Denny Nurkertamanda, Zaenal Fanani, Anna Kusuma Wardhani *)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Denny Nurkertamanda, Zaenal Fanani, Anna Kusuma Wardhani *)"

Transkripsi

1 PENERAPAN KEBIJAKAN PENJADWALAN ULANG PADA RUANG LINGKUP SINGLE MACHINE UNTUK MEMINIMASI TOTAL TARDINESS (Studi Kasus di PT. Idoesia Steel Tube Works) Dey Nurkertamada, Zaeal Faai, Aa Kusuma Wardhai *) Abstract Customer satisfactio is the most importat thig to be cosidered to keep the customer trust of a product or eve of a compay. Givig the satisfactio to the customer ca be achieved by several ways ad o time delivery product is oe of them. It is true that some problems ca ofte occur durig that achievemet ad may hider the o time delivery fulfillmet. Oe of the major elemets that hold the key role of o time delivery fulfillmet is productio schedulig. The implemetatio of appropriate productio schedulig policy will determie the accomplishmet of o time delivery fulfillmet i some ways. This statemet is also works for Idoesia Steel Tube Works Ltd., as a compay that always cares about the customer satisfactio o quality ad o time delivery. If we observe the productio schedulig records of Idoesia Steel Tube Works Ltd. we ca fid some lateess problems that i some case happeed i a extesive iterval of tardiess. The compay oly rus the productio schedulig based o the group of pipe diameter. This policy seems caot well hadle the rush orders that ofte emerge o every schedulig period ad effect i tardiess problems. The compay eeds to cosider the reschedulig policy with the aim of reducig the tardiess that ofte emerges because of the rush order disruptio. Key words: reschedulig policy, rush order, tardiess, productio schedulig, lateess. Pedahulua Latar Belakag Idoesia Steel Tube Works, Ltd. yag biasa pula disebut dega sigkata PT. ISTW merupaka perusahaa peaama modal asig (PMA) Jepag yag bergerak dibidag pembuata pipa baja las. Mulai tahu 2006, PT. ISTW telah memiliki kapasitas produksi sebesar 6000 to, amu dalam praktekya kapasitas yag dapat diguaka secara optimal haya 500 to per bula, baik utuk mesi mill maupu mill 2. Hal ii dikareaka peigkata pegguaaa kapasitas mesi dilakuka secara bertahap. Tipe produksi dari PT. ISTW merupaka gabuga dari sistem make to stock da make to order. Dikataka demikia karea PT. ISTW juga meerima pesaa pipa dega ukura yag tidak stadar dari para pelagga. Bila ukura pipa yag dipesa tidak stadar tetuya perusahaa haya dapat membuat pipa tersebut jika ada pesaa datag saja. Kebijaka pejadwala produksi yag saat ii diterapka oleh PT. ISTW lebih berpatoka pada pegelompoka diameter pipa yag dipesa oleh para pemesa. Kebijaka pejadwala seperti ii sebearya memudahka setup mesi, amu pada keyataaya kebijaka tersebut justru megakibatka serig terjadiya keterlambata dalam pemeuha due date pesaa terutama bila terjadi rush order atau pesaa sisipa. Utuk meguragi keterlambata-keterlambata tersebut diperluka adaya peijaua kembali terhadap kebijaka pejadwala yag selama ii telah diterapka oleh PT. ISTW. Aka mejadi suatu hal yag lebih baik lagi apabila perusahaa juga mempertimbagka peerapa kebijaka Reschedulig (pejadwala ulag) utuk megatasi masalah rush order dega tu- *) Staf Pegajar Jurusa Tekik Idustri Fakultas Tekik Udip jua utuk meghidari maki parahya keterlambata, megigat hal ii memag serig terjadi di ligkup maufaktur PT. ISTW. Perumusa Masalah Permasalah yag ada adalah peerapa kebijaka pejadwala produksi yag belum optimal sehigga meyebabka terjadiya keterlambata-keterlambata pemeuha pesaa walaupu kapasitas produksi masih mecukupi. Keterlambata ii terjadi terutama bila terjadi rush order. Tujua Peelitia Adapu tujua peelitia ii adalah:. Melakuka pejadwala ulag dega megguaka Algoritma Wilkerso Irwi da Metode Heuristik Iterchage 2. Megajuka usula peerapa kebijaka pejadwala ulag utuk megatasi permasalaha PT. ISTW sehigga dapat memiimasi keterlambata-keterlambata yag terjadi selama ii dega peerapa algoritma Wilkerso-Irwi da Metode Heuristik Iterchage. 3. Membadigka jadwal produksi baru dega jadwal yag telah dibuat oleh perusahaa utuk megetahui perbadiga hasil yag diperoleh dari kedua jadwal. Pembatasa Masalah. Peelitia dilakuka haya terbatas pada latai produksi divisi millig PT. ISTW Semarag saja. 2. Disruptio (gaggua) yag dijadika baha pertimbaga dalam peelitia haya berupa rush order saja. Pertimbaga rush order didahuluka karea masalah ii serig terjadi da megakibatka keterlambata. TEKNIK Vol. 30 No. 2 Tahu 2009, ISSN

