METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX

Ukuran: px
Mulai penontonan dengan halaman:

Download "METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX"

Transkripsi

1 ORBITH VOL. 9 NO. JULI 03 : 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 dkebagka suatu etode pegabla keputusa dega egguaka Fuzzy AHP utuk eetuka bobot dar krtrera yag dtetuka, yatu dukuga terhadap hardware, layaa, update, repostory, aplkas da koutas serta egguaka Fuzzy TOPSIS utuk eetuka pergkat dar alteratf dstro Lux yag aka dplh. Pada paper delaska uruta etode ekspere yag dlakuka utuk eetuka pergkat dar beberapa dstrbus Sste Operas Lux yag dadka alteratf utuk dplh. Kata kuc : Fuzzy AHP, TOPSIS, Sste Operas, dstro Lux.. Pedahulua Tututa utuk egguaka software legal sekarag sudah ead keharusa yag tdak dapat dhdar lag. Adaya Udag-udag HAKI (Hak Atas Kekayaa Itelektual serta egkatya pera aparat peegak hoku dala eegaka huku atas pelaggara terhadap HAKI seak eguatka tututa utuk egguaka software yag legal. Aka tetap, ahalya harga software propetary ebuat sebaga asyarakat ash egga utuk egguaka software berbayar yag legal, au beberapa asyarakat cederug utuk elh ash egguaka software baaka. Sste Operas Lux erupaka software sste operas yag berlses bebas da terbuka (Free/ope Source, yag eugkka setap orag dapat egguaka, eyebarka da bahka eodfkasya tapa harus elaggar HAKI. Dewasa Sste Operas Lux ead sste operas alteratf yag dplh oleh beberapa kalaga utuk dguaka pada sste koputer. Kebebasa utuk erekayasa sste operas lux ebuat sste operas cepat berkebag da bayak pegebag yag egebagka sste operas lux yag dpaketka dega beberapa progra aplkas da progra pedukug laya yag lebh basa dsebut dstrbutor atau dstro, daa asg-asg dstro epuya kelebha-kelebha tersedr. Aka tetap, bayakaya plha dstro yag beredar alah dapat ebuat bgug bag sebaga asyarakat ataupu sttus utuk eetuka dstro lux aa yag tepat dguaka. Apalag dega tgkat kebutuha da tgkat pegetahua yag berbeda. Utuk tu, dbutuhka suatu etode utuk eetuka dstro lux aakah yag palg sesua dguaka sesua dega tgkat kebutuha asg-asg. Dataraya adalah dega egguaka tekk pegabla keputusa ult krtera (sepert TOPSIS, ELECTRE, Aalytc Herarchy Process (AHP, Proethee da sebagaya. Tekk Pegabla keputusa ult krtera bergua utuk ecar plha yag terbak dar seua plha alteratve dega beberapa crtera yag ugk basaya satu da laya bertetaga. Tekk AHP erupaka tekk pegabla keputusa ult krtera yag dbuat oleh Saaty. eskpu AHP dapat euuka pegetahua pakar, au tdak dapat eggabarka pekra ausa, sehgga tekk Fuzzy AHP dkebagka. TOPSIS erupaka etode yag dkebagka oleh Hwag da Yoo, tekk erupaka tekk utuk elh 78

2 etode Fuzzy AHP Da Fuzzy Topss Utuk Pelha Dstro Lux..Ahad Sabq alteratve terbak dar beberapa plha yag palg dekat dega solus deal postf da palg auh dar solus deal egatve. Fuzzy AHP da TOPSIS dapat dguaka secara bersaa-saa utuk pegabla keputusa yag koplek. Nau pe bera la secara crps terkadag dapat ebuat kebguga da ketdaksesuaa pada saat pebera la utuk asgasg krtera. Pada peelta, dlakuka pelha beberapa dstro lux yag ada dega beberapa krtera egguaka Fuzzy AHP da Fuzzy TOPSIS.. etode Peelta Pada peelta dkebagka suatu etode pegabla keputusa dega egguaka Fuzzy AHP utuk eetuka bobot dar krtrera yag dtetuka da egguaka Fuzzy TOPSIS utuk eetuka pergkat dar alteratf yag aka dplh,.. Fuzzy AHP Tuua Krtera Krtera Krtera 3 Alteratf Alteratf Krtera k Alteratf Gabar. Struktur herark perasalaha Pada etode, terlebh dahulu dtetuka pelaa terhadap perbadga dar asg-asg krtera yag ada dega egguaka la tragular fuzzy yag euuka perbadga kepetga atar krtera, pada tabel dtuuka la perbadga atara krtera A da krtera B. Tabel. Nla varabel lgustk dega blaga tragular fuzzy Varable lgustc SP ALP LP SLP LP Keteraga A da B saa petgya A agak / sedkt lebh petg dar B A lebh petg dar B A sagat lebh petg dar B A sagat-sagat lebh petg dar B Nla TF Ivers Nla TF 3 5 /5 / /7 /5 / /9 /7 / /0 /9 /8 Blaga tragular fuzzy pada tabel dotaska dega {l,, u}, daa erupaka hpua blaga fuzzy yag terdr dar l, da u yag asg-asg eyataka la keugka terkecl, la yag palg edekat, da la keugka terbesar. Gabar. Blaga Tragular Fuzzy Jka X {x, x, x 3,... x } eyataka suatu hpua obek, da G {g, g, g 3,..., g } eyataka hpua tuua. Jka terdapat seulah krtera yag aka dguaka utuk daalsa, aka ddapatka g, g, 3 g.... g.,,...,, daa g (,,, erupaka blaga tragular fuzzy. Lagkah-lagkah yag dguaka utuk egaalsa lebh laut adalah sebaga berkut: Lagkah : ddefska la fuzzy sythetc extet (S dega krtera ke dega persaaa. g g S ( 79

3 ORBITH VOL. 9 NO. JULI 03 : utuk edapatka g, dlakuka operas peulaha la fuzzy dar la pada atrks egguaka persaaa. g l,, u ( Utuk edapatka g, dlakuka operas peulaha fuzzy dar la g (,,, dega egguaka persaaa 3. g l,, u (3 Keuda dhtug vers dar vektor dalal persaaa datas egguaka persaaa 4. g,, (4 l u Lagkah : eghtug deraat keugka, daa ( l,, u da ( l,, u adalah dua buah blaga tragular fuzzy, sehgga deraat keugka ( l,, u ( l,, u ddapatka dar persaaa (5 da (6 V ( hgt( µ ( d (5 ( (6 l u 0 u (, f,f l u,otherwse l Lagkah 3: ebadgka deraat keugka atar krtera atar blaga fuzzy (,,..., k elalu persaaa (7. (,,..., k V [( da( da... da( k ] V (,,,..., k V (7 Dega egasuska d( A V ( S Sk utuk k,,... k; k. Sehgga ddapatka la vektor bobot pada persaaa (8. W d' A, d' A,..., d' (8 ( ( ( ( T ' Setelah vector bobot pada persaaa (8 doralsas, ddapatka vector bobot teroralsas yag dtuuka pada persaaa (9. W ( d( A, d( A,..., d( A (9 Daa W buka erupaka blaga fuzzy... Fuzzy TOPSIS Setelah ddapatka la bobot utuk asg-asg krtera, keuda dlakuka perhtuga dega egguaka etode TOPSIS yag telah d-fuzzy-ka, Berbeda dega etode TOPSIS yag lagusg eetuka la krtera utuk asg-sg alteratf, pada Fuzzy TOPSIS dguaka blaga tragular fuzzy sepert pada gabar 3 utuk erepresetaska la utuk setap krtera dar asg-asg alteratf yag aka dplh. A Gabar 3 Blaga Fuzzy utuk pelaa krtera. Setelah asg-asg krtera pada alteratf dber la, keuda dhtug la total tegeral utuk setap alteratf egguaka persaaa (0. x I( F / αc + b + α a (0 ( ( SK Sagat Kurag K Kurag C Cukup B Bagus SB Sagat Bagus Dega α adalah h deraat tgkat keoptsa dega la atara 0 sapa. 80

4 etode Fuzzy AHP Da Fuzzy Topss Utuk Pelha Dstro Lux..Ahad Sabq Setelah ddapatka la total tegral pada setap krtera, dlakuka oralsas elalu persaaa (. x r ( x Keuda dlakuka perhtuga utuk edapatka atrx bobot yag teroralsas elalu persaaa (. v W r ( Keuda dhtug la solus deal postf da la solus deal egatf egguaka persaaa ( A { v, v,..., v } (3 A { v, v,..., v } Jarak atara alteratf dega solus deal postf dhutg dega persaaa (4. D + + ( v v (4 Sedagka arak alteratf dega solus deal egatf dhtug dega persaaa (5. D ( v v (5 Dega ebadgka arak dega solus deal postf da egatf, aka ddapatka la preferes utuk setap alteratf elalu persaaa (6. D CC (6 + D + D Nla CC yag ddapatka dar persaaa (6 erupaka la akhr yag dguaka utuk eetuka pergkat dar beberapa alteratf yag aka dplh dega la uruta pergkat awal dula dar la CC yag terbesar. Utuk setap krtera yag dguaka, dberka la yag erepresetaska perbadga atara krtera satu da laya. Sehgga setelah dlakuka perbadga atar seua krtera yag ada, ddapatka suatu atrks perbadga berpasaga sepert pada tabel. Tabel. atrx Perbadga Nla Fuzzy Berpasaga Krtera Dukug a h/w Dukuga h/w Layaa Update Reposto ry Aplkas & Layaa Update Repostroy Koutas Aplkas & koutas Dar la perbadga atar krtera yag sudah dtetuka sepert pada tabel, dlakuka perhtuga utuk ecar la fuzzy sythetc extet (S egguaka persaaa (, sehgga ddapatka atrks sepert pada tabel 3. Tabel 3. Nla Fuzzy Sythetc Extet L U Dukuga hardware 0,0509 0,468 0,383 Layaa 0,0844 0,95 0,4575 Update 0,065 0,353 0,34 Repostory 0,0 0,043 0,334 Aplkas & 0,0938 0,408 0,579 Koutas 0,0938 0,408 0,579 Keuda dhtug deraat keugka atar krtera dega egguaka persaaa (3, sehgga ddapatka atrks V yag erupaka la deraat keugka atar krtera 3. Hasl Da Pebahasa Tahap pertaa dala elakuka peelta adalah eetuka krtera dar dstro Lux yag aka dplh, dataraya adalah dukuga terhadap hardware, layaa, update, repostory, aplkas da koutas. 8

5 ORBITH VOL. 9 NO. JULI 03 : Krtera Tabel 4. Nla Deraat Keugka Krtera Dukug a h/w Layaa Update Reposto ry Aplkas & Koutas Dukuga h/w 0,38 0,33 Layaa 0,3347 0,849 0,0659 Update 0,4 Repostroy Aplkas & 0,746 0,3383 0,3 0,0439 koutas 0,746 0,3383 0,3 0,0439 Nla vektor bobot yag dhaslka dar tabel 4 d atas setelah dhtug egguaka persaaa (8 dtuuka pada tabel 5. Tabel 5. Nla Bobot asg-asg Krtera Krtera W Dukuga hardware 0,33 Layaa 0,0659 Update 0,4 Repostroy Aplkas & 0,0439 Koutas 0,0439 Setelah doralsas utuk setap krtera, aka la vector bobot yag dhaslka ead sepert yag dtuuka pada tabel 6. Tabel 6. Nla Bobot asg-asg Krtera Yag Teroralsas Krtera W Dukuga hardware 0,33 Layaa 0,0659 Update 0,4 Repostroy Aplkas & 0,0439 Koutas 0,0439 Nla vektor bobot yag dhaslka dar etode Fuzzy AHP dguaka utuk elakuka perhtuga dega etode Fuzzy TOPSIS. Setap krtera dar asgasg dstro lux dberka la egguaka blaga tragular fuzzy, sepert pada tabel 7. Tabel 7. Pelaa Krtera Pada Alteratf egguaka Blaga Tragular Fuzzy Krtera Dukuga h/w Dstro Layaa Update Repostory Aplkas & Koutas Ubutu Fedora adrva Deba atrks la tragular fuzzy yag ddapatka pada tabel 7 dhtug la total tegralya egguaka persaaa (0, sehgga ddapatka atrks X pada gabar X Gabar 4. Nla Total Itegral Dega egguaka persaaa ( da ( dar atrks pada gabar 4, ddapatka atrks bobot yag teroralsas v pada gabar 5. v Gabar 5. atrks Bobot Teroralsas. atrks bobot teroralsas pada gabar 5 la solus deal postf da la solus deal egatf egguaka persaaa (3, keuda arak atara alteratf dega solus deal postf dhutg dega persaaa (4, sedagka arak alteratf dega solus deal egatf dhtug dega persaaa (5. Dega ebadgka arak dega solus deal postf da egatf, aka ddapatka la preferes utuk setap alteratf pada tabel 8 elalu persaaa (6 8

6 etode Fuzzy AHP Da Fuzzy Topss Utuk Pelha Dstro Lux..Ahad Sabq Tabel 8. Nla Akhr Alteratf Dstro Lux da Pergkatya. Sste Operas Cc Ragkg Ubutu Fedora adrva Deba Pada peelta, telah dbagug sebuah progra egguaka atlab utuk eghtug pergkat beberapa alteratf dstro lux egguaka etode Fuzzy AHP da Fuzzy TOPSIS. Ataruka progra yag dbuat egguaka Graphcal User Iterface (GUI sepert pada gabar 6, sehgga dharapka dapat eudahka dala pegguaa. Pada progra tersebut dberka for utuk elh la perbadga atara krtera satu dega krtera yag la, da uga dberka for utuk elh tgkat pela krtera terhadap seua alteratf dstro yag ada. berdasarka la bobot yag dhaslka dar etode Fuzzy AHP da pelaa terhadap setap krtera pada asg-asg alteratf dstro lux yag drepresetaska dega blaga Tragular Fuzzy. DAFTAR PUSTAKA Ball, Serka ad Korukoğlu, Serdar. Operatg Syste Selecto Usg Fuzzy AHP ad TOPSIS ethods. atheatcal ad Coputatoal Applcatos, Vol. 4, No., pp. 9-30, 009. Chag, D.-Y., Applcatos of the extet aalyss ethod o fuzzy AHP, Europea Joural of Operatoal Research , 996. T.L. Saaty, The Aalytc Herarchy Process, cgraw Hll Copay, New York, 980. Zadeh L. A., Fuzzy sets, Iforato Cotrol, 8, , 965. Gabar 6. Tapla progra utuk eetuka pergkat Dstro Lux egguaka etode Fuzzy AHP da Fuzzy TOPSIS 4. Kespula Pada peelta telah dbagu sebuah sste utuk elh dstro lux dega egguaka etode Fuzzy AHP da Fuzzy TOPSIS. etode Fuzzy AHP dguaka utuk eetuka bobot setap krtera berdasarka perbadga atar asg-asg krtera yag ada egguaka blaga Tragular Fuzzy, sedagka etode Fuzzy TOPSIS dguaka utuk eetuka pergkat dstro lux yag ead alteratf 83

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

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

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 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

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

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

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

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

Pemanfaatan Teknologi Informasi Dalam Pengendalian Kualitas Produk Kerajinan Bordir menggunakan Peta Kendali Variabel Fuzzy Linguistik

Pemanfaatan Teknologi Informasi Dalam Pengendalian Kualitas Produk Kerajinan Bordir menggunakan Peta Kendali Variabel Fuzzy Linguistik SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 05 Peafaata Tekolog Iforas Dala Pegedala Kualtas Produk Keraa Bordr egguaka Peta Kedal Varabel Fuzzy Lgustk Akk Hdayat Fakultas MIPA, Uverstas

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ 5 BAB II TINJAUAN PUSTAKA. Pedahulua Utuk egetahu lebh elas egea u Modfkas Baugarter Weβ Schdler (MBWS) dperluka teor-teor yag edukug. Utuk tu, bab eelaska egea statstk oparaetrk u beda dua rata-rata dega

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

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

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari)

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari) Jural Sas Mateatka da Statstka, Vol. 3, No. 2, Jul 2017 ISSN 1693-2390 prt/issn 2407-0939 ole Peyelesaa Model Trasportas Megguaka Metode ASM, RDI da MODI (Stud Kasus : PT. Melayu Bu Lestar) Sr Basrat 1,

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 LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

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

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 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE CADANGAN ROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE Tara Mustka 1, Johaes Kho 2, Azskha 2 1 Mahasswa rogra S1 Mateatka 2 Dose Jurusa Mateatka Fakultas Mateatka da Ilu egetahua Ala

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

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

PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Studi Kasus pada PT. Busana Cemerlang Garment Industri)

PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Studi Kasus pada PT. Busana Cemerlang Garment Industri) PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Stud Kasus pada PT. Busaa Ceerlag Garet Idustr) Maxs Ary Progra Stud Maaee Iforatka Akadek Maaee Iforatka da Koputer

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL TEKNIK POMITS Vol., No., (202) -5 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Suhud Wahyud, Subcha Jurusa Matematka, Fakultas Matematka da Ilmu Pegetahua

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 20-928X A-7 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Subcha, Suhud Wahyud Jurusa Matematka, Fakultas

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA A IJAUA PUSAA Pada bab aka duraka egea dasar teor ag dguaka dala pegerjaa tugas akhr. eor ag dbahas atara la egea pegeala obek, Prcpal Copoet Aalss (PCA), Lear Dscrat Aalss (LDA), Subclass Dscrat Aalss

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah)

KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah) ISSN: 339-54 JURNAL GAUSSIAN, Volume 5, Nomor, Tahu 6, alama 89-98 Ole d: http://eoural-s.udp.ac.d/dex.php/gaussa KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIAN JENIS OBJEK WISATA

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

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

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

Studi Kinerja Varian Metode Komputasi Momen Legendre Dalam Rekonstruksi Citra

Studi Kinerja Varian Metode Komputasi Momen Legendre Dalam Rekonstruksi Citra Stud Kera Vara etode Koputas oe Legedre Dala Rekostruks Ctra Rull Soelaa ), edaa Aru ), Karla K. Nsa 3) Jurusa Tekk Iforatka, Fakultas Tekolog Iforas Isttut Tekolog Sepuluh Nopeber, Surabaa, 6 ) Eal :

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

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

MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL GAUSS Studi Kasus: Jumlah Kematian Bayi di Jawa Timur Tahun 2007

MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL GAUSS Studi Kasus: Jumlah Kematian Bayi di Jawa Timur Tahun 2007 Jural Barekeg Vol. 5 No. 2 Hal. 25 3 (2) MODEL GEOGRAPHICALLY WEIGHED POISSON REGRESSION DENGAN PEMBOBO FUNGSI KERNEL GAUSS Stud Kasus: Julah Keata Bay d Jawa ur ahu 27 SALMON NOJE AULELE Staf Jurusa Mateatka

Lebih terperinci

Sistem Pendukung Keputusan dalam Pemilihan Internet Service Provider Dengan Metode TOPSIS

Sistem Pendukung Keputusan dalam Pemilihan Internet Service Provider Dengan Metode TOPSIS Sstem Pedukug Keputusa dalam Pemlha Iteret Servce Provder Dega Metode TOPSIS Galh Hedro Martoo 1, D Satoso 2 Jurusa Tekk Iformatka STMIK Bumgora Mataram Mataram, Idoesa Emal : galh.hedro@stmkbumgora.ac.d,

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Sistem Pendukung Keputusan Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar

Sistem Pendukung Keputusan Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 Sstem Pedukug Keputusa Peetua Prortas Desa Peerma Program Desa Saga pada Das Kesehata Kota Baar Ira Yuar, Mahmud Imroa 2, Reto Nov Dayawat

Lebih terperinci

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2)

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2) RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS I Putu Eratama 1), I Gede Arya Utama ) 1) ) Jurusa Sstem Iformas. Sekolah Tgg Maajeme Iformatka

Lebih terperinci

APLIKASI FUZZY ANALYTICAL HIERARCHY PROCESS DALAM SELEKSI KARYAWAN

APLIKASI FUZZY ANALYTICAL HIERARCHY PROCESS DALAM SELEKSI KARYAWAN APLIKASI FUZZY ANALYTICAL HIERARCHY PROCESS DALAM SELEKSI KARYAWAN Ja Rahardo, I Nyoma Sutapa Dose Fakultas Tekolog Idustr, Jurusa Tekk Idustr, Uverstas Krste Petra ABSTRAK Makalah membahas megea masalah

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

Lebih terperinci

PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE

PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE Maxs Ary 1), Asep Hera 2) 1)2) AMIK BSI Badug Jl.Sekolah Iterasoal No.1-6 Atapa Badug, Idoesa

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

ANALISIS AVAILABILITAS SISTEM SERI DENGAN PENDEKATAN ANALISIS MARKOV (STUDI KASUS DI PT X )

ANALISIS AVAILABILITAS SISTEM SERI DENGAN PENDEKATAN ANALISIS MARKOV (STUDI KASUS DI PT X ) ANALII AVAILABILITA ITEM ERI DENGAN PENDEKATAN ANALII MARKOV (TUDI KAU DI PT X ) Add Rzka Agusta, Muhaad jahd Akbar da Haryoo Jurusa tatstka, Fakultas Mateatka da Ilu Pegetahua Ala, Isttut Tekolog epuluh

Lebih terperinci

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal Bulet Ilah Mat. Stat. da Terapaya (Baster) Volue 6, No. (17), hal 77 84. PENENTUAN NILAI INTERNAL RATE OF RETURN DENGAN METODE NEWTON-RAPHSON PADA KASUS PENGKREDITAN KENDARAAN BERMOTOR Al A, Nao Nessyaa

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION MODEL OPIMISASI POROFOLIO SAHAM DAN DEPOSIO SECARA ERINEGRASI MENGGUNAKAN MEAN ABSOLUE DEVIAION Husa Athfal Hdayat 1, De Saepud, Ira Palup 3 1,,3 Progra Stud Ilu Koputas elko Uversty, Badug 1 hshdayat@studets.telkouversty.ac.d,

Lebih terperinci

Analisis Kriteria Investasi

Analisis Kriteria Investasi Uverstas Guadarma TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft. Pelaa

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Pemodelan

BAB 2 LANDASAN TEORI 2.1 Pemodelan BAB LANDASAN TEORI. Peodela Dala elakuka aalss terhadap suatu kasus yata, peodela sergkal dperluka utuk ebatu eecahka kasus yata tu. Starr da Mller eyataka, odel adalah represetas dar suatu realta yag

Lebih terperinci

Metode Perbaikan ASM pada Masalah Transportasi Tak Seimbang

Metode Perbaikan ASM pada Masalah Transportasi Tak Seimbang SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 27 Metode Perbaka ASM pada Masalah Trasportas Tak Sebag T - 35 Solkh Departee Mateatka FSM Uverstas Dpoegoro sol_erf@yahooco Abstrak Masalah trasportas

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

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

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

Jurnal Techno Nusa Mandiri Vol.X No.1, September 2013

Jurnal Techno Nusa Mandiri Vol.X No.1, September 2013 Jural Techo Nusa Madr Vol.X No.1, Septeber 2013 PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE Maxs Ary 1), Asep Hera 2) 1)2) AMIK BSI Badug

Lebih terperinci

27/04/2015 GAME THEORY GAME THEORY GAME THEORY GAME THEORY. Prisoner s Dilema OPERATIONAL RESEARCH II

27/04/2015 GAME THEORY GAME THEORY GAME THEORY GAME THEORY. Prisoner s Dilema OPERATIONAL RESEARCH II 7/0/05 GAME THEORY OPERATONAL RESEARCH Agusta Euke, ST., MT., MBA. dustral Egeerg Uversty of Brawaya Teor peraa erupaka baga dar stud ratoal behavor terhadap kesalgtergatuga atau terdepedes atar pea. Para

Lebih terperinci

BAB III METODE MULTISTAGE CLUSTER SAMPLING. dilakukan melalui dua tahap pengambilan sampel atau lebih (Cochran, 1977:314).

BAB III METODE MULTISTAGE CLUSTER SAMPLING. dilakukan melalui dua tahap pengambilan sampel atau lebih (Cochran, 1977:314). BAB III METODE MULTISTAGE CLUSTER SAMPLIG A. Pedahulua Metode ulttage cluter aplg adalah proe pegabla apel ag dlakuka elalu dua tahap pegabla apel atau lebh (Cochra, 977:34). Pearka apel dega etode ebeara

Lebih terperinci

Pemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo)

Pemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo) 1 Pemlha Terbak dega Metode TOPSIS Fuzzy MCDM (Stud Kasus : CV. Bek Joyo) Sedy Pradaa Putra, Soy Suaryo Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

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

Penerapan Peta Kendali Demerit dan Diagram Pareto Pada Pengontrolan Kualitas Produksi (Studi Kasus: Produksi Botol Sosro di PT.

Penerapan Peta Kendali Demerit dan Diagram Pareto Pada Pengontrolan Kualitas Produksi (Studi Kasus: Produksi Botol Sosro di PT. Jural EKSPONENSIL Volue 5, Noor, Nopeber 04 ISSN 085-789 Peerapa Peta Kedal Deert da Dagra Pareto Pada Pegotrola Kualtas Produks (Stud Kasus: Produks otol Sosro d PT. X Surabaya) The pplcato of Deert otrol

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

BAB III METODE PENELITIAN A.

BAB III METODE PENELITIAN A. BAB III METODE PENELITIAN A. Tempat da Waktu Peelta 1. Tempat Peelta Peelta dlaksaaka d SMA Neger 5 Surakarta yag beralamat d Jala Lete Sutoyo No. 18, Nusuka, Baarsar, Jawa Tegah kode pos 57135. Pemlha

Lebih terperinci

Chapter 3 Prinsip-prinsip Prestasi Kerja Terskala (Principles of Scalable Performance)

Chapter 3 Prinsip-prinsip Prestasi Kerja Terskala (Principles of Scalable Performance) Chapter 3 Prsp-prsp Prestas Kerja Terskala (Prcples of calable Perforace) 3.3 Huku-huku Prestas Kerja Percepata (peedup Perforace Laws) o Latar belakag eaksuka paralelse eksekus proses oleh koputer dega

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

Model Pembangkit Lisrik Tenaga Diesel (PLTD), Berbasis pada Sinyal Masukan Bahan Bakar dan Daya Keluaran Sistem, Dengan Metoda Identifikasi Parameter

Model Pembangkit Lisrik Tenaga Diesel (PLTD), Berbasis pada Sinyal Masukan Bahan Bakar dan Daya Keluaran Sistem, Dengan Metoda Identifikasi Parameter 9 Mdel Pebagkt Lsrk Teaga Desel (PLTD), Berbass pada Syal Masuka Baha Bakar da Daya Keluara Sste, Dega Metda Idetfkas Paraeter Ade Elba Jurusa Tekk Elektr Fakultas Tekk, Uverstas Tajugpura Ptaak e-al:

Lebih terperinci

PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA

PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA 58 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 9

Lebih terperinci