BAB II LANDASAN TEORI
|
|
- Ida Dharmawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 8 BAB II LANDASAN TEORI 2.1. Optimasi Produksi Optimasi adalah tidaka utuk memperoleh hasil yag terbaik dega keadaa yag diberika.dalam pelaksaaaya harus diambil keputusa maajerial dalam beberapa tahap.tujua akhir dari semua keputusa seperti itu adalah memiimalka upaya yag diperluka atau utuk memaksimalka mafaat yag diigika.usaha yag diperluka atau mafaat uag yag diigika dalam praktekya dapat diyataka sebagai fugsi dari variabel keputusa tertetu. Optimasi dapat didefiisika sebagai proses utuk medapatka keadaa yag memberika ilai maksimum atau miimum dari suatu fugsi. Optimasi produksi adalah pegguaa faktor-faktor produksi yag terbatas seefisie mugki. Faktor-faktor produksi tersebut adalah modal, mesi, baha baku, baha pembatu, teaga kerja, da lai sebagaiya. Optimasi produksi diperluka perusahaa dalam ragka megoptimalka sumber daya yag diguaka agar suatu produksi dapat meghasilka produk. Optimasi merupaka pedekata ormatif dega megidetifikasi peyelesaia terbaik dari suatu permasalaha yag diarahka pada titik maksimum atau miimum suatu fugsi tujua dalam kuatitas da kualitas yag diharapka, sehigga perusahaa dapat mecapai tujuaya Perecaaa Produksi Perecaaa produksi merupaka perecaaa tetag produk da merecaaka jumlah produk yag aka diproduksi oleh perusahaa yag bersagkuta dalam satu periode di masa yag aka datag. Hasil dari perecaaa produksi adalah Uiversitas Sumatera Utara
2 9 sebuah recaa produksi. Tapa adaya recaa produksi yag baik, maka tujua tidak aka dapat dicapai dega efektif da efisie, sehigga faktor-faktor produksi yag ada aka diperguaka secara boros. Oleh karea itu, perecaaa produksi merupaka spesifikasi tujua perusahaa yag igi dicapai serta caracara yag aka ditempuh utuk mecapai tujua tersebut. Keguaa atau petigya diadaka produksi adalah sebagai berikut : 1. Suatu perecaaa meliputi usaha utuk meetapka tujua atau memformulasika tujua yag dipilih utuk dicapai, maka dega adaya perecaaa produksi, dapat membedaka arah bagi setiap kegiata produksi yag jelas. 2. Dega perecaaa yag memberika formulasi tujua yag hedak dicapai, maka aka memugkika utuk megetahui apakah tujua-tujua tersebut telah tercapai atau tidak. 3. Memudahka pelaksaaa kegiata utuk megidetifikasika hambatahambata yag mugki timbul dalam usaha tujua tersebut. Dega memperhitugka hambata-hambata tersebut, persiapa utuk megatasiya mejadi lebih terarah. 4. Meghidarka pertumbuha da perkembaga yag tidak terkedali. 2.2 Peramala Metode Deret Waktu (Time-Series) Metode deret waktu adalah peramala yag didasarka pada periode waktu miggua, bulaa, triwula, da seterusya. Metode deret waktu biasaya diguaka utuk megaalisis pola permitaa masa lalu da utuk memproyeksika masa depa. Asumsi dasar yag dipakai adalah bahwa pola permitaa dapat dibagi mejadi beberapa kompoe, yaitu tigkat rata-rata, kecederuga, musima, siklus, da kesalaha. Uiversitas Sumatera Utara
3 10 Ada empat kompoe utama yag mempegaruhi aalisis ii, yaitu : a. Pola Siklis (Cycle) Pejuala produk dapat memiliki siklus yag berulag secara periodik.bayak produk dipegaruhi pola pergeraka aktivitas ekoomi yag terkadag memiliki kecederuga periodik.kompoe siklis ii sagat bergua dalam peramala jagka meegah. Pola data ii terjadi bila data memiliki kecederuga utuk aik atau turu terus-meerus. Pola data betuk ii digambarka sebagai berikut : Gambar 2.1 Pola Siklis b. Pola Musima (Seaso) Perkataa musim meggambarka pola pejuala yag berulag setiap periode.kompoe musim dapat dijabarka ke dalam vektor cuaca, libur, atau kecederuga perdagaga.pola musima bergua meramalka pejuala dalam jagka pedek.pola data musima dapat digambarka sebagai berikut : Gambar 2.2 Pola Musima c. Pola kecederuga (tred) Pola data ii terjadi bila data memiliki kecederuga utuk aik atau turu terus meerus. Pola data dalam betuk ii dapat digambarka sebagai berikut : Gambar 2.3 Pola Kecederuga Uiversitas Sumatera Utara
4 11 d. Pola Acak Pola data ii meggambarka pola pejuala yag setiap periodeya memiliki kodisi yag beragam da acak. Pola data dalam betuk ii dapat digambarka sebagai berikut : Gambar 2.4 Pola Acak Peramala deret waktu (time-series) memiliki beberapa metode yag dapat diguaka utuk meramalka kodisi pada periode yag aka datag, yaitu : a. Metode Peghalusa (Smoothig) Metode smoothig diguaka utuk meguragi ketidak-teratura musima dari data yag lalu, dega membuat rata-rata tertimbag dari sedereta data masa lalu. Ketetapa peramala dega metode ii aka terdapat pada peramala jagka pedek, sedagka utuk peramala jagka pajag kurag akurat. Metode smoothig terdiri dari beberapa jeis, atara lai : 1. Metode rata-rata bergerak (Movig Average) a. Sigle Movig Average Movig Average pada suatu periode merupaka peramala utuk satu periode ke depa dari periode rata-rata tersebut. Persoala yag timbul dalam pegguaa metode ii adalah dalam meetuka ilai t (periode perata-rata). Semaki besar ilai t maka peramala yag dihasilka aka semaki mejauhi pola data. Secara matematis, rumus fugsi peramala metode ii adalah : F t1 = X tnt X t1 X t N Dimaa : X 1 = Data pegamata periode ke-i N = Jumlah deret waktu yag diguaka F t1 = Nilai peramala periode t1 Uiversitas Sumatera Utara
5 12 b. Liear Movig average (LMA) Dasar dari metode ii adalah pegguaa Movig Average kedua utuk memperoleh peyesuaia betuk pola tred. Prosedur Liear Movig Averageadalah : - Pegguaa rata-rata bergerak tuggal pada waktu t (ditulis S t ) - Peyesuaia yag merupaka perbedaa atara rata-rata bergerak tuggal da gada pada waktu t (ditulis S t S t ) - Peyesuaia utuk kecederuga dari periode ke t1 (atau ke periode tm jika igi meramalka m periode ke muka) Secara umum persamaa prosedur rata-rata bergerak liier dapat diteragka melalui persamaa sebagai berikut : S t = x 1 x t1 x t2 x t1 S t = S 1 S t1 S t2 S t1 a t = S t (S t S t ) = 2S t S t b t = 2 1 (S t S t ) F t2 = a t b t m Kesalaha egatif atau positif yag mugki terjadi dapat dihilagka atau dikeluarka.rata-rata dapat dilakuka terhadap seluruh agka kostata dari data pegamata. Sesuai dega tujua di atas, maka tekik ii dapat meghilagka tred da musima (seasoality). Harga yag diramalka dalam Sigle Movig Average dihitug berdasarka rumus : Dimaa :x t = ilai data F t1 = x 1 x t1 x t1 F t1 = F 1 (x t x t ) F t = ilai ramala utuk waktu (t1) N = bayak data Uiversitas Sumatera Utara
6 13 c. Weigted Movig Average Pada meode rata-rata sederhaa, jumlah data pada kelompok iisialisasi maki lama semaki bertambah dega aikya harga i. Tetapi pada metode rata-rata bergerak tuggal jumlah data kelompok iisialisasi adalah kosta, bilamaa harga i bertambah satu, maka data baru yag aka meggeser/meggatika data yag palig tua. Utuk waktu (t1), (t2), ilai ramalaya adalah : F t1 = i i=1 x i t t=1 x i F t2 = i=1 t 1 2. Metode Expoesial Smoothig, terdiri atas a. Pemulusa Ekspoesial Tuggal (Sigle Expoesial Smoothig) Metode pemulusa ekspoesial tuggal (sigle expoesial smoothig) meambahka parameter α dalam modelya utuk meguragi faktor keradoma. Nilai peramala dapat dicari dega megguaka rumus berikut ii : Dimaa : X t α F t1 F t1 = α X t (1 α) F t = data permitaa pada periode t = faktor/kosta pemulusa = peramala utuk periode t Berbeda dega metode rata-rata bergerak yag haya megguaka N data periode terakhir dalam melakuka peramala, metode pemulusa ekspoesial tuggal megikutsertaka data dari semua periode.setiap data pegamata mempuyai kotribusi dalam peetua ilai peramala periode sesudahya.namu, dalam perhitugaya cukup diwakili oleh data pegamata da hasil peramala periode terakhir, karea ilai peramala periode sebelumya sudah megadug ilai-ilai pegamata sebelumya. Uiversitas Sumatera Utara
7 14 Istilah ekspoesial dalam metode ii berasal dari pembobota (faktor pemulusa) dari periode sebelumya yag berbetuk ekspoesial, sebagaimaa dijabarka berikut ii : F t1 = α X t (1 α) F t = α X t α(1 α) X t1 (1 α) 2 F t1 = α X t α(1 α) X t1 α(1 α) 2 X t2 α(1 α) 2 X t(n1) Di sii terlihat bahwa koefisie X dari waktu ke waktu membetuk hubuga ekspoesial. Misalya, utuk α = 0,2 maka koefisie dari X t, X t1, X t2,, X tn1 berturut-turut adalah 0,2; 0,2(0,8); 0,2(0,8) 2 ; ; 0,2(0,8) N1. b. Pemulusa Ekspoesial Liier (Liear Expoetial Smoothig/Double Expoetial Smoothig) Metode pemulusa ekspoesial tuggal haya aka efektif apabila serial data yag diamati memiliki pola horizotal (stasioer). Jika metode itu diguaka utuk serial data yag memiliki usur tred (kecederuga) yag kosiste, ilai-ilai peramalaya aka selalu berada di belakag ilai aktualya (terjadi laggig yag terus meerus). Metode yag tepat utuk melakuka peramala serial data yag memiliki usur tred adalah metode pemulusa ekspoesial liier. Salah satu metode yag diguaka adalah metode pemulusa ekspoesial liier dari Holt, yag megguaka persamaa sebagai berikut : S t = α X t (1 α)(s t1 T t1 ) T t = β (S t S t1 ) (1 β) T t1 F tm = S t T t m Pemulusa ekspoesial liier dari Holt meambahka persamaa T t utuk memperoleh pemulusa tred da meggabugka tred ii dega persamaa pemulusa stadar sehigga meghasilka persamaa F t. Metode dari Holt ii megguaka dua parameter, α da β, yag masig-masig ilaiya dapat dipilih dari setiap agka atara 0 sampai Uiversitas Sumatera Utara
8 15 dega 1. Kedua parameter itu dapat mempuyai ilai yag sama atau berbeda besarya. Proses iisialisasi utuk pemulusa ekspoesial liier dari Holt memerluka dua taksira, yaitu utuk ilai S 1 da T 1. Nilai S 1 dapat disamaka dega ilai aktual (pegamata) atau rata-rata dari beberapa ilai pegamata pada periode awal, sedagka ilai T 1 megguaka taksira kemiriga dari serial data tersebut (megguaka persamaa regresi liier, aka dibahas kemudia) atau megguaka rata-rata keaika dari beberapa periode, misalya : T 1 = (X 2 X 1 ) (X 3 X 2 ) (X 4 X 3 ) 3 c. Pemulusa Ekspoesial Musima Sebagaimaa halya dega persamaa pemulusa ekspoesial liier yag dapat diguaka utuk meramalka serial data yag memiliki pola tred, betuk persamaa yag lebih tiggi dapat diguaka jika pola dasar serial dataya musima. Salah satu metode peramala yag khusus utuk data yag berpola musima adalah metode pemulusa ekspoesial liier da musima dari Witer. Metode ii didasarka atas tiga persamaa, yaitu usur stasioer, tred da musima, yag dirumuska sebagai berikut : S t T t I t = α ( X t I tl ) (1 α)(s t1 T t1 ) = β(s t S t1 ) (1 β)t t1 = γ ( X t S t ) (1 γ)i tl F tm = (S t T t m)i tlm Dimaa : L = jumlah periode dalam satu siklus musim I = faktor peyesuaia musima (ideks musima) Uiversitas Sumatera Utara
9 16 Sebagaimaa dalam perhituga pemulusa ekspoesial tuggal, ilai iisial S t dapat disamaka dega ilai aktualya atau berupa ratarata dari beberapa ilai pada musim yag sama, sedagka ilai iisial T dicari dega megguaka rumus sebagai berikut : T L = 1 L {(X L1 X 1 ) L (X L2 X 2 ) L (X LL X L ) } L Ketelitia Peramala Bila x i adalah data yag sebearya pada periode i da F i adalah hasil peramala pada periode yag sama maka peyimpaga yag terjadi dapat didefiisika sebagai berikut : e i = x i F i Sehigga bila terdapat periode pegamata, maka aka terdapat sejumlah peyimpaga.berikut ii aka diberika beberapa rumus yag dapat diguaka utuk megukur ketelitia peramala : 1. Mea Error ME = e i i=1 2. Mea Absolute Error MAE = e i i=1 3. Sum of Squared Errors SSE = e i 2 i=1 4. Mea Squared Error MSE = e i 2 i=1 5. Stadard Deviatio Errors SDE = 2 i=1 e i 1 Uiversitas Sumatera Utara
10 Pegujia Pola Peramala Setelah dipilih metode peramala sesuai dega pola data da faktor-faktor laiya, maka hasil ramala yag diperoleh perlu diuji apakah peyimpaga yag terdapat dalam peramala tersebut bersifat radom atau tidak.metode peramala yag baik adalah bila peyimpaga yag terjadi bersifat radom. Metode yag diguaka utuk pegujia ii adalah metode Box-Pierce Test dega rumus sebagai berikut : Q m = r k r k = i=1 k [(e i e )(e ik e )] i=1 k 1 (e i e) 2 Dimaa : r k = koefisie autokorelasi pada time lag ke-k e i = peyimpaga periode ke-i e = rata-rata peyimpaga = bayakya data Setelah harga Q diperoleh, kemudia dibadigka dega ilai x 2. Jika Q < x 2 tabel berarti peyimpaga yag terjadi bersifat radom Goal Programmig Goal Programmig atau yag dikeal dega Program Tujua Gada (PTG) merupaka modifikasi atau variasi khusus dari program liier.goal Programmig bertujua utuk memiimumka jarak atara atau deviasi terhadap tujua, target atau sasara yag telah ditetapka dega usaha yag dapat ditempuh utuk mecapai target atau tujua tersebut secara memuaska sesuai dega batasa Uiversitas Sumatera Utara
11 18 yag ada yaitu sumber daya yag tersedia, tekologi yag ada, kedala tujua, da sebagaiya. (Nasedi, 1985) Goal Programmig pertama kali diperkealka oleh Chares da Coopers (1961). Chares da coopers mecoba meyelesaika persoala program liier dega bayak kedala dega waktu yag bersamaa. Gagasa itu berawal dari adaya program liier yag tidak bisa diselesaika karea memiliki tujua gada. Chares da coopers megataka bahwa jika di dalam persamaa liier tersebut terdapat slack variabel da surplus variabel di dalam persamaa kedalaya, maka fugsi tujua dari persamaa tersebut bisa dikedalika yaitu dega megedalika ilai ruas kiri dari persamaa tersebut agar sama dega ilai ruas kaaya. Iilah yag mejadi dasar Chares da coopers megembagka metode Goal Programmig Kosep Goal Programmig Goal Programmig pada umumya diguaka pada masalah-masalah liier dega memasukka berbagai tujua dalam formulasi modelya.tujua-tujua yag igi dicapai diyataka sebagai goal da dipresetasika secara umerik.namu keyataaya goal yag igi dicapai tidak selalu dapat diselesaika secara bersamaa karea terdapat peyimpaga-peyimpaga atau serig disebut dega deviasi.oleh Karea itu dalam Goal Programmig, tujua yag telah diyataka dalam goal tersebut harus ditetapka terlebih dahulu. Dalam memformulasika Goal Programmig hampir sama dega program liier. Jika dalam program liier dapat memiimumka atau utuk memaksimumka sesuatu fugsi tujua tertetu, maka dalam Goal Programmig berusaha utuk memiimumka deviasi diatara berbagai tujua atau sasara yag ditetapka, yaitu memiimumka jarak batas yag dapat dicapai oleh fugsi tujua sebagaimaa yag dikehedaki oleh berbagai fugsi kedala yag megikat fugsi tujua tersebut sebagai syaratya. Uiversitas Sumatera Utara
12 19 Solusi yag igi dicapai adalah memiimumka peyimpaga tujuatujua yag terdapat pada masig-masig goal.fugsi tujua dalam Goal Programmig diyataka sebagai miimasi peyimpaga dari fugsi pecapaia goal. Adapau betuk umum dari Goal Programmig (tapa faktor prioritas di dalam strukturya) adalah sebagai berikut : Miimumka Z = (W i d i W i d i ) m i=1 Kedala A ij X j d i d i = b i g kj X j atau C K i = 1, 2, 3,, m j = 1, 2, 3,, k = 1, 2, 3,, p X j, d i, d i 0 Keteraga : W i da W i = Bobot utuk masig-masig peyimpaga d i da d i d i = Variabel deviasi yag mempresetasika tigkat pecapaia diatas target (over achievemet). d i = Variabel deviasi yag mempresetasika tigkat pecapaia dibawah target (uder achievemet). A ij X j b i g kj C k m = Koefisie fugsi kedala tujua = Variabel keputusa atau oeubah pegambila keputusa = Tujua atau target yag igi dicapai = Koefisie fugsi kedala biasa = Jumlah sumber daya k yag tersedia = Macam batasa sumber atau fasilitas yag tersedia = Macam kegiata yag megguaka sumber atau fasilitas yag tersedia Uiversitas Sumatera Utara
13 20 Model tersebut haya meyataka persoala pegoptimuma dari suatu permalaha yag haya memiimumka jumlah agregat dari semua deviasi positif da egatif yag idividual dari tujua yag ditetapka. Namu pada keyataaya serigkali pada proses pegambila keputusa terdapat kedala pada kodisi dimaa satu tujua salig bertetaga dega tujua laiya (multiple ad coflictig goals). Maka utuk meyelesaikaya diperluka peetua prioritas atau tujua maa yag terlebih dahulu diutamaka atau diprioritaska. Model utuk persoala tujua gada dega struktur pegutamaa (preemptive weights) adalah sebagai berikut : Miimumka Z = (P y W i,y d i P x W i,x d i ) m i=1 Kedala A ij X j d i d i = b i g kj X j atau C K i = 1, 2, 3,, m j = 1, 2, 3,, k = 1, 2, 3,, p X j, d i, d i 0 Keteraga : P y, P x W i,y W i,x = Faktor-faktor prioritas = Bobot relatif dari d i dalam uruta (ragkig) ke-y = Bobot relatif dari d i dalam uruta (ragkig) ke-x Uiversitas Sumatera Utara
14 Termiologi Goal Programmig Adapu istilah-istilah yag diguaka dalam Goal Programmig meurut budima (2009) adalah : a. Variabel deviasi Variabel deviasi atau jarak atara merupaka perbedaa yag khusus membedaka atara program liier dega Goal Programmig. Adaika d adalah variabel yag bertada sembarag, maka dapat diyataka sebagai: d = d d. Dega: d d, utuk d 0 = { 0, utuk d < 0 d 0, utuk d 0 = { d, utuk d < 0 Dega d = kompoe positif dari d d = kompoe egatif dari d Variabel deviasi mempuyai fugsi sebagai peampug terhadap tujuatujua yag dikehedaki yag dibedaka mejadi dua bagia yaitu : 1. Deviasi positif (d ) Vaiabel deviasi positif berfugsi utuk meampug deviasi yag berada diatas tujua yag dikehedaki. Notasi utuk deviasi positif adalah d da d aka selalu berkoefisie -1 pada setiap kedala tujua sehigga betuk kedalaya adalah : A ij X j d = b i Atau dapat ditulis juga dega : A ij X j = b i d Dimaa :i = 1, 2, 3,, m j = 1, 2, 3,, Uiversitas Sumatera Utara
15 22 2. Deviasi egatif (d ) Variabel deviasi egatif berfugsi utuk meampug deviasi yag berada dibawah tujua yag dikehedaki. Notasi utuk deviasi egatif adalah d da d aka selalu berkoefisie 1 pada setiap kedala tujua sehigga betuk kedalaya adalah : A ij X j d = b i Atau dapat ditulis juga dega : A ij X j = b i d Dimaa :i = 1, 2, 3,, m j = 1, 2, 3,, Dega demikia jelas bahwa kedua jeis variabel medekati sebuah garis kedala dari dua arah yag berlawaa. Dapat ditulis secara matematika yaitu : Atau dapat ditulis : A ij X j d d = b i A ij X j = b i d d Karea ilai miimum dari d da d adalah ol maka dari model umum dari kedala tujua diatas dapat disimpulka sebagai berikut ; i. d i = d i = 0, sehigga Artiya tujua tercapai. A ij X j = b i ii. d i > 0 da d i = 0, sehigga A ij X j = b i d i Artiya tujua aka terlampaui karea Uiversitas Sumatera Utara
16 23 A ij X j > b i iii. d i = 0 da d i > 0, sehigga A ij X j = b i d i Artiya tujua tidak tercapai karea A ij X j < b i Jadi jelas bahwa kodisi dimaa d i > 0 da d i > 0 pada sebuah kedala tujua tidak aka mugki terjadi. b. Variabel keputusa Seperagkat variabel yag tidak diketahui (dalam model Goal Programmig dilambagka dega X j, dimaa, 2, 3,, ). Biasaya disebut juga decisio variables. c. Nilai ruas kaa Nilai-ilai yag biasaya meujukka ketersediaa sumber daya (dilambagka dega b i, dimaa i=1, 2, 3,, ) yag aka ditetuka kekuraga atau kelebiha pegguaaya. Biasaya disebut juga Right Hadside Values (RHS). d. Goal Keigia yag igi dicapai yaitu memiimumka agka peyimpaga dari suatu ilai RHS pada suatu kedala tujua tertetu. e. Kedala tujua Sioim dari istilah goal equatio, yaitu suatu tujua yag diekspresika dalam persamaa matematik dega memasukka variabel simpaga.biasaya disebut juga goal costrait. Uiversitas Sumatera Utara
17 24 f. Prioritas (preemptive priority factor) Pegambil keputusa meghadapi suatu persoala dega tujua gada, tapi satu tujua salig bertetaga dega tujua yag laiya (multiple ad coflictig goals).dalam memecahka persoala tersebut, maka pegambil keputusa harus meetuka maa dari atara berbagai tujua tersebut yag diutamaka atau diprioritaska. Tujua yag palig petig ditetuka sebagai prioritas ke-1, semetara tujua yag kurag begitu petig ditetuka sebagai prioritas ke-2 demikia seterusya.pembagia prioritas tersebut dikataka sebagai pegutamaa (preemptive), yaitu medahuluka tercapaiya tujua yag telah diberika prioritas utama sebelum meuju kepada tujua-tujua atau prioritas-prioritas berikutya.jadi, harus disusu dalam suatu uruta (rakig) meurut prioritasya. Dalam perumusa model Goal Programmig faktor prioritas tersebut diyataka sebagai P x, dimaa x=1, 2, 3,, m. Sistem uruta itu meempatka tujua-tujua dalam susua dega hubuga seperti berikut : P 1 > P 2 > > P m Dimaa :P 1 merupaka tujua palig petig P 2 merupaka tujua yag kurag petig da seterusya g. Bobot (Differetial Weight) Prioritas sebagai ukura dari variabel-variabel deviasi yag dimialka serig mempuyai ukura yag berbeda-beda.utuk megatasi hal itu maka dalam fugsi tujua masig-masig variabel deviasi yag ada dalam satu prioritas diberi bobot. Bobot adalah besara umerik yag diberika pada variabel-variabel yag dimiimumka pada fugsi tujua Goal Programmig (dilambagka dega W i,k, dimaa i=1, 2,, ; k=1, 2,, m). Uiversitas Sumatera Utara
18 Kompoe Goal Programmig Dalam metode Goal Programmig terdapat beberapa kompoe yag umum dijumpai dalam pemecaha masalah dega Goal Programmig, yaitu fugsi tujua, kedala tujua, kedala struktural, da kedala o egatif. a. Fugsi Tujua Berbeda dega program liier yag fugsi tujuaya dapat memaksimumka atau memiimumka, tetapi fugsi tujua dalam Goal Programmig adalah memiimumka deviasi.hal ii merupaka kosekuesi logis dari kehadira variabel deviasi dalam fugsi kedala tujua. Dalam model Goal Programmig haya terdapat empat jeis fugsi tuua jika dihubugka dega prioritas da bobot, yaitu : 1. Meimimumka Z = d i=1 i d i Fugsi tujua ii diguaka apabila variabel deviasi dalam suatu masalah tidak dibedaka meurut prioritas atau bobot. m 2. Memiimumka Z = i=1 P k (d i d i ) utuk k=1, 2,, Fugsi tujua ii diguaka apabila uruta atau prioritas da setiap tujua diperluka. m 3. Memiimumka Z = i=1 W x,i (d i d i ) utuk x=1, 2,, Fugsi tujua ii diguaka apabila tujua-tujua diurutka da variabel deviasi dibedaka dega diberika bobot yag berlaia. m 4. Meimimumka Z = i=1 P k W x.i (d i d i ) utuk k=1,2,, da x=1,2,, Fugsi tujua ii diguaka apabila tujua-tujua diurutka berdasar prioritas da bobot. b. Kedala tujua Dalam model Goal Programmig ditemuka sepasag variabel yag disebut variabel deviasi da berfugsi utuk meampug peyimpaga atau jarak atara yag aka terjadi pada ruas kiri suatu persamaa kedala terhadap ilai ruas kaaya. Agar deviasi ii miimum, artiya ruas kiri suatu persamaa Uiversitas Sumatera Utara
19 26 kedala sedapat mugki medekati ilai ruas kaaya maka variabel deviasi ii harus dimiimumka dalam fugsi tujua. Kedala tujua merupaka kedala-kedala yag dihadapi dalam mecapai tujua.chares da cooper telah memaipulasi program liier sehigga pada program liier kedala-kedala fugsioal yag mejadi pembatas bagi usaha pemaksimuma atau pemiimuma fugsi tujua, maka di Goal Programmig kedala-kedala merupaka saraa utuk mewujudka tujua yag hedak dicapai. Betuk persamaa kedala tujua secara umum adalah : A ij X j (, =, )b i Da secara umum dituliska mejadi : A ij X j d d = b i J=1 c. Kedala struktural Kedala fugsioal atau struktural adalah kedala-kedala ligkuga yag tidak berhubuga lagsug dega tujua-tujua masalah yag dihadapi.variabel deviasi tidak dimasukka kedalam kedala struktural, karea hal ii tidak merupaka fugsi tujua. d. Kedala o-egatif Dalam program liier, variabel-variabel berilai lebih besar atau sama dega ol. Demikia halya dega Goal Programmig yag terdiri dari variabel keputusa da variabel deviasi. Keduaya berilai lebih besar atau sama dega ol. Peryataa o egatif dilambagka dega :X j, d i, d i > 0. Uiversitas Sumatera Utara
20 Asumsi dalam Goal Programmig Dalam memodelka suatu masalah tertetu ke dalam Goal Programmig diperluka sejumlah asumsi yag jika tidak dapat terpeuhi maka Goal Programmig buka merupaka model yag cocok utuk permasalah tersebut.jadi asumsi model membatasi pegguaa metode Goal Programmig. Asumsi-asumsi dalam Goal Programmig : 1. Additivitas da Liieritas Diasumsika bahwa proporsi pegguaa b i yag ditetuka oleh A ij harus tetap bear tapa memperhatika ilai solusi X j yag dihasilka. Hal ii berarti bahwa ruas kiri dari kedala tujua harus sama dega ilai ruas kaa. 2. Divisibilitas Diasumsika bahwa ilai-ilai X j, d, da d yag dihasilka dapat dipecah. Hal ii berarti jumlah pecaha ilai X j dapat diselesaika da diguaka dalam solusi. 3. Terbatas Peyelesaia Metode Goal Programmig Terdapat beberapa metode yag dapat diguaka utuk meyelesaika model Goal Programmig, yaitu : 1. Metode Grafik Metode grafik diguaka utuk meyelesaika masalah Goal Programmig dega dua variabel. Lagkah-lagkah peyelesaiaya adalah : a. Meggambarka fugsi kedala pada bidag kerja sehigga diperoleh daerah yag memeuhi kedala b. Memiimumka variabel deviasi agar sasara-sasara yag diigika tercapai dega cara meggeser fugsi atau garis yag dibetuk oleh variabel deviasi terhadap daerah yag memeuhi kedala Uiversitas Sumatera Utara
21 28 2. Metode Algoritma Simpleks Algoritma simpleks diguaka utuk meyelesaika masalah Goal Programmig dega megguaka variabel keputusa yag lebih dari dua. Lagkah-lagkah peyelesaia Goal Programmig dega metode algoritma simpleks adalah ; a. Membetuk tabel simpleks awal b. Pilih kolom kuci (kolom pivot) dimaa C j Z j memiliki ilai egatif terbesar c. Pilih baris (baris pivot) yag berpedoma pada b i /a ij dega rasio terkecil dimaa b i adalah ilai sisi kaa dari setiap persamaa d. Mecari ilai eleme pivot yag berilai 1 da eleme lai berilai ol dega cara megalika baris pivot dega -1 lalu meambahkaya dega semua eleme di baris pertama. Dega demikia diperoleh tabel simpleks iterasi I. e. Pemeriksaa optimalitas, yaitu melihat apakah solusi sudah layak atau tidak. Solusi dikataka layak bila variabel adalah positif atau ol. Berikut aka diberika cotoh kasus pegguaa Goal Programmig. Sebuah Perusahaa memproduksi 2 jeis produk yag berbeda, yaitu A da B. Produk tersebut dikerjaka melalui 2 proses pegerjaa yag berbeda, yaitu proses 1 da proses 2. Proses 1 mampu meghasilka 8 uit produk A da 5 uit produk B sedagka utuk proses 2 haya mampu meghasilka 2 uit produk A da 3 uit produk B. Kapasitas maksimum proses 1 da 2 masigmasig adalah 40 da 20. Dalam hal ii perusahaa medapatka 4 macam sasara yaitu : 1. Kapasitas yag tersedia pada proses 1 dimafaatka secara maksimum 2. Kapasitas yag tersedia pada proses 2 dimafaatka secara maksimum 3. Produk A palig sedikit 15 uit 4. Produk B palig sedikit 8 uit Peyelesaia : Yag mejadi variable keputusa adalah : A = Jumlah produk A yag aka diproduksi Uiversitas Sumatera Utara
22 29 B = Jumlah produk B yag aka diproduksi Yag mejadi fugsi kedala adalah : 8A 5B 40 2A 3B 20 A 15 B 8 Sesuai dega sasara yag aka dicapai, maka model goal programmig utuk permasalaha diatas adalah : Miimum Z = P 1 (d 1 d 1 ) P 2 (d 2 d 2 ) P 3 d 3 P 4 d 4 Kedala 8A 5B d 1 d 1 = 40 2A 3B d 2 d 2 = 20 A d 3 d 3 = 15 B d 4 d 4 = 8 Pk Peyelesaia model ii dimulai dega membuat tabel simpleks awal seperti pada tabel 2.1 sebagai berikut : Tabel 2.1 Tabel Simpleks Awal Cj Cj VB A B d 1 d 1 d 2 d 2 d 3 d 3 d 4 d 4 P1 1 d P2 1 d P3 1 d P4 1 d Zj P P P P Cj-Zj P P P P bi Yag mejadi kolom kuci adalah kolom ke-1 dimaa C j Z j memiliki ilai egative terbesar yaitu -7.Yag mejadi baris kuci adalah baris ke-1 karea Uiversitas Sumatera Utara
23 30 Pk memiliki ilai bi/aij terkecil yaitu 5.Pemiliha kolom kuci dapat dilihat pada tabel 2.2. Tabel 2.2 Tabel Simpleks Awal (Pemiliha Kolom Kuci) Cj Cj VB A B d 1 d 1 d 2 d 2 d 3 d 3 d 4 d 4 P1 1 d P2 1 d P3 1 d P4 1 d Zj P P P P Cj-Zj P P P P bi Lagkah selajutya adalah mecari sistem kaoikal yaitu sistem dimaa ilai eleme pivot berilai 1 da eleme lai berilai ol dega cara megalika baris pivot dega -1 lalu meambahkaya dega semua eleme di baris laiya. Tabel 2.3 Tabel Simpleks Iterasi I Pk Cj Cj VB A B d 1 d 1 d 2 d 2 d 3 d 3 d 4 d 4 bi 0 A 1 5/8-1/8 1/ P2 1 d 2 0 7/4 1/4-1/ P3 1 d 3 0-5/8 1/8-1/ P4 1 d Zj P2 0 7/4 1/4-1/ P3 0-5/8 1/8-1/ P Cj-Zj P2 0-7/4 ¾ 5/ P3 0 5/8 7/8 9/ P Pk Tabel 2.4 Tabel Simpleks Iterasi II Cj Cj VB A B d 1 d 1 d 2 d 2 d 3 d 3 d 4 d 4 bi 0 A 1 0-3/14 3/14 5/14-5/ /7 0 B 0 1 1/7-1/7-4/7 4/ /7 Uiversitas Sumatera Utara
24 31 P3 1 d /14-3/14-5/14 5/ /7 P4 1 d /7 1/7 4/7-4/ /7 Zj P /14-3/14-5/14 5/ P /7 1/7 4/7-4/ Cj-Zj P /4 17/ / P /7 6/7 3/7 11/ Pada iterasi II diperoleh solusi optimal karea seluruh C j Z j 0. Dega demikia, solusi optimal utuk produk yag diproduksi adalah A=1,43 1 uit da B=5,71 6 uit dega peyimpaga d 3 =13,57 14 da d 4 =2, Peyelesaia dega batua software QM QM sigkata dari Quality Method adalah sebuah program yag diracag utuk meyelesaika persoala-persoala metode kuatitatif, maajeme sais atau operasi riset.sebuah permasalaha harus diubah dahulu ke dalam sebuah model matematis pemrograma liier, kemudia diiput ke dalam software QM. Program ii memiliki beberapa modul utuk meyelesaika beragam persoalam matematika da yag mejadi iput adalah model matematika yag telah diracag berdasarka permasalah yag ada. Dalam peelitia ii diguaka modul goal programmig.misalya cotoh diatas, betuk iputya adalah : Gambar 2.5 Data Iput di dalam Program Uiversitas Sumatera Utara
25 32 Setelah data diiput, segera peritahka program utuk megola data tersebut melalui fasilitas solve. Sesaat kemudia program aka meayagka hasilya dalam 3 betuk yaitu : - Fial Table Tabel ii meujukka hasil perhituga pada iterasi terakhir metode simpleks. Gambar 2.6 Hasil Akhir Pada Perhituga Metode Simpleks - Summary Tabel ii meujukka ragkuma hasil-hasil akhir perhituga. Gambar 2.7 Ragkuma Hasil Perhituga Solusi Optimal Uiversitas Sumatera Utara
26 33 - Graph Grafik yag meujukka solusi optimal atas model matematika dari suatu permasalaha. Gambar 2.8 Grafik Solusi Optimal Uiversitas Sumatera Utara
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperincikesimpulan yang didapat.
Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
Lebih terperinciFORECASTING (Peramalan)
FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni
BAB II MAKALAH Makalah I. Judul Dipresetasika : Liear Goal Programmig utuk Optimasi Perecaaa si : Semiar Nasioal Sais da Pedidika Sais VIII UKSW 201 yag diseleggaraka oleh Fakultas Sais da Matematika UKSW
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciBAB II TINJAUAN LITERATUR. Pengendalian persediaan dapat dilakukan dalam berbagai cara, antara lain dengan
BAB II TINJAUAN LITERATUR 2.1. Klasifikasi ABC Dalam Persediaa Pegedalia persediaa dapat dilakuka dalam berbagai cara, atara lai dega megguaka aalisis ilai persediaa. Dalam aalisis ii, persediaa dibedajka
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciPERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.
PERAMALAN KURSIDRERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENIAL SMOOHING. Padrul Jaa 1), Rokhimi 2), Ismi Ratri Prihatiigsih 3) 1,2,3 PedidikaMatematika, Uiversitas PGRI Yogyakarta
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciBAB 2 LANDASAN TEORI Operasi Riset (Operation Research)
BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciBAB 2 LANDASAN TEORI. mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
8 BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperincii adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.
4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciBAB I KONSEP DASAR PERSAMAAN DIFERENSIAL
BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciProsiding Manajemen ISSN:
Prosidig Maajeme ISSN: 2460-7187 Aalisis Peramala Pejuala dega Megguaka Metode Sigle Movig Average, Weighted Movig Average da Expoetial Smoothig Sebagai Dasar Perecaaa Produksi Polo Shirt Pria (Studi Kasus
Lebih terperinciInflasi dan Indeks Harga I
PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Program liier Program liier adalah suatu tekik peyelesaia optimal atas suatu problema keputusa dega cara meetuka terlebih dahulu fugsi tujua (memaksimalka atau memiimalka) da kedala-kedala
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciPERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING
PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING Khairu Nisa Ulfa 1, Muhammad Syahrizal 2 Mahasiswa Tekik Iformatika STMIK Budi Darma Meda 1 Dose
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya
Lebih terperinciImplementasi Linear Programming Untuk Memaksimalkan Keuntungan
Serag, 25 November 2017 Implemetasi Liear Programmig Utuk Memaksimalka Keutuga Supriyadi 1, Ade Muslimat 2, Realdy Pratama 2, Gia Ramayati 3 1,34) Jurusa Tekik Idustri, Fakultas Tekik,Uiversitas Serag
Lebih terperinciBAB III PROGRAMA LINIER
BAB III PROGRAMA LINIER 31 Searah Sigkat Programa Liier Meurut George B Datzig yag serig disebut Bapak Liear Programmig, di dalam bukuya : Liear Programmig ad Extesio, meyebutka, bahwa ide dari pada liear
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciBAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit
BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciModel Trend untuk Peramalan Jumlah Penduduk Studi kasus pada Pertumbuhan Penduduk Kabupaten Gowa
JTRISTE, Vol., No., Oktober 015, pp. 46~5 ISSN: 355-3677 Model Tred utuk Peramala Jumlah Peduduk Studi kasus pada Pertumbuha Peduduk Kabupate Gowa Sistem Iformasi, STMIK Kharisma Makassar rahmawati@kharisma.ac.id
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciPERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM
PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract
Lebih terperinciAPLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU
Semiar SaidaTekologi ISSN : 693 6809 APLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU Tri Herawati Prodi Tekik Idustri, Fakultas Tekik, Uiversitas Islam Sumatera UtaraMeda Abstrak Pegambila keputusa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat
BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI PT.Bak Permata merupaka salah satu bak asioal terbesar di Idoesia da dikeal sebagai bak pelayaa terbaik. Bak Permata dibetuk sebagai hasil merger dari 5 bak di bawah Bada Peyehata
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciPeramalan Jumlah Stok Alat Tulis Kantor Di UD ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing
Jural Ilmiah Tekologi da Iformasia ASIA (JITIKA) Vol.10, No.1, Februari 2016 ISSN: 0852-730X Peramala Jumlah Stok Alat Tulis Kator Di UD ACHMAD JAYA Megguaka Metode Double Expoetial Smoothig Titaia Dwi
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciKompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci
Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciMODUL 3 PERAMALAN. Halaman 3
MODUL 3 PERAMALAN 1. Deskripsi Peramala merupaka tahapa awal dari keseluruha perecaaa produksi. Adaya ketidak pastia dari permitaa kosume di masa yag aka datag meyebabka aktivitas peramala ii sagat dibutuhka
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciPENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT
Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 02, No. 1(2013), hal 1-6. PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Demag, Helmi, Evi Noviai INTISARI Permasalaha di bidag tekik
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciAPLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X
APLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X Sayuti, M 1* 1 Jurusa Tekik Idustri, Fakultas Tekik, Uiversitas Malikussaleh-NAD *E-mail: Tgk_Sayuti@yahoo.co.uk ABSTRAK CV.X, merupaka perusahaa
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciIII PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah
III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga REGRESI DAN KORELASI Statistika da Probabilitas Kurva Regresi Mecari garis/kurva yag mewakili seragkaia titik data Ada dua cara utuk
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan
Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem
Lebih terperinci