2 3. Sistem yag diteliti adalah proses produksi PT. ISTW pada mesi Mill II yag terdiri atas buah mesi. 4. Peelitia haya dilakuka utuk order dega due date bula Jauary 2007 da juga order-order lai yag dikerjaka pada bula Jauari Perecaaa haya dilakuka utuk periode pejadwala saja. 6. Reschedulig dilakuka sebayak miggu sekali dimulai dari miggu II (dega catata terjadi rush order) dalam satu periode pejadwala dalam jagka waktu yag telah ditetapka sebagai allowace (tambaha waktu) dari titik pejadwala higga titik reschedulig yag telah ditetapka. Tijaua Pustaka Prisip medasar dari pejadwala adalah bahwa pejadwala merupaka faktor yag sagat petig da berpegaruh terhadap keberhasila pelaksaaa produksi pada suatu perusahaa. Hal tersebut disebabka karea pejadwala iilah yag diguaka dalam megoptimalka pemakaia sumber daya yag dimiliki oleh suatu perusahaa. Meurut Baker (974), pejadwala merupaka suatu kegiata pegalokasia sumber daya terhadap suatu waktu tertetu utuk megerjaka sekumpula job. Pejadwala produksi secara garis besar dibagi mejadi dua yaitu job schedulig da batch schedulig. Job Schedulig haya memecahka masalah yag berkaita dega sequecig/peguruta saja. Hal ii disebabka karea karea ukura job telah diketahui. Sedagka utuk model Batch schedulig memecahka masalah peetua ukura batch da masalah sequecigsecara simulta. Dalam job schedulig terdapat pejadwala utuk flow shop da job shop. Utuk macam-macam tekikya adalah sebagai berikut ii: 2. Utuk Mesi SPT (Shortest processig Time) EDD (Earliest Due date) WSPT (Weighted Shortest Processig Time) Slack Hogdso Wilkerso-Irwi 4. Utuk 2 Mesi atau Lebih Algoritma Johso Algoritma Brach ad Boud Algoritma Campbell, Dudek & Smith 3. Tekik Pejadwala Jobshop 4. Tekik Pejadwala Optimal Tekik Iteger Programmig Tekik Brach Ad Boud 5. Pedekata Heuristik Priority Dispatchig Samplig Probabilistik Dispatchig Eleme-Eleme Dalam Pejadwala Tiga kompoe dasar yag dapat membatu dalam mejelaska job adalah waktu proses yag dibutuhka per job i dilambagka dega (ti), Ready Time (Rj) yag artiya adalah saat dimaa suatu job pada suatu titik waktu dimaa ia siap utuk proses, da yag terakhir adalah Due date atau teggat waktu (dj) yag artiya batas waktu akhir suatu job i harus selesai dikerjaka. Utuk megevaluasi jadwal maka eleme-eleme pejadwala yag palig petig adalah Completio Time (Ci) yag artiya adalah waktu saat job i selesai dikerjaka, Flow Time (Fi) Waktu tiggal job i dalam sistem, da Lateess (Li) Selisih waktu atara Completio Time (Ci) dega due date / teggat waktu (di) job i. Rumus-rumus utuk meghitug Ci, Fi, da Li adalah sebagai berikut: Ci = Fi + ri Fi = Ci ri Li = Ci Di Li < 0, saat peyelesaia memeuhi teggat waktu Li > 0, Saat peyelesaiaa melewati teggat waktu Utuk lateess yag berilai positif disebut Tardiess (Ti). Tardiess ilaiya ol jika memeuhi due date (teggat waktu). Lateess berilai egative disebut Earliess (Ei). Earliess aka berilai ol jika tidak memeuhi due date (teggat waktu) Ti = maks (0,Li) Ei = mi (0,Li) Selai eleme-eleme diatas kita juga dapat mejumpai eleme-eleme lai dalam pejadwala yaitu: Makespa (Ms): Utuk mesi: Ms = Ft Utuk m mesi: Ms = Max (Ft) Waitig Time (Wi): Rata-rata Flow Time: F = W i = = t i Rata-rata Lateess: Ls = Rata-Rata Tardiess: Ts = i j= Fj j= j= ( C Number of Tardiess: NT = δi =, bila Ti > 0 NT = δi = 0, bila Tj < 0 Slack Time (Si): Si = di ti i Tj i d t Utilitas Mesi (U): i= U = ( mxf max) Tmax atau L max: Tmax = max (0, Lmax) Lmax = max (Li) [Keeth R. Baker, 974] i ) TEKNIK Vol. 30 No. 2 Tahu 2009, ISSN

