PENCARIAN HIMPUNAN SOLUSI ALTERNATIF PADA PERMASALAHAN GENERAL INTEGER LINEAR PROGRAMS MEMANFAATKAN GENERAL INTEGER CUT

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENCARIAN HIMPUNAN SOLUSI ALTERNATIF PADA PERMASALAHAN GENERAL INTEGER LINEAR PROGRAMS MEMANFAATKAN GENERAL INTEGER CUT"

Transkripsi

1 Makalah Semiar Tugas Akhir Periode Jauari 21 PENCARIAN HIMPUNAN SOLUSI ALTERNATIF PADA PERMASALAHAN GENERAL INTEGER LINEAR PROGRAMS MEMANFAATKAN GENERAL INTEGER CUT Ade Vicidia S. P. Yudhi Purwaato, S.Kom, M.Kom. - Victor Hariadi, S.Si, M.Kom. Jurusa Tekik Iformatika, Fakultas Tekologi Iformasi, Istitut Tekologi Sepuluh Nopember Surabaya, ade_vicidiasp@yahoo.co.id Abstrak Bayakya permasalaha yag terjadi dalam hal pegalokasia sumber-sumber yag terbatas diatara beberapa aktivitas yag bersaig, seperti permasalaha pegalokasia fasilitas produksi, permasalaha pegalokasia sumber daya asioal utuk kebutuha domestik, pejadwala produksi, solusi permaia (game), da pemiliha pola pegirima (shippig), harus diselesaika dega cara yag terbaik (optimal) yag mugki utuk dilakuka. Salah satu cara utuk meyelesaika permasalaha tersebut diguakalah liier programmig (LP). Beberapa riset telah dilakuka utuk meyelesaika permasalaha-permasalaha liier programmig. Utuk permasalaha tertetu, seperti jika suatu permasalaha yag seluruh variabelya adalah iteger maka harus diguaka iteger liier programmig (ILP) utuk meyelesaikaya yaitu utuk medapatka solusi optimal da ilai objektif. Setelah didapatka solusi optimal maka dapat dicari solusi optimal yag lai atau solusi alteratif lai diluar solusi optimal awal, salah satu cara yag diguaka adalah megguaka model geeral iteger cut. Dimaa geeral iteger cut tersebut didapatka dega cara meambahka fugsi kedala baru yag berisi formulasi ulag solusi optimal yag didapat sebelumya sehigga meghasilka solusi alteratif baru dega meghilagka kemugkia kemucula solusi optimal yag sudah ada sebelumya dega tetap meghasilka ilai objektif yag sama. Kata Kuci : liier programmig, iteger liier programmig, model geeral iteger cut, solusi alteratif 1. PENDAHULUAN Program liier yag diterjemahka dari Liear Programig (LP) adalah suatu cara utuk meyelesaika masalah pegalokasia sumbersumber yag terbatas diatara beberapa aktivitas yag bersaig, dega cara yag terbaik yag mugki dilakuka. Permasalaha pegalokasia ii aka mucul maakala sesorag harus memilih tigkat aktivitas-aktivitas tersebut. Beberapa cotoh situasi dari uraia diatas atara lai adalah permasalaha pegalokasia fasilitas produksi, permasalaha pegalokasia sumber daya asioal utuk kebutuha domestik, pejadwala produksi, solusi permaia (game), da pemiliha pola pegirima (shippig). Satu hal yag mejadi ciri situasi diatas ialah adaya keharusa utuk megalokasika sumber terhadap aktivitas. Program liier ii megguaka model matematis utuk mejelaska permasalaha yag dihadapiya. Sifat Liier disii memberi arti bahwa seluruh fugsi matematis dalam model ii merupaka fugsi yag liier, sedagka kata Program merupaka sioim utuk perecaaa. Dega demikia, Program Liier adalah perecaaa aktivitas-aktivitas utuk memperoleh hasil yag optimal, yaitu suatu hasil yag mecapai tujua terbaik diatara seluruh alteratif yag layak (feasible). Program Liier berhubuga dega variabel kotiyu (pecaha) da variabel diskrit (bulat), dalam kasus ii megguaka masalah Iteger Liear Programmig (ILP) yag masih muri dimaa semua variabelya adalah iteger. Model geeral iteger cut dikembagka sehigga solusi alteratif dari masalah ILP dapat ditemuka jika lebih dari satu solusi dapat memeuhi ilai optimal yag sama dari fugsi objektif, karea memugkika pembuat keputusa utuk memilih dari bayak solusi tapa mecoba berbagai kelemaha/keburuka pada fugsi objektif. 2. PROGRAM LINIER Program liier (Liear Programmig/LP), kadagkadag dikeal sebagai optimasi liear, adalah masalah memaksimalka atau memiimalka fugsi liear atas covex polyhedro yag ditetuka oleh liier da o-egativitas kedala. Secara khusus, permasalaha program liier adalah suatu permasalaha utuk meetuka besarya masig-masig ilai variabel (variabel pegambila keputusa) sedemikia rupa sehigga ilai fugsi tujua atau objektif (objective fuctio) yag liier mejadi optimal (maksimum atau miimum) dega memperhatika pembatasa-pembatasa (kedala-kedala) yag ada yaitu pembatasa ii harus diyataka dega ketidaksamaa yag liier (liear iequalities) Perumusa Model Permasalaha Program Liier Pada dasarya secara umum, permasalaha program liier dapat dirumuska dalam suatu model dasar/model baku/model matematika dibawah ii. Meetuka ilai dari X 1, X 2, X 3,, X sedemikia rupa sehigga : Ade Vicidia S. P

2 Makalah Semiar Tugas Akhir Periode Jauari 21 Z = C 1 X 1 + C 2 X C j X j + + C X = C j X j (optimal [maksimum/miimum]) j =1 Yag kemudia disebut sebagai Fugsi Tujua (Objective Fuctio) dega pembatasa (Fugsi Kedala/Syarat Ikata) : a 11 X 1 + a 12 X a 1 X atau b 1 a 21 X 1 + a 22 X a 2 X atau b 2 a m1 X 1 + a m2 X a m X atau b m atau j =1 a ij X j atau b i utuk i = 1,2,3,, m. da X 1, X 2,, X atau X j, dimaa j = 1, 2, 3,..., (syarat o-egatif). Keteraga : Z adalah ilai fugsi tujua. Ada macam barag yag aka diproduksi masig-masig sebayak X 1, X 2, X 3,, X uit. Cj merupaka parameter yag dijadika kriteria optimasi atau koefisie variabel pegambila keputusa dalam fugsi tujua (misalya harga per satua barag ke-j). Xj merupaka variabel pegambila keputusa atau kegiata yag igi dicari (misalya bayakya produksi barag yag ke-j, dimaa j = 1, 2,..., ). b i merupaka sumber daya yag terbatas, yag membatasi kegiata atau usaha yag bersagkuta disebut juga kostata atau ilai sebelah kaa (sk) dari kedala kei (misalya bayakya baha metah ke-i, I = 1, 2,.., m). Ada m macam baha metah, yag masig-masig tersedia b 1, b 2,, b m. a ij merupaka koefisie tekologi variabel pegambila keputusa (kegiata yag bersagkuta) dalam kedala ke-i (misalya bayakya baha metah ke-i yag diguaka utuk memproduksi 1 satua barag ke-j). Suatu permasalaha disebut permasalaha program liier apabila memeuhi hal-hal sebagai berikut : 1. Tujua (objective) Apa yag mejadi tujua permasalaha yag dihadapi yag igi dipecahka da dicari jala keluarya. Tujua ii harus jelas da tegas yag disebut fugsi tujua (objective fuctio). Fugsi tujua tersebut dapat berupa dampak positip, mafaatmafaat, atau dampak egatip, kerugiakerugia, resiko-resiko, biaya-biaya, jarak, waktu yag igi dimiimumka. 2. Alteratif perbadiga. Harus ada sesuatu atau alteratif yag igi diperbadigka, misalya atara kombiasi waktu tercepat da biaya tertiggi dega waktu terlambat da biaya teredah, atau alteratif padat modal dega padat karya, proyeksi permitaa tiggi dega redah, da seterusya. 3. Sumber Daya Sumber daya yag diaalisis harus berada dalam keadaa terbatas. Misalya keterbatasa teaga, baha metah terbatas, modal terbatas, ruaga utuk meyimpa barag terbatas, da lai-lai. Pembatasa harus dalam ketidaksamaa liier (liier iequality). Keterbatasa dalam sumber daya tersebut diamaka sebagai fugsi kedala atau syarat ikata. 4. Perumusa Kuatitatif. Fugsi tujua da kedala tersebut harus dapat dirumuska secara kuatitatif dalam model matematika. 5. Keterikata Perubah. Perubah-perubah yag membetuk fugsi tujua da fugsi kedala tersebut harus memiliki hubuga keterikata atau hubuga fugsioal. 3. INTEGER LINIER PROGRAMMING Iteger liier programmig (ILP) merupaka bagia dari liier programmig dimaa dibutuhka keputusa yag harus dilakuka dalam betuk bilaga bulat (buka pecaha yag serig terjadi bila megguaka model simpleks). Model matematis dari ILP sebearya sama dega model liear programmig, dega tambaha batasa bahwa variabelya harus bilaga bulat. Terdapat 3 macam permasalaha dalam ILP, yaitu: 1. ILP muri, yaitu kasus dimaa semua variabel keputusa harus berupa bilaga bulat. 2. ILP campura (mixed iteger liear programs), yaitu kasus dimaa beberapa, tapi tidak semua, variabel keputusa harus berupa bilaga bulat. 3. ILP bier, kasus dega permasalaha khusus dimaa semua variabel keputusa harus berilai da 1. Salah satu cara yag diguaka utuk meyelesaika permasalaha ILP yaitu dega model brach ad boud. 4. MODEL BRANCH AND BOUND Model brach ad boud telah mejadi kode komputer stadar utuk iteger programmig, da peerapa-peerapa dalam praktek tampakya meyaraka bahwa model ii lebih efektif dibadigka dega model pembulata. Tekik ii dapat diterapka baik utuk masalah pure Ade Vicidia S. P

3 Makalah Semiar Tugas Akhir Periode Jauari 21 iteger programmig maupu mixed iteger programmig. Lagkah-lagkah model brach ad boud utuk masalah maksimasi dapat dilakuka seperti berikut : 1. Selesaika LP dega model simpleks biasa. 2. Teliti solusi optimalya. Jika variabel basis yag diharapka bulat adalah bulat, solusi optimal bulat telah tercapai. 3. Nilai solusi pecah yag layak dicabagka ke dalam sub-sub masalah. Tujuaya adalah utuk meghilagka solusi kotiyu yag tidak memeuhi persyarata bulat dalam masalah itu. 4. Utuk setiap sub-masalah, ilai solusi optimal kotiyu fugsi tujua ditetapka sebagai batas atas. Solusi bulat terbaik mejadi batas bawah (pada awalya, ii adalah solusi kotiyu yag dibulatka ke bawah). Sub-sub masalah yag memiliki batas atas kurag dari batas bawah yag ada, tidak diikut sertaka pada aalisa selajutya. Suatu solusi bulat layak adalah sama baik atau lebih baik dari batas atas utuk setiap sub masalah yag dicari. Jika solusi yag demikia terjadi, suatu sub masalah dega batas atas terbaik dipilih utuk dicabagka. Kembali ke lagkah MODEL GENERAL INTEGER CUT Model geeral iteger cut diguaka utuk meemuka semua solusi alteratif dari masalah Proposisi 1 : berika α z,1, W z, θ 1, da M(sebuah kostata besar) z=1 x z x z 1 i W z x z + x z M 1 α z, z = m + 1, m + 2,,, ii W z x z + x z Mα z, z = m + 1, m + 2,,, iii W z + θ 1, iv z=m +1 i B x i i N Pembuktia dari proposisi 1 diatas adalah : a. Jika x z x z > utuk sebuah z da m + 1 z maka α z = 1 berdasarka pada (i) da (ii) yag meghasilka : x z x z = W z b. Jika x z x z < utuk sebuah z da m + 1 z maka α z = berdasarka pada (i) da (ii) yag meghasilka : x z x z = W z c. Berdasarka pada (a) da (b) maka : z=m +1 x z x z = z=m +1 W z. m d. Jika z=1 x z x z = maka θ = berdasarka pada iv yag x i ILP yag berisi variabel biary da o biary, dega cara sebuah geeral iteger cut ditambahka pada model asli utuk membuat model sebelumya mejadi tidak layak (ifeasible) sehigga meghasilka model baru dega ilai objektif yag sama Model 1 Megigat sebuah masalah ILP dega sebuah solusi yag optimal x 1, x 2,, x da megharapka ilai objektif Q, dikembagkalah model berikut utuk meghasilka solusi lai yag optimal: Model 1: Miimalka / Maksimalka : f X = Q Fugsi Kedala : z=1 x z x z 1 1. Dimaa : f X : fugsi objektif Q : ilai dari fugsi objektif z : jumlah variabel, z = 1, 2, 3,...,. x z : variabel yag diigika/dicari x z : variabel yag telah didapatka sebelumya. Berdasarka Model (1) diatas, ilai absolut harus diliierka sehigga Model 1 dapat ditrasfer kedalam masalah (Mixed Iteger Liear Programs) MILP. Perhatika proposisi berikut utuk meliierka Model (1): B θ, B = i x i = 1, 1 i m, N = i x i =, 1 i m. meghasilka z=m +1 W z = z=m +1 x z x z 1 oleh pembuktia (a) da (b) tapa melaggar (iii). m e. Jika z=m +1 x z x z = maka z=m +1 W z = oleh (a) da (b), da θ = 1 berdasarka pada (iii) yag meghasilka x z x z 1 tapa melaggar (iv). m z=1 Dari pemmbuktia diatas maka z=1 x z x z 1 dapat digati dega formula (i), (ii), (iii) da (iv). Dega catata proposisi (1) diatas diguaka meemuka sebuah solusi alteratif dari sebuah masalah ILP yag megadug variabel bier ( Ade Vicidia S. P

4 Makalah Semiar Tugas Akhir Periode Jauari 21 da 1) utuk fugsi objektifya (x i Z utuk semua i) Model 2 Dega Proposisi (1) maka Model (1) dapat diubah mejadi model lai seperti berikut : Model 2-1: Miimalka / Maksimalka : f X = Q Fugsi Kedala : W z x z + x z M 1 α z, z = m + 1, m + 2,,, (2) W z x z + x z Mα z, z = m + 1, m + 2,,, (3) W z + θ 1, Dimaa: z=m +1 (4) i B x i x i i N B θ, B = i x i = 1, 1 i m, N = i x i =, 1 i m (5). programmig yag kovesioal (tekik IP kovesioal). α z : merupaka variabel bier ( da 1), W z : merupaka variabel kotiyu dega syarat W z, θ : merupaka variabel kotiyu dega syarat θ 1, M : merupaka sebuah kostata yag besar, B : himpua ideks variabel yag berilai 1, N : himpua ideks variabel yag berilai. Setelah memformulasi ulag absolut dalam fugsi kedala (1) dega metode yag diusulka, masalah awal mejadi masalah MILP lai yag dapat diselesaika megguaka tekik iteger Proposisi 2 : berika α z,1, W z, da M(sebuah kostata besar) z=1 x z x z 1 Sehigga utuk meliierka kedala pertidaksamaa dega total ilai dari absolut z=1 x z x z 1dimaa x i {,1} utuk 1 i m da x i Z utuk m + 1 i, formula pada Proposisi (1) membutuhka m tambaha variabel 1, m + 1 tambaha variabel kotiyu da 4 ( m ) + 2 tambaha fugsi kedala. Sedagka utuk meemuka sebuah solusi alteratif dari sebuah masalah ILP yag haya megadug variabel o-bier pada fugsi objektifya (x i Z utuk semua i), proposisi (1) dapat disederhaaka mejadi proposisi (2) sebagai berikut: i W z x z + x z M 1 α z, z = m + 1, m + 2,,, ii W z x z + x z Mα z, z = m + 1, m + 2,,, iii W z 1. z=1 Berdasarka proposisi (2) maka model (2) pu dapat disederhaaka utuk meyelesaika masalah ILP yag haya megadug variabel o-bier pada fugsi objektifya mejadi seperti berikut : Model 2-2: Miimalka / Maksimalka : f X = Q Fugsi Kedala : W z x z + x z M 1 α z, z = m + 1, m + 2,,, (6) W z x z + x z Mα z, z = m + 1, m + 2,,, (7) W z 1, 6. ALGORITMA OPTIMASI GENERAL INTEGER CUT z=m +1 (8) Lagkah 1 Sama seperti meetuka solusi permasalaha ILP pada umumya, lagkah 1 yaitu meetuka sebuah solusi optimal dari permasalaha ILP, misalka j =, selesaika ILP utuk medapatka solusi yag optimal x 1, x 2,, x = x j 1, x j j 2,, x da ilai obyektif Q Lagkah 2 Pada lagkah 2 ii adalah lagkah utuk meemuka semua solusi optimal. Misalka j = j + 1, pada fugsi kedala yag sudah ada tambahka j 1 fugsi kedala baru z=1 x z x z 1 utuk meemuka solusi alteratif x 1, x 2,, x = x j 1, x j j 2,, x. Miimalka / Maksimalka : f X = Q Fugsi Kedala : x z x z j 1 z=1 1, Ade Vicidia S. P

