PEMILIHAN TEKNOLOGI PENGECORAN LOGAM DENGAN PENDEKATAN FUZZY AHP DAN FUZZY MCDM

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMILIHAN TEKNOLOGI PENGECORAN LOGAM DENGAN PENDEKATAN FUZZY AHP DAN FUZZY MCDM"

Transkripsi

1 Volue 8 Noor Septeber PEMILIHAN TEKNOLOGI PENGECORAN LOGAM DENGAN PENDEKATAN FUZZY AHP DAN FUZZY MCDM Taufq Rocha Staf Pegaar - Jurusa Te Idustr - Faultas Te UNS Keywords : Selectg Techology Fuzzy AHP Fuzzy MCDM Abstract : As a effort to acheve aufacturg copay target selecto of approprate techology to support a effectve ad effcet producto s very essetal. I order to stay copettve aret a copay ust atcpate ad evaluate techologcal chagg ad put t as a techologcal opportuty to prove copay s producto process. Ths research evaluates case study a etal castg dustry to solve ther proble o ag decso to choose the best alteratve of progra to prove the techology of etal castg. Fuzzy MCDM approach s used to ae decso a ucerta forato structure ad fuzzess ad also decso proble whch has group characterstc wth coplexty to solve coflct aog partcpate. Fuzzy MCDM has two ethods that s fuzzy AHP ad Fuzzy MCDM. Fuzzy Accordg to fuzzy AHP ethod obtaed by a hghest portace weght value for producto departet s to develop patter ad ould (0.357 departet of fshg s to develop patter ad ould (0.78 departet of qualty cotrol s raw ateral requreet (0.94. The hghest portace weght for geoetrc ea (coprose value for all of departet s to develop patter ad ould (0.65 ad aufacture process (0.3. Whle hghest value ra for geoetrc ea fro all of departet s alteratf-3 (8.6 that s techologcal developet of fshg ad cotrol qualty. PENDAHULUAN Teolog yag terdapat dala perusahaa adalah teolog yag berbetu aset - aset perusahaa. Aset - aset terdr dar hardware software braware yag berata dega pegetahua oletf da eapua te orgasas yag ebetu suatu sste (Khall 000. Pegaruh teolog pada perusahaa berbetu produ da asa (servce yag dhasla da uga suber - suber yag berpotes utu dprodus. Peelta yag dlaua oleh Fly (000 pada dustr batu bara d Aera euua adaya pegaruh perubaha teolog terhadap pegata proses produs perusahaa yatu pegata perecaaa da peadwala produs perbaa proses peabaga da peelharaa peralata produs. Pegaruh teolog uga eyebaba pegata etrapla era aryawa da perbaa sste opesas perusahaa (Brow ad Capbell 999. Sela tu teolog uga epegaruh perbaa proses alra ateral da etode produs perusahaa (Bedse ad Dreyer 003. Teolog eabah aset perusahaa dega erubah sesuatu yag abstra (tagble ead betu produ yag rl (tagble. (Khall 000 Metode Fuzzy Mult Crtera Decso Mag dguaa utu eyelesaa proble decso ag yag terdr evaluas ult rtera dar seupula alteratf. Meurut Aoua (003 pegabla eputusa dala strutur foras yag tda past (ucertaty da abur (fuzzess egguaa etode ateats yag bersfat crsp urag tepat. Pedeata etode yag eggabuga teor fuzzy da subyetvtas (abgutas utu edapata pedeata eputusa yag lebh tepat da flesbel. Metode yag dusula dapat dlaua dega put yag bersfat crsp da fuzzy. Fuzzy Decso Mag D dala fuzzy decso ag ada 3 atvtas peyelesaa proble eputusa yatu : egdetfas tuua proble eputusa (decso goal da peetua alteratf eputusa egdetfas elopo rtera eputusa da 3 eyusu strutur hrar dar proble eputusa. Tuua (goal dapat dtapla dega ata sfat atau la uer egut araterst proble. Ja seulah decso alteratve dar suatu proble aa seupula alteratf eputusa dtetapa sebaga A = {A = 3... }. Da seupula fuzzy decso crtera dtetapa sebaga C = {C t = 3...}. Setelah eetapa decso goal decso crtera da decso alteratve proble eputusa dapat dtuua dala strutur hrar yag dsebut dega poho eputusa (decso tree sepert gabar berut : E-al : tofqrocha@yahoo.co

2 Volue 8 Noor Septeber 009 [ a a ]: [ b ] A : B b 00 Gabar. Strutur hrar dala proble eputusa. Berdasara defs dar Laarhove da Pedrycz dala Hseh (004 fugs eaggotaa setga (tragular fuzzy uber (TFN egut betu dasar berut : eaggotaa fuzzy A terhadap R adalah fugs eaggotaa segtga (TFN a fugs eaggotaa µ (X : R 0 druusa: A [ ] (X L/(M L L X M µ A (x = (U X/(U M M X U 0 yag laya Gabar. Fugs eaggotaa segtga (tragular fuzzy uber. ( Batasa pada operas artat hpua fuzzy elput peulaha (addto peguraga (subtracto perala (ultplcato da pebaga (dvso. Dega egguaa osep α-cuts operas blaga fuzzy (fuzzy uber A da B druusa : Peulaha (Addto A + B a a + b b [ ] [ ] [ a + b a ] A + B = + ( b Peguraga (Subtracto α α α A B a a b b α [ ] [ ] [ a b a ] A B = (3 b Perala (Multplcato A. B a a. b b [ ][ ] [ a. b a ]. A. B = b (4 Pebaga (Dvso α α = a a A : B α (5 b α b Berdasara operas blaga fuzzy Bucley da Hseh eruusa proble ult rtera dega egguaa blaga fuzzy. Bucley (985 eruusa peragga alteratf egguaa fuzzy uber daa proble peragga alteratf dega alteratf dtetapa sebaga A A... A dega seelopo pela (udget terdr dar experts dtetapa J J...J. Da seulah rtera dtetapa C C... C. Nla a erupaa fuzzy uber yag euua plha alteratf A oleh pela J utu rtera C. Nla b erupaa fuzzy uber yag euua tgat epetga rtera C yag dbera oleh pela (expert J. Peetua ragg dlaua dega peulaha fuzzy (fuzzy addto da perala fuzzy (fuzzy ultplcato : = [ a a... a ] (6 = [ b b... b ] (7 Pebobota fuzzy (fuzzy weght druusa : w = [(... ( ] (8 L Fuzzy ragg w utu plha alteratf utu tap evaluator druusa : [(... ( w = a b a b ] (9 w adalah fuzzy average utu seua rtera. METODOLOGI PENELITIAN. Te Peetua Alteratf dega Fuzzy Sythetc Decso Metode yag dguaa dala peelta berdasara odel yag druusa oleh Hseh et al (004. Model egguaa eaggotaa hpua fuzzy pada pelaa perbadga berpasaga tap - tap elee/rtera secara berpasaga dotasa sebaga berut: a L a a L a = a a A L / a a A L = M M O M M M O M a a L / a / a L (0 daa la a dtetapa sebaga berut : a = = 3 5 rtera relatf petg terhadap rtera 7 9 rtera relatf tda petg terhadap rtera Te rata - rata geoetrs (geoetrc ea techque utu eetua fuzzy geoetrc ea

3 Volue 8 Noor Septeber da pebobota fuzzy dar tap rtera dega persaaa sebaga berut : ( / r = a a L a ( ( w r r L r ( = Peetapa la E euua la perforas yag bersfat fuzzy dar evaluator terhadap alteratf pada rtera da seua rtera evaluas dtuua elalu persaaa sebaga berut: E t (LE ME = UE (3 Peetua la E elalu la rata-rata dega egtegrasa la yag bersfat fuzzy dar evaluator dega persaaa sebaga berut : E (/ (E E E = K (4 Nla E euua rata - rata ulah pelaa fuzzy dar pegabl eputusa yag dtapla elalu fugs eaggotaa segtga daa E = ( LE ME UE dega la LE ME da UE dapat dselesaa dega persaaa sebaga berut : (5 LE = ( LE /;ME = ( ME/;UE = ( UE / = = = Hasl ahr erupaa atr eputusa pebetua fuzzy (fuzzy sytehetc decso dega persaaa berut : R = E o w (6 Nla fuzzy uber R = ( LR MR UR dega LR MR da UR sebaga la batas bawah tegah da batas atas erupaa la setrs dar alteratf dega persaaa sebaga berut : LR = = LE xlw MR = = ME xmw UR = = UE xuw (7 Metode peragga ofuzzy dlaua dega defuzzfas egguaa odel Best Nofuzzy Perforace Value (BNP dega persaaa berut : BNP =[(UR LR + (MR LR]/3 + LR (8 Berdasara la dar BNP utu tap alteratf ragg dar tap alteratf dapat dtetua.. Hrar Keputusa Pelha Teolog Pegecora Loga Idetfas terhadap rtera - rtera tes pada pelha teolog pegecora yag berbass pada doa operas da fator eapua da peahaa teolog. Hasl dar pellaa dar pha perusahaa da pha yag ahl dala teolog pegecora loga dgabara dala dagra hrar eputusa yag bers odel pelha teolog proses pegecora loga (Gabar 3. Gabar 3. Strutur hrar rtera pegebaga teolog pegecora loga.

4 Volue 8 Noor Septeber Respode terdr seelopo ahl (expert yag elaua pelaa terhadap opoe rtera da sub rtera yag berata dega pegebaga teolog pegecora loga. HASIL DAN PEMBAHASAN Hasl dar peerapa odel fuzzy decso ag berupa pebobota rtera yag dlaua dega egguaa pedeata fuzzy AHP yag ddasara pada fugs eaggotaa fuzzy dar sala lgust sepert yag dsebuta dala tabel berut : Tabel. Fugs eaggotaa fuzzy. Fuzzy uber Lgust sales Scale of fuzzy uber Equally portat (Eq (3 3 Wealy portat (W (35 5 Essetally portat (Es (357 7 Very strogly Iportat Vs (579 9 Asolutely portat (A (799 Berdasara atr perbadga berpasaga yag telah dperoleh dala betu sala lgust euda drubah dala sala blaga fuzzy. Hasl pelaa respode (group decso terhadap preferes perbadga berpasaga utu sala fuzzy dapat dlhat pada Tabel. Perhtuga egguaa odel fuzzy geoetrc ea utu eetua atr sythetc parwse coparso dega persaaa berut : a 3 / = ( a xa xa xl xa a = ((3 x (35 / = (( x / ( x 3 / (3 x 5 / = (; 73; 3873 Tabel. Data perbadga berpasaga atar rtera (respode. PI K K K3 K4 K5 K6 K K 3 3 K K K K6 3 3 Tabel 3. Data perbadga berpasaga atar rtera (respode. PII K K K3 K4 K5 K6 K K 3 3 K K K K Tabel 4. Nla atr sythetc parwse coparso utu perbadga rtera dept. produs. K K K3 a b c a b c a b c K K K K4 K5 K6 a b c a b c a b c K K K Peetua bobot rtera utu tap elopo respode dapat dtetua dega egguaa persaaa berut : / r = ( a a L a r = (( x x 069 x x 049 x /6 ; ( x.73 x 0.58 x 3 x 0.8 x /6 ; ( x x x 5 x x 3 /6 = (0.54; 0.85;.57 Bobot tap rtera dapat dtetua dega persaaa berut : ( w r r L r = w = (0.54; 0.85;.57 x (/( ; /( ; /( = (0.049; 0.5; 0.44 Proses defuzzfas dlaua dega egguaa etode Best Nofuzzy Perforace Value (BNP dega persaaa berut : BNPw = [(Uw Lw + (Mw Lw]/3 + Lw BNPw = [( ( ]/ = 0.67

5 Volue 8 Noor Septeber Tabel 5. Nla bobot des da rtera departee produs. Des/rtera Bobot loal Bobot Keseluruha Defuzzy a b c a b c Kopoe Iput Baha Bau Kopetes T. K Itestas Eerg Kopoe Trasforas Racag Bagu Proses castg Kopoe Output Produ Cora Hasl perhtuga bobot rtera utu departee produs dtuua dala Tabel 5. Berdasar tabel d atas ddapat bobot des da rtera dala sala blaga fuzzy. Utu edapata bobot yag bersfat crsp dperoleh dega elaua defuzzy. Hasl defuzzy euua des proses trasforas epuya bobot terbesar (0.606 sedaga bobot rtera terbesar pada rtera racag bagu pola da cetaa pegecora loga. Bobot eseluruha (overall weght dala sala blaga fuzzy aa berhubuga dala peetua bobot sub rtera. Pelha alteratf egut odel Bucley yag debaga oleh Hseh et.al.(004 daa pelaa dlaua oleh elopo pela seula respode (group decso. Sala pelaa lgust bewserta fugs eaggotaa fuzzy oleh respode (group decso dtuua dala tabel 5. Hasl pelaa bobot preferes respode terhadap level sala lgust perforas alteratf dtuua dala Tabel 6. Tabel 6. Nla bobot preferes peguura perforas alteratf. VARIABEL LINGUISTIK Rpd Sagat urag Kuarag Cuup Ba Sagat ba (SK (K (C (B (SB a b c a b c a b c a b c a b c Tabel 7. Pelaa perforas alteratf dala sala lgust. (A (A (A3 SK E E E3 E4 E5 E6 E E6 E E6 SK B C B C C C B K C C SK B K C B K B SB C K SK SK3 B SB K SB SB SB B B B SB SK4 B K SK B B C B K B B SK5 C SB SB B SB SB B B B SB SK4 B C C SB SB B SB B K C Peetua la rata-rata fuzzy perforace seluruh respode dlaua dega egguaa persaaa berut : (/ ( E = E E K E E = (( /6 ( /6 ( /6 = (470; 59; 73 Tabel 8. Nla rata - rata fuzzy perforace alteratf. SK A- A- a b c a b c SK SK SK SK SK SK

6 Volue 8 Noor Septeber Peetua la fuzzy sythetc decso dlaua dega perala atara la fuzzy perforace E dega la bobot eseluruha (overall weght w dega persaaa berut : R = LE J xlw ME xmw UE xuw = = = R = ((47.0 x x x (59. x x x 0.00 (7.3 x x x = (.066; 7.99; Peetua blaga crsp dlaua dega defuzfas dar blaga fuzzy dega etode Best Nofuzzy Perforace Value (BNP sebagaaa yag dusula oleh Hseh (003 dega persaaa sebaga berut : BNP = [(UR LR + (MR LR]/3 + LR BNP = [( ( ]/ = 8.7 Berdasara hasl perhtuga bobot rtera da sub rtera (Tabel 0 dega egguaa fuzzy AHP utu departee produs bobot epetga tertgg adalah rtera dsa racag bagu pola da cetaa (0.357 sedaga rtera produ cora el bobot epetga palg redah ( Sub rtera dega bobot epetga tertgg yatu oputersas fasltas dsa (0.53 sedaga sub rtera dega bobot epetga teredah adalah pegra tepat watu (0.0. Tabel 9. Nla bobot rtera sub rtera oleh etga departee. KRITERIA/SUB KRITERIA Dept. Dept. Dept. Ratarata* Produs Fshg Qualty K KEBUTUHAN BAHAN BAKU SK Ketersedaa baha bau SK Baya pegadaa SK3 Spesfas baha bau K KOMPETENSI TENAGA KERJA SK4 Kesesuaa ulah operator SK5 Keahla SK6 Progra pelatha SK7 Latar belaag pedda K3 INTENSITAS ENERGI SK8 Efses peguaa eerg SK9 Ketergatuga eerg lstr K4 DISAIN POLA & CETAKAN SK0 Keua & odel K Koputersas fasltas dsa K Kesesuaa es ateral K3 Dsa legap & eoos K4 Valdas tes K5 PROSES MANUFAKTUR K5 Redus watu set up K6 Efses watu operas K7 Efetvtas te peuaga K8 Ketepata oposs baha K9 Efetvtas tdaa ores K0 Stadarsas proses operas K Kelegapa laboratoru K6 PRODUK CORAN K Kesesuaa spesfas K3 Harga K4 Pegra tepat watu * Dperoleh berdasara rata-rata bobot tap departee dega etode fuzzy geoetrc ea. Tabel 0. Hasl peragga alteratf seluruh departee. Alteratf/ Dept. Produs Dept. Fshg Dept. Q.C. Coprosed * Searo BNP Ragg BNP Ragg BNP Ragg BNP Ragg A A A * Dhtug berdasara bobot rata - rata seluruh respode dega fuzzy geoetrc ea.

7 Volue 8 Noor Septeber Departee fshg euua rtera dsa racag bagu pola da cetaa el bobot epetga tertgg (0.78 sedag rtera testas eerg el bobot epetga teredah ( Pelaa sub rtera eua da odel dega bobot epetga tertgg (0.33 sedaga sub rtera dega bobot epetga teredah adalah pegra tepat watu (0.07. Departee qualty cotrol euua rtera dega bobot epetga tertgg yatu rtera ebutuha baha bau (0.94 sedaga rtera testas eerg (0.4 epuya bobot epetga teredah. Nla sub rtera spesfas baha bau (0.63 epuya bobot epetga sedaga sub rtera dega bobot epetga teredah efetvtas tdaa ores ( Nla bobot epetga tertgg utu rata - rata etga departee yatu rtera dsa racag bagu pola da cetaa (0.65. Perhtuga la perforas plha alteratf dega odel fuzzy MCDM dperoleh departee produs dega plha alteratf - (progra pegebaga teolog dsa reayasa pola da cetaa; departee fshg dega plha alteratf - 3 (progra pegebaga teolog fshg; departee qualty cotrol dega plha alteratf - (progra pegebaga teolog ualtas proses produs. Sedaga plha alteratf rata - rata etga departee sebaga alteratf opro adalah progra pegebaga teolog fshg (alteratf - 3. KESIMPULAN Metode fuzzy ult crtera decso ag (FMCDM dapat dguaa utu eecaha persoala eputusa dala strutur foras yag tda past (ucertaty da abur (fuzzess berdasara plha alteratf dar seupula rtera yag dbera oleh respode. Peetua bobot des rtera da sub rtera dperoleh dega egguaa fuzzy AHP sedag plha perforas alteratf dperoleh dega pedeata odel fuzzy MCDM. Nla bobot opro etga departee lebh eprortasa rtera dsa racag bagu pola da cetaa sedaga plha alteratfya eprortasa pada pegebaga teolog fshg. DAFTAR PUSTAKA Al-Naar B. ad Alsyouf I. 003 Selectg The Most Effcet Mateace Approach Usg Fuzzy Multple Krtera Decso Mag Iteratoal Joural of Producto Ecooc Vol. 84 No 3 pp Bedse B.I. ad Dreyer D. 003 Techologcal Chagas The Ipact o The Raw Materal Flow ad Producto Vol 44 No pp Brow C. ad Capbell B. (999 Techologcal Chage Trag ad Job Tass a Hgh - Tech Idustry Uversty of Calfora Bereley. Fly E.J. 000 Ipact of Techologcal Chage ad Productvty o The Coal Maret Eergy Iforato Adstrato Issues Mdter Aalyss ad Forecastg Washgto DC USA. Hseh Lu ad Tzeg 004 Fuzzy MCDM Approach for Plag ad Desg Teders Selecto Publc Offce Buldgs Iteratoal Joural of Proect Maageet Elsever. Khall T. 000 Maageet of Techology The Key To Copettveess ad Wealth Creato Mc - Graw Hll USA. Moo J.H. ad Kag C.S. 004 Applcato of Fuzzy Decso Mag Method to The Evaluato of Spet Fuel Storage Optos Departet of Nuclear Egeerg Seoul Natoal Uversty Korea //004. Surda T. & Chwa K 000 Te Pegecora Loga PT Pradya Parata Jaarta. Tabucao M.T. 998 Multple Krtera Decso Mag Idustry Elsever Scece Publser B.V. Netherlads. Wag W. ad Feto N. 005 Rs ad Cofdece Aalyss for Fuzzy Multrtera Decso Mag Dept Coputer Scece Quee Mary Uversty of Lodo. Zadeh Lotf A. 975 Fuzzy Sets ad Ther Applcto to Cogtve ad Decso Processes Acadec Press New Yor. Bucey J.J. 985 Rag Alteratfs Usg Fuzzy Nubers Fuzzy Sets ad Systes Vol. 5 pp. - 3 North - Hollad.

Multi Criteria Decision Analysis Berbasis Fuzzy Set Theory untuk Pengambilan Keputusan

Multi Criteria Decision Analysis Berbasis Fuzzy Set Theory untuk Pengambilan Keputusan Performa (006) Vol. 5, No. : -0 Mult Crtera Decso Aalyss Berbass Fuzzy Set Theory utu Pegambla Keputusa Taufq Rochma Jurusa Te Idustr Faultas Te Uverstas Sebelas Maret Suraarta Jl. Ir. Sutam No.36 Suraarta

Lebih terperinci

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga

Lebih terperinci

SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING AROUND IDEAL OF THE SKEW POLYNOMIAL RING

SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING AROUND IDEAL OF THE SKEW POLYNOMIAL RING SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING Afra, Ar Kaal Ar da Nur Erawaty Jurusa Mateata Faultas Mateata da Ilu Pegetahua Ala Uverstas Hasaudd (UNHAS) Jl. Perts Keerdeaa KM.0 Maassar 90245, Idoesa thalabu@gal.co

Lebih terperinci

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX ORBITH VOL. 9 NO. JULI 03 : 78 83 ETODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEILIHAN DISTRO LINUX Oleh : Ahad Sabq Tekk Iforatka Poltekk Purbaya Tegal Jl. Pacakarya No. Talag Tegal 593 Abstrak Pada peelta

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Persoala utaa yag dhadap oleh seorag aaer atau pegabl eputusa adalah bagaaa egaloasa suatu suber yag terbatas datara berbaga atvtas atau proye Progra lear adalah suatu etode yag dapat

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

PENILAIAN TERINTEGRASI PADA PEMILIHAN TEKNOLOGI PROSES PENGECORAN LOGAM DENGAN PENDEKATAN METODE FUZZY MULTI CRITERIA DECISION MAKING

PENILAIAN TERINTEGRASI PADA PEMILIHAN TEKNOLOGI PROSES PENGECORAN LOGAM DENGAN PENDEKATAN METODE FUZZY MULTI CRITERIA DECISION MAKING PENILAIAN TERINTEGRASI PADA PEMILIHAN TEKNOLOGI PROSES PENGECORAN LOGAM DENGAN PENDEKATAN METODE FUZZY MULTI CRITERIA DECISION MAKING (Studi Kasus di Pabrik Pengecoran Logam PT. Adi Logam Karya Taufiq

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI 1 I PENDAHULUAN Pada baga awal bab, aa delasa latar belaag da tuua peelta yag dlaua. Seetara tu pada baga ahr bab aa dperlhata afaat dar peelta bag perusahaa. 1.1 Latar Belaag Masalah trasportas da dstrbus

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

Identifikasi Sistem Nonlinier Dengan Menggunakan Recurrent Neural Network Dan Algoritma Dead-Zone Kalman Filter

Identifikasi Sistem Nonlinier Dengan Menggunakan Recurrent Neural Network Dan Algoritma Dead-Zone Kalman Filter Idetfas Sste Noler Dega Megguaa Recurret Neural Networ Da Algorta Dead-Zoe Kala Flter Rully Soelaa Ragga Rfa Yudh Purwaato Maurdh H. Puroo Jurusa e Iforata Faultas eolog Iforas Progra Pascasarjaa Jurusa

Lebih terperinci

LOCALLY DAN GLOBALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA [a,b]

LOCALLY DAN GLOBALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA [a,b] PROSIING ISBN : 978 979 6353 9 4 LOCALLY AN GLOBALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-UNFOR PAA [a,b] A-8 Solh, Y Suato, St Khabbah 3,,3 Jurusa Mateata, Faultas Sas da Mateata, Uverstas poegoro

Lebih terperinci

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC JEMTN PD GRF FUZZY INTUITIONISTIC St lfatur Rohmaah, au Surarso, da ambag Irawato 3 Uverstas Islam Darul Ulum Lamoga, a0304@gmalcom Uverstas Dpoegoro Semarag 3 Uverstas Dpoegoro Semarag bstract tutostc

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

Lam piran 1 K uesioner

Lam piran 1 K uesioner LAMPIAN Lam pra K uesoer KUESIONE PENDAHULUAN Saya adalah mahasswa Uverstas Krste Maraatha Badug sedag megadaa peelta dalam pembuata Tugas Ahr. Maa saya megharapa erasamaya utu megs uesoer, saya megharapa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua Prosdg Sear Nasoal MIPA 06 Pera Peelta Ilu Dasar dala Meuag Pebagua Berelauta Jatagor, 7-8 Otober 06 ISBN 978-60-76-- Peodela Geographcally Weghted Logstc Regresso pada Ides Pebagua Kesehata Masyaraat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-127

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-127 JURNAL SAINS DAN SENI IS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 ANALISIS HUBUNGAN DAN PEMODELAN LUAS PANEN PADI DENGAN INDIKAOR EL-NINO SOUHERN OSCILLAION (ENSO) DI KABUPAEN BOJONEGORO MELALUI PENDEKAAN

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

BAB 2 KAJIAN TEORITIS

BAB 2 KAJIAN TEORITIS BAB KAJIAN TEORITIS Desrps Teor Utu ebera dasar peulsa srps, terlebh dahulu pada baga aa dgabara secara rgas osep dasar yag berhubuga dega rptograf sepert defs rptograf, algorta rptograf, sste rptograf,

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

Latar Belakang. What is Fuzzy Clustering? Why using Fuzzy Clustering?... Kriteria indeks validitas. Penelitian Terdahulu

Latar Belakang. What is Fuzzy Clustering? Why using Fuzzy Clustering?... Kriteria indeks validitas. Penelitian Terdahulu Jurusa Te Iforata, TI UII Latar Belaag Aalss Cluster (te aalss statsta ultvarat egelopoa obje pegaata e dala elopo ( < berdasara p peubah PENDEKATAN ANALISIS UZZY CLUSTERING PADA PENGELOPOKKAN STASIUN

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

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. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

Lampiran : Kekonvergenan Barisan Alternating Projection pada Himpunan yang tak Semuanya Konveks

Lampiran : Kekonvergenan Barisan Alternating Projection pada Himpunan yang tak Semuanya Konveks DAFTAR PUSTAKA [] Apkara, P., P. Gahet, G Becker. (995), Self-scheduled H Cotrol of Lear Paraeter-varyg Systes : a Desg Eeple, Autoatca, 3, 25-26. [2] Bajerdpogcha, D., (997), Paraetrc Robust Cotroller

Lebih terperinci

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur Jural Matemata Itegrat ISSN 4-4 Vol. 9 No. Otober 0 pp. -9 Pelabela Total Super Ss Ajab Pada Gra Caterpllar Teratur Trya St Rahmah Nursham Muta Nur Estr Program Stud Matemata Jurusa MIPA Faultas Sas da

Lebih terperinci

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat Mater Bahasa Pemrograma Blaga Bulat (Iteger Programmg) Kulah - Pegatar pemrograma blaga bulat Beberapa cotoh model pemrograma blaga bulat Metode pemecaha blaga bulat Metode cuttg-plae Metode brach-ad-boud

Lebih terperinci

PENDUGAAN FUNGSI KEUNTUNGAN DAN SKALA USAHA BUDIDAYA PEMBESARAN IKAN BANDENG DI KECAMATAN PALANG KABUPATEN TUBAN JAWA TIMUR

PENDUGAAN FUNGSI KEUNTUNGAN DAN SKALA USAHA BUDIDAYA PEMBESARAN IKAN BANDENG DI KECAMATAN PALANG KABUPATEN TUBAN JAWA TIMUR Jural EKONOMI PEMBNGUNN Kaa Eoo Negara Berebag Hal: 3 35 PENDUGN FUNGSI KEUNTUNGN DN SKL USH BUDIDY PEMBESRN IKN BNDENG DI KECMTN PLNG KBUPTEN TUBN JW TIMUR Taer & Mohaad Noor Pusat Rset Pegolaha Produ

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

MENINGKATKAN KEMAMPUAN PENGENALAN POLA SINYAL DENGAN OPTIMALKAN RULES PADA FUZZY NEURAL NETWORK

MENINGKATKAN KEMAMPUAN PENGENALAN POLA SINYAL DENGAN OPTIMALKAN RULES PADA FUZZY NEURAL NETWORK Semar Nasoal Iformata 2013 (semasif 2013) ISSN: 1979-2328 UPN Vetera Yogyaarta, 18 Me 2013 MENINGKATKAN KEMAMPUAN PENGENALAN POLA SINYAL DENGAN OPTIMALKAN RULES PADA FUZZY NEURAL NETWORK Muhtar Haaf Program

Lebih terperinci

IDENTIFIKASI RISIKO RANTAI PASOK AGROINDUSTRI KAKAO MENGGUNAKAN FUZZY AHP

IDENTIFIKASI RISIKO RANTAI PASOK AGROINDUSTRI KAKAO MENGGUNAKAN FUZZY AHP Idetfkas Rata Pasok Agrodustr Kakao egguaka Fuzzy AHP IDENTIFIKASI RISIKO RANTAI PASOK AGROINDUSTRI KAKAO ENGGUNAKAN FUZZY AHP Iphov Kuala Srwaa Jurusa Tekk Idustr Uverstas Esa Uggul Jl. Arua Utara No.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor Jural Grade Vol3 No Jul 007 : 77-8 U Meda Pegaruh Uaa da Ieras dala Peroaa Berfaor Sg Nugroho Jurusa Maeaa, Faulas Maeaa da Ilu Pegeahua Ala, Uversas Begulu, Idoesa Dera Ju 007; Dseuu 6 Jul 007 Asra -

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu

Lebih terperinci

ANALISIS TERHADAP PERFORMANCE SISTEM TENAGA LISTRIK MEMAKAI METODE ALIRAN DAYA

ANALISIS TERHADAP PERFORMANCE SISTEM TENAGA LISTRIK MEMAKAI METODE ALIRAN DAYA Ahmad Hermawa, Aalss Terhadap erformace STL, Hal 7-8 ANALISIS TERHADA ERFORMANCE SISTEM TENAGA LISTRIK MEMAKAI METODE ALIRAN DAA Ahmad Hermawa Abstra Solus masalah drumusa sebaga aalss tetag tegaga bus

Lebih terperinci

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

Perbandingan Analisa Aliran Daya dengan Menggunakan Metode Algoritma Genetika dan Metode Newton-Raphson

Perbandingan Analisa Aliran Daya dengan Menggunakan Metode Algoritma Genetika dan Metode Newton-Raphson Perbadga Aalsa Alra Daya dega Megguaa Metode Algortma Geeta da Metode Newto-Raphso Perbadga Aalsa Alra Daya dega Megguaa Metode Algortma Geeta da Metode Newto-Raphso Emmy Hosea, Yusa Taoto Faultas Teolog

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal)

PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahu 2016, Halama 663-672 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Jural Ilmah Mrote Vol., No. 4 OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Joha Vara Alfa ), Rully Soelama ), Chaste Fatchah ) ), ), ) Te Iformata, Faultas

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, Tahu 015, Halama 67-76 Ole d: http://ejoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTI-ATTRIBUTE DECISION MAKING (MADM) TECHNIQUE

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE

ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE ISS: 339-54 JURAL GAUSSIA Volue 3 oor Tahu 04 Halaa 93-0 Ole d: http://eoural-sudpacd/dephp/gaussa AALISIS IFLASI KOTA SEMARAG MEGGUAKA METODE REGRESI O PARAMETRIK B-SPLIE Alvta Racha Dev Moch Adul Mud

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT 68 Bud: PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT Dya Seta Bud ), Da Reto Sar Dew ), D Edah

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

Model Lokasi-Perutean-Persediaan untuk Multi Produk

Model Lokasi-Perutean-Persediaan untuk Multi Produk Petuu Stas: Saragh, N. I., Bahaga, S. N., Suprayog, & Syabr, I. (2017). Model Loas-Perutea-Persedaa utu Mult Produ. Prosdg SNTI da SATELIT 2017 (pp. H143-148). Malag: Jurusa Te Idustr Uverstas Brawaya.

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi Koferes Nasoal Sstem & Iformatka 017 STMIK STIKOM Bal, 10 Agustus 017 Peerapa Metode TOPSIS utuk Peetua Varabel Settg Pada Optmsas Multrespo Taguch I Ketut Putu Suatara 1), I Gede Eka Watara Putra ) STMIK

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE Aalss Losses Jarga Dstrbus Prmer 0 v Area Lhoseumawe....Zamzam ANALSS LOSSES JARNGAN DSTRBUS PRMER 0 AREA LHOSEUMAWE Zamzam 1 1 Dose Jurusa Te Eletro Polte Neger Lhoseumawe ABSTRA Peelta bertujua utu megetahu

Lebih terperinci

BAB 2 TINJAUAN PUSTKA. Jaringan transmisi dan jaringan distribusi pada sistem tenaga listrik berfungsi

BAB 2 TINJAUAN PUSTKA. Jaringan transmisi dan jaringan distribusi pada sistem tenaga listrik berfungsi BAB TINJAUAN USTKA.. Sstem Dstrbus Jarga trasms da arga dstrbus pada sstem teaga lstr berfugs sebaga saraa utu meyalura eerg lstr yag dhasla dar pusat pembagt e pusat-pusat beba. Sstem arga dstrbus dapat

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

PENANGANAN MISSING DATA PADA RANCANGAN BLOK RANDOM LENGKAP

PENANGANAN MISSING DATA PADA RANCANGAN BLOK RANDOM LENGKAP PENANGANAN MISSING DATA PADA RANCANGAN BLOK RANDOM LENGKAP Rosa Sey Yudasar Jurusa Matemata, Faultas Matemata da Ilmu Pegetahua Alam,Uverstas Neger Surabaya rosaseywah@yahoo.com Drs. Hery Tr Sutato, M.S

Lebih terperinci

APLIKASI PENDUKUNG UNDERWRITING AKSEPTASI DAN PENERBITAN POLIS PADA AJB BUMIPUTERA 1912 MENGGUNAKAN METODE FUZZY-AHP DAN WEIGHTED PRODUCT MODEL

APLIKASI PENDUKUNG UNDERWRITING AKSEPTASI DAN PENERBITAN POLIS PADA AJB BUMIPUTERA 1912 MENGGUNAKAN METODE FUZZY-AHP DAN WEIGHTED PRODUCT MODEL APLIKASI PENDUKUNG UNDERWRITING AKSEPTASI DAN PENERBITAN POLIS PADA AJB BUMIPUTERA 92 MENGGUNAKAN METODE FUZZY-AHP DAN WEIGHTED PRODUCT MODEL Yula Fdawat, Mahud Iroa, Drs., MT2, Reto Nov Dayawat, S.s.,MT3

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

PERBANDINGAN ESTIMATOR KERNEL DAN ESTIMATOR SPLINE DALAM MODEL REGRESI NONPARAMETRIK

PERBANDINGAN ESTIMATOR KERNEL DAN ESTIMATOR SPLINE DALAM MODEL REGRESI NONPARAMETRIK NM VI 3-6 Jul 0 UNPAD, Jatagor PERBANDINGAN ESTIMATOR ERNEL DAN ESTIMATOR SPLINE DALAM MODEL REGRESI NONPARAMETRI I OMANG GDE SUARSA, I GUSTI AYU MADE SRINADI, NI LUH AYU PUSPA LESTARI 3 Jurusa Mateata

Lebih terperinci

Teknik Mengatasi Data Hilang pada Kasus Rancangan Blok Lengkapacak

Teknik Mengatasi Data Hilang pada Kasus Rancangan Blok Lengkapacak Jural Sas Matemata da Statsta, Vol. 3, No., Jul 07 ISSN 693-390 prt/issn 407-0939 ole Te Megatas Data Hlag pada Kasus Racaga Blo Legapaca Rado Yedra, Muslm, Jurusa Matemata, Faultas Sas da Teolog, UIN

Lebih terperinci

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k Prma: Jural Program Stud Pedda da Peelta Matemata Vol. 6, No., Jauar 07, hal. 7-59 P-ISSN: 0-989 METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l UNTUK BEBERAPA NILAI

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4)

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4) ISSN : 69 7 Peyeleaa Maalah Traporta Dega Metoda Pral-Dual Wawa Lakto YS 4) Abtrak Maalah Traporta erupaka peraalaha pedtrbua uatu produk hooge dar beberapa uber ke beberapa tuua dega cara yag palg optal.

Lebih terperinci

Klasifikasi Ketepatan Masa Studi Mahasiswa FMIPA Unpad Angkatan dengan Menggunakan Metode Classification and Regression Trees (CART)

Klasifikasi Ketepatan Masa Studi Mahasiswa FMIPA Unpad Angkatan dengan Menggunakan Metode Classification and Regression Trees (CART) Jural Mateatia Itegratif ISSN 42-684 Volue No, April 25, pp 7-4 Klasifiasi Ketepata Masa Studi Mahasiswa FMIPA Upad Agata 2-26 dega Megguaa Metode Classificatio ad Regressio Trees (CART) Tiara Aprilia

Lebih terperinci

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN: Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya 017 3 Septeber 017, Saarda, Idoesa ISBN: 978-60-5031-0-3 Aalss Portofolo Optal Dega Model Sgle Idex utuk Saha yag Lstg pada Sektor Agr da Mg d Bursa Efek

Lebih terperinci

INTEGRATED FUZZY AHP AND WEIGHTED-FUZZY GOAL PROGRAMMING APPROACH TO SOLVE SUPPLIER SELECTION PROBLEM WITH SUBJECTIVE FACTORS

INTEGRATED FUZZY AHP AND WEIGHTED-FUZZY GOAL PROGRAMMING APPROACH TO SOLVE SUPPLIER SELECTION PROBLEM WITH SUBJECTIVE FACTORS 22 INTEGRATED FUZZY AHP AND WEIGHTED-FUZZY GOAL PROGRAMMING APPROACH TO SOLVE SUPPLIER SELECTION PROBLEM WITH SUBJECTIVE FACTORS Aas Sggh Setyoko *, Udsubakt Cptomulyoo, da I Ketut Guarta ABSTRAK Proses

Lebih terperinci

Media Informatika, Vol. 2, No. 1, Juni 2004, 1-10 ISSN:

Media Informatika, Vol. 2, No. 1, Juni 2004, 1-10 ISSN: eda Ifomata, Vol., No., Ju 004, -0 ISSN: 0854-4743 FUZZY QUANTIFICATION THEORY I UNTUK ANAISIS HUBUNGAN ANTARA PENIAIAN KINERJA DOSEN OEH AHASISWA, KEHADIRAN DOSEN, DAN NIAI KEUUSAN AHASISWA ENGGUNAKAN

Lebih terperinci