Programmng terapat asums-asums asar yang perlu perhatkan. Asumsasums tersebut aalah sebaga berkut: a. Atvtas an Lneartas Dasumskan bahwa propors penggunaan b yang tentukan oleh a j harus tetap benar tanpa memperhatkan nla solus x j yang haslkan. Hal n berart bahwa Left Han Se (LHS) ar kenala tujuan harus sama engan engan nla ss kanan. b. Dvsbltas Dasumskan bahwa nla-nla x j, +, an - yang haslkan apat pecah. Artnya kta apat menyelesakan jumlah pecahan nla x j an menggunakan jumlah pecah sumber aya alam solus tersebut. Asums n tak membatas penggunaan moel Goal Programmng. c. Terbatas Dasumskan bahwa nla-nla x j, +, an - yang haslkan harus terbatas. Artnya kta tak memlk nla varabel keputusan, sumber aya, atau penympangan tujuan yang tak terbatas.. Kepastan an Peroe Waktu Stats Dasumskan bahwa parameter moel Goal Programmng sepert a j, b j, P k an w k ketahu engan past an mereka akan tetap stats selama peroe perencanaan mana hasl moel gunakan. 2.4 Perumusan Masalah Goal Programmng Perumusan moel Goal Programmng terr ar beberapa langkah. Langkah-langkah tersebut aalah sebaga berkut: 1. Menentukan varabel keputusan. Semakn tepat menefnskan varabel keputusan maka akan semakn muah memoelkannya. 2. Menentukan sstem kenala. Faktor yang palng menentukan aalah penentuan nla-nla ss kanan an kemuan menentukan koefsen teknolog yang cocok an varabel keputusan Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
6 yang kutsertakan alam kenala. Selan tu juga perlu perhatkan jens penympangan yang perbolehkan ar nla rght han se atau nla ss kanan. Jka penympangan perbolehkan alam ua arah, maka keua varabel smpangan tersebut tempatkan paa kenala tersebut. Tetap jka penympangan yang perbolehkan hanya arah, maka hanya terapat satu varabel smpangan paa kenala tersebut. 3. Menentukan prortas utama. Penentuan urutan merupakan preferens yang berbea-bea ar setap nvu yang aa alam perusahaan. Selan tu juga pengaruh oleh keterbatasan sumber aya yang mlk an batasan-batasan lan yang secara eksplst ataupun mplst menentukan alam pemlhan varabel keputusan. 4. Menentukan bobot. 5. Menentukan fungs tujuan. Setap fungs tujuan harus nyatakan sebaga fungs ar varabel keputusan yang lambangkan engan f (x j ), yatu fungs ar varabel keputusan yang berhubungan engan tujuan ke-, seangkan x aalah vektor varabel keputusan yang lambangkan engan a j x j, mana a j merupakan batasan koefsen teknolog. Setap fungs tujuan memlk nla yang berhubungan engan nla ss kanan (b ) yang merupakan target atau tujuan yang ngn capa ar fungs tujuan tersebut Krtera Pertentangan Beberapa krtera tujuan katakan konflk jka salah satu tujuan penuh, maka akan mengakbatkan tngkat kepuasan tujuan lannya akan berkurang, atau paa setap kenakan nla salah satu krtera kut oleh penurunan nla paa krtera lannya (Tabucanon, 1988). Paa gambar apat lhat fungs tujuan yang tak konflk satu sama lan (gambar 2.1) an fungs tujuan yang salng konflk (gambar 2.2) bawah n: Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
7 Daerah fsbel x Z 1 = f 1 (x) Z 2 = f 2 (x) Gambar 2.1 Fungs Tujuan yang Tak Konflk Z 1 = f 1 (x) Daerah fsbel x Gambar 2.2 Fungs Tujuan Salng Konflk Z 2 = f 2 (x) Pengamblan Keputusan Mult Tujuan Pengamblan keputusan mult tujuan merupakan suatu pengamblan keputusan, mana tujuan-tujuan yang tetapkan bsa bertolak belakang (conflctng goal), tujuan yang sejalan (unconflctng goal). Moel mult tujuan tana engan vektor fungs tujuan yang memlk banyak mens. Jka terapat n tujuan, maka bsa buat suatu moel mult tujuan sebaga berkut: Mnmas Z ( Z1 ( x), Z2( x),..., Zn( x) ) x y (2.7) Dmana ; Z = fungs tujuan yang ngn capa x = n varabel keputusan y = hmpunan solus yang memenuh batasan yang aa Terapat beberapa penekatan yang bsa gunakan alam menyelesakan problem mult tujuan, yatu: 1. Metoe Utltas Metoe n mengekspreskan semua tujuan yang ngn capa alam ukuran mata uang. Dengan cara emkan problem mult tujuan apat transformaskan ke alam satu fungs tujuan. Kelemahan alam metoe n Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
8 aalah ketakakuratan transformas tujuan yang berbea alam suatu ukuran yang sama. 2. Metoe Rankng/Prortas Metoe n menggunakan rankng atau prortas untuk menunjukkan tngkat kepentngan masng masng tujuan yang tetapkan. 3. Metoe Solus Efsen Dalam metoe n bangktkan suatu hmpunan solus efsen ar hmpunan solus yang memenuh fungs batasan yang aa. Hmpunan solus efsen ar hmpuan lan apat gunakan sebaga perbakan untuk satu tujuan atau lebh. Programa tujuan gana (Multple Goal Programmng) merupakan metoe yang menggunakan struktur prortas ar tujuan-tujuan yang pertmbangkan engan alasan sebaga berkut: 1. Pengembangan moel relatf seerhana. 2. Metoe pemecahan masalah sangat seerhana an hanya merupakan perbakan atau mofkas ar metoe smplek ua fase. 3. Moel an asumsnya konssten engan problem una nyata Optmas Mult Tujuan Solus optmal alam pengertan klask aalah mencapa solus optmal ar semua tujuan secara serentak. Solus X * aalah solus optmal yang efnskan jka x * S an f l (x * ) f l (x) untuk semua an untuk semua x S, mana S aalah aerah fsbel (feasble regon). Paa krtera tujuan yang terja konflk, tak akan terapat solus yang benar-benar optmal. Oleh karena tu gunakan suatu stlah solus efsen atau solus komprom. Paa konsep solus efsen, tak terapat kenakan yang haslkan paa suatu tujuan tanpa menyebabkan penurunan secara smultan paa tujuan yang lan. Solus x * katakan efsen jka tak aa x S. Sehngga f l (x) f l (x * ) untuk semua an f l (x) f l (x * ) untuk palng sekt satu (l). Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
9 Z 1 = f 1 (x) O bagan yg memlk solus yang lebh bak arpaa O kumpulan ttk efsen b Z 2 = f 2 (x) Gambar 2.3 Konsep Solus Efsen 2.5 Moel EOQ paa Mult Prouk Inventor Setelah penemuan formula EOQ (Economc Orer Quantty) tahun 1918 oleh Wlson, berbaga EOQ moel telah selesakan oleh banyak penelt asarkan engan berbaga asums an lteratur yang tnjau oleh banyak pengarang (Raymon, Haley an Whtn, Clark, Slver, ll), D kebanyakan kasus-kasus hubungkan langsung engan pelajaran an teor ar satu prouk an satu system nstalas. Sebaga contoh satu prouk smpan paa satu lokas, engan memanfaatkan keberhaslan beberapa teknk optmas yang menghaslkan solus optmal. Penekanan alam rset yang menerapkan teor mult prouk berbaga lokas relatf lebh sekt. Hal In berkatan engan kurang terseanya an pemanfaatan yang kurang sesua engan teknk optmas mult-objectve paa area pengamblan keputusan. Stuas permasalahan una nyata, banyak tmbul konflk ar masalah nventor mult prouk sepert fungs-fungs baya, anggaran ll. Beberapa kasus, fungs baya aalah tak lner secara alam yang berkatan engan baya yang tersea perusahaan. Saat n, Teknk Goal Programmng yang kembangkan oleh Charnes an Cooper, an metoelog pengembangan teknk GP oleh Lee, Ignzo, ll, telah gunakan paa sstem control untuk nventor mult prouk. Paa Goal Programmng, tngkat target yang harapkan satukan untuk setap tujuan-tujuan. Kemuan tujuan-tujuan sepert halnya batasan-batasan structural pertmbangkan sebaga goal engan bawah an lebh evatonal varable- Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
10 varabel ke masng-masng antara mereka untuk keputusan jalan postf atau negatve jka mereka tak tercapa. Goal kemuan menja rank-orer menurut pentngnya mereka alam konteks membuat keputusan. Sekal antara prortasprortas plh, bobot berkan menurut kepentngan relatve ar goal paa tngkat prortas yang sama. Secara keseluruhan alam lteratur basanya aa ua jens GP yang temukan: (1) penympangan yang harga untuk semua gol mencapa nla mnmal menggunakan sasaran tunggal an (2) penympangan tempatkan menurut kepentngan mereka alam konteks pengamblan keputusan paa orer fashon lexcographcal an mengoptmalkan ar tngkat prortas tertngg yang apatkan pertama kemuan pencapaan optmal ar tngkat prortas berkutnya. Penggunaan teknk GP, Golanly yang telah mengembangkan moel nventory yang aplkaskan paa pabrk kma besar untuk kepentngan memenuh beberapa sasaran konflk secara kwanttatf. Penggunaan teknk NLGP, yang kembangkan oleh Basu merupakan proseur solus alam memecahkan masalah nventor mult prouk mana permasalahannya mempunya karakterstk ynamc programmng. Charnes an Collomb, memperkenalkan the goal nterval programmng mana pengambl keputusan bebas untuk memlh sebuah nterval an menghukum penympangan ar keua batas nterval. Fungs pnalt-u yang popular yang perkenalkan oleh Charnes menyatakan penympangan-penympangan ar goal kemukakan sebaga penghargaan untuk hukuman. Metoe n per hukuman terja antar setap pasangan ar tujuan-tujuan engan aanya batas atas ke varable-varabel evatonal. Hanyalah untuk memperkenalkan batas-batas varable evatonal tak terbatas paa varable evatonal yang akan menja asar mulanya. Baru-baru n Jones an Tamz mengajukan teknk moel plhan yang menark mana per unt hukuman terja paa tujuan yang plh engan menghlangkan batas ar varable evatonal melalu pembukaan tujuan ekstra untuk target evatonal berkutnya. Dan proses n fnalsas akan laksanakan menurut plhan pembuat keputusan. Bagamanapun semua metoe memerlukan penentuan struktur prortas yang sesua tetap seleks prortas merupakan usaha yang sult untuk mengambl keputusan untuk lngkungan yang kompleks. Untuk Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
11 mengatas kesukaran n maka perlu membahas metoa yang apat gunakan sebaga cara menentukan memperoleh struktur prortas solus komprom kemungknan terbak. Struktur prortas yang bak ar GP plh untuk menapatkan solus yang optmal. Paa proseur jawaban senstvtas analss engan varas ar struktur prortas yang harapkan ar permasalahan telah kerjakan. Menggunakan struktur prortas yang berbea, akan memperoleh kemungknan solus yang berbea. Solus yang eal ar moel kemuan entfkas ar solus yang hubungkan engan struktur prortas yang berbea. Akhrnya peroleh hasl yang menunjukkan nla mnmum ar D -, jarak solus yang berbea ke solus eal yang entfkas merupakan solus komprom terbak Formulas Moel Moel umum ar masalah nventor mult prouk aalah : (2.8) (2.9) Dmana C 1, C 2, C n aalah jumlah baya-baya