3 Pajadwala Pada Mesi Tuggal Dalam bukuya, Baker (974) mejelaska cotohcotoh masalah beserta cara pemecaha yag biasa dihadapi pada 2 jeis ruag ligkup permasalaha / kasus dalam ruag ligkup mesi tuggal dega jobjob yag salig bebas (idepedet), yaitu permasalaha mesi tuggal dega due date (teggat waktu) da tapa due date. Dalam ruag ligkup permasalaha mesi tuggal tapa due date (teggat waktu) biasa ditemuka masalah megeai flowtime da ivetory. Pada permasalaha mesi tuggal dega due date (teggat waktu) biasa dijumpai permasalaha yag meyagkut lateess, miimasi jumlah job yag terlambat, da miimasi mea tardiess. Utuk permasalaha yag meyagkut miimasi jumlah job yag terlambat, kita dapat megguaka algoritma Hodgso. Sedagka utuk permasalaha yag meyagkut kriteria utuk miimasi mea tardiess kita dapat megguaka algoritma Wilkerso-Irwi. Kedua algoritma ii dalam pelaksaaaya didahului dega peguruta job-job yag ada dega megguaka atura EDD Pejadwala Ulag (Reschedulig) Reschedulig merupaka suatu proses megupdate sebuah pejadwala produksi yag sudah ada dalam respo terhadap disruptio (gaggua) atau perubahaperubaha lai. Hal ii mecakup kedataga dari jobjob baru, kerusaka mesi, ataupu kegagala mesi. Dibawah ii adalah faktor-faktor reschedulig palig umum yag diidetifikasi dalam reschedulig studies: Kegagala mesi Kedataga (rush, atau hot ) job yag bersifat urget/darurat Peudaa Job Perubaha due date (teggat waktu) (delay atau laiya) Delay dalam kedataga atau tidak mecukupiya material Perubaha dalam prioritas job Permasalaha kualitas Waktu proses yag melebihi atau kurag dari yg diperkiraka Gaggua pada operator Strategi Reschedulig Dibawah ii merupaka tiga metode dasar dalam melakuka pejadwala ulag:. Right shift reschedulig 2. Partial reschedulig 3. Regeeratio Right shift reschedulig meuda tiap operasi yag tersisa (peggesera ke arah kaa pada sebuah Gatt chart) dalam sejumlah waktu yag dibutuhka utuk membuat jadwal mejadi feasible. Sebagai cotoh, dalam Gatt chart yag ditujukka dalam gambar berikut ii, jika mesi M2 megalami kegagala saat memproses job da perbaika memerluka waktu sejumlah r uit waktu, kemudia completio times dari Job (pada Mesi M2) dituda dari t higga t + r. Sebagai tambaha, completio times dari job-job yag tersisa pada M2, M3, da M4 tertuda oleh r uit waktu. Gambar Gatt Chart dalam right shift reschedulig Regeeratio haya mejadwalka ulag seluruh set dari job-job yag tidak terproses sebelum titik reschedulig, termasuk di dalamya seluruh job yag tidak terpegaruh oleh disruptio (gaggua). Oleh karea itu hal ii juga dikeal sebagai total atau complete reschedulig. Partial reschedulig haya mejadwalka ulag job-job yag secara lagsug ataupu tidak lagsug terkea imbas dari disruptio (gaggua). Utuk alasa ii, metode ii juga dikeal sebagai affected operatios reschedulig. Right-shift reschedulig adalah sebuah kasus khusus utuk metode ii. Match-up schedulig adalah tipe lai dari partial reschedulig. [Guilherme E. Vieira; Jeffrey W. Herrma; dward Li, 2003] Pejadwala Ulag Megguaka Metode Heuristic Nyredra Utuk Kasus Mesi Tuggal dega Criteria Permasalaha Tardiess Metode heuristik yag diguaka disii sedikit berbeda dari metode heuristics iterchage biasa yag haya bisa meukar sepasag job pada satu waktu. Metode ii diguaka utuk meigkatka optimalisasi pejadwala dega ruag ligkup mesi tuggal dega parameter tardiess. Masalah yag dipertimbagka dalam metode ii adalah sebagai berikut. Disaa terdapat satu set job Z = {, 2,...,N} secara simulta tersedia utuk diproses pada sebuah mesi tuggal. Job i membutuhka t i uit waktu proses, utuk semua i Є Z, pada mesi yag haya bisa memproses satu job pada satu waktu. Sebgagai tambaha, tiap job i diberika sebuah due date d i, utuk semua i Є Z. Jika job i terlambat terselesaika, sebuah pealty setara dega tardiessya Ti = max(ci di, 0) diperoleh, dimaa Ci adalah waktu peyelesaia dari job i. tujuaya adalah utuk meemuka uruta job optimal σ* yag memiimasi tardiess total, yaitu, Dimaa dimaa σ adalah sebuah uruta job acak, dimaa subscript [i] meotasika job dalam posisi i dari σ, TEKNIK Vol. 30 No. 2 Tahu 2009, ISSN

4 da dimaa л adalah set dari semua uruta-uruta yag mugki dari semua N!. Metodologi Peelitia Dalam peelitia lebih lajut ditemuka bahwa heuristic Wilkerso Irwi, Pawalker, da MDD dapat diguaka bersamaa dega metode heuristk iterchage ii. Jika, J[i] meotasika job dalam posisi i dari jadwal, C[i] meotasika waktu peyelesaia dari job dalam posisi i dari jadwal, t[i] meotasika waktu proses dari job dalam posisi i dari jadwal, d[i] meotasika due date dari job dalam posisi i dari jadwal, F + max{ t, t } max{ d, d } atau t t T meotasika waktu sekarag, dimaa r meotasika jumlah dari job-job pedek yag megikuti sebuah job pajag dalam jadwal, N meotasika total jumlah dari job-job yag perlu dijadwalka ulag. F t + max{ t, t } max{ d, d } atau jika t t Maka lagkah-lagkah dalam pejadwala ulagya adalah sebagai berikut ii: Lagkah 0 Meetuka job-job yag aka dijadwalka pada pejadwala awala dega megguaka Algoritma Wilkerso Irwi. Buat Job (N-2) hasil pejadwala dega algoritma Wilkerso Irwi mejadi job kadidat. Set p 0; i N-2; da T sebagai total waktu proses job-job sebelum Job (N-2). Lagkah Jika i = 0 berheti, set p p +. Jika i+p > N atau t i t (i+p) lajutka ke lagkah 2, jika tidak lajutka ke lagkah 3. Lagkah 2 Biarka J i di posisi semula da kuragi T dega ti. Set p 0; i i-. Lajutka ke lagkah Lagkah 3 Jika T A < T C lajutka ke lagkah 4, jika tidak kembali ke lagkah Lagkah 4 Gatika subsequet yag telah ada dega alterative subsequet baru sehigga Ji dalam jadwal baru mejadi J (i+p). Set p 0; i i + p da tambahka T dega. Lajutka ke lagkah higga job yag belum terjadwalka ulag habis. Gambar Flow Chart Algoritma Wilkerso-Irwi Gambar Flowchart Metode Heuristik Iterchage TEKNIK Vol. 30 No. 2 Tahu 2009, ISSN

5 Pegumpula Da Pegolaha Data 6. Pejadwala Miggu II Jauari 2007 : Megumpulka order-order sisipa yag datag di miggu I Jauari 2007 da meggabugkaya dega order-order yag belum terpeuhi pada miggu I Jauari Megulag tahapa 3, 4, da 5 Gambar Pipe Makig Lie Sebelum melagkah ke tahap pembuata jadwal dilakuka pegelompoka job-job terlebih dahulu. Tahapa ii merupaka modifikasi kecil terhadap metode pejadwala yag diterapka dalam peelitia ii. Jobjob yag pipaya memiliki kesamaa material da diameter dikelompokka mejadi satu super job da diaggap memiliki satu waktu setup. Tahap berikutya adalah pembuata jadwal awala, yaitu jadwal utuk miggu I di bula Jauari 2007 ii utuk megetahui uruta pegerjaa job-job yag ada. Pada pembuata jadwal diguaka algoritma Wilkerso-Irwi yag bergua utuk memiimasi mea tardiess da total tardiess da kemudia dikembagka lagi dega pegguaa metode Heuristic Iterchage yag dikembagka oleh Nyredra yag bertujua utuk memiimasi total tardiess. Pada proses perhituga dalam pembuata jadwal dega megguaka algoritma Wilkerso-Irwi da Heuristic Iterchage waktu setup tidak dimasukka terlebih dahulu. Waktu setup baru dimasukka setelah uruta pejadwala dibetuk. Hal ii dilakuka utuk memberika tolerasi aka adaya kemugkia 2 job atau lebih yag posisiya beruruta da memiliki spesifikasi pipa sama maka waktu setupya aka digabug Ragkuma tahapa pejadwala ulag dalam peelitia. Membagi periode bula mejadi beberapa periode miggua sebayak jumlah periode miggua dalam bula tersebut (dalam hal ii Jauari 2007) da Megelompokka job-job yag dapat digabug mejadi Super Job 2. Pejadwala Miggu I Jauari 2007 : Megumpulka job-job yag aka dikerjaka di bula Jauari 2007 (order dega due date jauari atau order yag belum terpeuhi dari bula sebelumya). Pada miggu I ii belum memperhatika rush order 3. Urutka job-job tersebut dalam uruta EDD 4. Membuat iitial schedule dega Algoritma Wilkerso Irwi 5. Pegembaga pejadwala ulag dega metode Heuristic Iterchage Catata: Rush order yag datag dimiggu I dijadwalka utuk dikerjaka di miggu II, bila datag di miggu II maka dijadwalka di miggu III, demikia seterusya. Rush order dari miggu terakhir dijadwalka utuk dikerjaka pada miggu berikutya (curret week for ext week) 8. Pejadwala Miggu III Jauari 2007 : Megumpulka order-order sisipa yag datag di miggu II Jauari 2007 da meggabugkaya dega order-order yag belum terpeuhi pada miggu II Jauari Megulag tahapa 3 da 4 0. Pejadwala Miggu IV Jauari 2007 : Megumpulka order-order sisipa yag datag di miggu III Jauari 2007 da meggabugkaya dega order-order yag belum terpeuhi pada miggu III Jauari Megulag tahapa 3 da 4 2. Pejadwala Miggu V Jauari 2007 : tidak ada pejadwala ulag karea sudah tidak ada rush order pada miggu IV bula Jauari 2007 Cotoh perhituga: Lagkah Membuat jadwal awala dega megguaka metode algoritma Wilkerso Irwi. Hasil dari pejadwala dega metode ii aka diguaka sebagai dasar utuk mejalaka metode pejadwala heuristic setelahya. Berikut ii adalah lagkahlagkah dalam membuat pejadwala produksi dega megguaka algoritma Wilkerso Irwi. Lagkah.a Pada awalya job-job tersebut diurutka berdasarka atura EDD (Early Due Date), yaitu pegatura job dari due date palig awal higga due date yag palig akhir. Utuk super job, due date yag diguaka adalah due date palig awal dari sekumpula job yag tergabug didalamya. Lagkah.b Job I da II dalam peguruta EDD tadi diotasika dega lambag a da b. Jika max{t a,t b } max{d a,d b } maka posisi pertama dalam peguruta job diisi dega job yag memiliki due date lebih awal. Jika terjadi sebalikya maka posisi pertama diisi oleh job dega waktu proses yag lebih sigkat. Job laiya pivot job. Cotoh dari lagkah pertama ii dapat kita lihat sebagai berikut: Job j Pelagga Kirim t j d j (meit) A Job Diatara 30-Nov B 2 Job Diatara 30-Nov Pesa 30-Nov Nov- 06 Karea max{t a,t b } max{d a,d b }maka yag meempati posisi yag ditempatka pada posisi pertama dilambagka dega simbol da job laiya dilambagka dega simbol atau ama adalah j da j 2 mejadi. Kemudia setelah ii kita lajutka kelagkah berikutya. TEKNIK Vol. 30 No. 2 Tahu 2009, ISSN

6 Lagkah.c Jika F + max{t, t } max{d, d } atau jika t t, maka tambahka job kedalam job yag telah terjadwal. Job mejadi ; job mejadi ; da job berikutya mejadi. Ulagi lagkah.c higga daftar job yag belum terjadwal me- jadi kosog. Jika terjadi sebalikya, F + max{t, t } > max{d, d } da t > t kembalika job ke daftar job yag belum terjadwal da job mejadi job kemudia teruska ke lagkah.d. Cotoh dari lagkah ii dapat kita lihat pada tabel berikut. Job j Tj di Job j tj di Tahap Sched. F Α Γ Usched. Decisio ,3, ,4,.. 2 3, ,5, , ,8,.. 7 Pada tahap 3 bisa kita simpulka bahwa F + max{t, t } max{d, d } da teryata syarat t t juga terpeuhi maka keputusaya yag mejadi job adalah j 3. Kemudia ulagi lagkah.c. Sebalikya, pada tahap 6 bisa kita simpulka bahwa F + max{t, t } > max{d, d } da t > t. Karea t 6 lebih besar dari dari t 7 maka j 6 da j 7 bertukar posisi. Posisi diisi oleh j 7 da posisi diisi oleh j 6. Lajutka ke lagkah.d. Lagkah.d Jika F t + max{t, t } max{d, d } atau jika t t, maka tambahka job ke daftar job yag telah terjadwal. Job sekarag mejadi job ; job mejadi ; da job berikutya pada daftar job yag belum terjadwal mejadi job. Ulagi lag-kah.c. Jika terjadi sebalikya dimaa F t + max{t, t } > max{d, d } da jika t > t, maka terjadi jump coditio. Lajutka ke lagkah.e selajutya. Cotoh perhitugaya adalah seba-gai berikut: Job j Tj di Job j tj di Tahap Sched. F Α Usched. Decisio 6..4, ,8, , ,,.. jump Dega melihat tahap 6 dapat kita lajutka lagkah.c tadi. Saat j 6 da j 7 telah bertukar posisi dimaa posisi diisi oleh j 7 da posisi diisi oleh j 6 maka tahap 6 memeuhi syarat F t + max{t, t } max{d, d }. Keputusa yag dapat diambil adalah j 7 mejadi. Ulagi lagkah.c Jika terjadi sebalikya dapat kita lihat cotoh tahap 9 dimaa juga terjadi pertukara posisi atara j 9 da j 0. Posisi diisi j 0 da posisi diisi j 9. Namu setelah dibadigka tidak memeuhi syarat I dari tahap ii karea F t + max{t, t } > max{d, d } da t > t oleh karea itu terjadi jump coditio da kemudia kita lajutka ke lagkah.e berikut. Lagkah.e (Jump coditio) Hapus job dari daftar job yag telah terjadwal da kembalika ke daftar job belum terjadwal dega uruta EDD. Bila masih tersisa job dalam daftar job terjadwal maka job palig akhir dari daftar ii mejadi da kembali ke lagkah.d. Jika tidak ada job yag tersisa maka job mejadi da job pertama dalam daftar job yag belum terjadwal TEKNIK Vol. 30 No. 2 Tahu 2009, ISSN