5 Makalah Semiar Tugas Akhir Periode Jauari 21 utuk seluruh j j 1 (9). Fugsi kedala (9) harus diubah mejadi model 2 sehigga dapat diselesaika megguaka tekik iteger programmig yag kovesioal. Ulagi terus lagkah 2 selama kodisi f X = Q (ilai objektif yag baru dihasilka masih sama dega ilai objektif awal), da jika kodisi f X Q (ilai objektif baru tidak sama dega ilai objektif awal) maka lakuka j = j 1 yaitu solusi optimal yag diguaka sampai pada solusi optimal sebelumya da lagsug meuju lagkah Lagkah 3 Yag harus dilakuka pada lagkah 3 ii adalah meulis seluruh solusi optimal : x 1 p, x 2 p,, x p, dimaa p=,1,2,...,j Alur Sistem Start 7.1. Data Ujicoba Data ujicoba terdiri atas data ujicoba 1 da data ujicoba Data Ujicoba 1 Data ujicoba permasalaha 1 berasal dari Ziots (1974) tetag permasalaha biaya tetap dimaa data ii megadug kombiasi atara variabel iteger da bier. Utuk mempermudah perhituga, permasalaha tersebut diubah dahulu mejadi model matematis seperti dibawah ii : Maksimumka : z = x 1 + x 2 + x 3 Fugsi kedala : 2y 1 + 3y 2 + x 1 + 2x 2 + 2x 3 18, 3y 1 + 2y 2 + 2x 1 + x 2 + 2x 3 15, 6y 1 + x 1, 75y 2 + x 2, x 1, x 2, x 3, x 1, x 2, x 3 Z, y 1, y 2 {,1}. ya Permasalah a ILP Tambahka geeral iteger cut Nilai objektif = ilai objektif awal ya tidak Mecari solusi Optimal & ilai objektif tidak Solusi optimal = iteger Ed Solusi optimal & ilai objektif ditemuka? Gambar 1 Alur proses algoritma geeral iteger cut ya tidak 7. IMPLEMENTASI, UJI COBA DAN ANALISIS Uji coba dilakuka pada sebuah PC dega prosesor Itel(R) Core(TM) 2 Duo CPU (2 CPUs) dega memori sebesar 224 MB RAM. Sistem operasi yag diguaka adalah Widows Vista Home Premium da bahasa komputasi yag diguaka utuk implemetasi metode adalah Ligo v8.. Uji coba solusi alteratif dega geeral iteger cut ii aka dilakuka dega 2 skeario, yaitu ujicoba pada dua cotoh permasalaha dega meambahka dua model geeral iteger cut da juga dega megkombiasika model (2) dega besarya M yag berbeda-beda yag merupaka kostata yag besar. Megkombiasika model (2) dega M yag berbeda-beda dimaksudka utuk megetahui fugsi dari M tersebut da apa saja yag diakibatka olehya. Data yag aka dipakai bersumber dari paper Fidig multiple solutios to geeral iteger liear programs Data Ujicoba 2 Data ujicoba permasalaha 2 berasal dari tekik aplikasi pecampura baha dimaa data ii haya megadug variabel o-bier. Sebuah perusahaa kimia meghasilka dua jeis zat (A da B) yag terdiri dari tiga jeis baha baku (I, II da III). Kedua zat mempuyai keutuga da persyarata yag berbeda pada komposisi dari tiga baha baku. Perusahaa harus juga mempertimbagka jumlah yag tersedia da biaya perawata dari setiap baha (I, II da III). Utuk mempermudah perhituga, permasalaha tersebut diubah dahulu mejadi model matematis seperti dibawah ii : Maksimumka : z = 1 x 1 + x 2 + x y 1 + y 2 + y 3 4 x 1 + y 1 5 x 2 + y 2 6 x 3 + y 3 Fugsi kedala : x 1 + y 1 4, x 2 + y 2 5, x 3 + y 3 3,,2 x 1 + x 2 + x 3 x 1,,1 x 1 + x 2 + x 3 x 2,,2 x 1 + x 2 + x 3 x 3,,4 y 1 + y 2 + y 3 y 1,,5 y 1 + y 2 + y 3 y 3, x 1, x 2, x 3, y 1, y 2, y 3, x 1, x 2, x 3, y 1, y 2, y 3 Z 7.2. Implemetasi Pada bagia ii aka diberika gambara megeai implemetasi dari Model (1) da Model (2) secara umum yag aka diguaka utuk medapatka solusi optimal da ilai objektif dega cotoh megguaka Data Ujicoba 1. Ade Vicidia S. P

6 Makalah Semiar Tugas Akhir Periode Jauari 21 Berikut adalah implemetasi geeral iteger cut dega tekik absolut: (x1-23) (x2-53) (x3 - ) (y1-1) (y2-1) >= 1; Gambar 2 Kode program implemetasi geeral iteger cut tekik absolut, cotoh megguaka Data Ujicoba 1 Utuk pejelasa tetag kode program pada gambar 2 adalah sebagai berikut: Baris 1 adalah implemetasi Model 1 formula : merupaka fugsi ligo utuk megabsolutka suatu bilaga. Nilai 23, 53,, 1 da 1 adalah solusi optimal yag telah dihasilka sebelumya. Berikut adalah implemetasi geeral iteger cut dega tekik IP kovesioal: 1 M = 1; 2 <= W1 - x1 + 23; 3 W1 - x <= M - M*A1; 4 <= W2 - x2 + 53; 5 W2 - x <= M - M*A2; 6 <=W3-x3; 7 W3 - x3 <= M - M*A3; 8 <= W x1; 9 W x1 <= M*A1; 1 <= W x2; 11 W x2 <= M*A2; 12 <= W3 + x3; 13 W3 + x3 <= M*A3; 14 W1 + W2 + W3 + T >= 1; 15 y1 + y2 <= 2 - T ; Gambar 3 Kode program implemetasi geeral iteger cut tekik IP kovesioal, cotoh megguaka Data Ujicoba 1 Utuk pejelasa tetag kode program pada gambar 3 adalah sebagai berikut: M : merupaka sebuah kostata besar. Baris 2-7 adalah implemetasi Model 2-1 formula 2 Baris 8-13 adalah implemetasi Model 2-1 formula 3 Baris 14 adalah implemetasi Model 2-1 formula 4 Baris 15 adalah implemetasi Model 2-1 formula 5 Baris adalah syarat variabel bier yag aka di-itegerka Nilai 23, 53,, 1 da 1 adalah solusi optimal yag telah dihasilka sebelumya. W1, W2, W3 da T : merupaka variabel kotiyu, pada model dilambagka dega W z da θ, A1, A2, A3 : merupaka variabel bier ( da 1) pada model dilambagka dega α z Skeario 1 Da Aalisis Skeario 1 Utuk skeario 1 dilakuka tiga kali ujicoba pada data permasalaha 1, yaitu ujicoba pertama meambahka geeral iteger cut dega fugsi kedala tekik absolut, ujicoba kedua meambahka geeral iteger cut dega fugsi kedala tekik IP kovesioal dega ilai M=1, da ujicoba ketiga meambahka geeral iteger cut dega fugsi kedala tekik IP kovesioal dega ilai M=1. Berikut daftar solusi alteratif (termasuk juga solusi optimal awal) dari ketiga ujicoba: Solusi X1 X2 X3 Y1 Y2 Fugsi Kedala Iteger Kotiyu Tabel 1 Daftar Solusi Alteratif Ujicoba 1 Skeario 1 Solusi X1 X2 X3 Y1 Y2 Fugsi Kedala Iteger Kotiyu Tabel 2 Daftar Solusi Alteratif Ujicoba 2 Skeario 1 Ade Vicidia S. P

7 Makalah Semiar Tugas Akhir Periode Jauari 21 Solusi X1 X2 X3 Y1 Y2 Fugsi Kedala Iteger Kotiyu Tabel 3 Daftar Solusi Alteratif Ujicoba 3 Skeario 1 Dari hasil optimasi skeario 1 dapat ditarik beberapa kesimpula bahwa : 1. Dega megguaka model geeral iteger cut dapat dihasilka suatu hasil optimal alteratif selai hasil optimal awal pada suatu permasalaha ILP yag megadug variabel iteger da variabel bier. 2. Hasil ujicoba 2 da ujicoba 3 meujukka bahwa dega dega dilakukaya peambaha geeral iteger cut dapat meghasilka jumlah solusi alteratif yag sama amu berbeda uruta solusi Solusi X1 X2 X3 Y1 Y2 Y3 optimalya bergatug pada besarya M yag diiputka Skeario 2 Da Aalisis Skeario 2 Utuk skeario 2 dilakuka tiga kali ujicoba pada data permasalaha 2 sama seperti skeario 1, yaitu ujicoba pertama meambahka geeral iteger cut dega fugsi kedala tekik absolut, ujicoba kedua meambahka geeral iteger cut dega fugsi kedala tekik IP kovesioal dega ilai M=1, da ujicoba ketiga meambahka geeral iteger cut dega fugsi kedala tekik IP kovesioal dega ilai M=1. Berikut daftar solusi alteratif (termasuk juga solusi optimal awal) dari ketiga ujicoba: Fugsi Kedala Iteger Kotiyu Tabel 4 Daftar Solusi Alteratif Ujicoba 1 Skeario 2 Solusi X1 X2 X3 Y1 Y2 Y3 Fugsi Kedala Iteger Kotiyu Tabel 5 Daftar Solusi Alteratif Ujicoba 2 Skeario 2 Solusi X1 X2 X3 Y1 Y2 Y3 Fugsi Kedala Iteger Kotiyu Tabel 6 Daftar Solusi Alteratif Ujicoba 3 Skeario 2 Dari hasil optimasi skeario 1 dapat ditarik beberapa kesimpula bahwa : 1. Dega megguaka model geeral iteger cut dapat dihasilka suatu hasil optimal alteratif selai hasil optimal awal pada suatu permasalaha ILP yag haya megadug variabel o-bier. 2. Perbedaa besarya M yag diiputka tidak terlihat pada ujicoba 2 da 3 dikareaka data permasalaha tersebut jika diselesaika megguaka geeral iteger cut haya meghasilka dua buah solusi optimal. 8. KESIMPULAN Kesimpula yag bisa diambil dari seragkaia uji coba da aalisis yag dilakuka terhadap model geeral iteger cut adalah sebagai berikut: 1. Model geeral iteger cut dapat diguaka utuk mecari solusi alteratif lai diluar solusi optimal awal, dimaa geeral iteger cut tersebut didapatka dega cara memformulasika ulag solusi optimal Ade Vicidia S. P

8 Makalah Semiar Tugas Akhir Periode Jauari 21 yag didapat sebelumya sehigga meghasilka solusi alteratif baru dega meghilagka kemugkia kemucula solusi yag sudah ada sebelumya. 2. Solusi alteratif dari sebuah permasalaha ILP yag didapatka dega megguaka model geeral iteger cut haruslah solusi optimal yag memiliki ilai objektif yag sama dega solusi optimal awal yaitu pada saat sebelum ditambahkaya fugsi kedala baru yag berupa geeral iteger cut. 3. Dega megguaka model geeral iteger cut dapat dihasilka suatu hasil optimal alteratif selai hasil optimal awal pada suatu permasalaha ILP yag haya megadug variabel o-bier maupu juga permasalaha ILP yag megadug variabel bier. 4. Pada model geeral iteger cut, perbedaa besarya M yag diiputka aka terlihat jika suatu permasalaha ILP dapat meghasilka lebih dari 1 solusi alteratif. Karea besarya M aka megakibatka perbedaa uruta solusi alteratif optimal yag ditemuka. 5. Model geeral iteger cut ii dapat membatu pegambil keputusa pada suatu bada atau perusahaa utuk megkombiasika variabel-variabel keputusa yag berbeda komposisiya yag diaggap sesuai dega kodisi teraktual perusahaa amu tetap meghasilka keutuga yag sama optimalya, hal ii dikareaka kemampua geeral iteger cut dalam memberika bayak piliha solusi alteratif. 9. DAFTAR PUSTAKA Asror, Mustaghfiri. Liier Programmig. <URL : /15/liear-programmig/> D. Yusup. Program Liier. <URL : pertemua-2.pdf> Dimyati, Tjutju Tarliah, Dimyati, Ahmad. 23. Operatio Research Model-Model Pegambila Keputusa. Siar Baru Algesido. Hartato, Eko. Iteger Liier Programmig. <URL : web&ct=res&cd=1&ved=cakqfjaa&ur l=http%3a%2f%2fpei.staff.guadarma.a c.id%2fdowloads%2ffiles%2f4159%2fl iier%2bprogrammig.ppt&rct=j&q=liier +programmig.ppt%3b+eko+hartato&ei= qcxos9mefo3e7apagthcca&usg=afqj CNGwpbqRBLaEU4JiADBiUlwIeGak9Q> Mastera Program. <URL: /29/5/liear-programmig.html> Tsai, Jug-Fa, Li, Mig-Hua, Hu, Yi-Chug. 26. Fidig multiple solutios to geeral iteger liear programs. Europea Joural of Operatioal Research 184, Wahyujati, Ajie. Operatio Research 2 : Iteger Programmig.<URL: adarma.ac.id/dowloads/files/8625/itege r+programmig.pdf> Ade Vicidia S. P

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 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

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 III PROGRAMA LINIER

BAB III PROGRAMA LINIER BAB III PROGRAMA LINIER 31 Searah Sigkat Programa Liier Meurut George B Datzig yag serig disebut Bapak Liear Programmig, di dalam bukuya : Liear Programmig ad Extesio, meyebutka, bahwa ide dari pada liear

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

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

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

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI 14 Bab 2 LANDASAN TEORI 21 Program Liier Programasi Liier (Liear Pogrammig) merupaka suatu model optimasi persamaa liier berkeaa dega kedala-kedala liier yag dihadapiya Model ii dikembagka oleh George

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

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

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

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Programa liear Programa Liear yag diterjemahka dari Liear programmig (LP) adalah suatu cara utuk meyelesaika persoala pegalokasia sumber-sumber yag terbatas di atara beberapa

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

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

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 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

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

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

Aplikasi Integer Programming Dalam Optimasi Produksi

Aplikasi Integer Programming Dalam Optimasi Produksi Semiar Nasioal III Tekologi Da Rekayasa ISBN 978-60-96853-1- Aplikasi Iteger Programmig Dalam Optimasi Produksi Tri Herawati Staf Pegaar Kopertis Wilayah I Dpk Fakultas Tekik Uiversitas Islam Sumatera

Lebih terperinci

Aplikasi Integer Programming Dalam Optimasi Produksi

Aplikasi Integer Programming Dalam Optimasi Produksi Semiar Nasioal III Tekologi Da Rekayasa ISBN 978-60-96853-1- Aplikasi Iteger Programmig Dalam Optimasi Produksi Tri Herawati Staf Pegaar Kopertis Wilayah I Dpk Fakultas Tekik Uiversitas Islam Sumatera

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

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

Lebih terperinci

METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR

METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR Marlia Ulfa 1, Bambag Irawato 2, Suarsih 3 1,2,3 Program Studi Matematika, Fakultas

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

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

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 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 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

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

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

Algoritma Branch and Bound pada Permasalahan 0-1 Knapsack

Algoritma Branch and Bound pada Permasalahan 0-1 Knapsack Algoritma Brach ad Boud pada Permasalaha 0-1 Kapsack Sady Socrates (13508044) Program Studi Tekik Iformatika 2008, Istitut Tekologi Badug Jl. Gaesha 10, 40116 Badug e-mail: if18044@studets.if.itb.ac.id

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 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

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

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

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

Lebih terperinci

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

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

APLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU

APLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU Semiar SaidaTekologi ISSN : 693 6809 APLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU Tri Herawati Prodi Tekik Idustri, Fakultas Tekik, Uiversitas Islam Sumatera UtaraMeda Abstrak Pegambila keputusa

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

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research)

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research) BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa

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

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 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

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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya

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

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

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka Itegral etu Jika fugsi kotiu yag didefiisika utuk, kita bagi selag mejadi selag bagia berlebar sama Misalka berupa titik ujug selag bagia ii da pilih titik sampel di dalam selag bagia ii, sehigga terletak

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

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

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

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

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

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

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 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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

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

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 VIII KONSEP DASAR PROBABILITAS

BAB VIII KONSEP DASAR PROBABILITAS BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada

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

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

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

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

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM Yosifayza Septiai 1, Bambag Irawato 2, Susilo Hariyato 3 Departeme Matematika FSM Uiversitas

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

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Siar Terag Abadi ) Nama Mahasiswa : Bagus Suryo Adi Utomo NRP : 203 09 00 Jurusa : Matematika Dose Pembimbig :

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program liier Program liier adalah suatu tekik peyelesaia optimal atas suatu problema keputusa dega cara meetuka terlebih dahulu fugsi tujua (memaksimalka atau memiimalka) da kedala-kedala

Lebih terperinci

PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS

PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS Nada Puspitasari 1, Bambag Irawato, S.Si, M.Si 2, Prof. Dr. Widowati, M.Si 3 Program Studi Matematika

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic. Peyelesaia Asymmetric Travellig Salesma Problem dega Algoritma Hugaria da Algoritma Cheapest Isertio Heuristic Caturiyati Staf Pegaar Jurusa Pedidika Matematika FMIPA UNY E-mail: wcaturiyati@yahoo.com

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

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 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi

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

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id

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

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

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

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut :

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut : I. OPTIMISASI FUNGSI TANPA KENDALA Utuk fugsi dua peubah ) f ag terdiferesial dua kali. Jika di titik ) P dipeuhi :. sarat stasioer)... > maka mecapai ekstrim di ) P. Jika : ekstrim maksimum mecapai maka

Lebih terperinci

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci