PENDEKATAN FUZZY AHP DAN FUZZY MCDM UNTUK PENGALOKASIAN FASILITAS
|
|
- Yohanes Atmadjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 B-6- PENDEKATAN FUZZY AHP DAN FUZZY MCDM UNTUK PENGALOKASIAN FASILITAS Annas Snggh Setyoko, Udsubakt Cptomulyono, Ketut Gunarta Program Pascasarjana Program Stud Teknk Industr (ITS) Surabaya Kampus ITS Sukollo Surabaya 60 ABSTRAK Keputusan pengalokasan fasltas melbatkan banyak faktor yang secara alam salng konflk, dan menghadap problema pemlhan yang sult. Untuk mengdentfkas berbaga faktor dan tujuan yang salng konflk pada permasalahan pengalokasan fasltas, akan dgunakan pendekatan fuzzy AHP. Pertmbangan faktor kesamaran evaluator dalam menla krtera atau alternatf akan ddekat dengan fuzzy AHP. Sebaga contoh numerk damblkan dar sebuah nsttus penddkan berbass martm yang akan mendrkan galangan kapal. FAHP dterapkan untuk mendefnskan bobot krtera keputusan dar setap evaluator. FMCDM dterapkan untuk mensntesa keputusan kolektf. Kata kunc: Pengalokasan fasltas, teor fuzzy, FAHP, FMCDM Pendahuluan Latar Belakang Keputusan pengalokasan fasltas melbatkan kepentngan nvestas kaptal dan pada tahap berkutnya adanya kendala produks dan dstrbus barang. Permasalahan n kompleks dan dpengaruh oleh faktor-faktor kuanttatf dan kualtatf yang bersfat unk untuk setap masalah. Salah satu pendekatan analts yang serng dpergunakan adalah Analytc Herarchy Process (AHP) (Saaty, 988). AHP memungknkan pengambl keputusan untuk menstrukturkan problem yang kompleks kedalam bentuk hrark sederhana dan melakukan evaluas faktor-faktor kuanttatf dan kualtatf yang salng konflk. Sebuah model AHP dan goal programmng (GP) untuk pengalokasan skala nternasonal telah dsajkan dengan berbaga faktor yang salng konflk (Badr, 999). Secara spesfk pendekatan model kombnas AHP dan GP tersebut dgunakan untuk membantu keputusan pengalokasan global dengan memberkan sebuah solus yang mengakomodas kendala pada duna nyata dengan faktor-faktor kualtatf sebaga pertmbangan pembobotan AHP. Model yang dkemukakan oleh Badr (999) tersebut bersfat crsp, determnstc, dan precse. Dalam keadaan nyata suatu model sangat jarang yang bersfat crsp, determnstc, dan tdak bsa dgambarkan secara tepat (Zmmermann, 00). Model AHP yang dkemukakan oleh Badr (999) belum mempertmbangkan faktor kesamaran (vagueness) dar evaluator dan hanya melbatkan evaluator tunggal. Bertolak dar hal Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00
2 B-6- tersebut akan dkembangkan menjad fuzzy-ahp (FAHP) bla aspras dar evaluator adalah fuzzy dan pengamblan keputusan dlakukan oleh lebh dar satu orang bagamana pengaruhnya terhadap hasl keputusan. Untuk contoh numerk akan damblkan dar sebuah nsttus penddkan yang akan mendrkan sebuah galangan kapal yang mampu menamplkan aspek edukas, promos, lngkungan dan kemudahan dalam pengawasan keamanan. Metoda Tnjauan Pustaka Proses penerapan metode AHP akan lebh mudah dan humanstk bla evaluator menla krtera A lebh pentng darpada krtera B darpada krtera A dbandngkan B memlk tngkat kepentngan lma dbandng satu. Dsnlah Buckley (dalam Hseh,004) mengembangkan konsep AHP sehngga evaluator dapat menggunakan raso fuzzy menggantkan raso eksak untuk memudahkan orang dalam membandngkan dua krtera dan menurunkan bobot fuzzy dengan metoda rata-rata geometrk. Berbaga paper telah menggunakan AHP sebaga metoda pembobotan sepert Badr (999), Cptomulyono (00). Model -model AHP tersebut bersfat crsp dan determnstk, belum mengakomodas faktor kesamaran (vagueness) atau ketdaktepatan (mprecse) aspras dar evaluator. Krstanto (00) mengajukan suatu model FAHP yang berbass pada fuzzy quantfcaton theory dmana aspras para evaluator yang berbentuk crsp dubah menjad bentuk fuzzy untuk dcar fungs keanggotaannya. Model n mash menganggap aspras evaluator crsp dan metode pengkuantsran melbatkan operas komputas yang rumt. Rahardjo (00) mengajukan model FAHP dengan model pembobotan non-addtve yang merupakan gabungan dar bobot pror dan bobot nformas. Bobot pror adalah bobot fuzzy pengembangan AHP dan bobot nformas dar pembobotan fuzzy entropy. Model tersebut menggunakan satu evaluator dan pembobotan fuzzy-nya melbatkan operas komputas yang rumt. Berangkat dar hal tersebut datas maka dalam makalah n akan dsajkan model FAHP dengan evaluator tdak tunggal. Model n ddasarkan pada konsep Buckley (98) tentang pe-rankng-an dan Zadeh (9) tentang varabel lngustk. Teor Pendukung. Blangan Fuzzy Blangan fuzzy adalah sebuah fuzzy subset dar blangan real, menyatakan pengembangan de nterval kepercayaan. Berdasarkan defns Laarhoven dan Pedrycz (dalam Hseh dkk, 004), sebuah trangular fuzzy number (TFN) memlk cr-cr dasar sepert dbawah n. Sebuah blangan fuzzy à pada adalah TFN bla fungs keanggotaannya Ã(x): [0,] adalah sama dengan ( x L) /( M L), L x M, x ( U x) /( U M ), M x U, () A 0 lannya Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00
3 B-6- dmana L dan U adalah batas bawah dan batas atas blangan fuzzy Ã, sedangkan M adalah nla tengah (lhat gambar ). TFN dapat dnotaskan dengan à = (L, M, U), dan berkut n adalah hukum operas dua TFN à = (L, M, U) dan à = (L, M, U). a. Penjumlahan blangan fuzzy A A L, M, U L, M, U () L L, M M, U U b. Perkalan blangan fuzzy A A L, M, U L, M, U L L, M M, U U c. Pengurangan blangan fuzzy Ɵ à Ɵ à = (L, M, U) Ɵ (L, M, U) = (L U, M M, U L) (4) d. Pembagan blangan fuzzy à à = (L, M, U) (L, M, U) = (L / U, M / M, U / L) untuk L > 0, M > 0, U > 0 () e. Invers blangan fuzzy à - = (L, M, U) - = (/L, /M, /U) untuk L > 0, M > 0, U > 0 (6). Varabel Lngustk Varabel lngustk adalah sebuah varabel dmana nlanya berupa kata-kata atau kalmat dalam bahasa alam atau buatan (Zadeh, 9). Dsn akan dgunakan pernyataan untuk membandngkan dua krtera dengan lma stlah lngustk dasar dantaranya palng pentng, sangat pentng, lebh pentng, sedkt lebh pentng, dan sama pentng yang mengacu pada lma level skala fuzzy (gambar ). Teknk komputasnya ddasarkan pada blangan fuzzy yang ddefnskan oleh Mon dkk (dalam Hseh, 004) sepert pada tabel. Setap fungs keanggotaan (skala blangan fuzzy) ddefnskan oleh tga parameter TFN smetrs, ttk kr, ttk tengah dan ttk kanan pada nterval dmana fungs tersebut ddefnskan. Penggunaan varabel lngustk dsn dtujukan untuk mengkaj prortas lngustk yang dberkan oleh evaluator. Selan tu varabel lngustk juga dpergunakan untuk mengukur nla performans alternatf untuk setap krtera dengan stlah lngustk sangat bak, bak, basa, jelek, dan sangat jelek sepert pada gambar. Tabel. Fungs keanggotaan skala lngustk Blangan Fuzzy Skala Lngustk Skala Blangan Fuzzy Sama Pentng (SMp) (,, ) Sedkt Lebh Pentng (SLp) (,, ) Lebh Pentng (LBp) (,, ) Sangat Pentng (SAp) (,, 9) 9 Palng Pentng (PAp) (,, 9) Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00 ()
4 B-6-4 (x) Ã S a m a p e n tn g S e d k t le b h p e n tn g le b h p e n tn g sa n g a t p e n tn g p a ln g p e n tn g 9 Gambar. Fungs keanggotaan varabel lngustk untuk membandngkan dua krtera (x) Ã Sangat jelek jelek basa bak Sangat bak Gambar. Contoh fungs keanggotaan varabel lngustk untuk nla pengukuran alternatf. Fuzzy AHP Prosedur untuk menjelaskan bobot krtera evaluas dengan fuzzy AHP dapat dterangkan sebaga berkut:. Menyusun matrks perbandngan berpasangan dantara semua elemen/krtera dalam dmens sstem hrarkh. a a n a an A an an () a a n a a a n a n n dmana,,,, 9 krtera relatf pentng terhadap j a j,,,, 9 krtera relatf kurang pentng terhadap j. Mendefnskan rata-rata geometrs fuzzy dan bobot fuzzy setap krtera dengan rata-rata menggunakan metoda Buckley (98) sebaga berkut: 00 Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00
5 B-6- r a a w r r r a n n, dmana ãn adalah nla perbandngan fuzzy dar krtera ke krtera n, r adalah rata-rata geometrs dar nla perbandngan fuzzy krtera terhadap setap krtera, dan w adalah bobot fuzzy dar krtera ke, dan dapat dndkaskan dengan TFN w Lw, Mw, Uw. Lw, Mw,dan Uw masng-masng adalah nla bawah, tengah, dan atas dar bobot fuzzy krtera ke. 4. Fuzzy Multple Crtera Decson Makng (FMCDM) FMCDM mula dkembangkan oleh Bellman dan Zadeh dengan eksploras awalnya pengamblan keputusan dalam lngkungan fuzzy (Hseh, 004). Metoda analsa n dgunakan untuk problema pengamblan keputusan yang melbatkan pemlhan/evaluas mult krtera dar beberapa alternatf. Metoda n mengevaluas performans dan mengurutkan beberapa altenatf. Teor FMCDM memlk prosedur dan metoda sebaga berkut:. Pengukuran Alternatf: Mengukur varabel lngustk untuk menunjukkan performans krtera dengan ungkapan sangat bak, bak, basa, jelek, dan sangat jelek yang merupakan penlaan subyektf dar evaluator, dan setap varabel lngustk dndkaskan dengan TFN dalam skala 0-00 sepert pada gambar. Evaluator juga dapat menetapkan skala varabel lngustknya berdasarkan subyektftasnya yang dapat mengndkaskan fungs keanggotaan k nla yang dnyatakan oleh masng-masng evaluator. Jka E adalah nla performans fuzzy dar evaluator k terhadap alternatf pada krtera j maka krtera evaluas dnyatakan dalam E k = ( LE k, ME k, UE k ). Jka terdapat m evaluator maka ntegras nla keputusan fuzzy-nya adalah: E m (/ m) ( E E E ) (9) E menunjukkan rata-rata nla fuzzy dar penlaan pengambl keputusan yang dapat dnyatakan dengan TFN sebaga E = ( LE, ME, UE) yang masngmasng nlanya dapat dcar sebaga berkut: m m k k LE LE m; ME ME m; k k (0) m k UE UE m k. Fuzzy synthetc decson: Bobot setap krtera dan nla performans fuzzy harus dntegraskan dengan perhtungan blangan fuzzy untuk dadkan nla performans fuzzy. Berdasarkan bobot setap krtera w j yang dperoleh dar FAHP maka dapat dperoleh vektor bobot krtera w w,, w t j,, w n, dmana matrks performans fuzzy dapat juga dperoleh dar nla performans fuzzy setap alternatf dalam krtera n yatu E ( ). Dar vektor bobot E Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00 (8)
6 B-6-6 krtera w dan matrks performans fuzzy dapat dperoleh matrks fuzzy synthetc decson sebaga berkut: R E w () Tanda о mengndkaskan perhtungan blangan fuzzy bak penjumlahan maupun perkalan. Pendekatan nla fuzzy R terwakl oleh R LR, MR, UR yang merupakan nla performans sntets dar alternatf, yang dapat dhtung sebaga berkut: LR UR n j n j LE UE Lw ; j Uw j MR n j ME Mw ;. Pe-rankng-an blangan fuzzy: Hasl fuzzy synthetc decson yang dcapa oleh setap alternatf merupakan blangan fuzzy. Oleh karena tu dperlukan metoda pe-rankng-an nonfuzzy pada blangan fuzzy yang dterapkan pada perbandngan setap alternatf. Dengan kata lan prosedur de-fuzzy-fkas untuk memperoleh nla Best Nonfuzzy Performance (BNP). Berbaga metoda de-fuzzy-fkas dapat dterapkan antara lan mean of maxma (MOM), center of area (COA), dan - cut. Penggunaan metoda COA untuk memperoleh BNP lebh sederhana dan prakts, tdak memerlukan preferens evaluator. Nla BNP dar blangan fuzzy R dapat dperoleh dengan persamaan berkut: BNP = [(UR - LR) + (MR - LR)]/ () Berdasarkan nla yang dperoleh dar BNP untuk setap alternatf, maka rankng setap alternatf dapat dlakukan. Hasl dan Dskus Perhtungan Bobot dar Krtera Evaluas Berdasarkan hasl wawancara dengan pmpnan nsttus maka terdapat tga krtera tujuan yang dsesuakan dengan strateg nsttus yatu lokas yang dngnkan memlk aspek edukas, promos, lngkungan dan pengawasan keamanan. Alternatf lokas dsedakan tga tempat. Berbaga krtera dan alternatf tersebut dsusun struktur hrarkh sepert gambar. j () Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00
7 Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00 B-6- Pemlhan Lokas Terbak Promos Lngkungan Edukas Lokas Lokas Lokas Lokas Lokas Lokas Lokas Lokas Lokas Goal Krtera Alternatf Pengawasan Keamanan Lokas Lokas Gambar. Struktur Hrark Pengkajan Alternatf Lokas. Berdasarkan wawancara dengan empat evaluator yatu drektur dan tga drektur maka dapat dsusun matrks perbandngan berpasangan sebaga berkut: C C C C4 C C C C4 C,00 SMp SAp SAp C,00 SMp LBp PAp C,00 LBp PAp C,00 LBTp SAp C,00 LBTp C,00 SATp C4,00 C4,00 eva eva C C C C4 C C C C4 C,00 SLp SLp SLp C,00 SMp LBp SMp C,00 SATp SMp C,00 LBp LBTp C,00 SMp C,00 SATp C4,00 C4,00 eva eva4. Mengaplkaskan blangan fuzzy sesua dengan tabel. 9 9 eva eva 9 9 eva 4 eva
8 B-6-8. Menghtung elemen matrks synthetc parwse comparson 4 a,,,,,,,, 4 4,,,.,.4 haslnya dsusun dalam matrks TFN sebaga berkut: C C C C4 C (,.,.4) (.9, 4., 6.0) (.4,.,.90) C (0.4, 0.6,.) (0.4, 0.8,.4) (.0,.88,.00) C (0.6, 0.4, 0.) (0.8,.4,.4) (0., 0.9, ) C4 (0., 0., 0.4) (0.44, 0., 0.88) (.,.9, 4.9) 4. Menghtung rata-rata tap krtera dengan persamaan (8) dan dperoleh r = (.48,.,.6), r = (0.,.04,.49), r = (0.4, 0.66,.0), dan r 4 = (0.60, 0.8,.). Sedangkan bobotnya adalah w = (0., 0.46,.0), w = (0.0, 0., 0.46), w = (0.06, 0.4, 0.), w 4 = (0.08, 0., 0.8). Dengan metode COA dhtung BNP bobot fuzzy masng-masng krtera berdasarkan persamaan () dan dperoleh: BNPw = 0.68, BNPw = 0.6, BNPw = 0.4, BNPw4 = 0.. Dar hasl evaluas datas terlhat bahwa urutan krtera yang dpentngkan adalah edukas (BNPw = 0.68), promos (BNPw = 0.6), pengawasan keamanan (BNPw4 = 0.), dan lngkungan (BNPw = 0.4). 4 Pengkajan dan Pe-rankng-an Alternatf Dalam tahap n evaluator dperbolehkan mendefnskan skala ndvdu untuk varabel lngustk berdasarkan penlaan subyektfnya dalam skala 0 00 sepert pada tabel. Tabel. Pemahaman Subyektf Evaluator terhadap Lma Varabel Lngustk Evaluator Varabel Lngustk Sangat Jelek Jelek Basa Bak Sangat Bak (0, 0, ) (, 4, ) (, 60, 6) (6,, 8) (8,00,00) (0, 0, ) (0,, 0) (0, 60, 0) (0,, 80) (80,00,00) (0, 0, 4) (40, 0, 60) (6, 60, 6) (6, 0, 80) (80,00,00) 4 (0, 0, 40) (40, 0, ) (, 60, 0) (0, 80, 90) (90,00,00). Penlaan subyektf terhadap alternatf lokas pada krtera j untuk evaluator k dberkan contoh pada alternatf krtera edukas oleh masng-masng evaluator sebaga berkut: E E E E 4 E E E E 4 SB BA SB SB = (8, 00, 00) (0,, 80) (80, 00, 00) (90, 00, 00) Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00
9 B-6-9. Dengan persamaan (9) dan (0) dperoleh nla performans fuzzy untuk masngmasng alternatf terhadap masng-masng krtera sebaga berkut: Krtera Lokas Lokas Lokas Edukas 8, 9, 00 6, 0,00 8,,0 8, 8,0 Promos, 6,00, 6,0,00 8, 8, 9, 9,00 Lngkungan,0 80,00 86, 80,00 9,0 9,00, 8, 68, Pengawasan Keamanan 6,,0 80,00 44,00 0,00 6,00 8, 9, 9,00. Berdasarkan bobot fuzzy setap krtera yang telah dperoleh sebelumnya dan nla performans fuzzy datas maka dapat dhtung nla fuzzy synthetc decson dan haslnya adalah R = (.8, 8., 9.), R = (8., 0.98, 80.), R = (.4, 8.94, 86.). 4. Dengan metode COA dhtung BNP bobot fuzzy masng-masng krtera berdasarkan persamaan () dan dperoleh: BNP = 0.6, BNP = 9.9, BNP = Dar hasl evaluas terhadap alternatf lokas yang terseda maka urutan lokas yang memenuh syarat bla dkombnaskan dengan setap krtera adalah lokas ( BNP = 0.6), lokas (BNP = 00.8), dan lokas (BNP = 9.9). Kesmpulan Tujuan dar stud n adalah untuk mengembangkan kerangka untuk evaluas kualtatf alternatf penglokasan fasltas galangan kapal untuk nsttus penddkan berbass martm. Untuk menngkatkan kualtas sswa dan menngkatkan daya tark stakeholders maka perlu dtamplkan krtera-krtera yang mewakl dua komponen tersebut. Dengan metode FAHP n dcoba untuk mengakomodaskan aspras berbaga evaluator dengan tetap mempertmbangkan kesamaran ( vagueness) dan ketdaktepatan (mprecse) level asprasnya. Prosedur evaluas yang efektf merupakan permulaan tmbulnya keputusan yang berkualtas. FAHP dterapkan untuk mendefnskan bobot krtera keputusan dar setap evaluator. FMCDM dterapkan untuk mensntesa keputusan kolektf. Proses n memungknkan pengambl keputusan untuk menyelesakan secara efektf permasalahan yang kompleks, multkrtera dan melbatkan perseps yang samar atau fuzzy. Daftar Pustaka Badr, Masood A (999), Combnng The Analytc Herarchy Process and Goal Programmng for Global Faclty Locaton-allocaton Problem, Internatonal Journal of Producton Economcs, 6, -48 Buckley, J.J (98), Rankng Alternatves Usng Fuzzy Numbers, Fuzzy Sets and Systems,, - Cptomulyono, Udsubakt (00), Integras Metode Delph dan Prosedur Analss Hrarkhs (AHP) untuk Identfkas dan Penetapan Prortas Objektf/Krtera Keputusan, Majalah IPTEK,, 4- Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00
10 B-6-0 Hseh, Tng-Ya., Lu, Shh-Tong, Tzeng, Gwo-Hshung (004), Fuzzy MCDM Approach for Plannng and Desgn Tenders Selecton n Publc Offce Buldng, Internatonal Journal of Project Management, xx, xxx-xxx Krstanto, Yohanes (00), Pengembangan Model Keputusan Kelompok Integras Model Fuzzy AHP dan Model Delph, Tess Teknk Industr, ITS Rahardjo, Jan., Sutapa, I Nyoman (00), Aplkas Fuzzy Analytcal Herarchy Process dalam Seleks Karyawan, Jurnal Teknk Industr, 4, 8-9 Saaty, T.L. (988), The Analytc Herarchy Process, nd edton, USA Zadeh L.A (96), The Concept of Lngustc Varable and ts Applcaton to Approxmate Reasonng, Parts and, Informaton Scences, 9, 9- Zmmermann, H.J (000), Fuzzy Set Theory and Its Applcaton, rd edton, Kluwer Academc Publsher, Boston Prosdng Semnar Nasonal Manajemen Teknolog I ISBN : Pebruar 00
BAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciPERBANDINGAN METODE SAW DAN TOPSIS PADA KASUS UMKM
PERBANINGAN METOE SAW AN TOPSIS PAA KASUS UMKM Muh. Alyazd Mude al.mude@yahoo.com Teknk Informatka Unverstas Muslm Indonesa Abstrak alam pengamblan keputusan terhadap masalah berdasarkan sebuah analsa
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciArdi Kurniawan 1), Kusrini 2) Sistem Informasi STMIK AMIKOM Yogyakarta 2)
Semnar Nasonal Teknolog Informas dan Multmeda 2016 STMIK AMIKOM Yogyakarta, 6-7 Februar 2016 ANALISIS DAN PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA GURU (PKG) MENGGUNAKAN METODE SIMPLE ADDITIVE
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciOptimasi Pemilihan Paket Internet Dengan Menggunakan Metode AHP
Optmas Pemlhan Paket Internet Dengan Menggunakan Metode HP Wwek Katrna 1, Solkhun 2, M.Saf, Sumarno 1,2,, Jurusan Sstem Informas, STIKOM Tunas Bangsa, Pematangsantar Sumatera Utara 1 Mahasswa STIKOM Tunas
Lebih terperinciMETODE OPTIMASI 11/13/2015. Capaian Pembelajaran
2 Capaan Pembelajaran METODE OPTIMASI N. Tr Suswanto Saptad Mahasswa dapat memaham dan mampu mengaplkaskan beberapa metode untuk menyelesakan masalah dengan alternatfalternatf dalam jumlah yang relatf
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN MEREK DAN TIPE SEPEDA MOTOR BERBASIS WEB DENGAN METODE TOPSIS
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN MEREK DAN TIPE SEPEDA MOTOR BERBASIS WEB DENGAN METODE TOPSIS Lnda Purnama Sar (0911103) Mahasswa Program Stud Teknk Informatka, STMIK Buddarma Medan Jl. Ssmangaraja
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciTINJAUAN PUSTAKA Kualitas Dosen
4 TINJAUAN PUSTAKA Kualtas Dosen Menurut Kamus Besar Bahasa Indonesa (KBBI) tahun 2002, kualtas dartkan sebaga : (1) tngkat bak buruknya sesuatu atau kadar; (2) derajat atau taraf (kepandaan, kecakapan,
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciModel SPK. Model optimasi (2) Model optimasi (1) Metode-metode Optimasi dengan Alternatif Terbatas 4/30/2017. Tujuan.
4/0/207 Tujuan Metode-metode Optmas dengan Alternatf Terbatas N O V R I N A Mahasswa dapat memaham dan mampu mengaplkaskan beberapa metode untuk menyelesakan masalah dengan alternatf-alternatf dalam jumlah
Lebih terperinciPEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
Semnar Nasonal Inovas Dan Aplkas Teknolog D Industr 2017 ISSN 2085-4218 ITN Malang, 4 Pebruar 2017 PEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Helza
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. Manurung (2010) menerapkan sistem pendukung keputusan seleksi
BAB 2 TINJAUAN PUSTAKA 2.1. Tnjauan Pustaka Manurung (2010) menerapkan sstem pendukung keputusan seleks penerma beasswa dengan metode Analtcal Herarcy Process (AHP) dan Technque Order Preference by Smlarty
Lebih terperinciBAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun
Lebih terperinciModel Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah
Performa (2004) Vol. 3, No.1: 28-32 Model Potensal Gravtas Hansen untuk Menentukan Pertumbuhan Populas Daerah Bambang Suhard Jurusan Teknk Industr, Unverstas Sebelas Maret, Surakarta Abstract Gravtaton
Lebih terperinciMANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN
MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus
Lebih terperinciImplementasi Teori Keputusan Penentuan Penerimaan Beasiswa Bagi Mahasiswa FMIPA Universitas Sulawesi Barat
JURNAL SAINTIFIK OL.3 NO., JANUARI 07 Implementas Teor Keputusan Penentuan Penermaan Beasswa Bag Mahasswa FMIPA Unverstas Sulawes Barat Hrman Rachman *, Nzar, Unverstas Sulawes Barat emal: manksman0@gmal.com,
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciBAB III METODE PENELITIAN. Karangkajen, Madrasah Tsanawiyah Mu'allimaat Muhammadiyah Yogyakarta,
BAB III METODE PENELITIAN A. Tempat dan Waktu Peneltan Peneltan n dlakukan pada 6 (enam) MTs d Kota Yogyakarta, yang melput: Madrasah Tsanawyah Neger Yogyakarta II, Madrasah Tsanawyah Muhammadyah Gedongtengen,
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag
BAB IV APLIKASI Pada bagan n akan dbahas bagamana contoh mengestmas parameter model yang dasumskan memlk karaterstk spasal lag sekalgus spasal error. Estmas dlakukan dengan menggunakan software Evews 3
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Studi Kasus: CV. Triad)
Jurnal Informatka Mulawarman Vol. 10 No. 2 September 2015 1 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Stud Kasus: CV. Trad) Bunga Annete Bennng 1), Indah Ftr Astut 2),
Lebih terperinciRANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)
RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) Larasat Ayudha Jurusan Sstem Informas, Sekolah Tngg Manajemen Informatka dan
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciSistem Pendukung Keputusan dalam Merekomendasikan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS
Sstem Pendukung Keputusan dalam Merekomendaskan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS Karmla 1, Muhammad dwan 2, In Parlna 3, Heru Satra 3 1,2,3 Jurusan Sstem Informas, STIKOM Tunas Bangsa,
Lebih terperinciBAB III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data.
BAB III PROSEDUR PENELITIAN A. Metode Peneltan Metode peneltan harus dsesuakan dengan masalah dan tujuan peneltan, hal n dlakukan untuk kepentngan perolehan dan analss data. Mengena pengertan metode peneltan,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB II TINJAUAN PUSTAKA. A. Konsep Dasar Sistem Pendukung Keputusan. menggantikan penilaian mereka. Dss ditujukan untuk keputusan keputusan yang
4 BAB II TINJAUAN PUSTAKA A. Konsep Dasar Sstem Pendukung Keputusan Lttle (1970) mendefnskan DSS sebaga sekumpulan prosedur berbass model untuk data pemrosesan dan penlaan guna membantu para manajer mengambl
Lebih terperinciPENERAPAN FUZZY AHP DAN TOPSIS UNTUK SELEKSI KANDIDAT PENERIMA BANTUAN RUMAH TIDAK LAYAK HUNI (RTLH) (STUDI KASUS : DESA BANTARWUNI)
PENERAPAN FUZZY AHP DAN TOPSIS UNTUK SELEKSI KANDIDAT PENERIA BANTUAN RUAH TIDAK LAYAK HUNI (RTLH) (STUDI KASUS : DESA BANTARWUNI) Agus Tr Hdayat, Agus Pryanto, Andka Elok Amala 1 Program Stud S1 Informatka
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciVI. PEMODELAN SISTEM
VI. PEMODELN SISTEM 6. Konfguras Model Model strateg pengembangan klaster agrondustr unggulan daerah drancang dalam bentuk perangkat lunak Sstem P enunjang Keputusan (SPK berbass komputer yang dber nama
Lebih terperinciBAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance
BAB IV METODE PENELITIAN 4.1 Lokas dan Waktu Peneltan Peneltan mengena Analss Pengaruh Kupedes Terhadap Performance Busness Debtur dalam Sektor Perdagangan, Industr dan Pertanan dlaksanakan d Bank Rakyat
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n membahas tentang prosedur pengembangan pembelajaran dan mplementas model Problem Based Learnng dalam pembelajaran Konsep Dasar Matematka, Subjek Peneltan, Teknk dan Instrumen
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua
BAB III METODOLOGI PENELITIAN 3.1. Ruang Lngkup Peneltan Reksadana yang dgunakan dalam peneltan n adalah reksadana yang terdaftar dalam stus BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal
Lebih terperinciSifat-sifat Operasi Perkalian Modular pada Graf Fuzzy
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciPERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT
BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciPenerapan Metode AHP-TOPSIS Untuk Penyeleksian Permohonan Kredit Pada Koperasi Pegawai Republik Indonesia
Jurnal Sstem Informas Bsns 01(2015) Onlne : http://ejournal.undp.ac.d/ndex.php/jsnbs 33 Penerapan Metode AHPTOPSIS Untuk Penyeleksan Permohonan Kredt Pada Koperas Pegawa Republk Indonesa Hlmansyah Gan
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciMODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA
MAKARA, TEKOLOGI, VOL. 6, O. 3, DESEMBER 2002 MODEL OPTIMASI PERECAAA IVESTASI GALAGA KAPAL DEGA PEDEKATA PROGRAMASI TUJUA GADA Al Azhar Jurusan Teknk Perkapalan, Insttut Teknolog Adh Tama Surabaya Jl.
Lebih terperinciUKURAN LOKASI, VARIASI & BENTUK KURVA
UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya
Lebih terperinciSISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS
SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL. Inti dari pengambilan keputusan adalah memilih alternatif, tentunya harus
40 BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL 3.1. Pengamban Keputusan Int dar pengamban keputusan adaah memh aternatf, tentunya harus aternatf yang terbak (the best aternatve). Tujuan dar anass keputusan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciKOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT
Sgt Pratmoko, dkk. Komparas Hasl Belajar Sswa... 99 KOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT Sgt Pratmoko,
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas
BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciIII. METODOLOGI PENELITIAN
44 III. METODOLOGI PENELITIAN A. Metode Peneltan Menurut Arkunto (00:3) peneltan ekspermen adalah suatu peneltan yang selalu dlakukan dengan maksud untuk melhat akbat dar suatu perlakuan. Metode yang penuls
Lebih terperinciBab 2 AKAR-AKAR PERSAMAAN
Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat
Lebih terperinci