MODEL PERSEDIAAN TERINTEGRASI PRODUSEN - DISTRIBUTOR - PENGECER DENGAN MULTI - PRODUK DAN KENDALA TINGKAT LAYANAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODEL PERSEDIAAN TERINTEGRASI PRODUSEN - DISTRIBUTOR - PENGECER DENGAN MULTI - PRODUK DAN KENDALA TINGKAT LAYANAN"

Transkripsi

1 MODEL PERSEDIAAN TERINTEGRASI PRODUSEN - DISTRIBUTOR - PENGECER DENGAN MULTI - PRODUK DAN KENDALA TINGKAT LAYANAN Mkyana Ramadan, Nughthoh Arfaw Kurdh, dan Sutrma Program Stud Matematka FMIPA UNS Abstrak. Peneltan terhadap manajemen persedaan beberapa tahun belakangan mengunakan waktu tunggu sebaga varabel keputusan. Peneltan tersebut dlakukan pada suatu model persedaan dengan satu produk dan dua phak ranta pemasok. Pada artkel n membahas tentang model persedaan dengan mult-produk dan tga phak ranta pemasok, yatu produsen, dstrbutor dan pengecer. Model persedaan yang bak akan dperoleh dar hasl ntegras antara model persedaan produsen, model persedaan dstrbutor dan model persedaan pengecer. Model persedaan terntegras pada artkel n menggunakan mult - produk dan kendala tngkat layanan. Kendala tngkat layanan merupakan tngkat kepuasan pelanggan yang dapat dlhat dar baya pengurangan waktu tunggunya. Pengurangan waktu tunggu n berbandng lurus dengan berkurangnya baya pemesanan. Tujuan peneltan n adalah menentukan penyelesaan optmal untuk model persedaan terntegras produsen-dstrbutor-pengecer yang dapat memnmumkan total baya persedaan dengan menggunakan konds Karush-Kuhn-Tucker. Kata Kunc: model persedaan terntegras, mult-produk, kendal waktu tunggu, kendala tngkat layanan, konds Karush-Kuhn-Tucker.. Pendahuluan Persedaan merupakan sejumlah bahan atau barang yang dsedakan oleh perusahaan, bak berupa barang jad, bahan mentah, maupun barang dalam proses yang dsedakan untuk menjaga kelancaran operas perusahaan guna memenuh permntaan konsumen setap waktu. Persedaan dengan model terntegras pertama kal dgagas oleh Goyal, dengan mengntegras model produsen dan dstrbutor sehngga menghaslkan model yang dapat memnmumkan total baya persedaan. Pada beberapa tahun terakhr banyak penelt yang tertark untuk mengembangkan model terntegras, sepert Ouyang [] yang menelt tentang model persedaan terntegras pemasok-pengecer dan kendal waktu tunggu dengan permntaan waktu tunggunya berdstrbus normal dan dstrbus tdak dketahu(free dstrbuton). Pada tahun 20, Sahraean dan Koosha [2] menelt tentang tga phak ranta pemasok dengan kendal waktu tunggu yang terdr dar produsen, dstrbutor dan pengecer. Pengecer merupakan phak dmana konsumen dapat memperoleh berbaga macam barang kebutuhan sehar-har, jka pengecer tdak memlk persedaan barang yang terssa(stockout), maka terjadlah shortage yang berart pemenuhan konsumen akan barang tersebut tdak dapat dpenuh saat tu juga. Jka konsumen memlh untuk menunggu(backorder) maka pengecer akan menghubung dstrbutor untuk kemudan dstrbutor memesan kepada produsen. Ketka produsen memlk persedaan barang yang cukup maka akan langsung dkrm, jka tdak maka produsen akan memproduks barang tersebut dengan waktu tunggu tertentu. Waktu tunggu dalam hal n terdr atas waktu untuk penermaan barang mentah, waktu persapan produks set-up, waktu proses dan waktu transportas. Waktu tunggu dapat dsngkat dengan crashng cost yang dalam hal n akan dbebankan kepada pengecer. Apabla konsumen tdak mau melakukan backorder, akan terjad kehlangan peluang penjualan(lost of sales) sampa kehlangan pelanggan(lost of customers), maka dar

2 Model Persedaan Terntegras Produsen - Dstrbutor - Pengecer dengan Mult Produk dan Kendala Tngkat tu dperlukan adanya suatu perbakan manajemen persedaan, dmana mencar ttk optmas tentang berapa jumlah barang yang dpesan dan kapan pemesanan tersebut dlakukan. Talezadeh [3] pada tahun 200 menelt tentang model mult-produk sstem produks mesn tunggal dengan tngkat produks stokastk dabakan, backorder parsal, dan kendala tngkat layanan. Tngkat layanan merupakan ukuran tngkat kepuasan pelanggan dan dapat dlhat dar baya pengurangan waktu tunggu, dmana semakn banyak pengurangan waktu tunggunya maka kebutuhan konsumen akan semakn cepat terpenuh. Pada peneltan n dkembangkan model dar Sahraean dan Koosha [2] yatu model persedaan terntegras produsen-dstrbutor-pengecer dengan mult-produk, dgabungkan dengan peneltan Ouyang [] yatu permntaan selama waktu tunggu berdstrbus normal dan berdstrbus tdak dketahu, dan menggunakan kendala tngkat layanan untuk mult-produk dar peneltan Talezadeh [3]. Selanjutnya dtentukan penyelesaan optmal untuk memnmumkan baya total persedaan dar model yang telah dperoleh kemudan mengnterpretaskan haslnya. 2. Asums Model Persedaan Terntegras Pengembangan model persedaan terntegras produsen-dstrbutor-pengecer dengan mult -produk dan kendala tngkat layanan dbentuk beberapa asums yang mengacu pada Sahraean dan Koosha [2], Ye dan Xu [4] serta Ouyang []. () Tga phak ranta pemasok terdr atas produsen, dstrbutor, dan pengecer. (2) Persedaan dkontrol secara berkelanjutan dan penambahan dlakukan ketka tngkat persedaan mencapa ttk pemesanan kembal atau reorder pont (r). (3) Reorder pont(r) =ekspektas permntaan saat waktu tunggu + persedaan pengaman. Permntaan X saat waktu tunggu L dasumskan berdstrbus normal dengan mean D L dan standar devasnya σ L, sehngga r = D L + kσ L, dengan k adalah faktor pengamannya. (4) Shortage dperbolehkan dan backorder sepenuhnya (5) Produsen memproduks produk sebanyak m Q dengan laju produks terbatas P (P > D ) dan dkrm sebanyak Q kepada dstrbutor sejumlah m, dengan D merupakan suatu demand atau permntaan. (6) Waktu tunggu dapat dkendalkan dengan menambah crashng cost. Waktu tunggu memlk n komponen salng bebas. Komponen waktu tunggu ke- dar pengecer memlk duras mnmum a dan duras normal b, dan crashng cost per satuan waktu c dmana c c 2... c n. Reduks waktu tunggu haruslah menjad komponen pertama (karena memlk crashng cost yang mnmum), dan komponen kedua dan selanjutnya. Jka dmsalkan L 0 = n j= b j dan L adalah lamanya waktu tunggu dengan komponen, 2,..., dsngkat dengan duras mnmumnya, maka L dekspreskan sebaga L = j= a j + j=+ b j = j= b j j= (b j a j ) = L 0 j= (b j a j ), =, 2,..., n. Crashng cost waktu tunggu, per-sklus adalah R(L ) = c (L L ) + j= c j(b j a j ), dengan Lϵ(L, L ). (7) Baya tambahan akan dkenakan pada pengecer jka terdapat permntaan lead tme. R. Mkyana, A. K. Nughthoh, Sutrma 2 206

3 Model Persedaan Terntegras Produsen - Dstrbutor - Pengecer dengan Mult Produk dan Kendala Tngkat (8) Baya transportas dabakan. 3. Sstem Operas Persedaan Konsumen melakukan permntaan tahunan untuk produk ke- (D ) unt barang. Pengecer menerma permntaan konsumen dengan melakukan pemesanan untuk produk ke- (Q ) unt barang pada dstrbutor, kemudan dstrbutor melakukan permntaan pada produsen. Produsen memproduks barang sebanyak Q dengan kemampuan produks sebesar P dalam satu sklus produks yang kemudan dkrmkan kepada pengecer melalu dstrbutor dalam m kal pengrman. Waktu yang dbutuhkan oleh pengecer dar awal pemesanan sampa barang tersebut sampa dsebut waktu tunggu (lead tme). Waktu tunggu dapat dsngkat dengan menambahkan baya pengurangan waktu tunggu (crashng cost). Jka terjad permntaan berlebh saat waktu tunggu, maka akan menyebabkan shortage cost dmana konsumen dapat menunggu dengan melakukan backorder atau tdak, yang mengakbatkan terjadnya lost sale bahkan lost of customer. Permntaan yang terjad selama waktu tunggu akan berdstrbus normal dan berdstrbus tdak dketahu. 4. Formulas Model Pada bagan n djelaskan formulas model persedaan, yatu model persedaan produsen, model persedaan dstrbutor, model persedaan pengecer, dan model persedaan terntegras produsen-dstrbutor-pengecer. 4.. Model Persedaan Produsen. Produsen memlk tngkat produks untuk produk ke- adalah sebesar P per tahun dengan P > D dan mengeluarkan baya persapan sebesar S. Baya penympanan produsen per tahun sebesar h per unt barang. Total baya persedaan produsen per tahun adalah jumlahan dar baya persapan, baya penympanan dan baya pengurangan waktu tunggu (crashng cost) Model Persedaan Dstrbutor. Dstrbutor mengeluarkan baya pemesanan sebesar A, baya penympanan dstrbutor per tahun sebesar h per unt barang. Persedaan rata-rata untuk dstrbutor dasumskan sama dengan produsen, sehngga total baya persedaan dstrbutor per tahun adalah jumlahan dar baya pemesanan, baya penympanan dan baya pengurangan waktu tunggu (crashng cost) Model Persedaan Pengecer. Ekspektas jumlah permntaan karena kekurangan persedaan berdstrbus normal adalah E(X r) = σ L ψ(k), dengan ψ(k) = ϕ(k) k[ Φ(k)], ϕ dan Φ berturut-turut adalah probablty densty functon (pdf ) dan cumulatve dstrbuton functon (CDF ) normal standar. Ekspektas jumlah permntaan karena kekurangan persedaan berdstrbus tdak dketahu adalah E(X r) [ σ 2 L + (r D L ) 2 (r D L )] dengan r = D L + kσ L maka E(X r) ( + k 2 2 k)σ L. β merupakan persentase jumlah permntaan yang mengalam backorder, sehngga ekspektas jumlah permntaan selama waktu tunggu berdstrbus normal saat backorder adalah βσ L ψ(k) sehngga saat terjad lostsales ekspektasnya adalah ( β)σ L ψ(k) dan ekspektas jumlah permntaan selama waktu tunggu berdstrbus tdak dketahu saat backorder adalah βσ L ( + k 2 2 k) sehngga saat terjad lostsales ekspektasnya adalah R. Mkyana, A. K. Nughthoh, Sutrma 3 206

4 Model Persedaan Terntegras Produsen - Dstrbutor - Pengecer dengan Mult Produk dan Kendala Tngkat ( β)σ L ( + k 2 2 k). Baya kekurangan persedaan per sklus dengan permntaan selama waktu tunggu berdstrbus normal adalah (π +γ ( β))σ L ψ(k) dan permntaan selama waktu tunggu berdstrbus tdak dketahu adalah (π + γ ( β))σ L ( + k 2 2 k). Total baya persedaan pengecer per tahun adalah jumlahan dar baya pemesanan, baya penympanan, baya kekurangan persedaan (shortage), dan baya pengurangan waktu tunggu (crashng cost) Model Persedaan Terntegras Produsen-Dstrbutor-Pengecer. Total baya persedaan terntegras produsen - dstrbutor - pengecer per sklus produks adalah total semua baya yang dtanggung oleh produsen, dstrbutor dan pengecer per sklus produks a. Total baya persedaan terntegras per tahun dengan waktu tunggu selama permntaan berdstrbus normal adalah memnmumkan JT C totaln = h n = [( D S + h Q m Q 2 [m ( D ) + 2D P m Q 2 P ] + θd R(L ) Q + θ D R(L ) ) + ( D A + h [ Q Q Q 2 + kσ L + ( β)σ L ψ(k)] + θ D R(L ) Q ) + ( D A m Q + + D Q [π + γ ( β)]σ L ψ(k))] terhadap kendala n σ L ψ(k) = Q α, dengan α adalah propors permntaan yang tdak terpenuh untuk produk ke- dan α adalah tngkat layanan. b. Total baya persedaan terntegras per tahun dengan waktu tunggu selama permntaan berdstrbus tdak dketahu adalah memnmumkan JT C totalu = h n = [( D S + h Q m Q 2 [m ( D ) + 2D P m Q 2 ( β)σ L P ] + θd R(L ) Q + θ D R(L ) ) + ( D A + h [ Q Q Q 2 + kσ L + 2 ( + k 2 k)] + θ D R (L ) + Q D [π + γ ( β)]σ L Q 2 ( + k 2 k))] terhadap kendala = 2 σ L ( +k 2 k) Q α. 5. Penyelesaan Optmal ) + ( D A m Q Penyelesaan dengan Permntaan Selama Waktu Tunggu Berdstrbus Normal. Total penyelesaan optmum dperoleh dengan mencar penyelesaan optmum dar varabel Q, k, L, dan m. Nla L optmal (L ) dcar dengan menurunkan persamaan (4.) terhadap L, 2 JT C totaln (Q,k,L,m ) L 2 = = [ h ( kσ 4L 3/2 + ( β)σ ψ(k) 4L 3/2 D (π +( β)γ )σ ψ(k) ] < 0. Jka R(L 4L 3/2 ) = c (L L ) + Q j= c j(b j a j ) maka R(L ) L = c dan 2 R(L ) = 0. Dengan demkan dketahu bahwa JT C L 2 totaln merupakan R. Mkyana, A. K. Nughthoh, Sutrma ) (4.) (4.2)

5 Model Persedaan Terntegras Produsen - Dstrbutor - Pengecer dengan Mult Produk dan Kendala Tngkat fungs konkaf terhadap L pada nterval [L, L ]. Dalam mencar nla m optmum (m ), pada persamaan (4.) dturunkan terhadap m, sehngga dketahu 2 JT C totaln (Q,k,L,m ) = m 2 = [ 2D S + 2D A m 3 ] 0 merupakan suatu fungs konveks, Q m 3 Q sehngga agar dperoleh nla m yang optmal(m ), maka harus memenuh JT C totaln (m ) JT C totaln (m ) dan JT C totaln (m ) JT C totaln (m + ). Karena terdapat satu kendala berart terdapat 2 = 2 macam nla λ. Hasl turunan fungs Lagrange terhadap Q adalah Q = 2[D (A + R(L ) + S +A m + [π + γ ( β)]σ L ψ(k) λ( σ 2 L ψ(k)] h + h (m ( D P ) + 2D P ) + h m (5.) Hasl turunan fungs Lagrange untuk mencar k dengan λ = 0 adalah n h Φ(k) = D Q [π + γ ( β)] + h ( β) = (5.2) sedangkan hasl turunan fungs Lagrange untuk mencar k dengan λ 0 adalah α ψ(k) = Σ n σ L (5.3) = Q dan untuk mencar nla λ-nya adalah λ = = D Q [π + ( β)]σ L ( Φ(k)) h σ L + h ( β)σ L ( Φ(k)) = σ L ( Φ(k)) Q (5.4) Algortme berkut dgunakan untuk menentukan nla optmal Q, k, L, m Algortme 5. () Menetapkan nla m j = (2) Untuk setap L j dengan j =, 2,..., J, mula k j = 0, gunakan langkah berkut (a) Mengambl nla awal λ = 0 atau λ 0 (msal dambl sebarang λ postf = 0.0), ϕ(k j ) = dan Φ(k j ) = 0.5. (b) Menentukan nla ψ(k j ), kemudan substtuskan nla ψ(k j ) pada persamaan (5.) agar dperoleh nla Q j (c) Untuk λ = 0 gunakan nla Q j pada persamaan (5.2) agar dperoleh nla Φ(k j ) dan untuk λ 0 masukan nla Q j pada persamaan (5.3) sehngga dperoleh nla ψ(k j ) (d) Untuk λ = 0 ulang langkah (a, b, c) hngga tdak ada perubahan pada nla Q j dan k j, untuk λ 0 lakukan pengecekan nla ψ(k j ) dar tabel Slver-Peterson sehngga dperoleh nla k j, ϕ(k j ), dan Φ(k j ) (e) Mencar nla λ optmal dengan memasukan nla Q j ke persamaan (5.4). (f) Untuk λ 0 ulang langkah (a, b, c, e) hngga tdak ada perubahan pada nla Q j dan k j (3) Menghtung nla JT C totaln (Q j, k j, L j, m ) R. Mkyana, A. K. Nughthoh, Sutrma 5 206

6 Model Persedaan Terntegras Produsen - Dstrbutor - Pengecer dengan Mult Produk dan Kendala Tngkat (4) Nla terkecl dar JT C totaln merupakan nla optmal untuk m (5) Tentukan m = m + dan lakukan langkah b d untuk menentukan nla JT C totaln (6) Jka haslnya kurang dar hasl perhtungan sebelumnya, maka lakukan lag langkah (5) sampa mencapa nla global mnmum dar keseluruhan JT C totaln, jka sudah lanjut ke langkah (7) (7) Nla untuk (Q j, k j, L j, m ) adalah nla optmum dengan nla JT C totaln mnmum. + 2D A 5.2. Penyelesaan dengan Permntaan Selama Waktu Tunggu Berdstrbus Tdak Dketahu. Total penyelesaan optmum dperoleh dengan mencar penyelesaan optmum dar varabel Q, k, L, dan m. Nla L optmal (L ) dcar dengan menurunkan persamaan (4.2) terhadap L, 2 JT C totalu (Q,k,L,m ) = L 2 = [ h ( kσ )+ 4L 3/2 ( β)σ ( +k 2 k) D (π +γ ( β))σ ( +k 2 k) ] < 0. Jka R(L 8L 3/2 8L 3/2 ) = c (L L )+ Q j= c j(b j a j ) maka R(L ) L = c dan 2 R(L ) = 0. Dengan demkan dketahu bahwa fungs L 2 merupakan fungs konkaf terhadap L pada nterval [L, L ]. Dalam mencar nla m optmum (m ), pada persamaan (4.2) dturunkan terhadap m, sehngga dketahu 2 JT C totalu (Q,k,L,m ) = m 2 = [ 2D S m 3 ] 0 merupakan suatu fungs konveks, sehngga agar dperoleh nla m yang optmal(m ). Karena terdapat satu Q m 3 Q kendala berart terdapat 2 = 2 macam nla λ. Hasl turunan fungs Lagrange terhadap Q adalah Q = 2[D (A + R(L ) + S+A m + [π + γ ( β)]σ L ( + k 2 2 k)) λ( σ 2 L ( + k 2 k))] h + h (m ( D P ) + 2D P ) + h m Hasl turunan fungs Lagrange untuk mencar k dengan λ = 0 adalah k + k 2 = + = (5.5) 2 = h σ L D (5.6) Q [π + γ ( β)]σ L + h ( β)σ L sedangkan hasl turunan fungs Lagrange untuk mencar k dengan λ 0 adalah 2α + k2 k = n σ L (5.7) = Q dan untuk mencar nla λ-nya adalah λ = = fd (π +γ ( β))σ L 2Q + h σ L + h ( β)( k 2 +k 2 )σ L n fσ L (5.8) = 2Q k dengan f = ( +k 2 ) Algortme berkut dgunakan untuk menentukan nla optmal Q, k, L, m Algortme 5.2 () Menetapkan nla m = (2) Untuk setap L j dengan j =, 2,..., J gunakan langkah berkut (a) Mengambl nla k j = 0 atau λ = 0 atau λ 0 (msal dambl sebarang λ postf = 0.0) R. Mkyana, A. K. Nughthoh, Sutrma 6 206

7 Model Persedaan Terntegras Produsen - Dstrbutor - Pengecer dengan Mult Produk dan Kendala Tngkat (b) Menghtung Q j menggunakan persamaan (5.5) (c) Agar memperoleh nla k j ; maka untuk λ = 0 gunakan nla Q j pada persamaan (5.6) dan untuk λ 0 gunakan nla Q j pada persamaan (5.7) (d) Memasukan nla Q j ke persamaan (5.8) (e) Menghtung nla JT C totalu (Q j, k j, L j, m ) Mengulang langkah (a) - (e) hngga tdak ada perubahan pada nla Q j dan k j (3) Tentukan mn j JT C totalu (Q j, k j, L j, m ). Jka JT C totalu (Q j, k j, L j, m ) =mn j JT C totalu (Q j, k j, L j, m ) maka (Q j, k j, L j) merupakan penyelesaan optmal untuk m tetap (4) Menentukan m = m + dan melakukan langkah b c untuk menentukan nla JT C totalu (Q j, k j, L j, m ) (5) Jka JT C totalu (Q j, k j, L j, m ) JT C totalu (Q j, k j, L j, m ) maka kembal ke langkah (d), jka tdak maka ke langkah (f) (6) Hmpunan JT C totalu (Q j, k j, L j, m ) = JT C totalu (Q j, k j, L j, m ) maka (Q j, k j, L j, m ) adalah penyelesaan optmalnya. 6. Penerapan Penerapan model persedaan pada sub bab n dambl dar Sahraean dan Koosha [2] dpadukan dengan Ye dan Xu [4]. Dketahu : D N(500, 8 2 ), P = 800, A = 50, A = 50, S = 300, S 2 = 500, D 2 N(600, 8 2 ), P 2 = 2000, A 2 = 200, A 2 = 50, h = 30, h 2 = 20, h = 20, h 2 = 5, h = 25, h 2 = 8, π = 45, π 2 = 50, β = 0.5, γ = γ 2 = 50, α = 0.5 Dengan menerapkan algortme 5. dperoleh penyelesaan optmal dar total baya persedaan terntegras produsen-dstrbutor-pengecer per tahun untuk λ = 0 pada JT C N adalah sebesar dengan m = 2, L = 4, Q = , Q 2 = , k = dengan ttk pemesanan kembal(reorder pont) r = dan r 2 = untuk λ 0 pada JT C N adalah sebesar dengan m = 2, Tabel. Baya Optmal Permntaan Berdstrbus Normal(λ = 0 dan λ 0) λ m = m 2 L = L 2 Q Q 2 k JT C N L = 4, Q = , Q 2 = , k = dengan ttk pemesanan kembal(reorder pont) r = dan r 2 = Dengan menerapkan algortme 5.2 sehngga dperoleh penyelesaan optmal dar total baya persedaan terntegras produsen-dstrbutor-pengecer per tahun untuk λ = 0 pada JT C U adalah sebesar dengan m =, L = 4, Q = , R. Mkyana, A. K. Nughthoh, Sutrma 7 206

8 Model Persedaan Terntegras Produsen - Dstrbutor - Pengecer dengan Mult Produk dan Kendala Tngkat Q 2 = , k = dengan ttk pemesanan kembal(reorder pont) r = dan r 2 = Tabel 2. Baya Optmal Permntaan Berdstrbus Tdak Dketahu(λ = 0 dan λ 0) λ m = m 2 L = L 2 Q Q 2 k JT C U untuk λ 0 pada JT C U adalah sebesar dengan m =, L = 4, Q = , Q 2 = , k = dengan ttk pemesanan kembal(reorder pont) r = dan r 2 = Kesmpulan () Model persedaan terntegras JT C N dnyatakan pada persamaan (4.) dan persamaan (4.2). (2) Penyelesaan optmal berdasarkan model persedaan terntegras adalah (Q, k danλ ) yatu pada Persamaan (5.), (5.2), (5.3), (5.5), (5.6), (5.3), (5.4) dan(5.8). (3) Berdasarkan penerapan, total baya persedaan dapat dmnmumkan dengan menggunakan konds Karush Kuhn-Tucker dan nla λ = 0 sehngga baya persedaan terntegras yang dperoleh adalah dengan banyaknya pesanan adalah Q = = 99 unt dan Q 2 = = 39 unt dan ttk pemesanan kembal pada r = = 2022 unt dan r 2 = = 249 unt. Daftar Pustaka. Ouyang, L.Y., Wu, K.S., and Ho, C.H., Integrated Vendor-Buyer Coperatve Models wth Stochastc Demand In Controllable Lead Tme, Internatonal Journal of Producton Economcs 92 (2004), Sahraean, R., and Koosha, M., A Cost Allocaton Model for Optmzng The Inventory of A Supply Chan wth Controllable Lead Tme, Journal of Amercan Scence 7 (20), Talezadeh, A. A., Nak, S. T. A., Najaf, A. A., Multproduct Sngle-Machne Producton System wth Stochastc Scrapped Producton Rate, Partal Backorderng and Servce Level Constrant, Journal of Computatonal and Appled Mathematcs 223 (200), Ye, F., and Xu, X., Cost Allocaton Model for Optmzng Supply Chan Inventory wth Controllable Lead Tme, Computers and Industral Engneerng 59 (200), R. Mkyana, A. K. Nughthoh, Sutrma 8 206

MODEL PERSEDIAAN PROBABILISTIK YANG MEMUAT VARIABEL LEAD TIME DENGAN PENDEKATAN DISTRIBUSI NORMAL

MODEL PERSEDIAAN PROBABILISTIK YANG MEMUAT VARIABEL LEAD TIME DENGAN PENDEKATAN DISTRIBUSI NORMAL MODEL PERSEDIAAN PROBABILISTIK YANG MEMUAT VARIABEL LEAD TIME DENGAN PENDEKATAN DISTRIBUSI NORMAL Noprad, T.P.Nababan, Endang Lly Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

Pengembangan Model Persediaan Single Vendor-Single Buyer dengan Lead Time Dapat Dikontrol

Pengembangan Model Persediaan Single Vendor-Single Buyer dengan Lead Time Dapat Dikontrol Performa (2007) Vol. 6, No.2: 2-8 Pengembangan Model Persedaan Sngle Vendor-Sngle Buyer dengan Lead Tme apat kontrol Wakhd Ahmad Jauhar Jurusan Teknk Industr Unverstas Sebelas Maret Surakarta Abstract

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal. Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

Perbaikan Sistem Persediaan Tinta Fotokopi di CV. NEC, Surabaya

Perbaikan Sistem Persediaan Tinta Fotokopi di CV. NEC, Surabaya Perbakan Sstem Persedaan Tnta Fotokop d CV. NEC, Surabaya Indr Hapsar, Jerry Agus Arlanto, dan Albert Sutanto Teknk Industr Unverstas Surabaya Jl. Raya Kalrungkut Surabaya Emal: ndr@ubaya.ac.d Abstrak

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

Oleh : Fifi Fisiana

Oleh : Fifi Fisiana Optmas Baya Produks menggunakan Metode Revsed Mult Choce Goal programmng dengan Tahap Persedaan Terkontrol Supply Chan Model stud kasus : PT.Gunungarta Manunggal, Gempol Oleh : Ff Fsana 1207100018 Dosen

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON

PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos 1, Pabelan,

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,

Lebih terperinci

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

Anadiora Eka Putri, Nughthoh Arfawi Kurdhi, dan Mania Roswitha Program Studi Matematika FMIPA UNS

Anadiora Eka Putri, Nughthoh Arfawi Kurdhi, dan Mania Roswitha Program Studi Matematika FMIPA UNS MODEL PERSEDIAAN TERINTEGRASI PRODUSEN DAN DISTRIBUTOR DENGAN INVESTASI UNTUK MENGURANGI BIAYA PERSIAPAN, PENINGKATAN KUALITAS PROSES PRODUKSI, DAN POTONGAN HARGA UNTUK BACKORDER Anadiora Eka Putri, Nughthoh

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

PENJADWALAN PRODUKSI di PT MEUBEL JEPARA PROBOLINGGO

PENJADWALAN PRODUKSI di PT MEUBEL JEPARA PROBOLINGGO Prosdng Semnar Nasonal Manajemen Teknolog III Program Stud MMTITS, Surabaya 4 Pebruar 2006 PENJADWALAN PRODUKSI d PT MEUBEL JEPARA PROBOLINGGO Mohammad Khusnu Mlad, Bobby Oedy P. Soepangkat, Nurhad Sswanto

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Uj Normaltas Llefors D dalam pengendalan persedaan, perumusan lmu statstk dgunakan untuk menentukan pola dstrbus, dmana pola dstrbus tersebut dapat dhtung dengan menguj kenormalan

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

3 METODE HEURISTIK UNTUK VRPTW

3 METODE HEURISTIK UNTUK VRPTW 12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla

Lebih terperinci

FUNGSI BIAYA UNTUK MENENTUKAN TINGKAT PEMESANAN OPTIMUM MULTI ITEM INDEPENDEN BERDISTRIBUSI KONTINU. H. Bernik Maskun

FUNGSI BIAYA UNTUK MENENTUKAN TINGKAT PEMESANAN OPTIMUM MULTI ITEM INDEPENDEN BERDISTRIBUSI KONTINU. H. Bernik Maskun FUNGSI BIAYA UNTUK MENENTUKAN TINGKAT PEMESANAN OPTIMUM MULTI ITEM INDEPENDEN BERDISTRIBUSI KONTINU oleh H. Bernk Maskun Departemen Statstka, FMIPA Unverstas Padjadjaran bernkmaskun69@gmal.com Abstrak

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom.

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom. BAB 4 HASIL DAN PEMBAHASAN 4.1 Penghtungan 4.1.1 Penghtungan Peramalan 4.1.1.1 Peramalan Me Atom Contoh perhtungan peramalan permntaan dengan metode regres lner, regres kuadrats, double movng average,

Lebih terperinci

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan Catatan Kulah 3 Memaham dan Menganalsa Optmas dengan Kendala Ketdaksamaan. Interpretas Konds Kuhn Tucker Asumskan masalah yang dhadap adalah masalah produks. Secara umum, persoalan maksmsas keuntungan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

OPTIMASI MASALAH PENUGASAN. Siti Maslihah

OPTIMASI MASALAH PENUGASAN. Siti Maslihah JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu

Lebih terperinci

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,

Lebih terperinci

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF

Lebih terperinci

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Sstem Krptograf Stream Cpher Berbass Fungs Chaos Crcle Map Dengan Pertukaran Kunc Dffe-Hellman A-6 Muh. Fajryanto 1,a), Aula Kahf 2,b), Vga Aprlana

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

oleh MIKIYANA RAMADANI M

oleh MIKIYANA RAMADANI M MODEL PERSEDIAAN TERINTEGRASI PRODUSEN DISTRIBUTOR - PENGECER DENGAN MULTI - PRODUK DAN KENDALA TINGKAT LAYANAN oleh MIKIYANA RAMADANI M0111056 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Pertemuan 5 Outlne: Independent Demand Inventory Models: Determnstk (EOQ dan EPQ), Probablstk (FOQ dan FOI) Referens: Tersne, Rchard J., Prncples of Inventory

Lebih terperinci

Model Koordinasi Pemanufaktur Tunggal Multi Pembeli Dengan Permintaan Probabilistik

Model Koordinasi Pemanufaktur Tunggal Multi Pembeli Dengan Permintaan Probabilistik ess Model Koordnas Pemanufaktur unggal Mult Pembel Dengan Permntaan Probablstk Dsusun Oleh: Moch Anshor (2508203004) Dbmbng Oleh: Prof. Ir. I. Nyoman Puawan M. Eng. PhD. Stefanus Eko Wratno S M. Coordnatng

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP) Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

BAB 2 KAJIAN PUSTAKA

BAB 2 KAJIAN PUSTAKA BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

WEIBULL TWO PARAMETER

WEIBULL TWO PARAMETER WEIBULL TWO PARAMETER Dalam teor probabltas dan statstk, dstrbus webull merupakan dstrbus probabltas yang berkelanjutan atau kontnyu. Dgambarkan secara detal oleh Walodd Webull pada tahun 1951 meskpun

Lebih terperinci

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan 35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline.

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline. METODE NUMERIK INTERPOLASI Interpolas Beda Terbag Newton Interpolas Lagrange Interpolas Splne http://maulana.lecture.ub.ac.d Interpolas n-derajat polnom Tujuan Interpolas berguna untuk menaksr hargaharga

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT

HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com

Lebih terperinci

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA A-3 Dan Aresta Yuwanngsh 1 1 Mahasswa S Matematka UGM dan.aresta17@yahoo.com Abstrak Dberkan R merupakan rng dengan elemen satuan, M R-modul kanan, dan R S End

Lebih terperinci

PENENTUAN DENSITAS PERMUKAAN

PENENTUAN DENSITAS PERMUKAAN PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

BAB V INTEGRAL KOMPLEKS 6 BAB V INTEGRAL KOMPLEKS 5.. INTEGRAL LINTASAN Msal suatu lntasan yang dnyatakan dengan : (t) = x(t) + y(t) dengan t rl dan a t b. Lntasan dsebut lntasan tutup bla (a) = (b). Lntasan tutup dsebut lntasan

Lebih terperinci

MODEL PERSEDIAAN TERINTEGRASI PRODUSEN DAN DISTRIBUTOR DENGAN INFLASI DAN INVESTASI UNTUK MENINGKATKAN KUALITAS PROSES PRODUKSI

MODEL PERSEDIAAN TERINTEGRASI PRODUSEN DAN DISTRIBUTOR DENGAN INFLASI DAN INVESTASI UNTUK MENINGKATKAN KUALITAS PROSES PRODUKSI MODEL PERSEDIAAN TERINTEGRASI PRODUSEN DAN DISTRIBUTOR DENGAN INFLASI DAN INVESTASI UNTUK MENINGKATKAN KUALITAS PROSES PRODUKSI Muhammad Syafi i, Sutanto, dan Purnami Widyaningsih Program Studi Matematika

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

Lebih terperinci

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci