PEMODELAN SISTEM Konfigurasi Model Sistem Manajemen Basis Pengetahuan Evaluasi resiko usaha

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMODELAN SISTEM Konfigurasi Model Sistem Manajemen Basis Pengetahuan Evaluasi resiko usaha"

Transkripsi

1 PEMODELAN SISTEM Konfigurasi Model Model evaluasi kelayakan pembiayaan agroindustri minyak atsiri dengan pola syariah dirancang dalam suatu perangkat lunak komputer sistem manajemen ahli (SMA), dengan nama Ekpama-Syariah, yang didesain untuk membantu pihak lembaga keuangan syariah dalam penentuan kelayakan pembiayaan agroindustri minyak atsiri dengan sistem bagi hasil dan bagi resiko yang berkeadilan. Perangkat lunak ini terdiri dari empat komponen utama yaitu sistem manajemen basis data, sistem manajemen basis model dan sistem manajemen dialog. Konfigurasi dari perangkat lunak ini dapat dilihat pada Gambar 17. Sistem Manajemen Basis Pengetahuan Sistem manajemen ini berisi akuisisi pendapat pakar yang mampu mengevaluasi tingkat resiko pembiayaan yaitu resiko terjadinya kondisi keuntungan pembiayaan yang didapat dibawah perkiraan yang telah ditetapkan. Dua macam tingkat resiko pembiayaan yaitu tingkat resiko usaha dan tingkat resiko industri dapat dievaluasi dengan sistem ini tanpa harus meminta pendapat pakar kembali. Uraian dari kedua evaluasi tingkat resiko tersebut adalah sebagai berikut: Evaluasi resiko usaha. Evaluasi ini berisi pengetahuan pakar tentang tingkat resiko usaha yang akan dibiayai. Resiko usaha merupakan resiko tidak tercapainya asumsi tingkat operasional usaha sehingga perkiraan laba operasional tidak tercapai. Empat parameter dari resiko ini yang dikaji adalah bahan baku, pengolahan, pemasaran dan pengusaha mitra usaha. Masing-masing parameter diurai dalam beberapa indikator yang mencerminkan resiko yang ada dari parameter tersebut. Nilai tingkat resiko parameter didapat dari rata-rata nilai indikatornya. Parameter-parameter dari resiko usaha, indikator dari setiap parameter dan model penilaian tingkat resiko parameter berdasarkan pengetahuan pakar dapat dilihat pada Lampiran 7-10.

2 70 Data Model Pengetahuan Sistem Manajemen Basis Data Data Harga Bahan Baku Data Harga Produk Data Biaya Data SWBI Sistem Manajemen Basis Model Model Prakiraan Harga Model Analisis Laba Operasional Model Evaluasi Tingkat Resiko Pembiayaan Model Penentuan Target Keuntungan Model Penentuan Nisbah Bagi Hasil Model Analisis Keuntungan Pembiayaan Model Evaluasi Tingkat keuntungan Pembiayaan Model Penentuan Kelayakan Pembiayaan Sistem Manajemen Basis Pengetahuan Evaluasi resiko usaha (resiko ketersediaan bahan baku; resiko pengolahan; resiko pemasaran; resiko pengusaha mitra usaha) Evaluasi resiko industri (resiko penawaran dan permintaan produk; resiko harga bahan baku; resiko harga produk) Rule-base scenario Sistem Pengolahan Terpusat SPK Sistem Manajemen Dialog SMA Pengguna Gambar 17. Konfigurasi SMA Evaluasi Kelayakan Pembiayaan Agroindustri Minyak Atsiri dengan Pola Syariah

3 71 Evaluasi resiko industri. Evaluasi ini berisi pengetahuan pakar tentang tingkat resiko industri dari usaha yang akan dibiayai. Resiko industri adalah resiko terjadinya suatu gangguan dalam industri minyak atsiri yang akan dibiayai yang menyebabkan prakiraan harga bahan baku ataupun harga produk minyaknya tidak tercapai sehingga perkiraan laba operasional tidak tercapai. Tiga parameter dari resiko ini yang dikaji adalah penawaran dan permintaan produk, harga bahan baku dan harga produk. Masing-masing parameter diurai dalam beberapa indikator yang mencerminkan resiko yang ada dari parameter tersebut. Nilai tingkat resiko parameter didapat dari rata-rata nilai indikatornya. Parameterparameter dari resiko industri, indikator dari setiap parameter dan model penilaian tingkat resiko parameter berdasarkan pengetahuan pakar dapat dilihat pada Lampiran Sistem Manajemen Basis Model Sistem manajemen basis model terdiri dari tujuh model yaitu model prakiraan harga, model analisis laba operasional, model analisis penentuan nisbah bagi hasil, model analisis keuntungan pembiayaan, model evaluasi tingkat keuntungan pembiayaan, model evaluasi tingkat resiko pembiayaan dan model penentuan kelayakan pembiayaan. Uraian isi dari masing-masing model adalah sebagai berikut: Model prakiraan harga. Model ini bertujuan untuk memprakirakan harga minyak akarwangi dan harga akarwangi selama masa pembiayaan dengan menggunakan metode jaringan syaraf tiruan. Dengan didapatnya prakiraan harga minyak akarwangi dan harga akarwangi maka dapat diprakirakan penerimaan hasil penjualan dan biaya usaha sehingga akan dapat dicari pendapatan usaha dimasa pembiayaan. Prakiraan harga ini menggunakan teknik jaringan syaraf tiruan. Prosedur teknik ini dapat dilihat pada Gambar 18. Model analisis laba operasional. Model ini dibuat untuk menghitung prakiraan laba operasional usaha selama masa pembiayaan yang mempengaruhi tingkat bagi hasil yang akan diterima oleh LKS. Laba operasional usaha didapat dari laba kotor dikurangi beban usaha. Laba kotor merupakan hasil pendapatan usaha agroindustri yang besarnya ditentukan oleh kapasitas berjalan produksi,

4 72 Mulai Data Deret Waktu Harga Normalisasi Data Penetapan: 1. Jumlah Input 2. Jumlah Data Testing 3. Jumlah Layar Tersembunyi dan Jumlah Neuron Tiap Layar 4. Fungsi Aktivasi disetiap Layar Tersembunyi 5. Target tingkat MSE (mean square error) yang diinginkan Run Training JST Memuaskan? Tidak Memuaskan? Run Testing JST Ya Ya Tentukan Jumlah Data Prakiraan Run Prakiraan JST Data Prakiraan Harga Memuaskan? Tidak Ya Selesai Gambar 18. Diagram alir prakiraan harga bahan baku akarwangi dan harga minyak akarwangi.

5 73 tingkat rendemen minyak atsiri dan harga minyak atsiri, dikurangi harga pokok produksi yang besarnya ditentukan oleh harga bahan baku terna atsiri, biaya langsung produksi, biaya tidak langsung produksi dan depresiasi aktiva tetap. Sedangkan beban usaha merupakan beban pengeluaran untuk biaya pemasaran dan amortisasi dari biaya pra operasional. Dengan demikian penetapan target kapasitas berjalan produksi dan tingkat rendemen yang tinggi akan membuat nilai laba operasional yang dapat dicapai menjadi tinggi. Prosedur prakiraan laba operasional dapat dilihat pada Gambar 19. -Kapasitas Produksi -Rendemen -Harga Produk -Biaya Langsung -Biaya Tidak Langsung -Depresiasi Pendapatan Usaha Harga Pokok Produksi -Biaya Pemasaran -Amortisasi Laba kotor Beban usaha Laba operasional Gambar 19. Diagram alir perkiraan laba operasional usaha Model penentapan target keuntungan. Model ini bertujuan untuk menetapkan target tingkat keuntungan LKS atas pembiayaan yang dikeluarkannya. Dengan posisinya yang harus menanggung resiko atas usaha yang dibiayainya, LKS harus mempertimbangkan tingkat resiko yang ada dalam menentukan target keuntungannya. Semakin tinggi resiko yang ada, semakin tinggi target keuntungan yang diinginkan oleh LKS. Dua unsur yang menjadi pertimbangan dalam penetapan target keuntungan ini adalah tingkat keuntungan bebas resiko dan premi atas resiko yang harus ditanggung. Dalam perbankan konvensional, premi atas resiko dihitung berdasarkan sikap investor atas resiko yang ada (β) dikalikan selisih antara tingkat keuntungan terbaik dari semua

6 74 kombinasi kesempatan yang ada dengan tingkat keuntungan bebas resiko. Berpijak dari pemikiran tersebut, model ini menetapkan target keuntungan LKS (TKS) adalah tingkat keuntungan investasi syariah yang bebas resiko, yaitu tingkat keuntungan dari menyimpan di Sertifikat Wadi ah Bank Indonesia (SWBI) ditambah perkalian antara sikap investor atau LKS terhadap resiko (γ) dengan selisih antara tingkat keuntungan investasi terbaik yaitu tingkat keuntungan yang dihasilkan oleh usaha yang dibiayai dikurang SWBI. Nilai γ yang merupakan sikap LKS atas resiko yang dihadapi dalam pembiayaannya sangat dipengaruhi oleh kondisi subjektif LKS tersebut seperti tingkat pencarian keuntungan atau komersialisasi LKS, sumber dana pihak ketiga yang digunakan seperti dana wadiah yang tentunya berbeda tuntutan tingkat keuntungannya dengan dana mudharabah dan tingkat resiko yang dihadapi. Berdasarkan pendapat pakar, nilai γ pada resiko pembiayaan yang rendah bernilai antara (0 0,3), tingkat resiko pembiayaan sedang antara (>0,3 0,6) dan tingkat resiko pembiayaan tinggi antara (>0,6 1,00). Skema alur penentuan target keuntungan LKS dapat dilihat pada Gambar 20. Mulai Rata-rata nilai SWBI per tahun Harapan keuntungan usaha pertahun (HKU) Penetapan nilai γ: Tingkat resiko rendah: nilai γ = 0,3 Tingkat resiko sedang: nilai γ = 0,6 Tingkat resiko tinggi : nilai γ = 1 Penentapan target keuntungan LKS: TKS = SWBI + (HKU SWBI) γ Target keuntungan LKS (TKS) Selesai Gambar 20. Diagram alir penetapan target keuntungan LKS

7 75 Model penentuan nisbah bagi hasil. Model ini bertujuan untuk menentukan nisbah bagi hasil antara pengusaha dengan lembaga keuangan syariah dengan menggunakan metode fibonacci. Suatu lembaga keuangan syariah akan tertarik untuk turut serta membiayai suatu usaha jika usaha tersebut memberikan bagi hasil yang memadai, yaitu bagi hasil yang lebih besar atau sama dengan target hasil minimal pembiayaan yang telah ditetapkan oleh LKS. Mulai Skema pembiayaan usaha oleh LK Syariah Jumlah pembiayaan usaha oleh LKS pada periode ke-k (Pk) Total investasi usaha periode ke-k (TIk) Nilai target keuntungan minimal LKS periode ke-k Yk = T x Pk Target keuntungan minimal LKS (T) LOk = Laba operasional usaha periode ke-k Nisbah maksimal LKS pada periode ke-k. Pk NXk = TIk Nisbah minimum LKS pada periode ke-k. Yk NMk = LOk Rata-rata nisbah maksimal LKS n NXk RNX = Σ k = 1 n Rata-rata nisbah minimal LKS n NMk RNM = Σ k = 1 n A

8 76 Gambar 21. Diagram alir penentuan nisbah bagi hasil A Teknik Optimasi Fibonacci: Fungsi objektif: f(x) = (RNX-X)(X-RNM); Batas atas : RNX; Batas bawah interval : RNM; Tingkat ketelitian: β; Panjang interval: L 1 = RNX-RNM; Jumlah iterasi maksimum: n = L / β Bilangan fibonacci ke-n (F n ); k = 0. k = k+1 Hitung: l k = (F n-(k+1) / F n-(k-1) ) L k ; x1 = RNM + lk; x2 = RNX - lk f(x1) dan f(x2) RNM = x1 tidak f(x1) < f(x2)? ya L k+1 = RNX-RNM RNX = x2 tidak L k+1 < β? ya Nisbah bagi hasil LK Syariah = RNM Nisbah bagi hasil Pengusaha = 1- RNM Selesai Gambar 21. Diagram alir penentuan nisbah bagi hasil (lanjutan)

9 77 Dipihak lain pengusaha juga menginginkan bagi hasil yang dapat menghargai upayanya dalam mengelola perusahaan. Pencapaian kinerja usaha yang lebih tinggi dari target dengan laba operasional usaha yang lebih besar, harus lebih banyak dinikmati oleh pengusaha. Dua hal diatas merupakan dasar untuk menetapkan nisbah bagi hasil antara lembaga keuangan syariah dengan pengusaha. Metoda penentuan nisbah optimal ini dilakukan dengan menggunakan teknik Fibonacci. Skema alur model dapat dilihat pada Gambar 21. Berdasarkan proposisi diatas, nisbah bagi hasil minimal yang diharapkan dapat diperoleh oleh LKS adalah target hasil minimal pembiayaan yang diinginkan lembaga keuangan syariah dibagi laba operasional usaha. Sedangkan nisbah bagi hasil maksimal bagi LKS adalah persentase pembiayaan yang ditanggung LKS terhadap total investasi usaha. Nisbah bagi hasil untuk LKS dengan demikian adalah nilai diantara nisbah bagi hasil maksimal dan nisbah bagi hasil minimal yang akan diperoleh dengan metode optimasi Fibonacci. Dengan diketahuinya nisbah bagi hasil untuk LKS maka dapat pula diketahui nisbah bagi hasil untuk pengusaha. Model analisis keuntungan pembiayaan. Model ini bertujuan untuk menentukan kelayakan hasil usaha yang diterima oleh LKS maupun pengusaha dengan menggunakan inverse transformation method. Hasil usaha didapat dari perkalian antara nisbah bagi hasil dengan laba operasional usaha. Hasil usaha yang diterima oleh LKS dikatakan layak jika paling tidak sama dengan target LKS atas hasil pembiayaan yang dikeluarkannya. Hasil usaha yang diterima pengusaha dikatakan layak jika paling tidak sama dengan dengan beban pengembalian pembiayaan yang harus dibayarkan. Skema alur model analisis kelayakan usaha dapat dilihat pada Gambar 22.

10 78 Start Rata-rata (Rb) dan Ragam (Sb) Prakiraan Harga Bahan Baku dan Rata-rata (Rm) dan Ragam (Sm) Prakiraan Harga Produk Nisbah LKS (X1) Nisbah Pengusaha (1-X1) k= 0 k = k+1 Bangkitkan bilangan acak antara 0 dan 1 (U) Keuntungan LKS (KLKS) dan Pengusaha (KP) (n = 1000) Penentuan distribusi kumulatif peluang Keuntungan LKS (KLKS) dan Keuntungan Pengusaha (KP) Distribusi Kumulatif Keuntungan LKS dan Pengusaha Cari nilai padanan Z: U = 1/ 2π e -(x2)/2 dx Penentuan harga bahan baku (Hb) dan harga produk (Hm) Hb(k) = (Z x Sb) + Rb Hm(k) = (Z x Sm) + Rm P(Keuntungan LKS > Target LKS) > 50% atau P(Keuntungan pengusaha > Beban pengembalian) >50% ya A Analisis Laba Operasional (LO(k)) berdasar Hb(k) dan Hm(k) Keuntungan: LKS (KLKS(k)) = X1 x LO(k) Pengusaha (KP(k)) = (1-X1) x LO(k) Selesai tidak Keuntungan usaha untuk LKS tidak layak atau Keuntungan usaha untuk pengusaha tidak layak tidak k= 1000? ya Gambar 22. Diagram alir analisis keuntungan LKS dan Pengusaha

11 79 A Evaluasi Keuntungan usaha untuk LKS: Cukup :P(Keuntungan LKS > Target Keuntungan LKS) = 50% - < 60% Baik :P(Keuntungan LKS >Target Keuntungan LKS) = 60% - < 70% Sangat Baik :P(Keuntungan LKS >Target Keuntungan LKS) > 70% Evaluasi Keuntungan usaha untuk pengusaha: Cukup :P(Keuntungan Pengusaha > Beban Pengembalian): 50% - < 60% Baik :P(Keuntungan Pengusaha >Beban Pengembalian): 60% - < 70% Sangat Baik :P(Keuntungan Pengusaha>Beban Pengembalian): >= 70% Tingkat Keuntungan LKS dan Pengusaha Selesai Gambar 22. Diagram alir analisis keuntungan LKS dan Pengusaha (lanjutan) Model evaluasi tingkat keuntungan pembiayaan (TKP). Model ini bertujuan untuk menentukan tingkat keuntungan pembiayaan usaha. Kriteria tingkat keuntungan pembiayaan ini ditentukan berdasarkan basis aturan (rule base) yang ditetapkan dengan mempertimbangkan tingkat hasil usaha untuk LKS dan untuk pengusaha. Rule base penentuan tingkat pengembalilan pembiayaan ini beserta saran perbaikan dapat dilihat pada Lampiran 14, sedangkan rangkuman penentuannya dapat dilihat pada Tabel 8. Tabel 8. Rule base penentuan tingkat keuntungan pembiayaan usaha Keuntungan Keuntungan untuk Pengusaha untuk LKS Cukup Baik Sangat Baik Sangat Baik Sedang Tinggi Tinggi Baik Rendah Sedang Tinggi Cukup Rendah Rendah Rendah

12 80 Model evaluasi tingkat resiko pembiayaan (TRP). Model ini bertujuan untuk menentukan tingkat resiko pembiayaan usaha. Penentuan tingkat resiko industri dilakukan berdasarkan rata-rata terbobot skor setiap parameter dari resiko usaha dan resiko industri. Pemberian bobot dari setiap parameter dilakukan dengan memakai proses hirarki analisis (AHP). Diagram alir penentuan tingkat resiko pembiayaan dapat dilihat pada Gambar 23, sedangkan rule base dan saran perbaikan dapat dilihat pada Lampiran 15. Mulai Skor hasil evaluasi resiko dari setiap faktor resiko usaha dan parameter resiko industri Bobot setiap faktor Skor terbobot dari setiap faktor Jumlah skor resiko pembiayaan Nilai terbobot resiko pembiayaan (NRP) Lakukan ulang evaluasi resiko Penentuan tingkat resiko pembiayaan: Tinggi: 3,66 < NRP < 5,00 Sedang: 2,33 < NRP < 3,66 Rendah: 1,00 < NRP < 2,33 Tingkat Resiko Pembiayaan (TRP) Tidak TRP Tinggi? Selesai Ya Lakukan upaya penurunan TRP Gambar 23. Diagram alir penentuan tingkat resiko pembiayaan

13 81 Model penentuan kelayakan pembiayaan. Model ini bertujuan untuk menentukan kelayakan pembiyaan usaha oleh LKS berdasarkan hasil tingkat keuntungan pembiayaan (TKP) dan tingkat resiko pembiayaan (TRP). Kriteria penentuan kelayakan pembiayaan ini dilakukan berdasarkan basis aturan (rule base) yang ditetapkan. Secara ringkas Rule base penentuan kelayakan pembiayaan ini dapat dilihat pada table 9. Tabel 9. Rule base penentuan kelayakan pembiayaan usaha Tingkat Resiko Tingkat Keuntungan Pembiayaan (TKP) Pembiayaan (TRP) Rendah Sedang Tinggi Tinggi Tidak layak Tidak layak Tidak layak Sedang Tidak layak Layak-3 Layak-2 Rendah Layak-3 Layak-2 Layak-1 Keputusan layak-1 dimana TKP berada pada tingkat tinggi dan TRP berada pada tingkat rendah merupakan kondisi layak yang sangat baik. Sedangkan keputusan layak-2 atau layak-3 merupakan kondisi kelayakan yang memerlukan perhatian terhadap beberapa tindakan yang diperlukan untuk meningkatkan TKP atau menurunkan TRP. Rule base penentuan kelayakan pembiayaan secara lengkap dengan saran-saran tindakan yang diperlukannya dapat dilihat pada Lampiran 16. Sistem Manajemen Basis Data. Sistem manajemen basis data berfungsi untuk mengelola data yang diperlukan dalam analisis model. Pengelolaan data dalam sistem ini meliputi memasukan data baru, mengedit data, menyimpan data dan menghapus data. Tujuh macam basis data yang tersedia terdiri dari basis data harga produk, basis data harga bahan baku, basis data finansial, basis data target hasil pembiayaan, basis data resiko usaha, basis data ekspor produk dan basis data produksi. Basis data harga produk. Data yang dimasukan dalam basis data ini adalah harga produk minyak atsiri per bulan. Basis data ini digunakan untuk memprakirakan harga produk minyak atsiri selama masa pembiayaan. Metode

14 82 prakiraan yang akan dipakai adalah metode prakiraan jaringan syaraf tiruan (JST). Basis data harga bahan baku. Data yang dimasukan dalam basis data ini adalah harga bahan baku minyak atsiri per bulan. Basis data ini digunakan untuk memprakirakan harga bahan baku minyak atsiri selama masa pembiayaan. Metode prakiraan yang akan dipakai adalah metode prakiraan jaringan syaraf tiruan (JST). Basis data biaya. Basis data ini berisi data yang diperlukan untuk analisis laba operasional usaha, penentuan nisbah bagi hasil dan analisis kelayakan hasil. Data yang dimasukan adalah kapasitas alat suling, biaya investasi tetap, biaya tenaga kerja langsung, biaya tenaga kerja tidak langsung, kebutuhan bahan bakar minyak per kali suling, biaya bahan pembantu langsung, biaya bahan pembantu tidak langsung, biaya pemeliharaan bangunan, mesin dan peralatan, biaya depresiasi, amortisasi dan biaya pemasaran Basis data SWBI. Basis data ini berisi nilai bonus SWBI per bulan selama 12 bulan terakhir. Data ini digunakan untuk menetapkan target keuntungan LKS atas pembiayaan yang dikeluarkannya. Nilai bonus SWBI menjadi tingkat keuntungan bebas resiko yang dapat diperoleh. Sistem Manajemen Dialog Sistem manjemen dialog merupakan komponen yang mengatur interaksi antara SPK dengan pengguna. Pengguna memberikan masukan berupa data, batasan atau perintah yang kemudian diolah oleh program SPK. Program SPK kemudian menyediakan keluaran yang berupa informasi dalam bentuk table, grafik atau pernyataan yang mudah dipahami. Dengan demikian dialog antara pengguna dengan program SPK terdiri dari dua jenis, yaitu: (1) komunikasi langsung antara pengguna dengan program SPK, berupa masukan data, batasan atau perintah. (2) Komunikasi peraga yaitu SPK memberikan informasi feed back terhadap masukan dari pengguna. Agar pengguna dapat mengoperasikan program SPK ini, maka pengguna harus mengetahui struktur sistem dan prosedur umum program SPK ini.

METODE PENELITIAN Kerangka Pemikiran

METODE PENELITIAN Kerangka Pemikiran METODE PENELITIAN Kerangka Pemikiran Pada pembiayaan investasi pola musyarakah, hasil laba operasional usaha dibagi antar investor dengan menggunakan nisbah tertentu. Ketidakpastian tingkat hasil laba

Lebih terperinci

VI. PEMODELAN SISTEM B. SISTEM MANAJEMEN BASIS PENGETAHUAN

VI. PEMODELAN SISTEM B. SISTEM MANAJEMEN BASIS PENGETAHUAN VI. PEMODELAN SISTEM A. KONFIGURASI MODEL Model aplikasi sistem penunjang keputusan Vanamest.Org dibangun dalam bentuk website. Aplikasi ini dibangun dengan tujuan utama untuk membantu para calon pengusaha

Lebih terperinci

RANCANGAN IMPLEMENTASI

RANCANGAN IMPLEMENTASI RNCNGN IMPLEMENTSI Kelebihan dan Keterbatasan Model Perekayasaan suatu model tentunya memiliki kelebihan dan kelemahan. Model Ekpama-Syariah memiliki kelebihan dalam implementasi sebagai berikut: 1. Model

Lebih terperinci

VII. IMPLEMENTASI MODEL

VII. IMPLEMENTASI MODEL VII. IMPLEMENTASI MODEL A. HASIL SIMULASI Simulasi model dilakukan dengan menggunakan data hipotetik berdasarkan hasil survey, pencarian data sekunder, dan wawancara di lapangan. Namun dengan tetap mempertimbangkan

Lebih terperinci

ANALISA SISTEM. Analisa Situasional

ANALISA SISTEM. Analisa Situasional ANALISA SISTEM Metodologi sistem didasari oleh tiga pola pikir dasar keilmuan tentang sistem, yaitu (1) sibernetik, atau berorientasi pada tujuan. Pendekatan sistem dimulai dengan penetapan tujuan melalui

Lebih terperinci

III. LANDASAN TEORI A. PERENCANAAN PROYEK INVESTASI

III. LANDASAN TEORI A. PERENCANAAN PROYEK INVESTASI III. LANDASAN TEORI A. PERENCANAAN PROYEK INVESTASI Menurut Khadariah (986), proyek adalah suatu keseluruhan kegiatan yang menggunakan sumber-sumber untuk memperoleh manfaat (benefit), atau suatu kegiatan

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN 61 HASIL DAN PEMBAHASAN Sistem manajemen ahli model SPK agroindustri biodiesel berbasis kelapa sawit terdiri dari tiga komponen utama yaitu sistem manajemen basis data, sistem manajemen basis pengetahuan

Lebih terperinci

IV HASIL DAN PEMBAHASAN

IV HASIL DAN PEMBAHASAN tersembunyi berkisar dari sampai dengan 4 neuron. 5. Pemilihan laju pembelajaran dan momentum Pemilihan laju pembelajaran dan momentum mempunyai peranan yang penting untuk struktur jaringan yang akan dibangun.

Lebih terperinci

REKAYASA MODEL EVALUASI KELAYAKAN PEMBIAYAAN AGROINDUSTRI MINYAK ATSIRI DENGAN POLA SYARIAH. Chandra Indrawanto

REKAYASA MODEL EVALUASI KELAYAKAN PEMBIAYAAN AGROINDUSTRI MINYAK ATSIRI DENGAN POLA SYARIAH. Chandra Indrawanto REKAYASA MODEL EVALUASI KELAYAKAN PEMBIAYAAN AGROINDUSTRI MINYAK ATSIRI DENGAN POLA SYARIAH Chandra Indrawanto SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 RINGKASAN CHANDRA INDRAWANTO. Rekayasa

Lebih terperinci

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis

Lebih terperinci

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai

Lebih terperinci

BAB V KONFIGURASI DAN PEMODELAN SISTEM

BAB V KONFIGURASI DAN PEMODELAN SISTEM 83 BAB V KONFIGURASI DAN PEMODELAN SISTEM 5.1. Konfigurasi Model Analisis sistem pada Bab IV memperlihatkan bahwa pengembangan agroindustri sutera melibatkan berbagai komponen dengan kebutuhan yang beragam,

Lebih terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan

Lebih terperinci

BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH

BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu data saham Astra Internasional Tbk tanggal 2 Januari

Lebih terperinci

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas

Lebih terperinci

PEMODELAN SISTEM Konfigurasi Model

PEMODELAN SISTEM Konfigurasi Model PEMODELAN SISTEM Konfigurasi Model Rekayasa sistem kelembagaan penelusuran pasokan bahan baku agroindustri gelatin untuk menjamin mutu produk melibatkan berbagai pihak yang mempunyai kepentingan yang berbeda,

Lebih terperinci

VI. PEMODELAN SISTEM AGROINDUSTRI NENAS. Analisis sistem kemitraan agroindustri nenas yang disajikan dalam Bab 5

VI. PEMODELAN SISTEM AGROINDUSTRI NENAS. Analisis sistem kemitraan agroindustri nenas yang disajikan dalam Bab 5 VI. PEMODELAN SISTEM AGROINDUSTRI NENAS Formatted: Swedish (Sweden) Analisis sistem kemitraan agroindustri nenas yang disajikan dalam Bab 5 menunjukkan bahwa sistem kemitraan setara usaha agroindustri

Lebih terperinci

BAB 2 KONSEP DASAR PENGENAL OBJEK

BAB 2 KONSEP DASAR PENGENAL OBJEK BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis

Lebih terperinci

LANDASAN TEORI Metode Prakiraan Metode Pemulusan.

LANDASAN TEORI Metode Prakiraan Metode Pemulusan. LANDASAN TEORI Metode Prakiraan Metode prakiraan dari suatu data deret waktu dilakukan berdasarkan sifat perilaku kejadian pada masa lalu. Dengan kata lain pada metode prakiraan ini perilaku kejadian masa

Lebih terperinci

IV. PEMODELAN SISTEM. A. Konfigurasi Sistem EssDSS 01

IV. PEMODELAN SISTEM. A. Konfigurasi Sistem EssDSS 01 IV. PEMODELAN SISTEM A. Konfigurasi Sistem EssDSS 01 Sistem penunjang keputusan pengarah kebijakan strategi pemasaran dirancang dalam suatu perangkat lunak yang dinamakan EssDSS 01 (Sistem Penunjang Keputusan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan

Lebih terperinci

Presentasi Tugas Akhir

Presentasi Tugas Akhir Presentasi Tugas Akhir Bagian terpenting dari CRM adalah memahami kebutuhan dari pelanggan terhadap suatu produk yang ditawarkan para pelaku bisnis. CRM membutuhkan sistem yang dapat memberikan suatu

Lebih terperinci

Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation

Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko

Lebih terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN 68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1

Lebih terperinci

POSITRON, Vol. IV, No. 2 (2014), Hal ISSN :

POSITRON, Vol. IV, No. 2 (2014), Hal ISSN : Modifikasi Estimasi Curah Hujan Satelit TRMM Dengan Metode Jaringan Syaraf Tiruan Propagasi Balik Studi Kasus Stasiun Klimatologi Siantan Fanni Aditya 1)2)*, Joko Sampurno 2), Andi Ihwan 2) 1)BMKG Stasiun

Lebih terperinci

BAB 5 RANCANG BANGUN MODEL

BAB 5 RANCANG BANGUN MODEL 71 BAB 5 RANCANG BANGUN MODEL 5.1 Konfigurasi Model Rancang bangun model peningkatan kinerja agroindustri kelapa sawit PBUMN dibangun dalam bentuk perangkat lunak dengan nama Pin-KK dengan tiga komponen

Lebih terperinci

PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK

PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:

BAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian: BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.

Lebih terperinci

BAB III. METODOLOGI PENELITIAN

BAB III. METODOLOGI PENELITIAN BAB III. METODOLOGI PENELITIAN A. KERANGKA PEMIKIRAN Peningkatan luas lahan perkebunan kelapa sawit telah mampu meningkatkan kuantitas produksi minyak sawit mentah dan minyak inti sawit dan menempatkan

Lebih terperinci

KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati

KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN PERANCANGAN 32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi

Lebih terperinci

Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation

Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation 1 Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Reza Subintara Teknik Informatika, Ilmu Komputer, Universitas

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Semua negara mempunyai mata uang sebagai alat tukar. Pertukaran uang dengan barang yang terjadi disetiap negara tidak akan menimbulkan masalah mengingat nilai uang

Lebih terperinci

BAB IV PEMODELAN SISTEM

BAB IV PEMODELAN SISTEM BAB IV PEMODELAN SISTEM 4.1 ASUMSI PERHITUNGAN MODEL Model pengendalian persediaan galon menggunakan berbagai asumsi untuk memberikan batasan terhadap model yang merepresentasikan sistem sebenarnya. Asumsi-asumsi

Lebih terperinci

PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION

PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 203-209 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN 4.1. Desain Perangkat Keras Yang Dikembangkan. Gambar 8. Secara umum sistem perangkat keras telah berhasil dikembangkan sesuai desain dalam Gambar 8. Desain perangkat keras

Lebih terperinci

PRAKIRAAN HARGA AKARWANGI: APLIKASI METODE JARINGAN SYARAF TIRUAN

PRAKIRAAN HARGA AKARWANGI: APLIKASI METODE JARINGAN SYARAF TIRUAN Jurnal Littri 13(1), Maret 27, Hal.14-2 ISSN 853-8212 JURNAL LITTRI VOL. 13 NO.1, MARET 27 : 14-2 PRAKIRAAN HARGA AKARWANGI: APLIKASI METODE JARINGAN SYARAF TIRUAN CHANDRA INDRAWANTO 1), ERIYATNO 2), ANAS

Lebih terperinci

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI

Lebih terperinci

Oleh : Alif Tober Rachmawati

Oleh : Alif Tober Rachmawati Perancangan softsensor steam quality pada steam generator dengan optimasi nilai spesifik volume dengan metode jaringan syaraf tiruan (JST) Oleh : Alif Tober Rachmawati 2410105022 Latar Belakang Steam generator

Lebih terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN digilib.uns.ac.id BAB III METODOLOGI PENELITIAN 3.1 Studi Literatur Studi ini dilakukan dengan cara mencari dan membaca berbagai literatur serta karya-karya penelitian mengenai topik penelitian yang sudah

Lebih terperinci

PEMODELAN SISTEM 6.1. KONFIGURASI MODEL

PEMODELAN SISTEM 6.1. KONFIGURASI MODEL VI. PEMODELAN SISTEM 6.1. KONFIGURASI MODEL Sistem Penunjang Keputusan Perencanaan Pengembangan Agroindustri Manggis dirancang dan dikembangkan dalam suatu paket perangkat lunak ng diberi nama mangosteen

Lebih terperinci

PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK

Lebih terperinci

BAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu

BAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu BAB III METODE PENELITIAN 3.1 Pengumpulan Data Beban Listrik dari PLN Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu selama lima tahun pada periode 2006-2010, selanjutnya data

Lebih terperinci

PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI

PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA

Lebih terperinci

PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK

PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK Eko Budi Wahyono*), Suzuki Syofian**) *) Teknik Elektro, **) Teknik Informatika - Fakultas Teknik Abstrak Pada era modern

Lebih terperinci

Gambar 9 Sistem penunjang keputusan pengembangan klaster agroindustri aren.

Gambar 9 Sistem penunjang keputusan pengembangan klaster agroindustri aren. 44 V. PEMODELAN SISTEM Dalam analisis sistem perencanaan pengembangan agroindustri aren di Sulawesi Utara menunjukkan bahwa terdapat berbagai pihak yang terlibat dan berperan didalam sistem tersebut. Pihak-pihak

Lebih terperinci

JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)

JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma

Lebih terperinci

BAB IV PENGARUH FEE BASED INCOME TERHADAP EARNING PER SHARE (EPS) DI BRI SYARIAH

BAB IV PENGARUH FEE BASED INCOME TERHADAP EARNING PER SHARE (EPS) DI BRI SYARIAH BAB IV PENGARUH FEE BASED INCOME TERHADAP EARNING PER SHARE (EPS) DI BRI SYARIAH 4.1 Hasil Penelitian 4.1.1 Kondisi Fee Based Income di BRI Syariah Dewasa ini persaingan di dunia perbankan sudah semakin

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan

Lebih terperinci

PRISMA FISIKA, Vol. I, No. 1 (2013), Hal ISSN :

PRISMA FISIKA, Vol. I, No. 1 (2013), Hal ISSN : Prediksi Tinggi Signifikan Gelombang Laut Di Sebagian Wilayah Perairan Indonesia Menggunakan Jaringan Syaraf Tiruan Metode Propagasi Balik Abraham Isahk Bekalani, Yudha Arman, Muhammad Ishak Jumarang Program

Lebih terperinci

BAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang

BAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang BAB 3 PERANCANGAN SISTEM Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang diimplementasikan sebagai model estimasi harga saham. Analisis yang dilakukan adalah menguraikan penjelasan

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3 METODE PENELITIAN 3.1 Kerangka Pemikiran Perencanaan produksi sebagai suatu keputusan awal yang mempengaruhi aktifitas pada kegiatan lainnya memiliki peran penting untuk mengantisipasi terjadinya inefisiensi

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem Piranti yang digunakan untuk pelatihan maupun pengujian sistem terdiri dari perangkat keras dan perangkat lunak. 4.1.1 Perangkat Keras Perangkat keras

Lebih terperinci

VOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :

VOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN : PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara

Lebih terperinci

Disusun Oleh : : Nina Rahayu Nurcahyani NPM : Jurusan : Akuntansi Pembimbing : Dr. Budi Prijanto

Disusun Oleh : : Nina Rahayu Nurcahyani NPM : Jurusan : Akuntansi Pembimbing : Dr. Budi Prijanto ANALISIS PERBANDINGAN KINERJA KEUANGAN BANK SYARIAH DENGAN MENGGUNAKAN PENDEKATAN INCOME STATEMENT DAN SHARI ATE VALUE ADDED STATEMENT PADA PT. BANK RAKYAT INDONESIA SYARIAH Disusun Oleh : Nama : Nina

Lebih terperinci

PERKIRAAN PENJUALAN BEBAN LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILENT BACKPROPAGATION (RPROP)

PERKIRAAN PENJUALAN BEBAN LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILENT BACKPROPAGATION (RPROP) PERKIRAAN PENJUALAN BEBAN LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILENT BACKPROPAGATION (RPROP) Apriliyah, Wayan Firdaus Mahmudy, Agus Wahyu Widodo Program Studi Ilmu Komputer Fakultas MIPA Universitas

Lebih terperinci

3. METODE PENELITIAN

3. METODE PENELITIAN 19 3. METODE PENELITIAN 3.1 Diagram Alir Penelitian Kerangka pemikiran pada penelitian ini dapat digambarkan dalam suatu bagan alir seperti pada Gambar 8. Gambar 8 Diagram Alir Penelitian Pengumpulan Data

Lebih terperinci

APLIKASI JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PASIEN RAWAT INAP DENGAN METODE BACK PROPAGATION (Studi Kasus : RSU.

APLIKASI JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PASIEN RAWAT INAP DENGAN METODE BACK PROPAGATION (Studi Kasus : RSU. APLIKASI JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PASIEN RAWAT INAP DENGAN METODE BACK PROPAGATION (Studi Kasus : RSU. TERE MARGARETH) Fitri Ruth Diani Br. Simangunsong 1, Surya Darma Nasution 2

Lebih terperinci

SISTEM MANAJEMEN AHLI

SISTEM MANAJEMEN AHLI 201 SISTEM MANAJEMEN AHLI Konfigurasi model Pengambilan keputusan dengan pendekatan sistem berbasis pengetahuan dikenal dengan istilah sistem manajemen ahli. (Eriyatno, 2009). Didalam sistem manajemen

Lebih terperinci

III. KERANGKA PEMIKIRAN

III. KERANGKA PEMIKIRAN III. KERANGKA PEMIKIRAN 3.1 Kerangka Pemikiran Teoritis Kerangka pemikiran teoritis mengemukakan teori-teori terkait penelitian. Teori-teori tersebut antara lain pengertian proyek, keterkaitan proyek dengan

Lebih terperinci

SISTEM PENUNJANG KEPUTUSAN

SISTEM PENUNJANG KEPUTUSAN 94 SISTEM PENUNJANG KEPUTUSAN Konfigurasi Model Hasil analisis sistem menunjukkan bahwa sistem pemberdayaan masyarakat perdesaan dalam klaster agroindustri minyak atsiri bersifat kompleks, dinamis, dan

Lebih terperinci

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION Zulkarnain Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja

Lebih terperinci

BAB 3. METODE PENELITIAN

BAB 3. METODE PENELITIAN BAB 3 METODE PENELITIAN 31 Pemilihan Parameter Masukan JST Data pengujian kualitas surfaktan-mesa yang dimiliki SBRC IPB (009) terdiri atas tegangan permukaan, IFT, densitas, viskositas, ph, dan kandungan

Lebih terperinci

PEMODELAN SISTEM. Konfigurasi Model. Data Pengetahuan Model. Perumusan Strategi Bauran Pemasaran MEKANISME INFERENSI SISTEM PENGOLAHAN TERPUSAT

PEMODELAN SISTEM. Konfigurasi Model. Data Pengetahuan Model. Perumusan Strategi Bauran Pemasaran MEKANISME INFERENSI SISTEM PENGOLAHAN TERPUSAT PEMODELAN SISTEM Konfigurasi Model Rancang bangun model pengembangan industri kecil jamu dirancang dalam bentuk paket program komputer sistem manajemen ahli yang terdiri dari komponen : sistem manajemen

Lebih terperinci

Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation

Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation 65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah

Lebih terperinci

Muhammad Fahrizal. Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpanglimun Medan

Muhammad Fahrizal. Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpanglimun Medan IMPLEMENTASI JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI SERVICE KENDARAAN RODA 4 DENGAN METODE BACKPROPAGATION (STUDI KASUS PT. AUTORENT LANCAR SEJAHTERA) Muhammad Fahrizal Mahasiswa Teknik Informatika STMIK

Lebih terperinci

PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION

PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION Restiana Putri Abstract - On a government agencies Badan Keluarga Berencana

Lebih terperinci

III. METODE PENELITIAN. Tulang Bawang. Pengambilan data dilakukan pada bulan Mei sampai dengan Juli

III. METODE PENELITIAN. Tulang Bawang. Pengambilan data dilakukan pada bulan Mei sampai dengan Juli III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Lokasi penelitian pendirian agroindustri berbasis ikan dilaksanakan di Kabupaten Tulang Bawang. Pengambilan data dilakukan pada bulan Mei sampai dengan

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN Dalam bab ini akan menjelaskan tentang hasil pengujian perhitungan secara matematis dengan membandingkan histogram data mentah dan distribusi probabilitias teoritis. Data mentah

Lebih terperinci

PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) DENGAN PEUBAH INPUT DATA RETURN UNTUK PERAMALAN INDEKS HANGSENG

PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) DENGAN PEUBAH INPUT DATA RETURN UNTUK PERAMALAN INDEKS HANGSENG PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) DENGAN PEUBAH INPUT DATA RETURN UNTUK PERAMALAN INDEKS HANGSENG R. E. Caraka 1, H. Yasin 2 dan A. Prahutama 3 1,2,3 JurusanStatistika, Fakultas Sains

Lebih terperinci

DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION

DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,

Lebih terperinci

Sistem Manajemen Basis Data

Sistem Manajemen Basis Data 85 KONFIGURASI MODEL Hasil analisis sistem menunjukkan bahwa sistem pengembangan Agrokakao bersifat kompleks, dinamis, dan probabilistik. Hal tersebut ditunjukkan oleh banyaknya pelaku yang terlibat dalam

Lebih terperinci

BAB I PENDAHULUAN. daya tahan. PT. Propan Raya ICC merupakan sebuah perusahaan yang bergerak di

BAB I PENDAHULUAN. daya tahan. PT. Propan Raya ICC merupakan sebuah perusahaan yang bergerak di BAB I PENDAHULUAN I.1. Latar Belakang Cat adalah suatu zat yang memiliki warna dan memiliki daya rekat serta daya tahan. PT. Propan Raya ICC merupakan sebuah perusahaan yang bergerak di bidang pembuatan

Lebih terperinci

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION [1] Novi Indah Pradasari, [2] F.Trias Pontia W, [3] Dedi Triyanto [1][3] Jurusan Sistem Komputer,

Lebih terperinci

T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX

T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta

Lebih terperinci

II TINJAUAN PUSTAKA Perbedaan Syariah dengan Konvensional

II TINJAUAN PUSTAKA Perbedaan Syariah dengan Konvensional II TINJAUAN PUSTAKA 2.1. Perbedaan Syariah dengan Konvensional 2.1.1. Perbandingan Kinerja Bank Syariah dengan Bank Konvensional Kusafarida (2003) dalam skripsinya meneliti tentang perbandingan kinerja

Lebih terperinci

IV. KONFIGURASI MODEL

IV. KONFIGURASI MODEL IV. KONFIGURASI MODEL A. DIAGRAM ALIRAN DATA (DATA FLOW DIAGRAM/DFD) Metode yang digunakan dalam memodelkan program aplikasi Sidi- Kuu adalah menggunakan diagram aliran data. Diagram aliran data memperlihatkan

Lebih terperinci

ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA

ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan

Lebih terperinci

PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)

PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1 DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori

Lebih terperinci

ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang)

ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) 1 Musli Yanto, 2 Sarjon Defit, 3 Gunadi Widi Nurcahyo

Lebih terperinci

Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation

Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation DOSEN PEMBIMBING Prof. Dr. Moh. Isa Irawan, M.T. Dr. Imam Mukhlash,

Lebih terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN 66 METODOLOGI PENELITIAN Penelitian perancangan model pemberdayaan masyarakat perdesaan dalam klaster agroindustri minyak atsiri dilakukan berdasarkan sebuah kerangka berpikir logis. Gambaran kerangka

Lebih terperinci

BACK PROPAGATION NETWORK (BPN)

BACK PROPAGATION NETWORK (BPN) BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah meminimalkan error pada output

Lebih terperinci

ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, M. Rhifky Wayahdi 2 1 Dosen Teknik Informatika,

Lebih terperinci

DAFTAR ISI... KATA PENGANTAR... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...

DAFTAR ISI... KATA PENGANTAR... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... DAFTAR ISI KATA PENGANTAR... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... x xii xiv xvi xvii I. PENDAHULUAN 1.1. Latar Belakang... 1 1.2. Rumusan Masalah... 5 1.3. Tujuan Penelitian...

Lebih terperinci

BAB III PEMBAHASAN. FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan

BAB III PEMBAHASAN. FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan BAB III PEMBAHASAN Pada bab ini berisi mengenai FRBFNN, prosedur pembentukan model FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan listrik di D.I Yogyakarta. A. Radial Basis Function

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 25 BAB III METODE PENELITIAN A. Desain Penelitian Pada penelitian ini penulis menggunakan pendekatan deskriptif untuk mencapai tujuan dari penelitian. Dalam penelitian ini variabel yang diteliti adalah

Lebih terperinci

Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)*

Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* 1)Stasiun Meteorologi Supadio Pontianak Badan Meteorologi

Lebih terperinci

Teknik Pertanian, Fakultas Teknologi Pertanian, Universitas Jember Jalan Kalimantan No. 37 Jember, *

Teknik Pertanian, Fakultas Teknologi Pertanian, Universitas Jember Jalan Kalimantan No. 37 Jember, * PERAMALAN JUMLAH PERMINTAAN UDANG BEKU PND MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN (JST) BACKPROPAGATION Forecasting of PND Frozen Shrimp Demand Using Artificial Neural Network Method (ANN) Backpropagation

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Bank adalah lembaga keuangan yang merupakan penggerak utama dalam pertumbuhan perekonomian masyarakat Indonesia. Sebagai lembaga Intermediasi, bank memiliki

Lebih terperinci

I. Flow-chart. Dimas Hidim, mahasiswa EPI C, Penjelasan alur/flow chat akad musyarakah :

I. Flow-chart. Dimas Hidim, mahasiswa EPI C, Penjelasan alur/flow chat akad musyarakah : Dimas Hidim, mahasiswa EPI C, 20120730138 I. Flow-chart Penjelasan alur/flow chat akad musyarakah : 1. Nasabah mengajukan pembiayaan kepada bank dengan akad musyarakah untuk mendapatkan tambahan modal.

Lebih terperinci

Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation

Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id

Lebih terperinci

Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation

Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id

Lebih terperinci

3.5.1 Komponen jaringan syaraf Adaptif Neuro Fuzzy Inference System (ANFIS) Simulink MATLAB Mikrokontroler...

3.5.1 Komponen jaringan syaraf Adaptif Neuro Fuzzy Inference System (ANFIS) Simulink MATLAB Mikrokontroler... DAFTAR ISI HALAMAN PERSETUJUAN TESIS... i PERNYATAAN... ii KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR TABEL... viii DAFTAR GAMBAR... ix INSTISARI... xii ABSTRACT... xiii BAB I PENDAHULUAN... 1 1.1 Latar

Lebih terperinci

DAFTAR PUSTAKA. Arifin, Z Dasar-dasar Manajemen Bank Syariah. AlvaBet. Jakarta. BPS, Statistik Ekspor Indonesia BPS - Jakarta.

DAFTAR PUSTAKA. Arifin, Z Dasar-dasar Manajemen Bank Syariah. AlvaBet. Jakarta. BPS, Statistik Ekspor Indonesia BPS - Jakarta. DAFTAR PUSTAKA Antonio, M.S., 2003. Bank Syariah dari Teori ke Praktik. Gema Insani. Jakarta Arifin, Z. 2002. Dasar-dasar Manajemen Bank Syariah. AlvaBet. Jakarta Austin, J.E., 1992. Agroindustrial Project

Lebih terperinci

III. LANDASAN TEORI A. TEKNIK HEURISTIK

III. LANDASAN TEORI A. TEKNIK HEURISTIK III. LANDASAN TEORI A. TEKNIK HEURISTIK Teknik heuristik adalah suatu cara mendekati permasalahan yang kompleks ke dalam komponen-komponen yang lebih sederhana untuk mendapatkan hubungan-hubungan dalam

Lebih terperinci

BAB VI PEMODELAN DAN RANCANG BANGUN SISTEM S I S T E M P A K A R

BAB VI PEMODELAN DAN RANCANG BANGUN SISTEM S I S T E M P A K A R BAB VI PEMODELAN DAN RANCANG BANGUN SISTEM 6.1 Model Konseptual 6.1.1 Konfigurasi Desain Desain sistem penentuan kualitas biodiesel berbasis minyak nabati ini dirancang dan dikembangkan dalam sistem yang

Lebih terperinci

BAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.

BAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy

Lebih terperinci