7 mejadi job serta job yag belum terjadwal berikutya mejadi job. Kembali ke lagkah.c sebelumya. Gambara cotoh kasusya adalah sebagai berikut: Tahap Sched. F Usched. Decisio 9..8, ,,.. jump 0..7, ,9,.. 0 Dari tahap 0 dalam tabel di atas kita medapatka gambara dari lagkah.e ii. Selajutya j 6 da j 9 dikembalika kedalam daftar job yag belum terjadwal da kemudia j 0 meempati posisi. Keputusa yag diambil adalah j 0 mejadi da lajutka ke lagkah.c. Lagkah 2 Dalam lagkah kedua ii dilakuka pegembaga pejadwala dega meguaka metode heuristik dega harapa aka medapatka hasil pejadwala yag lebih optimal dari pejadwala sebelumya. Metode ii bekerja dega sistem job iterchage amu berbeda dari metode iterchage biasa yag haya dapat meukar sepasag job dalam satu waktu. Cotoh pegerjaaya adalah sebagai berikut. Job j tj di (hari) Fj (meit) Fj (hari) lateess (hari) Ti (hari) Kadidat Ja-07 6, Ja-07 J Ja-07 6, Ja Ja-07 6, Ja Ja-07 6, Ja Ja-07 6, Ja Ja-07 6, Ja Ja-07 6, Ja Ja-07 6, Ja Ja-07 8, Ja J Ja-07 8, Ja Ja-07 8, Ja J (N-2) pertama adalah J 86, amu ia gagal mejadi kadidat karea ia tidak diikuti oleh miimal 2 job beruruta yag waktu prosesya lebih pedek (t 86 t 87 ). Selai itu j 86 da 2 job di belakagya tidak megalami keterlambata. Pecaria berlajut ke arah atas tabel Kadidat job pertama adalah J 52 J 52 diikuti oleh 2 buah job yag memiliki waktu proses lebih pedek dariya da diotasika dega p = 2. Namu dari 2 job itu haya 7 job yag megalami tardiess. Ketujuh job tersebut adalah J 53, J 54, J 55, J 56, J 57, J 58, J 59. Bila J 52 ditukar dega J 53, J 54, J 55, J 56, J 57 tidak membawa perubaha apapu pada total tardiess uruta alteratif amu bila ditukar dega J 58 total tardiess dari uruta alteratif aka berkurag hari (T A T C ). Keputusaya J 52 ditukar dega J 58. Di posisiya yag baru J 52 masih mejadi job kadidat dega p= 6. Namu dari 6 job itu haya job yag megalami tardiess. Job tersebut adalah J 59 Bila J 52 ditukar dega J 59 maka total tardiess uruta alteratif aka berkurag hari (T A T C ). Keputusaya J 52 ditukar dega J 59. Di posisiya yag baru J 52 sudah tidak dapat mejadi kadidat lagi karea job-job di bawahya sudah tidak ada yag megalami tardiess. Iterasi utuk J 52 berheti da memulai pecaria kadidat baru dega aik satu persatu kearah atas jadwal (set i baru dega i i ). Iterasi berheti saat sudah tidak ada lagi job yag bisa mejadi kadidat atau i = 0 Aalisis Dari hasil perhituga miggu I dega 88 buah job (termasuk di dalamya super job yag telah dibetuk) dapat diaalisa bahwa pegguaa metode heuristic iterchage Nyredra setelah pegguaa algoritma Wilkerso - Irwi terbukti dapat meguragi total tardiess, mea tardiess, da umber of tardy job. Setelah waktu setup dimasukka kedalam perhituga terjadi pergesera waktu pelaksaaa jadwal walaupu tetap dega uruta yag sama. Hal ii tetuya juga meyebabka peambaha pada total tardiess, mea tardiess, da umber of tardy job. TEKNIK Vol. 30 No. 2 Tahu 2009, ISSN

8 Hasil yag diperoleh pada periode ii aka diguaka juga sebagai dasar dari pejadwala ulag periode berikutya da begitu pula selajutya. Pada hasil peguruta job di miggu I, II, III, da IV ditemuka beberapa job beruruta yag memiliki spesifikasi material da diameter sama sehigga waktu setupya digabug mejadi satu waktu setup saja. Setelah itu didapatka hasil perbadiga yag dapat kita lihat dalam tabel berikut ii. Ukura performasi Total Tardiess (Hari) Mea Tardiess (Hari) Max Tardiess (Hari) Number of Tardy job Jadwal Asli Jadwal Baru Dari tabel tersebut dapat kita lihat bahwa peerapa kebijaka pejadwala ulag dega megguaka algoritma Wilkerso Irwi diikuti oleh pegguaa metode heuristic iterchage Nyredra terbukti dapat memperbaiki performasi jadwal ditadai dega peurua total tardiess, mea tardiess, max tardiess, da umber of tardy job. Total tardiess yag tadiya berjumlah 806 hari berkurag mejadi 930 hari saja. Rata-rata keterlambata dalam pejadwala job-job juga berkurag dari 9 hari mejadi 5 hari. Maksimum tardiess yag semula 60 hari juga berkurag mejadi 4 hari. Demikia pula halya dega jumlah job yag terlambat berkurag dari sejumlah 66 buah job mejadi haya 42 buah job. Ragkuma terakhir hasil pejadwala ulag ii memiliki total tardiess, mea tardiess, da umber of tardy job yag lebih besar dari yag diperoleh dari perhituga yag kita lihat di tiap-tiap periode pejadwala ulag. Hal ii disebabka karea super job yag terdapat dalam pejadwala telah diuraika kembali mejadi job-job yag terpisah. Ii dilakuka utuk megetahui total tardiess, mea tardiess, da umber of tardy job yag sebearya. Maximum tardiess tidak mugki berubah mejadi lebih besar karea super job megguaka due date job yag palig awal. Oleh karea itu walau job tersebut diurai da terdapat lebih dari satu job aggota yag megalami keterlambata maka keterlambata dari job tersebut tidak mugki lebih besar dari super jobya. Kesimpula Kesimpula dalam peerapa kebijaka pejadwala ulag dega megguaka metode Heuristic Iterchage da Algoritma Wilkerso Irwi telah berhasil dilakuka bersamaa da meghasilka pejadwala yag lebih baik dari pejadwala sebelumya. Metode pejadwala ulag dega meerapka metode Heuristic Iterchage bersamaa dega algoritma Wilkerso Irwi cukup terbukti memperbaiki performasi pejadwala bila dibadigka dega jadwal lama hasil keluara PT. ISTW. Hal ii dibuktika dega adaya peurua jumlah total tardiess, mea tardiess, maximum tardiess, da jumlah job yag terlambat. Peerapa kebijaka pejadwala ulag dega megguaa metode heuristic iterchage bersamaa dega metode Wilkerso Irwi terbukti lebih baik dari pada kebijaka pejadwala yag selama ii diguaka oleh perusahaa karea lebih berhasil dalam megatasi kedala-kedala yag mucul akibat permasalaha yag terjadi selama ii yaitu permasalaha adaya rush order yag meyebabka pelaksaaa pejadwala yag tidak optimal da akhirya megakibatka terjadiya keterlambata pemeuha pesaa dalam jagka waktu yag cukup lama. Referesi. Bailey, James E. ad Bedworth, David D Itegrated Productio Cotrol Systems: Maagemet, Aalysis, Desig 2/E. Joh Willey & Sos, Ic.: New York. 2. Baker, Keeth R Itroductio to Sequecig ad Schedulig. Joh Willey & Sos, Ic.: New York. 3. Berry, Jacobs, Vollma,Whybark Maufacturig Plaig ad Cotrol for Supply Chai Maagemet. Mc Graw-Hill: New York. 4. Berry, Vollma, Whybark Maufacturig Plaig ad Cotrol Systems. Mc Graw-Hill: New York. 5. Csáji, Kádár, Moostor, Pfeiffer Simulatio Supported Aalysis Of A Dyamic Reschedulig System. Budhapest. 6. [ 7. Hu, Y., Ya, J., Ye, F., Yu, J Flow Shop Reschedulig Problem Uder Rush Orders. Joural of Zhejiag Uiversity Sciece. 8. [ 06.pdf] 9. Nyiredra, JC A Reschedulig Heuristic For The Sigle Machie Total Tardiess Problem. Vol.22 (), pp Orio. 0. [ Schumacher, Jacobus A Disturbace Maagemet Approach To Improvig The Performace Of Batch Process Operatios. Delft Uiversity Of Techology: Netherlads. TEKNIK Vol. 30 No. 2 Tahu 2009, ISSN

9 2. Vieira, Herrma, Li Reschedulig Maufacturig Systems: A Frame Work of Strategies, Policies, ad Methods. Joural of Schedulig: Netherlads. 3. [ 4. Waters, Doald Logistics a Itroductio to Supply Chai Maagemet. Palgrave Macmilla: New York. TEKNIK Vol. 30 No. 2 Tahu 2009, ISSN

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum, 32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

BAB II LANDASAN TEORI 2.1 Penjadwalan Produksi Produksi adalah keseluruhan proses yang dilakukan untuk menghasilkan produk atau jasa.

BAB II LANDASAN TEORI 2.1 Penjadwalan Produksi Produksi adalah keseluruhan proses yang dilakukan untuk menghasilkan produk atau jasa. BAB II LANDASAN TEORI 2.1 Pejadwala Produksi Produksi adalah keseluruha proses yag dilakuka utuk meghasilka produk atau jasa. Sistem produksi merupaka kumpula dari sub sistem yag salig beriteraksi dega

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN Peelitia pejadwala pembagkit termal ii adalah utuk membadigka metode Lagragia Relaxatio yag diajuka peulis dega metode yag diguaka PLN. Di sii aka diuji metode maa yag peramalaya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

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

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

Lebih terperinci

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

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

PENJADWALAN PRODUKSI MENGGUNAKAN PENDEKATAN THEORY OF CONSTRAINTS

PENJADWALAN PRODUKSI MENGGUNAKAN PENDEKATAN THEORY OF CONSTRAINTS 2012 Firma Ardiasyah Ekoaidiyo 44 PENJADWALAN PRODUKSI MENGGUNAKAN PENDEKATAN THEORY OF CONSTRAINTS Firma Ardiasyah Ekoaidiyo Dose Fakultas Tekik Uiversitas Stikubak Semarag DINAMIKA TEKNIK Vol. VI, No.

Lebih terperinci

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai 37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan, BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi

Lebih terperinci

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 40 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pada bagia ii aka diuraika megeai hasil kegiata pegumpula data da proses pegolaha data yag dilakuka. Sebagai objek peelitia adalah mesi ove botol PT.Pharos Idoesia.

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Permasalahan

BAB I PENDAHULUAN Latar Belakang Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada

Lebih terperinci

III. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar

III. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar III. METODE PENELITIAN A. Subjek da Tempat Peelitia Subjek dari peelitia adalah siswa kelas.b SMA Muhammadiyah 2 Badar Lampug Tahu Ajara 2011-2012 dega jumlah siswa 40 orag yag terdiri dari 15 siswa laki-laki

Lebih terperinci

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki 18 III. METODE PENELITIAN A. Subyek da Tempat Peelitia Subjek peelitia adalah siswa kelas X2 SMA Budaya Badar Lampug Tahu Ajara 2010-2011 dega jumlah siswa 40 orag yag terdiri dari 19 siswa lakilaki da

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilakukan pada PT Gapura Angkasa khususnya sistem

BAB III METODOLOGI PENELITIAN. Penelitian ini dilakukan pada PT Gapura Angkasa khususnya sistem BAB III METODOLOGI PENELITIAN A. Waktu da Tempat Peelitia Peelitia ii dilakuka pada PT Gapura Agkasa khususya sistem peagaa bagasi di Termial 2 Gate D da E Badara Iterasioal Soekaro-Hatta, Cegkareg, Jakarta

Lebih terperinci

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

OPTIMASI PRODUKSI DENGAN PROGRAM DINAMIS PADA PABRIK FRACTINATION AND REFINERY FACTORY (FRF) PT. XYZ

OPTIMASI PRODUKSI DENGAN PROGRAM DINAMIS PADA PABRIK FRACTINATION AND REFINERY FACTORY (FRF) PT. XYZ e-jural Tekik Idustri FT USU Vol 3, No. 4, November 2013 pp. 49-54 OPTIMASI PRODUKSI DENGAN PROGRAM DINAMIS PADA PABRIK FRACTINATION AND REFINERY FACTORY (FRF) PT. XYZ Adi Riaata Brahmaa 1, Poerwato 2,

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

Lebih terperinci

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

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

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

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan. 9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis peelitia Peelitia ii merupaka jeis peelitia eksperime. Karea adaya pemberia perlakua pada sampel (siswa yag memiliki self efficacy redah da sagat redah) yaitu berupa layaa

Lebih terperinci

P r o s i d i n g 149

P r o s i d i n g 149 P r o s i d i g 149 PENGENDALIAN KUALITAS PRODUK KOPI TRADISIONAL DALAM RANGKA MENINGKATKAN KEPUASAN KONSUMEN Heptari Elita Dewi (1), Aisa Aprilia (2), Heru Satoso Hadi Subagyo (3) Fakultas Pertaia, Uiversitas

Lebih terperinci

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha

Lebih terperinci

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada 8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia

Lebih terperinci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,

Lebih terperinci

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data permitaa Dalam meramalka permitaa produk lever cable utuk kebutuha PT. Kyoda Mas Mulia sediri. data yag diambil utuk perhituga peramala permitaa yaitu dega

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

Lebih terperinci

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 < II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 38 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia adalah suatu cara ilmiah utuk medapatka data dega tujua tertetu. Peelitia yag megagkat judul Efektivitas Tekik Permaia Pioy Heyo dalam

Lebih terperinci

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN

Lebih terperinci