pemesanan an C s1, C s2, C sn aalah baya set-up an Q 1, Q 2, Qn merupakan tngkat nventor ar q 1, q 2, q n berturut-turut. Paa (2.8) cost yang hubungankan engan prouk q 1, q 2, q n aalah tujuan yang henak mnmumkan oleh beberapa batasan-batasan. Sejak baya berhubungan engan masng-masng prouk aalah manr an mereka aalah salng berhubungan oleh beberapa batasan sehngga memnmalkan keseluruhan sasaran fungs tujuan mengkut batasan-batasan yang apat perlakukan sebaga n fungs sasaran tujuan kepaa batasan-batasan yang sama alam katan engan saggregaton n solus yang terakhr tak akan efektf. Tujuan (2.8) apat Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
12 pertmbangkan sebaga fungs tujuan. Paa GP setap tujuan C q + (C s /q ) merupakan tujuan engan varable evasonal untuk bawah aalah k an atas k an level target G, (1 n). Prortas asarkan paa moel NLGP untu permasalahan nventor mult prouk engan bentuk : menapatkan q (q 1, q 2, q n ) menja : (2.10) (2.11) (2.12) Dmana Pk (1 k K : K n + m), k aalah factor prortas yang tugaskan untuk menyatukan tujuan ar group bersama alam formulas masalah. P 1, P 2, P K mewakl berat/beban prortas atau prortas pembelan yang lebh ahulu menentukan hrark tujuan. Tujuan tngkatan paa prortas yang lebh tngg cukup pertama an baru setelah tu boleh tujuan prortas yang lebh renah pertmbangkan. Menurunkan prortas tujuan tak bsa mengubah pencapaan tujuan tersebut ar tngkatan prortas yang lebh tngg. Sstem Prortas pembelan lebh ahulu asarkan paa lexcographcal yang memesan menurut pentngnya komponen mereka, Lee[12]. Jka sepert prortas tujuan tngkatan prortas P1 tak pernah apat cukup oleh tujuan paa prortas pengukur P2 Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
13 an seterusnya. w k, w n+j,k ( 0) an w + k, w + n+j,k ( 0) aalah anak tmbangan yang kuanttatf berhubungan engan evatonal varabel - k, - n+j,k an + k, + n+j,k ( 1 n; 1 k K) berturut-turut Proseur Penyelesaan D alam prortas konvensonal berasarkan NLGP, solus menerangkan pembuat keputusan menekan bahwa struktur prortas perlakukan sebaga solus yang optmal. Tetap berbea alam stuas pengamblan keputusan yang kompleks, solus yang ngnkan tak harus terma bawah struktur berat. Dengan emkan suatu solus lebh bak selalu harapkan sebaga prortas alternatf bawah berat/beban yang harus pertmbangkan. Untuk memlh struktur prortas yang sesua bawah struktur berat/beban, analss kepekaan perlu lakukan. D alam moel, prortas K pertmbangkan. Maka keterlbatan prortas K menunjukkan bahwa K! solus apat berbea yang peroleh ar K! permasalahan yang muncul untuk K! aalah jumlah struktur prortas berbea. Msalkan { q (r) 1, q (r) 2, q (r) n }, 1 r K! maka K! jumlah solus yang peroleh engan mengubah susunan tngkatan prortas K. Msalkan untuk = n. (2.13) (r) mana q n aalah manapun nla q n, 1 r K! kemuan solus yang eal q gambarkan oleh { q 1, q 2, q n } Cohon[6]. Tetap alam praktek solus eal tak pernah apat capa. Solus, aalah yang terekat ke solus yang eal, terma sebaga solus komprom yang terbak, an sesua engan struktur prortas yang kehenak ketka struktur prortas yang palng sesua alam katannya engan perencanaan. Untuk memperoleh solus komprom yang terbak, mengkut permasalahan GP harapkan mampu menja pemecahan. (2.14) paa subjek Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
14 (2.15) an (2.16) mana, r - an r + berurutan. Sekarang, aalah bawah- an over- evatonal varable yang D 1 -stance ar solus yang eal { q 1, q 2, q n }, ke r-th solus { q 1 (r), q 2 (r), q n (r) }, 1 r K!. Oleh karena tu, (2.17) Oleh karena tu, {q 1, q 2,..q n }, aalah solus komprom yang terbak menurut stuas masalah tersebut. Penggunaan non lner..., Aref Suwan, FT UI, Unverstas Inonesa
BAB 4 IMPLEMENTASI DAN EVALUASI
65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata
Lebih terperinciPENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES
Prosng Semnar Nasonal Matematka an Penkan Matematka (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Statstka, hal. 14-18 PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES NENENG SUNENGSIH
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI
Soft Computng, Intellgent Systems an Informaton Technology 2005 UK Petra Surabaya, 28 Jul 2005 APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI Basuk Rahmat, Panca Raharanto,
Lebih terperinciV. DISTRIBUSI PERJALANAN
V. DISTRIBUSI PERJALANAN 5.. PENDAHULUAN Trp strbuton aalah suatu tahapan yang menstrbuskan berapa jumlah pergerakan yang menuju an berasal ar suatu zona. Paa tahapan n yang perhtungkan aalah :. Sstem
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciPENDEKATAN MODEL FUZZY GOAL PROGRAMMING DALAM PENETAPAN PEMBOBOTAN PRIORITAS DARI METODE ANALYTICAL HIERARCHY PROCESS (AHP) SKRIPSI
PENDEKATAN MODEL FUZZY GOAL PROGRAMMING DALAM PENETAPAN PEMBOBOTAN PRIORITAS DARI METODE ANALYTICAL HIERARCHY PROCESS (AHP) SKRIPSI RIDHA VERA HARTATI 060804 PROGRAM STUDI SARJANA MATEMATIKA DEPARTEMEN
Lebih terperinciBAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan
BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,
Lebih terperincib) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu,
I. KALOR DAN HKM KE-1 1.1 Kalor Dketahu ua sstem paa suhu berbea. Apabla kontakkan satu engan yang lan melalu nng atermk, ketahu bahwa suhu keua sstem akan berubah seemkan rupa sehngga akhrnya menja sama.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB 2. Landasan Teori
7 BAB 2 Landasan Teor 2.1. Teor Hmpunan Fuzzy Defns : Andakan X ttk-ttk ruang (objek), dengan elemen umum dar X yang dnotaskan dengan x, X = { x } [16]. Hmpunan fuzzy adalah hmpunan yang unsur-unsurnya
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciKritikan Terhadap Varians Sebagai Alat Ukur
Krtkan Terhadap Varans Sebaga Alat Ukur Varans mengukur penympangan pengembalan aktva d sektar nla yang dharapkan, maka varans mempertmbangkan juga pengembalan d atas atau d bawah nla pengembalan yang
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciMETODE OPTIMASI 11/13/2015. Capaian Pembelajaran
2 Capaan Pembelajaran METODE OPTIMASI N. Tr Suswanto Saptad Mahasswa dapat memaham dan mampu mengaplkaskan beberapa metode untuk menyelesakan masalah dengan alternatfalternatf dalam jumlah yang relatf
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 1 RANGKAIAN TRANSIENT
BAB ANGKAIAN TANSIENT. Penahuluan Paa pembahasan rangkaan lstrk, arus maupun tegangan yang bahas aalah untuk kons steay state/mantap. Akan tetap sebenarnya sebelum rangkaan mencapa keaaan steay state,
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciModel SPK. Model optimasi (2) Model optimasi (1) Metode-metode Optimasi dengan Alternatif Terbatas 4/30/2017. Tujuan.
4/0/207 Tujuan Metode-metode Optmas dengan Alternatf Terbatas N O V R I N A Mahasswa dapat memaham dan mampu mengaplkaskan beberapa metode untuk menyelesakan masalah dengan alternatf-alternatf dalam jumlah
Lebih terperinciPERBANDINGAN METODE SAW DAN TOPSIS PADA KASUS UMKM
PERBANINGAN METOE SAW AN TOPSIS PAA KASUS UMKM Muh. Alyazd Mude al.mude@yahoo.com Teknk Informatka Unverstas Muslm Indonesa Abstrak alam pengamblan keputusan terhadap masalah berdasarkan sebuah analsa
Lebih terperinciANALISIS PARETO OPTIMAL DENGAN PEMBOBOTAN DALAM MENENTUKAN SOLUSI GOAL PROGRAMMING SKRIPSI. SRI KEUMALAWATI (Operasi Riset)
ANALISIS PARETO OPTIMAL DENGAN PEMBOBOTAN DALAM MENENTUKAN SOLUSI GOAL PROGRAMMING SKRIPSI SRI KEUMALAWATI 050803046 (Operas Rset) DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciPenyelesaian Program Gol Menggunakan Metode Simplex Modifikasi dan Metode Dual Simpleks
Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN 69-90 prnt/issn 07-099 onlne enyelesaan rogram Gol Menggunakan Metoe Smple Mofkas an Metoe Dual Smpleks Elfra Saftr, M D H Gamal, Habbs Saleh
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciPENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON
PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos 1, Pabelan,
Lebih terperinciPerceptual Mapping Kabupaten dan Kota di Jawa Barat Berdasarkan Sub Lapangan Usaha
SEMINAR SAISIKA FMIPA UNPAD 07 (SNS VI) Perceptual Mappng Kabupaten an Kota Jawa Barat Berasarkan Sub Lapangan Usaha t Purwanar, Yuyun Hayat Departemen Statstka Fakultas MIPA Unverstas Paaaran Departemen
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciSEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS
SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS Puruhto Bagus Prakosa, Agus Zanal Arfn, Anny Yunart 3 Teknk Informatka, Fakultas Teknolog Informas,
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciMODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA
MAKARA, TEKOLOGI, VOL. 6, O. 3, DESEMBER 2002 MODEL OPTIMASI PERECAAA IVESTASI GALAGA KAPAL DEGA PEDEKATA PROGRAMASI TUJUA GADA Al Azhar Jurusan Teknk Perkapalan, Insttut Teknolog Adh Tama Surabaya Jl.
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciMANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN
MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus
Lebih terperinciPENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS
PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS Wwt Tr Rahayu 1 Abstract The more ata traffc count usng n process wth
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciOleh : Fifi Fisiana
Optmas Baya Produks menggunakan Metode Revsed Mult Choce Goal programmng dengan Tahap Persedaan Terkontrol Supply Chan Model stud kasus : PT.Gunungarta Manunggal, Gempol Oleh : Ff Fsana 1207100018 Dosen
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB I PENDAHULUAN. konsep strategi yang cocok untuk menghadapi persaingan baik itu mengikuti marketing
BAB I PENDAHULUAN 1.1 Latar Belakang Konds persangan dalam berbaga bdang ndustr saat n dapat dkatakan sudah sedemkan ketatnya. Persangan dalam merebut pasar, adanya novas produk, mencptakan kepuasan pelanggan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciPENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT
PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciPowerPoint Slides by Yana Rohmana Education University of Indonesian
SIFAT-SIFAT ANALISIS REGRESI PowerPont Sldes by Yana Rohmana Educaton Unversty of Indonesan 2007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 229 Bandung, Telp. 022 2013163-2523 Hal-hal yang akan
Lebih terperinciRegresi Linear Sederhana dan Korelasi
Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar
Lebih terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
PENDAHULUAN Latar Belakang Penggunaan energ Indonesa menngkat pesat sejalan dengan pertumbuhan ekonom dan pertambahan penduduk. Namun sebaga komodtas energ utama, keberadaan cadangan mnyak bum saat n sudah
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Studi Kasus: CV. Triad)
Jurnal Informatka Mulawarman Vol. 10 No. 2 September 2015 1 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Stud Kasus: CV. Trad) Bunga Annete Bennng 1), Indah Ftr Astut 2),
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBAB II TINJAUAN PUSTAKA. A. Konsep Dasar Sistem Pendukung Keputusan. menggantikan penilaian mereka. Dss ditujukan untuk keputusan keputusan yang
4 BAB II TINJAUAN PUSTAKA A. Konsep Dasar Sstem Pendukung Keputusan Lttle (1970) mendefnskan DSS sebaga sekumpulan prosedur berbass model untuk data pemrosesan dan penlaan guna membantu para manajer mengambl
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinci