PENERAPAN SENTIMENT ANALYSIS PADA HASIL EVALUASI DOSEN DENGAN METODE SUPPORT VECTOR MACHINE
|
|
- Suparman Sumadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEERAPA SETIMET AALYSIS PADA HASIL EVALUASI DOSE DEGA METODE SUPPORT VECTOR MACHIE Valonia Inge Sanoso¹, Gloria Virginia², Yuan Lukio³ Program Sudi Teknik Informaika Fakulas Teknologi Informasi Universias Krisen Dua Wacana 1, 2, 3 Absrac - The qualiy of lecures can be deermined by some feedbacks from sudens. From he feedbacks, we can give appreciaions for hose lecures who ge good feedback from sudens, and evaluaions for hose who ge bad feedback. The problem is classifying large size of feedbacks manually isn effecive and ook a lo of ime. Therefore, we need a sysem ha can classify feedbacks auomaically. These feedbacks will be classified ino posiive, negaive, and neural, usually called as senimen analysis. Senimen analysis implemenaion can be done by several mehods, one of hem ha has a good accuracy is Suppor Vecor Machine (SVM). SVM performance in his research is measured wih he level of accuracy. The number of accuracy indicae he success level of sysem. The conclusion of his research is facors ha affecs he accuracy. The facors are he range of each classes and number of unique words in he raining documen. Keywords: senimen analysis, suppor vecor machine, inverse marix I. PEDAHULUA Universias Krisen Dua Wacana menerapkan kuesioner online dalam rangka penilaian erhadap dosen. Kuesioner ini diisi oleh mahasiswa dan berisi opini posiif, negaif, aau neral. Saa ini, unuk perekapan dan klasifikasi hasil kuesioner unuk evaluasi dosen ini dilakukan secara manual. Pengklasifikasian secara manual memang menghasilkan daa yang akura karena manusia dapa membedakan dengan epa apakah kaa aau kalima ersebu bermakna posiif, negaif, aau neral, namun hal ini idak efekif dan idak menuup kemungkinan adanya kalima ambigu yang suli diklasifikasi walaupun oleh manusia sekalipun. Selain iu, pengklasifikasian secara manual membuuhkan banyak waku dan enaga. Unuk mengaasi masalah ini, dibuuhkan sisem yang dapa mengklasifikasikan opini ini ke dalam kelas senimen posiif, negaif, aau neral secara oomais. Klasifikasi ke iga kelas senimen ini disebu senimen analysis. Sisem ini menggunakan meode suppor vecor machine (SVM) karena pada peneliian peneliian sebelumnya yang pernah dilakukan, meode ini memiliki nilai akurasi yang cukup inggi. Dengan dierapkannya meode SVM, sisem ini diharapkan dapa melakukan senimen analysis dengan cepa, mudah, dan dengan ingka akurasi sera efekivias yang cukup inggi. II. LADASA TEORI 2.1 Tex Mining dan Senimen Analysis Tex mining mengacu pada proses mengambil informasi berkualias inggi dari eks. Informasi yang diambil biasanya mengacu ke beberapa kombinasi relevansi, kebaruan, dan ineresingness (Saraswai, 2011). Senimen analysis aau yang biasa disebu dengan Opinion mining adalah rise kompuasional dari opini, senimen, dan emosi yang diuangkan secara eksual lalu diklasifikasikan menjadi kelompok senimen posiif dan negaif (Feizar, Indriani, & Yudisira, 2014). Secara umum, senimen analysis dibagi menjadi 2 kaegori besar (Wicaksono, 2011), yaiu: 1. Coarse grained senimen analysis: Proses analisis dan klasifikasi orienasi sebuah dokumen secara keseluruhan. Orienasi ini dibagi menjadi 3 jenis yaiu posiif, neral, dan negaif, akan eapi ada juga yang menjadikan nilai orienasi bersifa koninu / idak diskri. 2. Fined grained senimen analysis: Obyek yang diklasifikasi idak pada level dokumen melainkan pada level kalima dalam sebuah dokumen. Sebagai conoh: a. Cara pengajaran kurang menarik negaif b. Kuliah erlaksana dengan epa waku posiif Senimen analysis erdiri dari 3 subproses (Wicaksono, 2011) yaiu: 1. Subjeciviy Classificaion: menenukan kalima yang merupakan opini. 2. Orienaion Deecion: Pengklasifikasian opini ke dalam kelas posiif, negaif, aau neral. 3. Opinion Holder and Targe Deecion: menenukan bagian yang merupakan opinion holder (pemberi opini) dan bagian yang merupakan arge. 2.2 Pemboboan TF-IDF Bobo TF-IDF merupakan bobo seiap kaa pada seiap dokumen. Unuk memperoleh nilai TF IDF menggunakan Persamaan 2. Unuk mendapakan nilai TF IDF dibuuhkan nilai idf. ilai idf dapa dicari dengan Persamaan 1. idf log10 ( /df ) (1) JURAL TRASFORMATIKA, Volume 14, omor 2, Januari
2 Dimana df adalah jumlah dokumen yang mengandung suau erm dan adalah oal dokumen yang diuji. (2) idf adalah jumlah dokumen yang berisi isilah ersebu. Diambil log dari idf unuk memberikan beberapa penghalusan. Dalam hal ini, seiap dokumen dianggap sebagai vekor dengan 1 komponen yang sesuai dengan seiap erm yang ada di kamus besera dengan bobo dari seiap komponen. Unuk erm yang idak muncul di dokumen, maka bobonya 0. Seelah didapakan bobo TF-IDF pada seiap erm, maka dilakukan normalisasi pada bobo TF-IDF ersebu. ormalisasi cosine dilakukan dengan perhiungan yang diunjukkan pada Persamaan 3 (Crof, Mezler, & Srohman, 2015). 2.3 Suppor Vecor Machine SVM merupakan salah sau meode klasifikasi dengan menggunakan meode machine learning (supervised learning) yang memprediksi kelas berdasarkan pola dari hasil proses raining yang dicipakan oleh Vladimir Vapnik. Klasifikasi dilakukan dengan garis pembaas (hyperlane) yang memisahkan anara kelas opini posiif dan opini negaif. Secara inuiif, suau garis pembaas yang baik adalah yang memiliki jarak erbesar ke iik daa pelaihan erdeka dari seiap kelas, karena pada umumnya semakin besar margin, semakin rendah error generalisasi dari pemilah. Margin adalah jarak dari suau iik vekor di suau kelas erhadap hyperplane. Berdasarkan Gambar 1, dapa diliha bahwa garis pembaas erbaik adalah garis H2 karena memiliki maksimum margin dan membagi menjadi 2 kelas. Sedangkan H3 idak membagi menjadi 2 kelas, dan H1 memang membagi menjadi 2 kelas, namun margin yang dimiliki sanga kecil. Hyperplane yang mewakili pemisahan aau margin erbesar anara dua kelas sehingga jarak iik daa erdeka di seiap sisi dimaksimalkan disebu hyperplane margin maksimum, dan linier classifier yang didefinisikannya dikenal sebagai pengklasifikasi margin maksimal. Maksimum margin hyperplane dan margin unuk SVM dilaih dengan sampel dari 2 kelas yang disebu suppor vecor (Saraswai, 2011). (3) Gambar1. Conoh beberapa hyperlane (Saraswai, 2011) Training pada klasifikasi SVM akan menghasilkan sebuah nilai aau pola yang akan digunakan pada proses esing yang berujuan unuk pemberian label senimen (ovanirani, Sabariah, & Effendy, n.d). Penilaian kemudian dibua dengan menilai score yang merepresenasikan di sisi mana dokumen iu berada (Saraswai, 2011). Proses pengambilan kepuusan dengan SVM besera analisis berupa ingka akurasi dan jumlah dokumen di seiap class posiif, negaif, dan neral digambarkan seperi pada Gambar 2. Gambar 2. Flowchar Klasifikasi dengan SVM dan Analisis 2.4 Evaluasi dan Validasi Evaluasi performansi dilakukan unuk menguji hasil klasifikasi dengan mengukur nilai kebenaran dari sisem. Parameer yang digunakan unuk mengukur nilai kebenaran yaiu akurasi. Akurasi adalah persenase dokumen yang berhasil diklasifikasikan dengan epa oleh sisem. Akurasi diperoleh dari hasil perhiungan yang diunjukkan pada Persamaan 4. A= (4) Semua parameer unuk mendapakan akurasi didapakan dari coincidence marix yang digambarkan seperi Gambar JURAL TRASFORMATIKA, Volume 14, omor 2, Januari 2017
3 Gambar 3. Coincidence Marix (Manning, Raghavan, & Schuze, 2009) Proses validasi daa laih berguna unuk meningkakan nilai akurasi sisem. Proses validasi ini diharapkan akan menghasilkan baasan yang epa unuk membagi iga kelas senimen secara adil dan memberikan pemboboan yang epa sehingga akurasi dapa meningka. 2.5 Tex Preprocessing Tex preprocessing merupakan ahap awal dari ex mining. Tujuan dari ex preprocessing adalah unuk mempersiapkan dokumen eks yang idak ersrukur menjadi daa ersrukur yang siap digunakan unuk proses selanjunya dengan cara menghilangkan noise, menyeragamkan benuk kaa dan mengurangi volume kaa (Purani & Winarko, 2014). Tahapan ex preprocessing yang digunakan pada peneliian ini anara lain okenisasi, case folding, filering, sopword removal. Tokenisasi digunakan unuk mendapakan semua erm unik yang ada dalam sample daa sekaligus berusaha mengubah daa inpu yang idak menggunakan bahasa baku (misalnya: singkaan dan bahasa asing yang sering muncul) menjadi bahasa Indonesia yang baku dan sesuai dengan KBBI dan EYD. Proses membakukan sebuah kaa dilakukan dengan mendafar kaa kaa ersebu ke dalam sebuah abel. Tabel ini memiliki field kaa idak baku dan kaa baku. Conoh benuk abel disediakan pada Tabel 1. Tabel 1. Tabel Kaa Tidak Baku dan Kaa Baku Kaa Tidak Baku Kaa Baku Tdk Tidak Enggak Tidak Good Baik Tl Terlamba Krg Kurang Case folding digunakan unuk mengubah semua karaker dokumen hasil okenisasi menjadi lowercase agar dapa diurukan secara alfabeik dan diproses selanjunya. Oleh karena sisem ini berpanduan klasifikasi adalah KBBI dan EYD, maka perlu adanya penyaringan agar yang diambil hanya erm berbahasa Indonesia yang baku saja. Unuk kaa yang disingka namun sering muncul akan berusaha dibakukan. Sedangkan kaa yang menggunakan bahasa asing, namun sering muncul, akan dierjemahkan ke dalam bahasa Indonesia. Tahap ini diharapkan dapa membua kinerja sisem semakin akura dan epa sasaran. K yang cukup lama, sehingga perlu adanya pemilahan erm. Term yang spesifik dan sesuai dengan opik dokumen (dalam hal ini kasus evaluasi dosen) dapa membanu kinerja sisem agar lebih efekif dan efisien. III. HASIL DA PEMBAHASA Pada pengujian perama, Penulis menggunakan daa laih sebanyak 307 dokumen. Dokumen laih erdiri dari 103 dokumen bersenimen posiif, 163 bersenimen negaif, dan 41 dokumen bersenimen neral. Pada pengujian ini akan dienukan range yang epa unuk membagi menjadi 3 kelas senimen. Melalui pengujian ini didapakan akurasi eringgi adalah 49,54 %. Akurasi ini didapakan pada range : Posif: > 0 eral: 0 egaif: < 0 Unuk meningkakan akurasi, Penulis mencoba unuk mengubah komposisi daa laih dengan meode k-fold cross validaion dengan k = 7. Melalui pengujian ini, didapakan erjadinya perubahan ingka akurasi yang cukup signifikan di beberapa daase pelaihan. Hal ini membukikan bahwa komposisi daa laih uru mempengaruhi ingka akurasi. Akurasi eringgi didapakan pada daase dengan k = 6 dan akurasi yang dicapai adalah 67,83%. Hasil pengujian diunjukkan pada Tabel 2. Tabel 2. Tabel Hasil Pengujian Penerapan K-fold cross validaion Jumla h erm unik P,P P, Confusion Mariks,,, P P, Akur asi , , , , , , ,64,P,, Peningkaan akurasi berdasarkan jumlah erm unik diunjukkan pada Gambar 4. Melalui Gambar 4, dapa disimpulkan bahwa semakin banyak jumlah erm unik, memiliki kecenderungan unuk meningkakan akurasi. Jumlah erm yang erlalu banyak idak efekif karena membuuhkan memory yang besar dan waku pengerjaan JURAL TRASFORMATIKA, Volume 14, omor 2, Januari
4 Akurasi Gambar 4. Grafik Akurasi Hasil Pengujian Sisem ini memiliki nilai akurasi yang idak erlalu inggi dikarenakan fakor dari dokumen uji yang dimasukkan. Bila dokumen uji yang dimasukkan semua erm-nya adalah sopwords maka sisem idak dapa melakukan senimen analysis pada dokumen uji ersebu. Hal ini dikarenakan sisem menerapkan preprocessing sopwords removal yang arinya sisem akan membuang semua erm yang ergolong sopwords. Akibanya, dokumen uji ersebu dianggap idak mengandung erm apapun. Fakor lain yang menghamba kinerja sisem adalah adanya dokumen uji yang semua erm-nya idak erdapa di dokumen laih, dengan kaa lain sisem idak pernah mengenal erm ini sebelumnya. Apabila ada erm baru dari dokumen uji, perhiungan idak dapa dilanjukan karena erm ersebu idak memiliki nilai unuk dimasukan ke persamaan hyperplane. Alasan inilah yang membua dokumen uji bersenimen neral suli erdeeksi sebagai kelas senimen neral, karena pada umumnya kalima bersenimen neral memiliki variasi erm yang lebih beragam daripada kelas senimen yang lain. Tidak seperi pada kelas senimen posiif dan negaif, kelas senimen neral cenderung idak memiliki erm yang khas, sehingga suli dikenali. IV. Akurasi Pengujian dengan Daa Uji 70,00 65,00 60,00 55,00 50,00 Jumlah Term Unik KESIMPULA DA SARA Tanpa Bobo Berdasarkan hasil analisis peneliian, maka dapa diarik kesimpulan bahwa sisem sudah dapa melakukan senimen analysis dengan meode SVM erhadap hasil evaluasi dosen FTI UKDW Program Sudi Teknik Informaika ahun ajaran 2014/2015 semeser gasal. Dengan meode SVM, sisem dapa melakukan senimen analysis dengan menggunakan 3 kelas senimen. Akurasi eringgi SVM pada sisem ini yaiu 67,83%. Akurasi eringgi dicapai pada sisem yang idak menerapkan perubahan bobo pada dokumen uji dan menggunakan range > 0 unuk kelas senimen posiif, < 0 unuk kelas senimen negaif, dan 0 unuk kelas senimen neral, sera pelaihan menggunakan se daalaih ke 6. Sisem pengklasifikasian ini sanga memungkinkan unuk dilakukan pengembangan lebih lanju sesuai kebuuhan yang erus berambah, sehingga dapa meningkakan akurasi sisem. Saran yang diajukan Penulis dalam pengembangan sisem kedepannya adalah sebagai beriku: 1. Memperkaya variasi erm unuk proses filering yang mengaasi pembakuan kaa dan menambah maupun mengurangi dafar sopword agar idak erjadi erhapusnya kaa yang merupakan ciri khas dari suau class senimen. 2. Menggunakan meode yang lebih baik unuk sisem penyelesaian persamaan linear agar erbenuk hyperplane yang lebih akura. Akan lebih baik bila menggunakan algorima yang dapa membenuk mariks inverse pada semua mariks (idak hanya mariks persegi) agar sisem dapa mengaasi kasus jumlah dokumen laih lebih banyak dari jumlah erm unik pada dokumen laih. 3. Pada peneliian ini, proses senimen analysis dilakukan hanya berdasarkan pemboboan yang diukur dari angka kemunculan dan mengabaikan makna kaa. Akan lebih baik bila pada peneliian selanjunya dierapkan juga kedekaan suau kaa dengan kaa yang lain (semanic). Misalnya mengkolaborasi abel sinonim dengan abel wordne. 4. Berdasarkan hasil analisis, didapakan hasil bahwa range pembaas anar kelas senimen bisa saja berubah. Akan lebih baik bila sisem memiliki fiur yang memperbolehkan pengguna mengaur sendiri range ersebu. DAFTAR PUSTAKA [1] Crof, W. B., Mezler, D., & Srohman, T. (2015). Search Engines Informaion Rerieval in Pracice. Pearson Educaion, Inc. [2] Feizar, F. H., Indriani, & Yudisira,. (2014). Analisis Senimen Opini Film Berbahasa Indonesia Berbasis Kamus Menggunakan Meode eighbor-weighed K-eares eighbor. Universias Brawijaya, Teknik Informaika. Malang: Universias Brawijaya. [3] Manning, C. D., Raghavan, P., & Schuze, H. (2009). An Inroducion o Informaion Rerieval. Cambridge, England: Cambridge Universiy Press. [4] ovanirani, A., Sabariah, M. K., & Effendy, V. (n.d). Analisis Senimen pada Twier unuk Mengenai Penggunaan Transporasi Umum Dara Dalam Koa dengan Meode Suppor Vecor Machine. Universias Telkom, Teknik Informaika. Bandung: Universias Telkom. [5] Purani,. D., & Winarko, E. (2014, January 15). Analisis Senimen Twier unuk Teks Berbahasa Indonesia dengan Maximum Enropy dan Suppor Vecor Machine. IJCCS, 8, JURAL TRASFORMATIKA, Volume 14, omor 2, Januari 2017
5 [6] Saraswai,. W. (2011). Tex Mining dengan Meode aive Bayes Classifier dan Suppor Vecor Machines unuk Senimen Analysis. Universias UDAYAA, Teknik Elekro. Denpasar: Universias UDAYAA. [7] Wicaksono, A. F. (2011, Januari 20). My Live Journals. Dipeik Sepember 15, 2015, dari Apa iu Senimen Analysis / Opinion Mining?: hp://alfanfarizki.blogspo.co.id/2011/01/apa-iu-senimen-analysisopinion.hml JURAL TRASFORMATIKA, Volume 14, omor 2, Januari
KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK
KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS Wulan Fain Nasyuha¹, Husaini 2 dan Mursyidah 3 1,2,3 Teknologi Informasi dan Kompuer, Polieknik Negeri Lhokseumawe, Jalan banda Aceh-Medan
Lebih terperinciKLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5)
KLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5) Dwi Seyowai, Yuliana Susani, Supriyadi Wibowo Program Sudi Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1750-1757 hp://j-piik.ub.ac.id Analisis Senimen Terhadap Tayangan Televisi Berdasarkan Opini
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1. Model Rumusan Masalah dan Pengambilan Kepuusan Model rumusan masalah dan pengambilan kepuusan yang digunakan dalam menyelesaikan skripsi ini dimulai dari observasi lapangan
Lebih terperinciPENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Studi pada karyawan tetap PT PG Tulangan Sidoarjo)
PENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Sudi pada karyawan eap PT PG Tulangan Sidoarjo) Niken Dwi Okavia Heru Susilo Moehammad Soe`oed Hakam Fakulas Ilmu Adminisrasi
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciUKDW 1. BAB 1 PENDAHULUAN Latar Belakang Masalah
1. BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Universitas yang baik dan terpercaya selalu memperhatikan perkembangan dan kondisi yang terjadi di universitas tersebut, salah satunya dengan memantau kinerja
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciEVALUASI KINERJA SISTEM PENYARINGAN INFORMASI MODEL RUANG VEKTOR
Yogyakara, 7 Juni 006 EVALUASI KINERJA SISTEM PENYARINGAN INFORMASI MODEL RUANG VEKTOR Rila Mandala Kelompok Keahlian Informaika, Sekolah Teknik Elekro dan Informaika, Insiu Teknologi Bandung Jalan Ganesha
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA)
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) I Wayan Supriana Program Pascasarjana Ilmu Kompuer Fakulas MIPA Universias Gadjah Mada
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciPENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.
PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar
Lebih terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekaan Peneliian Jenis peneliian yang digunakan dalam peneliian ini adalah peneliian evaluasi dan pendekaannya menggunakan pendekaan kualiaif non inerakif (non
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciEFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH TERHADAP KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP N 3 SEWON. Oleh: Nurul Hidayati
EFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH TERHADAP KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP N 3 SEWON Oleh: Nurul Hidayai Mahasiswa S1 Pendidikan Maemaika, Fakulas Keguruan dan
Lebih terperinciMODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH)
Journal Indusrial Servicess Vol. No. Okober 0 MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Abdul Gopar ) Program Sudi Teknik Indusri Universias
Lebih terperinciHUMAN CAPITAL. Minggu 16
HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Teoriis 3.1.1 Daya Dukung Lingkungan Carrying capaciy aau daya dukung lingkungan mengandung pengerian kemampuan suau empa dalam menunjang kehidupan mahluk hidup secara
Lebih terperinciSEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galatia Ballangan)
SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galaia Ballangan) SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Saionary Disribuion of Swiss Bonus-Malus
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinciINTEGRASI PEMBOBOTAN TF-IDF PADA METODE K-MEANS UNTUK CLUSTERING DOKUMEN TEKS
INTEGRASI PEMBOBOTAN TF-IDF PADA METODE K-MEANS UNTUK CLUSTERING DOKUMEN TEKS Deddy Wijaya Sulianoro 1, *), Irya Wisnubhadra 2) dan Ernawai 3) 1) Magiser Teknik Informaika, Universias Ama Jaya Yogyakara
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI
Seminar Nasional Informaika PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D Manajemen Informaika, STMIK Poensi Uama evrie9@gmail.com
Lebih terperinciPerencanaan Sistem Pendukung Keputusan Untuk Peningkatan Produktivitas
Perencanaan Sisem Pendukung Kepuusan Unuk Peningkaan Produkivias Abdurrozzaq Hasibuan Jurusan Teknik Indusri, Fakulas Teknik, UISU Jln. Sisingamangaraja Telp. 7869920 Teladan Medan Email : rozzaq@uisu.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI
Seminar Nasional Informaika 24 PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D3 Manajemen Informaika, STMIK Poensi Uama
Lebih terperinciBAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan
BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciBab IV Pengembangan Model
Bab IV engembangan Model IV. Sisem Obyek Kajian IV.. Komodias Obyek Kajian Komodias dalam peneliian ini adalah gula pasir yang siap konsumsi dan merupakan salah sau kebuuhan pokok masyaraka. Komodias ini
Lebih terperinciANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ)
hp://jurnal.upnyk.ac.id/index.php/opsi OPSI Jurnal Opimasi Sisem Indusri ANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ) Ahmad Muhsin, Ichsan Syarafi Jurusan
Lebih terperinciB a b 1 I s y a r a t
TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Poensi sumberdaya perikanan, salah saunya dapa dimanfaakan melalui usaha budidaya ikan mas. Budidaya ikan mas yang erus berkembang di masyaraka, kegiaan budidaya
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN 3.1. Analisis Sistem Analisis sistem merupakan tahap penguraian konsep menjadi lebih sederhana, sehingga struktur
BAB 3 ANALISIS DAN PERANCANGAN 3.1. Analisis Sisem Analisis sisem merupakan ahap penguraian konsep menjadi lebih sederhana, sehingga srukur logisnya menjadi lebih jelas. Analisis sisem erdiri dari beberapa
Lebih terperinciBAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja
BAB 2 LANDASAN TEORI 2.1 Pengerian Pengangguran Pengangguran aau una karya merupakan isilah unuk orang yang idak mau bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciPENJADWALAN PEMBUATAN BOX ALUMININUM UNTUK MEMINIMUMKAN MAKESPAN (Studi Kasus di Perusahaan Karoseri ASN)
B PENJADWALAN PEMBUATAN BOX ALUMININUM UNTUK MEMINIMUMKAN MAKESPAN (Sudi Kasus di Perusahaan Karoseri ASN) Firiya Gemala Dewi, Bobby O.P. Soepangka, Nurhadi Siswano Program Pasca Sarjana Magiser Manajemen
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer Vol. 2, No. 5, Mei 2018, hlm. 1856-1865 e-issn: xxx-xxx hp://j-piik.ub.ac.id Klasifikasi Keminaan Menggunakan Algorime Exreme Learning Machine dan
Lebih terperinciEFISIENSI WAKTU PRODUKSI ES BATU SEBAGAI IMPLIKASI URUTAN PENJADWALAN KEDATANGAN JOB YANG TEPAT
Jurnal Ilmiah Teknik Indusri, Vol. 11, No. 1, Juni 2012 ISSN 1412-6869 EISIENSI WKTU PRODUKSI ES BTU SEBGI IMPLIKSI URUTN PENJDWLN KEDTNGN JOB YNG TEPT Hendy Tannady 1 dan Seven 2 bsrak: Efisiensi adalah
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI
ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI Yusep Suparman Universias Padjadjaran yusep.suparman@unpad.ac.id ABSTRAK.
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciBAB III METODE PENELITIAN
A III METODE PEELITIA Salah sau komponen peneliian yang mempunyai ari pening dalam kaiannya dengan proses sudi secara komprehensif adalah komponen meode peneliian. Meode peneliian menjelaskan bagaimana
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciBAB II PERTIDAKSAMAAN CHERNOFF
BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
Lebih terperinciPERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1
PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis
Lebih terperinciVARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE
VARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE Indra Nurhadi Program Sudi Manajemen Ekonomi, Fakulas Ekonomi, Universias Gunadarma Jl. Akses Kelapa Dua Cimanggis,
Lebih terperinciIII. METODE PENELITIAN. Usahatani belimbing karangsari adalah kegiatan menanam dan mengelola. utama penerimaan usaha yang dilakukan oleh petani.
III. METODE PENELITIAN A. Konsep Dasar dan Definisi Operasional Usahaani belimbing karangsari adalah kegiaan menanam dan mengelola anaman belimbing karangsari unuk menghasilkan produksi, sebagai sumber
Lebih terperinciPENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 2012/2013
Jurnal Lensa Kependidikan Fisika Vol. 1 Nomor 1, Juni 13 ISSN: 338-4417 PENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 1/13
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciIII METODE PENELITIAN
III METODE PENELITIAN 3.1 Waku dan Tempa Peneliian Peneliian mengenai konribusi pengelolaan huan rakya erhadap pendapaan rumah angga dilaksanakan di Desa Babakanreuma, Kecamaan Sindangagung, Kabupaen Kuningan,
Lebih terperinciSISTEM QUESTION ANSWERING BAHASA INDONESIA UNTUK PERTANYAAN NON- FACTOID. Novi Yusliani dan Ayu Purwarianti
SISTEM QUESTION ANSWERING BAHASA INDONESIA UNTUK PERTANYAAN NON- FACTOID Novi Yusliani dan Ayu Purwariani Sekolah Teknik Elekro dan Informaika, Insiu Teknologi Bandung, Jalan Ganesha 10, Bandung, 40132,
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciJurnal Edik Informatika. Peramalan Kebutuhan Manajemen Logistik Pada Usaha Depot Air Minum Isi Ulang Al-Fitrah
Jurnal Edik Informaika Peneliian Bidang Kompuer Sains dan Pendidikan Informaika V.i(5-4) Peramalan Kebuuhan Manajemen Logisik Pada Usaha Depo Air Minum Isi Ulang Al-Firah Henny Yulius, Islami Yei Universias
Lebih terperinciGERAK LURUS BESARAN-BESARAN FISIKA PADA GERAK KECEPATAN DAN KELAJUAN PERCEPATAN GLB DAN GLBB GERAK VERTIKAL
Suau benda dikaakan bergerak manakalah kedudukan benda iu berubah erhadap benda lain yang dijadikan sebagai iik acuan. Benda dikaakan diam (idak bergerak) manakalah kedudukan benda iu idak berubah erhadap
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciSISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal Informaika Polinema ISSN: 2407-070X SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING Mansyur, Erfan Rohadi Program Sudi Teknik Informaika,
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB III METODOLOGI PENELITIAN
III METODOLOGI PENELITIN Meode adalah suau prosedur aau cara unuk mengeahui sesuau yang mempunyai langkah-langkah sisemais. 1 Meode peneliian adalah semua asas, perauran, dan eknik-eknik yang perlu diperhaikan
Lebih terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciIII. METODE PENELITIAN
23 III. METODE PENELITIAN 3.1 Waku dan Lokasi Peneliian dilaksanakan di iga empa berbeda. Unuk mengeahui ingka parisipasi masyaraka penelii mengambil sampel di RT 03/RW 04 Kelurahan Susukan dan RT 05/RW
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1 Waku dan Lokasi Peneliian Peneliian ini dilakukan pada bulan Juni hingga Juli 2011 yang berlokasi di areal kerja IUPHHK-HA PT. Mamberamo Alas Mandiri, Kabupaen Mamberamo
Lebih terperinciRelasi LOGIK FUNGSI AND, FUNGSI OR, DAN FUNGSI NOT
2 Relasi LOGIK FUNGSI ND, FUNGSI OR, DN FUNGSI NOT Tujuan : Seelah mempelajari Relasi Logik diharapkan dapa,. Memahami auran-auran relasi logik unuk fungsi-fungsi dasar ND, OR dan fungsi dasar NOT 2. Memahami
Lebih terperinciIII KERANGKA PEMIKIRAN
III KERANGKA PEMIKIRAN 3.1 Teori Risiko Produksi Dalam eori risiko produksi erlebih dahulu dijelaskan mengenai dasar eori produksi. Menuru Lipsey e al. (1995) produksi adalah suau kegiaan yang mengubah
Lebih terperinciBAB I PENDAHULUAN. Perekonomian dunia telah menjadi semakin saling tergantung pada
BAB I PENDAHULUAN A. Laar Belakang Masalah Perekonomian dunia elah menjadi semakin saling erganung pada dua dasawarsa erakhir. Perdagangan inernasional merupakan bagian uama dari perekonomian dunia dewasa
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Laar Belakang PENDAHULUAN Basis daa saa ini elah berkembang sanga cepa. Di dalam umpukan daa ersebu mungkin erdapa informasi ersembunyi yang sanga pening aau menjadi pening pada saa dibuuhkan. Penumpukan
Lebih terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciBab 2 Landasan Teori
Bab 2 Landasan Teori 2.1 Keseimbangan Lini 2.1.1 Definisi Keseimbangan Lini Penjadwalan dari pekerjaan lini produksi yang menyeimbangkan kerja yang dilakukan pada seiap sasiun kerja. Keseimbangan lini
Lebih terperinciBAB IV METODE PENELITIAN. dimana peneliti adalah sebagai instrument kunci, pengambilan sample sumber dan
BAB IV METODE PENELITIAN 4.1 Pendekaan Peneliiaan Peneliian sudi kasus ini menggunakan peneliian pendekaan kualiaif. menuru (Sugiono, 2009:15), meode peneliian kualiaif adalah meode peneliian ang berlandaskan
Lebih terperinci