Model SPK. Model optimasi (2) Model optimasi (1) Metode-metode Optimasi dengan Alternatif Terbatas 4/30/2017. Tujuan.
|
|
- Ratna Susanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 yang relatf kecl. novrna@staff.gunadarma.ac.d Pokok Bahasan Model SPK Fokus Masalah Mult Attrbute Decson Makng (MADM) Model SPK Turban (2005) mengkategorkan model sstem pendukung keputusan dalam tujuh model, yatu: Model optmas untuk masalah-masalah dengan alternatf-alternatf dalam jumlah relatf kecl. Model optmas dengan algortma. Model optmas dengan formula analtk. Model smulas. Model heurstk. Model predktf. Model-model yang lannya. Model optmas () Model optmas untuk masalah-masalah dengan alternatf-alternatf dalam jumlah relatf kecl. Model n akan melakukan pencaran terhadap solus terbak dar sejumlah alternatf. Teknk-teknk untuk penyelesaan masalah n antara lan dengan menggunakan tabel keputusan atau pohon keputusan. Model optmas (2) Model optmas dengan algortma. Model n akan melakukan pencaran terhadap solus terbak dar banyak alternatf. Proses pencaran dlakukan tahap dem tahap. Teknk-teknk untuk penyelesaan masalah n antara lan dengan menggunakan lnear programmng atau model matematka yang lannya, atau menggunakan model jarngan.
2 4/0/207 Model optmas () Model optmas dengan formula analtk. Model n akan melakukan pencaran terhadap solus hanya dengan satu langkah melalu rumus tertentu. Model sepert n banyak djumpa pada masalah-masalah nventory. Model smulas Model smulas. Model n akan melakukan pencaran terhadap solus cukup bak atau solus terbak pada beberapa alternatf yang akan duj dalam peneltan. Model n lebh banyak dgunakan untuk beberapa tpe smulas. Model heurstk Model heurstk. Model n akan melakukan pencaran terhadap solus yang cukup bak melalu serangkaan aturan (rules). Model n lebh banyak drepresentaskan dengan menggunakan pemrograman heurstk atau sstem pakar Model predktf Model predktf. Model n akan melakukan predks untuk masa depan apabla dberkan skenaro tertentu. Model n lebh banyak drepresentaskan dengan menggunakan model peramalan (forecastng) atau analss Makov Model-model yang lannya Model-model yang lannya. Model n akan menyelesakan kasus what-f menggunakan formula tertentu. Model n lebh banyak dgunakan pada pemodelan keuangan atau konsep antran. Fokus Masalah Model optmas untuk masalah-masalah dengan alternatf-alternatf dalam jumlah relatf kecl. Model n akan melakukan pencaran terhadap solus terbak dar sejumlah alternatf. Teknk-teknk untuk penyelesaan masalah n antara lan dengan menggunakan tabel keputusan, pohon keputusan, atau beberapa metode pada MADM. 2
3 4/0/207 Mult-Attrbute Decson Makng (MADM) Secara umum, model Mult-Attrbute Decson Makng (MADM) dapat ddefnskan sebaga berkut (Zmermann, 99): Msalkan A = {a =,...,n} adalah hmpunan alternatf-alternatf keputusan dan C = {c j j =,..., m} adalah hmpunan tujuan yang dharapkan, maka akan dtentukan alternatf 0 yang memlk derajat harapan tertngg terhadap tujuan tujuan yang relevan c j. Mult-Attrbute Decson Makng (MADM) Janko (2005) memberkan batasan tentang adanya beberapa ftur umum yang akan dgunakan dalam MADM, yatu: Alternatf, adalah obyek-obyek yang berbeda dan memlk kesempatan yang sama untuk dplh oleh pengambl keputusan. Atrbut, serng juga dsebut sebaga karakterstk, komponen, atau krtera keputusan. Meskpun pada kebanyakan krtera bersfat satu level, namun tdak menutup kemungknan adanya sub krtera yang berhubungan dengan krtera yang telah dberkan. Mult-Attrbute Decson Makng (MADM) Konflk antar krtera, beberapa krtera basanya mempunya konflk antara satu dengan yang lannya, msalnya krtera keuntungan akan mengalam konflk dengan krtera baya. Bobot keputusan, bobot keputusan menunjukkan kepentngan relatf dar setap krtera, W = (w, w 2,..., w n ). Pada MADM akan dcar bobot kepentngan dar setap krtera. Matrks keputusan, suatu matrks keputusan X yang berukuran m n, bers elemen-elemen j, yang merepresentaskan ratng dar alternatf A (=,2,...,m) terhadap krtera C j (j=,2,...,n). Mult-Attrbute Decson Makng (MADM) Masalah MADM adalah mengevaluas m alternatf A (=,2,...,m) terhadap sekumpulan atrbut atau krtera C j (j=,2,...,n), dmana setap atrbut salng tdak bergantung satu dengan yang lannya. Krtera atau atrbut dapat dbag menjad dua kategor, yatu: Krtera keuntungan adalah krtera yang nlanya akan dmaksmumkan, msalnya: keuntungan, IPK (untuk kasus pemlhan mahasswa berprestas), dll. Krtera baya adalah krtera yang nlanya akan dmnmumkan, msalnya: harga produk yang akan dbel, baya produks, dll. Mult-Attrbute Decson Makng (MADM) Pada MADM, matrks keputusan setap alternatf terhadap setap atrbut, X, dberkan sebaga: X 2 m 2 22 m2 n 2n mn dengan j merupakan ratng knerja alternatf ke- terhadap atrbut ke-j. Nla bobot yang menunjukkan tngkat kepentngan relatf setap atrbut, dberkan sebaga, W: W = {w, w 2,..., w n } Mult-Attrbute Decson Makng (MADM) Ratng knerja (X), dan nla bobot (W) merupakan nla utama yang merepresentaskan preferens absolut dar pengambl keputusan. Masalah MADM dakhr dengan proses perankngan untuk mendapatkan alternatf terbak yang dperoleh berdasarkan nla keseluruhan preferens yang dberkan (Yeh, 2002). Pada MADM, umumnya akan dcar solus deal. Pada solus deal akan memaksmumkan semua krtera keuntungan dan memnmumkan semua krtera baya.
4 4/0/207 Mult-Attrbute Decson Makng (MADM) Mult-Attrbute Decson Makng (MADM) Krtera- (C ) Krtera-2 (C 2 ) Masalah... Krtera-m (C m ) Ada beberapa metode yang dapat dgunakan untuk menyelesakan masalah MADM, antara lan: a. b. Weghted Product (WP) c. d. Alternatf- (A ) Alternatf-2 (A 2 )... Alternatf-n (A n ) Metode serng juga dkenal stlah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencar penjumlahan terbobot dar ratng knerja pada setap alternatf pada semua atrbut (Fshburn, 967)(MacCrmmon, 968). Metode SAW membutuhkan proses normalsas matrks keputusan (X) ke suatu skala yang dapat dperbandngkan dengan semua ratng alternatf yang ada. Formula untuk melakukan normalsas tersebut adalah sebaga berkut: j Ma rj Mn j j j jka jadalah atrbut keuntungan (beneft) jka jadalah atrbut baya (cost) dengan r j adalah ratng knerja ternormalsas dar alternatf A pada atrbut C j ; =,2,...,m dan j=,2,...,n. Nla preferens untuk setap alternatf (V ) dberkan sebaga: V n j w r j j Nla V yang lebh besar mengndkaskan bahwa alternatf A lebh terplh. Contoh-: Suatu nsttus perguruan tngg akan memlh seorang karyawannya untuk dpromoskan sebaga kepala unt sstem nformas. Ada empat krtera yang dgunakan untuk melakukan penlaan, yatu: C = tes pengetahuan (wawasan) sstem nformas C2 = praktek nstalas jarngan C = tes keprbadan C4 = tes pengetahuan agama 4
5 4/0/207 Pengambl keputusan memberkan bobot untuk setap krtera sebaga berkut: C = 5%; C2 = 25%; C = 25%; dan C4 = 5%. Ada enam orang karyawan yang menjad kanddat (alternatf) untuk dpromoskan sebaga kepala unt, yatu: A = Indra, A2 = Ron, A = Putr, A4 = Dan, A5 = Ratna, dan A6 = Mra. Tabel nla alternatf d setap krtera: Alternatf Krtera C C2 C C4 Indra Ron Putr Dan Ratna Mra Normalsas: 70 r ma 70;50;85;82;75; r ma 70;50;85;82;75; , r 2 r 22 0, ,67 ma 50;60;55;70;75; ma 50;60;55;70;75; ,80 75 Hasl normalsas: 0,82 0,67 0,59 0,80 0,7 R 0,96 0,9 0,88 0,7 0,67 0,94 0,96 0,94 0,76 0,88 0,7 0,82 0,88 0,87 0,94 dst Proses perankngan dengan menggunakan bobot yang telah dberkan oleh pengambl keputusan: w = [0,5 0,25 0,25 0,5] Hasl yang dperoleh adalah sebaga berkut: V (0,5)(0,82) (0,25)(0,67) (0,25)(0,94) (0,5)(0,7) 0,796 Nla terbesar ada pada V 5 sehngga alternatf A 5 adalah alternatf yang terplh sebaga alternatf terbak. Dengan kata lan, Ratna akan terplh sebaga kepala unt sstem nformas. V 2 (0,5)(0,59) (0,25)(0,80) (0,25)(0,96) (0,5)(0,82) 0,770 V (0,5)(,00) (0,25)(0,7) (0,25)(0,94) (0,5)(0,88) 0,900 V 4 (0,5)(0,96) (0,25)(0,9) (0,25)(0,76) (0,5)(,00) 0,909 V 5 (0,5)(0,88) (0,25)(,00) (0,25)(,00) (0,5)(0,87) 0,99 V 6 (0,5)(0,7) (0,25)(0,67) (0,25)(0,88) (0,5)(0,94) 0,784 5
6 4/0/207 Contoh-2: Sebuah perusahaan makanan rngan XYZ akan mengnvestaskan ssa usahanya dalam satu tahun. Beberapa alternatf nvestas telah akan ddentfkas. Pemlhan alternatf terbak dtujukan selan untuk keperluan nvestas, juga dalam rangka menngkatkan knerja perusahaan ke depan. Beberapa krtera dgunakan sebaga bahan pertmbangan untuk mengambl keputusan, yatu: C = Harga, yatu seberapa besar harga barang tersebut. C2 = Nla nvestas 0 tahun ke depan, yatu seberapa besar nla nvestas barang dalam jangka waktu 0 tahun ke depan. C = Daya dukung terhadap produktvtas perusahaan, yatu seberapa besar peranan barang dalam mendukung naknya tngkat produktvtas perusahaan. Daya dukung dber nla: = kurang mendukung, 2 = cukup mendukung; dan = sangat mendukung. C4 = Prortas kebutuhan, merupakan tngkat kepentngan (ke-mendesak-an) barang untuk dmlk perusahaan. Prortas dber nla: = sangat berprortas, 2 = berprortas; dan = cukup berprortas. C5 = Ketersedaan atau kemudahan, merupakan ketersedaan barang d pasaran. Ketersedaan dber nla: = sult dperoleh, 2 = cukup mudah dperoleh; dan = sangat mudah dperoleh. Dar krtera tersebut, krtera pertama dan keempat merupakan krtera baya, sedangkan krtera kedua, ketga, dan kelma merupakan krtera keuntungan. Pengambl keputusan memberkan bobot untuk setap krtera sebaga berkut: C = 25%; C2 = 5%; C = 0%; C4 = 25%; dan C5 = 5%. Ada empat alternatf yang dberkan, yatu: A = Membel mobl bo untuk dstrbus barang ke gudang; A2 = Membel tanah untuk membangun gudang baru; A = Mantenance sarana teknolog nformas; A4 = Pengembangan produk baru. Nla setap alternatf pada setap krtera: Alternatf C (juta Rp) Krtera C2 (%) C C4 C5 A A A A
7 4/0/207 Normalsas: Hasl normalsas: r mn 50;500;200; ma 5;200;0; r2 2 2 r ma 2;2;; 2 0,67 0,08 0,0 R 0,75 0,4 0,08 0,05 0,50 0,67 0,67 0,50 0,67 0,67 mn{2;;;} 2 2 r4 0,5 dst Proses perankngan dengan menggunakan bobot yang telah dberkan oleh pengambl keputusan: w = [0,25 0,5 0,0 0,25 0,05] Hasl yang dperoleh adalah sebaga berkut: (0,25)() (0,5)(0,08) (0,)(0,67) (0,25)(0,5) (0,05)() 0,68 V V 2 V V 4 (0,25)(0,) (0,5)() (0,)(0,67) (0,25)() (0,05)(0,67) 0,542 (0,25)(0,75) (0,5)(0,05) (0,)() (0,25)() (0,05)() 0,795 (0,25)(0,4) (0,5)(0,5) (0,)() (0,25)() (0,05)(0,67) 0,766 Nla terbesar ada pada V sehngga alternatf A adalah alternatf yang terplh sebaga alternatf terbak. Dengan kata lan, mantenance sarana teknolog nformas akan terplh sebaga solus untuk nvestas ssa usaha Lathan: Bagan kemahasswaan sebuah perguruan tngg telah membuat pengumuman tentang dbukanya kesempatan memperoleh beasswa. Beasswa n dperuntukkan bag mahasswa. Jumlah berkas pelamar ada 20 mahasswa. Krtera yang dpertmbangkan adalah IPK, Jumlah penghaslan orang tua dan Jumlah tanggungan orang tua sebaga beneft, Jumlah saudara kandung, semester, dan usa sebaga cost. Krtera Bobot IPK (C) 25% Juml. Penghaslan Orang Tua (C2) 25% Semester (C) 20% Usa (C4) 5% Juml. Tanggungan Orang Tua (C5) 0% Juml. Saudara Kandung (C6) 5% Krtera Alternatf C C2 C C4 C5 C6 A A A A A A A A A A A A A A A A A A A A Weghted Product (WP) Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses n sama halnya dengan proses normalsas. 7
8 4/0/207 Weghted Product (WP) Preferens untuk alternatf A dberkan sebaga berkut: S n j w j j dengan =,2,...,m; dmana w j =. w j adalah pangkat bernla postf untuk atrbut keuntungan, dan bernla negatf untuk atrbut baya. Weghted Product (WP) Contoh: Suatu perusahaan d Daerah Istmewa Yogyakarta (DIY) ngn membangun sebuah gudang yang akan dgunakan sebaga tempat untuk menympan sementara hasl produksnya. Ada lokas yang akan menjad alternatf, yatu: A = Ngemplak, A2 = Kalasan, A = Kota Gedhe. Weghted Product (WP) Ada 5 krtera yang djadkan acuan dalam pengamblan keputusan, yatu: C = jarak dengan pasar terdekat (km), C2 = kepadatan penduduk d sektar lokas (orang/km2); C = jarak dar pabrk (km); C4 = jarak dengan gudang yang sudah ada (km); C5 = harga tanah untuk lokas (000 Rp/m2). Weghted Product (WP) Tngkat kepentngan setap krtera, juga dnla dengan sampa 5, yatu: = Sangat rendah, 2 = Rendah, = Cukup, 4 = Tngg, 5 = Sangat Tngg. Pengambl keputusan memberkan bobot preferens sebaga: W = (5,, 4, 4, 2) Weghted Product (WP) Weghted Product (WP) Nla setap alternatf d setap krtera: Krtera Alternatf C C 2 C C 4 C 5 A 0, A 2 0, A 0, Kategor setap krtera: Krtera C2 (kepadatan penduduk d sektar lokas) dan C4 (jarak dengan gudang yang sudah ada) adalah krtera keuntungan; Krtera C (jarak dengan pasar terdekat), C (jarak dar pabrk), dan C5 (harga tanah untuk lokas) adalah krtera baya. Sebelumnya dlakukan perbakan bobot terlebh dahulu sepert sehngga w =, dperoleh w = 0,28; w 2 = 0,7; w = 0,22; w 4 = 0,22; dan w 5 = 0,. 8
9 4/0/207 Weghted Product (WP) Weghted Product (WP) S S S Kemudan vektor S dapat dhtung sebaga berkut: 0,28 0,7 0,22 0,22 0, 0, , 487 0,28 0,7 0,22 0,22 0, 0, , ,28 0,7 0,22 0,22 0, 0, , Nla vektor V yang akan dgunakan untuk perankngan dapat dhtung sebaga berkut: 2,487 V 0,669 2,487 2,4270,7462 V 2 V 2,4270 0,682 2,487 2,4270,7462,7462 0,2649 2,487 2,4270,7462 Nla terbesar ada pada V2 sehngga alternatf A2 adalah alternatf yang terplh sebaga alternatf terbak. Dengan kata lan, Kalasan akan terplh sebaga lokas untuk mendrkan gudang baru. Technque for Order Preference by Smlarty to Ideal Soluton () ddasarkan pada konsep dmana alternatf terplh yang terbak tdak hanya memlk jarak terpendek dar solus deal postf, namun juga memlk jarak terpanjang dar solus deal negatf. banyak dgunakan dengan alasan: konsepnya sederhana dan mudah dpaham; komputasnya efsen; dan memlk kemampuan untuk mengukur knerja relatf dar alternatf-alternatf keputusan dalam bentuk matemats yang sederhana. Langkah-langkah penyelesaan masalah MADM dengan : Membuat matrks keputusan yang ternormalsas; Membuat matrks keputusan yang ternormalsas terbobot; Menentukan matrks solus deal postf & matrks solus deal negatf; Menentukan jarak antara nla setap alternatf dengan matrks solus deal postf & matrks solus deal negatf; Menentukan nla preferens untuk setap alternatf. membutuhkan ratng knerja setap alternatf A pada setap krtera C j yang ternormalsas, yatu: Solus deal postf A + dan solus deal negatf A - dapat dtentukan berdasarkan ratng bobot ternormalsas (y j ) sebaga: r j m j 2 j yj w rj A y, y2,, yn ; A y, y,, y ; 2 n 9
10 4/0/207 dengan y j y j ma yj; mn yj; mn yj; ma yj; jka j adalah atrbut keuntungan jka j adalah atrbut baya jka j adalah atrbut keuntungan jka j adalah atrbut baya Jarak antara alternatf A dengan solus deal postf drumuskan sebaga: D n 2 y yj ; j Jarak antara alternatf A dengan solus deal negatf drumuskan sebaga: D n 2 y j y ; j Nla preferens untuk setap alternatf (V ) dberkan sebaga: D V ; D D Nla V yang lebh besar menunjukkan bahwa alternatf A lebh dplh Contoh: Suatu perusahaan d Daerah Istmewa Yogyakarta (DIY) ngn membangun sebuah gudang yang akan dgunakan sebaga tempat untuk menympan sementara hasl produksnya. Ada lokas yang akan menjad alternatf, yatu: A = Ngemplak, A2 = Kalasan, A = Kota Gedhe. Ada 5 krtera yang djadkan acuan dalam pengamblan keputusan, yatu: C = jarak dengan pasar terdekat (km), C2 = kepadatan penduduk d sektar lokas (orang/km2); C = jarak dar pabrk (km); C4 = jarak dengan gudang yang sudah ada (km); C5 = harga tanah untuk lokas (000 Rp/m2). Tngkat kepentngan setap krtera, juga dnla dengan sampa 5, yatu: = Sangat rendah, 2 = Rendah, = Cukup, 4 = Tngg, 5 = Sangat Tngg. Pengambl keputusan memberkan bobot preferens sebaga: W = (5,, 4, 4, 2) 0
11 4/0/207 Nla setap alternatf d setap krtera: Matrks ternormalsas, R: Alternatf Krtera C C 2 C C 4 C 5 0,5888 R 0,925 0,7066 0,686 0,4640 0,64 0,4077 0,450 0,7928 0,6852 0,5482 0,4796 0,4784 0,405 0,7654 r j m j 2 j A 0, A 2 0, A 0, Matrks ternormalsas terbobot, Y: 2,9440 Y,9627,528,8558,609 2,7408,99,82 2,926,9022,72,985 0,9567 0,86,508 W = (5,, 4, 4, 2) y w r j j Solus Ideal Postf (A + ): A y y 2 y y 4 y 5 mn ma mn ma mn 2,9440;,9627;,528, 9627,8558;,99;,9022, 9022,609;,82;,72, 609 2,7408; 2,926;,985 2, ,9567; 0,86;,508 0, 86,9627;,9022;,609; 2,7408; 0,86 Solus Ideal Negatf (A - ): y ma 2,9440;,9627;,528, 528 A y 2 y y 4 y 5 mn ma mn ma,8558;,99;,9022, 99,609;,82;,72, 72 2,7408; 2,926;,985, 985 0,9567; 0,86;,508, 508,528;,99;,72;,985;,508 Jarak antara nla terbobot setap alternatf terhadap solus deal postf, S : D 0,987 D 2 0, 7706 D 2, 448 Jarak antara nla terbobot setap alternatf terhadap solus deal negatf, : D,9849 D 2 2, 99 D 0, 504 S Kedekatan setap alternatf terhadap solus deal dhtung sebaga berkut:,9849 V 0,6679 0,987,9849 2,99 V 2 0,7405 0,7706 2,99 V 0,504 0,729 2,448 0,504 Dar nla V n dapat dlhat bahwa V2 memlk nla terbesar, sehngga dapat dsmpulkan bahwa alternatf kedua yang akan lebh dplh. Dengan kata lan, Kalasan akan terplh sebaga lokas untuk mendrkan gudang baru.
12 4/0/207 MASALAH Permasalahan pada AHP ddekomposskan ke dalam hrark krtera dan alternatf KRITERIA- KRITERIA-2 KRITERIA-n KRITERIA-, KRITERIA-n, ALTERNATIF ALTERNATIF 2 ALTERNATIF m Saya ngn membel HP yang harganya relatf murah, memornya besar, warnanya banyak, ukuran pksel pada kamera besar, beratnya rngan, dan bentuknya unk Alternatf Harga (juta Rp) Memor (MB) Warna Kamera (MP) Berat (gr) 2, kb 2 26, kb,2 6 Ada 4 alternatf yang saya bayangkan, yatu:,, dan, kb,2 4 4, MB 2 9 Ada tahap dentfkas: Tentukan tujuan: Membel HP dengan krtera tertentu Tentukan krtera: Harga, kapastas memor, ukuran warna, ukuran pksel kamera, berat, dan keunkan, Tentukan alternatf:,,, dan, Harga KRITERIA Memor Bentuk hrark dar nformas yang dperoleh Membel HP TUJUAN Warna Kamera Berat Keunkan ALTERNATIF 2
13 4/0/207 Informas tersebut dapat dgunakan untuk menentukan rankng relatf dar setap atrbut Krtera kuanttatf & kualtatf dapat dgunakan untuk mempertmbangkan bobot Harga Memor Warna Kamera Berat Saya lebh mengutamakan kemurahan harga, kemudan keunkan bentuk & berat HP, sedangkan krtera lan merupakan prortas terakhr Dengan menggunakan perbandngan berpasangan, dapat dketahu derajat kepentngan relatf antar krtera Matrks perbandngan berpasangan adalah matrks berukuran n n dengan elemen a j merupakan nla relatf tujuan ke- terhadap tujuan ke-j 9 : mutlak lebh pentng (etreme) 7 : sangat lebh pentng (very) 5 : lebh pentng (strong) : cukup pentng (moderate) : sama pentng (equal)
14 4/0/207 Saya lebh mengutamakan kemurahan harga, kemudan keunkan bentuk & berat HP, sedangkan krtera lan merupakan prortas terakhr H M W K B H M / 5 / W / 5 / K / 5 / B / U / U / / / Konsep EIGENVECTOR dgunakan untuk melakukan proses perankngan prortas setap krtera berdasarkan matrks perbandngan berpasangan (Saaty) Apabla A adalah matrks perbandngan berpasangan, maka vektor bobot yang berbentuk: (A)(w T T ) (n)(w ) dapat ddekat dengan cara: menormalkan setap kolom j dalam matrks A, sedemkan hngga: a j sebut sebaga A. untuk setap bars dalam A, htunglah nla rataratanya: ' w a j n j dengan w adalah bobot tujuan ke- dar vektor bobot. Uj konsstens: Msalkan A adalah matrks perbandngan berpasangan, dan w adalah vektor bobot, maka konsstens dar vektor bobot w dapat duj sebag berkut: htung: (A)(w T ) t n n T elemen ke - pada (A)(w ) T elemen ke - pada w htung: ndeks konsstens: t n CI n jka CI=0 maka A konssten; jka maka A cukup konssten; dan jka CI RI n 0, CI 0, RI maka A sangat tdak konssten. n Indeks random RI n adalah nla rata-rata CI yang dplh secara acak pada A dan dberkan sebaga: n RI n 0 0,58 0,90,2,24,2... H M W K B H M / 5 / W / 5 / K / 5 / B / U / U / / / 0,2 0,2 0,
15 4/0/ ,2 0,2 0,2 2, / 2,26 5/4 5/4 0,2 / 2,26 /4 /4 0,2 / 2,26 /4 /4 0,2 / 2,26 /4 /4 / 2,26 /4 /4 / 2,26 /4 /4 5/4 /4 /4 /4 /4 /4 / 6 / 6 / 6 / 6 / 6 / 6 / 6 / 6 / 6 / 6 / 6 / 6 0,442 0,57 0,57 0,57 0,5000 0,5000 0,0882 0,074 0,074 0,074 0,0556 0,0556 0,0882 0,074 0,074 0,074 0,0556 0,0556 0,0882 0,074 0,074 0,074 0,0556 0,0556 0,47 0,24 0,24 0,24 0,667 0,667 0,47 0,24 0,24 0,24 0,667 0,667 0,442 0,57 0,57 0,57 0,5000 0,5000 0,0882 0,074 0,074 0,074 0,0556 0,0556 0,0882 0,074 0,074 0,074 0,0556 0,0556 0,0882 0,074 0,074 0,074 0,0556 0,0556 0,47 0,24 0,24 0,24 0,667 0,667 0,47 0,24 0,24 0,24 0,667 0,667 Rata2 0,488 0,0689 0,0689 0,0689 0,872 0,872 W = (0,488; 0,0689; 0,0689; 0,0689; 0,872; 0,872) 0,2 0,2 0, ,488 0,0689 0,0689 0,0689 0,872 0,872 = 2,576 0,454 0,454 0,454,45,45 Untuk n=6, dperoleh RI 6 =,24, sehngga: CI 0,06 0,009 0, RI6,24 2,576 0,454 0,454 0,454,45,45 t 6, ,488 0,0689 0,0689 0,0689 0,872 0,872 KONSISTEN!!! 6, CI 0,06 5 KRITERIA Bentuk hrark dar nformas yang dperoleh Membel HP TUJUAN Matrks perbandngan berpasangan untuk harga dperoleh dar data harga setap HP Harga (0,488) Memor (0,0689) ALTERNATIF Warna (0,0689) Kamera (0,0689) Berat (0,872) Keunkan (0,872),/ 2,,7 / 2, 4,7 / 2, 2,/,,7 /, 4,7 /, 2,/,7,/,7 4,7 /,7 2,/ 4,7,/ 4,7,7 / 4,7 5
16 4/0/207 0,505 0,505 0,505 0,505 0,260 0,260 0,260 0,260 0,279 0,279 0,279 0,279 0,75 0,75 0,75 0,75 0,505 0,505 0,505 0,505 0,260 0,260 0,260 0,260 0,279 0,279 0,279 0,279 0,75 0,75 0,75 0,75 Rata2 0,505 0,260 0,279 0,75 W = (0,505; 0,260; 0,279; 0,75) Atau MnHarga = mn(2,;,;,7; 4,7) = 2, = 2,/2, = = 2,/, = 0,74 = 2,/,7 = 0,62 = 2,/4,7 = 0,49 Normalkan Matrks perbandngan berpasangan untuk memor dperoleh dar data memor setap HP Total = + 0,74 + 0,62 + 0,49 = 2,85 = /2,85 = 0,50 = 0,74/2,85 = 0,260 = 0,62/2,85 = 0,28 = 0,49/2,85 = 0,72 W = (0,50; 0,260; 0,28; 0,72) 42 / 5 40 / 5 90 / 5 5/ / / 42 5/ / / 40 5/ / / 90 W = (0,69; 0,2029; 0,92; 0,448) Matrks perbandngan berpasangan untuk warna dperoleh dar data warna setap HP (6*024) / 256 (6*024) / 256 (6*024) / /(6*026) 256 /(6*024) 256 /(6*024) (6*024) / 256 W = (0,049; 0,049; 0,049; 0,9552) Atau TotWarna = (6024) = 752 = 256/752 = 0,05 = 256/752 = 0,05 = 256/752 = 0,05 = (6024)/752 = 0,955 W = (0,05; 0,05; 0,05; 0,955) 6
17 4/0/207 Matrks perbandngan berpasangan untuk kamera dperoleh dar data kamera setap HP Atau,2 / 2,2 / 2 2 /,2 2 /,2 2 /,2 2 /,2,2 / 2,2 / 2 W = (0,92; 0,077; 0,077; 0,92) TotKamera = 2 +,2 +,2 + 2 = 0,4 = 2/0,4 = 0,92 =,2/0,4 = 0,08 =,2/0,4 = 0,08 = 2/0,4 = 0,92 W = (0,92; 0,08; 0,08; 0,92) Matrks perbandngan berpasangan untuk berat dperoleh dar data berat setap HP Atau,6 /,26,26 /,6,26 /,4,6 /,4,26 /,9,6 /,9,4 /,26,9/,26,4 /,6,9/,6,9/,4,4 /,9 W = (0,27; 0,2947; 0,255; 0,790) MnBerat = mn(,26;,6;,4;,9) =,6 =,26/,6 = 0,92 =,6/,26 = =,6/,4 = 0,87 =,6/,9 = 0,6 Normalkan TotBerat = + 0,92 + 0,87 + 0,6 =,4 = /,4 = 0,294 = 0,92/,4 = 0,27 = 0,87/,4 = 0,256 = 0,6/,4 = 0,79 Matrks perbandngan berpasangan untuk keunkan dperoleh secara subyektf dar perseps user lebh unk dbandng lebh unk dbandng lebh unk dbandng W = (0,27; 0,294; 0,256; 0,79) 7
18 4/0/207 Matrks perbandngan berpasangan untuk keunkan dperoleh secara subyektf dar perseps user 2 5 / 2 2 / / 2 / 5 / / W = (0,0860; 0,544; 0,245; 0,58) Harga (0,488) (0,505) (0,260) (0,279) (0,75) Memor (0,0689) (0,69) (0,2029) (0,92) (0,448) Bentuk hrark dar nformas yang dperoleh Membel HP Warna (0,0689) (0,049) (0,049) (0,049) (0,9552) Kamera (0,0689) (0,92) (0,077) (0,077) (0,92) Berat (0,872) (0,27) (0,2947) (0,255) (0,790) Keunkan (0,872) (0,0860) (0,544) (0,245) (0,58) Perankngan: Msalkan ada n tujuan dan m alternatf pada AHP, maka proses perankngan alternatf dapat dlakukan melalu langkah-langkah berkut: Untuk setap tujuan, tetapkan matrks perbandngan berpasangan A, untuk m alternatf. Tentukan vektor bobot untuk setap A yang merepresentaskan bobot relatf dar setap alternatf ke-j pada tujuan ke- (s j ). Htung total skor: s j (sj)(w ) Plh alternatf dengan skor tertngg. 0,505 0,69 0,049 0,92 0,27 0,0860 0,260 0,2029 0,049 0,077 0,2947 0,544 0,279 0,92 0,049 0,077 0,255 0,245 0,75 0,448 0,9552 0,92 0,790 0,58 = 0,296 = 0,2292 = 0,298 = 0,4 0,488 0,0689 = 0,0689 0,0689 0,872 0,872 0,296 0,2292 0,298 0,4 METODE PROFILE MATCHING Metode profle matchng merupakan proses membandngkan antara kompetens ndvdu dengan kompetens jabatan sehngga dapat dketahu perbedaan kompetensnya (dsebut juga gap), semakn kecl gap yang dhaslkan maka bobot nlanya semakn besar yang berart memlk peluang lebh besar untuk karyawan menempat poss tersebut. Langkah-langkah pada metode profle matchng. Menentukan Varabel Langkah pertama dalam metode profle matchng adalah menentukan varabel-varabel yang nantnya dgunakan sebaga pont penlaan karyawan terhadap jabatan. 2. Menghtung Hasl Pemetaan Gap Kompetens Gap adalah beda antara profl jabatan maupun standar untuk perencanaan karr dengan profl karyawan yang dtunjukkan pada rumus: Gap = Profl Karyawan - Profl Jabatan 8
19 4/0/207 Setelah ddapatkan tap gap masngmasng karyawan, maka tap profle karyawan dber bobot nla sesua dengan patokan nla pada tabel bobot nla gap. Setelah ddapatkan tap gap masngmasng karyawan, maka tap profle karyawan dber bobot nla sesua dengan patokan nla pada tabel bobot nla gap. Tabel Bobot nla gap No Selsh Bobot Keterangan (Gap) Nla 0 6 Tdak ada Gap (kompetens sesua yang dbutuhkan) 2 5,5 Kompetens ndvdu kelebhan tngkat/level - 5 Kompetens ndvdu kurang tngkat/level 4 2 4,5 Kompetens ndvdu kelebhan 2 tngkat/level Kompetens ndvdu kurang 2 tngkat/level 6,5 Kompetens ndvdu kelebhan tngkat/level 7 - Kompetens ndvdu kurang tngkat/level 8 4 2,5 Kompetens ndvdu kelebhan 4 tngkat/level Kompetens ndvdu kurang 4 tngkat/level 0 5,5 Kompetens ndvdu kelebhan 59 tngkat/level -5 Kompetens ndvdu kurang 5 tngkat/level Lanj.. NSF=ΣNS/ΣIS Keterangan : NSF : Nla rata-rata secondary factor NS : Jumlah total nla secondary factor (aspek, aspek 2, aspek, dst.) IS : Jumlah tem secondary factor. Menghtung Nla Total Tap Aspek Dar hasl perhtungan dar tap aspek tersebut kemudan dhtung nla total berdasarkan presentase dar core factor dan secondary factor yang dperkrakan berpengaruh terhadap knerja tap-tap profl. Perhtungannya dapat dlhat pada rumus : Nla Total = 60 % NCF + 40 % NSF Keterangan : NCF : Nla rata-rata core factor NSF : Nla rata-rata secondary factor 4. Menghtung Hasl Akhr (Rankng) Hasl akhr dar proses profle matchng adalah rankng dar kanddat yang dapat djadkan karyawan yang dapat mengs suatu jabatan tertentu. Penentuan rankng mengacu pada hasl perhtungan tertentu, perhtungan tersebut dapat dtunjukan pada rumus: HA = ()% N + ()% N2 + ()% N + () % N4 + Keterangan : HA : Hasl Akhr N : Nla Total Aspek ()% : Nla persen rumus hasl akhr (total 00%) Contoh Kasus PT Jamsostek akan memlh karyawan untuk poss tertentu, terdapat karyawan. Penlaan berdasarkan dua krtera yatu Pskolog dan Kemampuan khusus. Pskolog berdasarkan 5 penlaan dan kemampuan khusus berdasarkan penlaan. 9
20 4/0/207 Tabel penlaan berdasarkan Pskolog Tabel penlaan berdasarkan Kemampuan Khusus Tabel Bobot Hasl Pemetaan Gap Perhtungan Nla Total Perhtungan Nla Akhr 20
21 4/0/207 Hasl Keputusan 2
METODE 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 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 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 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 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 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 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 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 terperinciUJI SENSITIVITAS METODE WP, SAW DAN TOPSIS DALAM MENENTUKAN TITIK LOKASI REPEATER INTERNET WIRELESS
UJI SENSITIVITAS METODE WP, SAW DAN TOPSIS DALAM MENENTUKAN TITIK LOKASI REPEATER INTERNET WIRELESS Davd Ahmad Effendy 1), Rony Her Irawan 2) 1) Sekolah Tngg Agama Islam Kedr (STAIN Kedr) 2) Unverstas
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 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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Studi Kasus : PT. Hutahaean)
Majalah Ilmah Informas dan Teknolog Ilmah (INTI ISSN : 3390X SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Stud Kasus : PT. Hutahaean Relska Elfrda Capah (086 Mahasswa
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 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 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 terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
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 terperinciFMDAM (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 terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
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 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 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 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 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 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. 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 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 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 terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
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 terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
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 terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
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 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 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 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 IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
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 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 terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
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 IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciSistem Pendukung Keputusan Untuk Menentukan Prestasi Akademik Siswa dengan Metode TOPSIS
Ctec Journal, Vol. 2, No. 2, Februar 2015 Aprl 2015 ISSN: 2354-5771 153 Sstem Pendukung Keputusan Untuk Menentukan Prestas Akademk Sswa dengan Metode TOPSIS Amela Nur Ftrana* 1, Harlana 2, Handaru 3 1
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 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 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 terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
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 DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang
Lebih terperinciSistem Pendukung Keputusan Menggunakan Metode Technique for Order by Similarity to Ideal Solution (TOPSIS)
Sstem Pendukung Keputusan Menggunakan Metode Technque for Order by Smlarty to Ideal Soluton (TOPSIS) Murnawan 1, Akhmad Fadjar Sddq 2 1 Unverstas Wdyatama Bandung, Emal: murnawan@wdyatama.ac.d 2 STMIK
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 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 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 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 terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
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 IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciMATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)
MATERI KULIAH STATISTIKA I UKURAN (Nuryanto, ST., MT) Ukuran Statstk Ukuran Statstk : 1. Ukuran Pemusatan Bagamana, d mana data berpusat? Rata-Rata Htung = Arthmetc Mean Medan Modus Kuartl, Desl, Persentl.
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 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 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 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 terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
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 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 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 terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
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. 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 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 III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,
BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap
Lebih terperinciBAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian
BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve
Lebih terperinciBAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam
BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciAnalytic Hierarchy Process (AHP)
Permasalahan pada AHP didekomposisikan ke dalam hirarki kriteria dan alternatif MASALAH KRITERIA- KRITERIA-2 KRITERIA-n KRITERIA-, KRITERIA-n, ALTERNATIF ALTERNATIF 2 ALTERNATIF m Saya ingin membeli HP
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
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 terperinciI. PENGANTAR STATISTIKA
1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
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 terperinciOVERVIEW 1/40
http://www..deden08m.wordpress.com OVERVIEW 1/40 Konsep-konsep dasar dalam pembentukan portofolo optmal. Perbedaan tentang aset bersko dan aset bebas rsko. Perbedaan preferens nvestor dalam memlh portofolo
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciSistem Pendukung Keputusan Pemilihan Pemasok Bahan Baku Menggunakan Metode Technique for Order Preference by Similarity to Ideal Solution
Jurnal Integras Vol. 8, No. 1, Aprl 2016, 56-60 p-issn: 2085-3858 Artcle Hstory Receved February, 2016 Accepted March, 2016 Sstem Pendukung Keputusan Pemlhan Pemasok Bahan Baku Menggunakan Metode Technque
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciTEORI INVESTASI DAN PORTFOLIO MATERI 4.
TEORI INVESTASI DAN PORTFOLIO MATERI 4 KONSEP DASAR 2/40 Ada tga konsep dasar yang perlu dketahu untuk memaham pembentukan portofolo optmal, yatu: portofolo efsen dan portofolo optmal fungs utltas dan
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
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 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 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 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 terperinci