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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 masalah program lner parametrk.. Prosedur Penyelesaan Masalah Program Lner Parametrk Masalah program lner parametrk terdr oleh bagan masalah. Masalah pertama adalah perubahan kontnu parameter pada koefsen fungs tuuan ( c ) dan masalah kedua adalah perubahan kontnu parameter konstan ss kanan ( n menunukkan nla kuanttas batasan ). Oleh karena tu, prosedur penyelesaan masalah program lner dbedakan menad bagan berkut... Prosedur Penyelesaan untuk perubahan kontnu parameter c Untuk kasus perubahan kontnu pada parameter koefsen tuuan, permasalahan dalam bentuk skalar n Mnmum ( ) ( ) Dengan kendala n a c b,,,..., m,,,..., n dan dalam bentuk matrk dnyatakan oleh Mnmum ( c ) Dengan kendala A b

2 akan dperksa, d mana parameter dperkenankan mencakup semua nla postf dan negatf. Anggap bahwa program lner dselesakan dengan sehngga fungs n tuuan ( ) ( c ) c atau ( c ) c n eknk dar analss senstvtas akan dgunakan untuk mengu bagamana solus berubah ketka dubah dar nol. Jka bass sekarang tetap optmal, maka solus bass optmal sekarang b tdak akan berubah. Oleh karena tu hanya konds optmal yang perlu dperksa. Untuk masalah pengganggu, mereka adalah ( ) ( ) c c atau ( ) ( c c ) d mana, dan menyatakan gangguan-gangguan pada c dan c secara berturut-turut. Ketdaksamaan n harus dpenuh untuk setap komponen dalam tes keoptmalan. Koefsen pada ss sebelah kanan yatu harga reduks metode smple memenuh c c c karena bass sekarang dasumskan optmal. Untuk >, ketdaksamaan hanya dperhatkan ketka ( ) <. Sebaga suatu hasl, dapat dnakkan hngga nla mn ( c c ) ( ) : ( c ) < sebelum bass sekarang berhent menad optmal. Untuk > bass berubah dan ndeks yang menentukan spesfk varabel masuk untuk metode smple. Sama halnya, untuk <, tu mungkn untuk menurunkan hngga nla

3 8 ma ( c c ) ( ) : ( ) > sebelum bass sekarang berhent menad optmal. Lag, ndeks yang menentukan spesfk untuk varabel masuk. Untuk, harga reduks varabel nonbass dperlhatkan oleh formula ( c c ) ( ). la tuuan parametrk dtunukkan oleh ( ) ( ) d mana ( ) adalah nla tuuan untuk masalah dengan. Jka, ketka percobaan menghtung, d sana tdak ada ndeks yang memenuh ( ) < maka dapat dnakkan tanpa batas dengan bass sekarang tetap optmal. Jka, ketka penggunaan metode smple untuk menentukan bass baru pada, d sana tdak ada varabel keluar, maka program lner tdak terbatas untuk Sama halnya, ka tdak ada ndeks yang memenuh ( ) > >. maka dapat dturunkan tanpa batas dengan bass sekarang tetap optmal. Jka tdak ada varabel keluar pada, maka program lner tdak terbatas untuk >. Prosedur d atas dapat dsmpulkan sebaga berkut.. Ubah masalah program lner parametrk ke dalam bentuk standar.. Selesakan masalah dengan oleh metode smple.. Gunakan prosedur analss senstvtas ( pada kasus perubahan parameter koefsen fungs tuuan ) untuk memperkenalkan tuuan. c ke dalam fungs. akkan atau turunkan hngga nla tertentu sebelum konds optmal dlanggar atau hngga varabel nonbass yang memlk koefsen pada fungs tuuan menad negatf.

4 5. Gunakan varabel n sebaga varabel bass yang masuk untuk teras metode smple selanutnya sehngga solus optmal baru dtemukan. Kembal ke langkah. Prosedur Penyelesaan untuk perubahan kontnu parameter b Untuk kasus perubahan kontnu pada parameter b, bentuk masalah dalam skalar Mnmum ( ) Dengan kendala n n c a b,,,..., m,,,..., n dan dalam bentuk matr dnyatakan oleh Mnmum c dengan kendala A b akan dperksa, d mana parameter dperkenankan mencakup semua nla postf dan negatf. Suatu teknk yang sama dengan prosedur penyelesaan perubahan kontnu parameter koefsen tuuan dapat dkembangkan untuk menyelesakan masalah n. ss kanan Anggap bahwa program lner dselesakan dengan sehnga konstanta n a b b atau A b b. eknk dar analss senstvtas akan dgunakan untuk mengu bagamana solus berubah ketka dubah dar nol. Jka bass sekarang tetap layak, maka solus bass optmal sekarang c c c tdak akan berubah. Oleh karena tu, hanya konds layak yang perlu dperksa.

5 Pada masalah pengganggu, konds solus layak bass akan tetap terpenuh sepanang ( b ) atau ekvalen sepanang b. Ketdaksamaan n harus dpenuh untuk setap komponen dalam tes kelayakan. ass sekarang memenuh b karena untuk setap komponen bass sekarang dasumskan menad layak. Untuk >, ketdaksamaan hanya dperhatkan ketka ( ) < Sebaga suatu hasl, dapat dnakkan hngga nla mn ( b) ( ) : ( ) < 5. sebelum bass sekarang berhent menad layak. Untuk >, bass berubah, dan ndeks yang menetukan spesfk varabel masuk untuk metode smple. Sama halnya, untuk <, tu mungkn untuk menurunkan hngga nla ( b) ( ) ma : ( ) > sebelum bass sekarang berhent menad layak. Lag, ndeks yang menentukan spesfk untuk varabel masuk. Untuk,, nla solus bass dperlhatkan oleh formula b. la fungs tuuan dtunukkan oleh : d mana ( ) ( ) c b c ( ) c adalah nla tuuan untuk masalah dengan. Jka, ketka percobaan menghtung, d sana tdak ada ndeks yang memenuh ( ) < maka dapat dnakkan tanpa batas dengan bass sekarang tetap layak dan optmal. Jka, ketka penggunaan metode smple untuk menentukan bass baru pada, d sana tdak ada varabel keluar, maka program lner tdak terbatas untuk >. Sama halnya, ka tdak ada ndeks yang memenuh ( ) > maka dapat dturunkan tanpa batas dengan bass sekarang tetap layak. Jka tdak ada varabel keluar pada, maka

6 program lner tdak terbatas untuk 5 <. Metode dual smple uga dapat dpaka untuk menemukan solus bass untuk tap-tap ttk krts sehngga solus layak dan optmal dapat dperoleh. Kesmpulan prosedur penyelesaan masalah perubahan konstan ss kanan adalah sebaga berkut.. Ubah masalah program lner parametrk ke dalam bentuk standar.. Selesakan masalah dengan oleh metode smple.. Gunakan prosedur analss senstvtas pada kasus perubahan konstan ss kanan untuk memperkenalkan b.. akkan atau turunkan hngga nla tertentu sebelum konds layak dlanggar atau sebelum nla d kolom ss kanan menad negatf. 5. Gunakan varabel n sebaga varabel masuk untuk suatu teras metode dual smple selanutnya untuk menemukan solus optmal baru. Kembal ke langkah.. Penyelesaan Contoh Masalah Program Lner Parametrk.. Pada Kasus Perubahan Kontnu Parameter c Pada kasus n, masalah dbatas dengan dua varabel keputusan pada fungs tuuan. Maksmum ( ) ( ) ( 5 ) Dengan kendala 8 Dan,

7 5 Langkah. Masalah dalam bentuk standar menad : Mnmum ( ) ( ) ( ) ( 5 ) Dengan kendala 8 5 dan,,,...`, 5 Langkah abel. Solus ass Optmal untuk Iteras Varabel ass Pers. Koefsen dar 5 Ss kanan () - -5 () () 5 () 8 () - 5 () () 6 () - 6 () () () () - 6-6

8 5 Langkah Dengan menggunakan analss senstvtas pada kasus perubahan parameter koefsen fungs tuuan akan dperkenalkan c c [ ] 5 dan [ ] Solus bass optmal sekarang [ ], [ ] dan [ ] Dengan varabel bass optmal sekarang maka nla nterval dapat dhtung. [ ] [ ] 6 dan c. Karena ada entr yang memenuh ( ) > dan ( ) < pada bass optmal sekarang maka dapat dnakkan atau dturunkan nlanya untuk teras metode smple selanutnya. Untuk solus bass optmal sekarang, batas atas : ( ) ( ) ( ) < : mn c c 6 mn dan batas bawah : ( ) ( ) ( ) > : c c maks maks

9 Harga reduks nonbass dan nla fungs tuuan secara berurutan menad 5 c c 6 6 ( ) ( ) c 6 [ ] 6 6 ( ) ( ) 6 Langkah Untuk <, dapat dturunkan nlanya menad menad varabel bass untuk teras metode smple selanutnya. Saat koefsen pada bass sekarang dtunukkan oleh tabel berkut. dan akbatnya 5, Varabel bass abel. Koefsen ass untuk Koefsen dar Persamaan 5 () () () 6 () Ss kanan

10 55 Langkah 5 Setelah operas pvot, solus optmal yang baru menad : abel. Solus ass Optmal untuk < Varabel bass Persamaan Koefsen dar Ss kanan 5 () () () 6 5 () - 6 Dengan varabel bass n dperoleh nla : [ ] [ ] dan c. Karena tdak ada entr yang memenuh ( ) > maka dapat dturunkan tanpa batas dengan solus bass saat n. Harga reduks nonbass dan nla fungs tuuan : 5 c ( ) [ ] ( ) ( ) 6

11 56 Langkah. Untuk >, dapat dnakkkan nlanya menad _ dan akbatnya menad varabel bass baru untuk teras metode smple selanutnya. Saat koefsen pada bass sekarang adalah, Varabel bass abel. Koefsen ass untuk Koefsen dar Persamaan 5 Ss kanan () () () 6 () Setelah operas pvot, solus optmal yang baru menad abel.5 Solus ass Optmal untuk > Varabel Koefsen dar Persamaan bass 5 () Ss kanan () - 6 () ()

12 5 Dengan varabel bass n dperoleh nla : [ ] [ ] dan c. Karena ada entr yang memenuh ( ) < maka dapat dnakkan hngga: 6 mn Harga reduks nonbass dan nla fungs tuuan : 5 c ( ) [ ] 5 6 Karena mash ada < maka dapat dnakkan kembal. Untuk 5 >, maka 5 menad salah satu varabel bass berkutnya dan harga reduks untuk 5 adalah abel.6 Koefsen ass untuk 5 Varabel bass Persamaan Koefsen dar Ss kanan 5 () 5 () - 6 () () ( ) ( ) 5

13 58 Setelah operas pvot, solus optmal yang baru adalah : Varabel bass abel. Solus ass Optmal untuk > 5 Persamaan Koefsen dar 5 Ss kanan () 5 () 5 () - 6 () Dengan varabel bass n dperoleh nla : [ ] [ ] [ ] dan c. Karena tdak ada entr yang memenuh ( ) < tanpa batas. Harga reduks nonbass dan nla fungs tuuan : maka dapat dnakkan c [ ] ( 5) [ ] [ 5 ] ( ) ( 5) ( 5) [ ] 6 8 ( ) ( ) 8

14 5 abel.8 Pemakaan Prosedur Program Lner Parametrk c Interval Var. bass Pers. Koefsen dar Ss kanan 5 () 5-6 () () 6 5 () - 6 () () () () () () - 6 () () () () 5 () - 6 ()

15 6 Gambar. la fungs tuuan ( ) untuk perubahan kontnu maks c (,) Gambar. Solus daerah layak untuk ( ) untuk perubahan c

16 6.. Pada Kasus Perubahan Kontnu Parameter b Pada kasus n, masalah uga dbatas dengan dua varabel keputusan pada fungs tuuan. Maksmum 5 Dengan kendala : 8, Langkah Masalah dalam bentuk standar menad Mnmum 5 Dengan kendala 8,,,...,5 5

17 6 Langkah Iteras abel. Solus ass Optmal untuk Var. Koefsen dar Ss Pers. bass 5 kanan () - -5 () 8 () 5 () () () - 5 () - () () - () - () - () () 5 () () () Langkah Dengan menggunakan analss senstvtas pada kasus perubahan konstan ss kanan akan dperkenalkan b. [ 8 ] dan [ ] b Arus solus bass optmal yatu [ ] dan nla n akan berubah 5 menad

18 6 Karena ada entr yang memenuh ( ) < dan ( ) > maka dapat dnakkan dan dturunkan nlanya hngga nla tertentu. Untuk solus bass optmal sekarang, batas atas adalah ( ) ( ), mn dan nla batas bawah adalah ( ) ( ) ( ) > : ma b maks Harga reduks nonbass c. Harga ss kanan dan nla fungs tuuan : ( ) ( ) [ ] 6 5 c ( ) ( ) 6 Langkah Karena ada ( ) < maka dapat dnakkan nlanya menad lebh besar dar sekarang. Untuk, nla ss kanan menad : ( ) ( ) ( ) < : mn b

19 6 Varabel bass Persamaan abel. la Ss Kanan untuk Koefsen dar 5 Ss kanan () 5 () () () 5 dan setelah operas pvot dengan menggunakan metode dual smple maka solus optmal yang baru adalah Varabel bass abel. Solus ass Optmal untuk Persamaan Koefsen dar > 5 Ss kanan () () () 5 () dengan c Karena tdak ada entr yang memenuh ( ) < batas dengan harga solus bass sekarang yang tetap layak. maka dapat dnakkan tanpa

20 65 Harga ss kanan dan nla fungs tuuan yang baru : 5 5 ( ) c [ 5] 5 ( ) ( ) 5 6 Langkah Untuk <, dapat dturunkan nlanya. Solus bass sebelumnya akan berubah ketka dturunkan nlanya lebh auh. Untuk, nla ss kanan menad : Varabel bass Persamaan abel. la Ss Kanan untuk Koefsen dar 5 Ss kanan 5 () () () Untuk, setelah operas pvot dengan menggunakan metode dual smple maka solus optmal yang baru adalah

21 66 abel. Solus ass Optmal untuk < Varabel bass Persamaan Koefsen dar Ss kanan 5 5 () () () - - Karena ada entr yang memenuh ( ) >, maka dapat dturunkan nlanya hngga, maks dan harga reduks nonbass c. Harga ss kanan dan nla fungs tuuan yang baru : 6 ( ) [ ] 8 8 c ( ) ( ) 8 8 Untuk <, persamaan kedua tdak memenuh syarat b sehngga tdak dapat dturunkan lag nlanya dan oleh karena tu, teras dhentkan.

22 6 abel. Pemakaan Prosedur Program Lner Parametrk b Interval Var. ass Pers. Koefsen dar 5 Ss Kanan () 88 5 () () () () 6 5 () () () - - () 5 () () 5 () Zma 5 6 Z ma / / Gambar. la fungs tuuan ( maks ) untuk perubahan kontnu b

23 68 I III / III II II I III / III II I II I 5 III 5 6 II 5 6 I Gambar. Solus daerah layak ( ) untuk perubahan b Varas solus optmal yang dhaslkan dengan varabel keputusan asl pada perubahan kontnu parameter c atau b dapat dsmpulkan ke dalam kedua tabel berkut. abel.5 Varas Solus Optmal untuk Perubahan c

24 6 abel.5 Varas Solus Optmal untuk Perubahan b Kedua contoh masalah program lner parametrk n dambl dar buku Introducton to Operatons Research dan Lner and onlner Programmng dengan hasl optmal yang sama sepert pada abel.5 dan.6.

25 A KESIMPULA DA SARA. Kesmpulan Masalah program lner parametrk dapat dselesakan dengan menggunakan metode smple kecual pada kasus khusus, perubahan kontnu parameter b, d mana untuk b < maka metode dual smple turut dgunakan untuk memperbak solus optmal. Jad dengan menggunakan metode smple, masalah program lner parametrk dapat dselesakan dengan mudah dan sederhana. Pada program lner parametrk terad perubahan pada pada parameter c atau b secara kontnu dan berurutan sehngga akhrnya menghaslkan varas solus optmal sesua batas perubahan parameter yang dnkan terad sepert pada tabel.5 dan tabel.6. Hal n nantnya akan mempermudah para pengambl keputusan untuk mengambl keputusan terbak atau dsebut sebaga keputusan optmal, keputusan yang memberkan keuntungan maksmum. Solus masalah program lner parametrk dapat dgunakan dalam berbaga kasus d duna nyata sepert perencanaan produks suatu produk dengan keterbatasan bahan mentah atau waktu dan perencanaan muatan barang pada pesawat udara dengan keterbatasan volume dan berat muatan tetap ngn memperoleh hasl yang sebesarbesarnya.. Saran Program lner parametrk hanya mencakup perubahan kontnu pada parameter c atau b, tetap ada uga bentuk analss senstvtas yang lan yatu perubahan smultan pada struktur sstem kendala, perubahan pada koefsen a. ag para pembaca yang

26 bermnat untuk menelt, mungkn dapat melanutkan peneltan n yang berhubungan dengan perubahan kontnu parameter a.

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan

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

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

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

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3)

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3) PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015 Peramalan Trafk Peramalan Trafk Peramalan

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

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

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

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

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

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

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

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih 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

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 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

ALJABAR LINIER LANJUT

ALJABAR LINIER LANJUT ALABAR LINIER LANUT Ruang Bars dan Ruang Kolom suatu Matrks Msalkan A adalah matrks mnatas lapangan F. Bars pada matrks A merentang subruang F n dsebut ruang bars A, dnotaskan dengan rs(a) dan kolom pada

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

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

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

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN : JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan

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

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih 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

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

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat 10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

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

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

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

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih 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

PENGURUTAN DATA. A. Tujuan

PENGURUTAN DATA. A. Tujuan PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.

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 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

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

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

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 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. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

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 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

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

Preferensi untuk alternatif A i diberikan

Preferensi untuk alternatif A i diberikan Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses

Lebih 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

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

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 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

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

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran

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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tempat, Subek, Waktu dan Jens Peneltan Pada bagan n akan dbahas tentang tempat peneltan, waktu peneltan dar perencanaan sampa penulsan hasl peneltan, serta ens peneltan n.

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 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

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES Hubungan n akan dawal dar gaya yang beraks pada massa fluda. Gaya-gaya n dapat dbag ke dalam gaya bod, gaya permukaan, dan gaya nersa. a. Gaya Bod Gaya bod

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih 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 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

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

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012 Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

Bab V Aliran Daya Optimal

Bab V Aliran Daya Optimal Bab V Alran Daya Optmal Permasalahan alran daya optmal (Optmal Power Flow/OPF) telah menjad bahan pembcaraan sejak dperkenalkan pertama kal oleh Carpenter pada tahun 196. Karena mater pembahasan tentang

Lebih terperinci

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan

Lebih terperinci

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP JMP : Volume 1 Nomor 2, Oktober 2009 PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP Tryan dan Nken Larasat Fakultas Sans dan Teknk, Unverstas Jenderal Soedrman Purwokerto, Indonesa

Lebih terperinci

BAB III SKEMA NUMERIK

BAB III SKEMA NUMERIK BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

Lebih 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

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

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

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

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

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

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

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

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

Penyelesaian Masalah Transshipmen Dengan Metoda Primal-Dual Wawan Laksito YS 2)

Penyelesaian Masalah Transshipmen Dengan Metoda Primal-Dual Wawan Laksito YS 2) ISSN : 69 7 Penyelesaan Masalah Transshpmen Dengan Metoda Prmal-Dual Wawan Laksto YS ) Abstrak Masalah Pemndahan Muatan adalah masalah transportas yang melbatkan sambungan yang harus dlewat. Obektnya adalah

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 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 Pemodelan dan Perhitungan Sumberdaya Batubara

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih 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 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

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat

Lebih terperinci

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

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode 8 III. METODE PENELITIAN A. Metode Peneltan Metode peneltan adalah suatu cara yang dpergunakan untuk pemecahan masalah dengan teknk dan alat tertentu sehngga dperoleh hasl yang sesua dengan tujuan peneltan.

Lebih terperinci

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar

Lebih terperinci

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381 Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua

Lebih terperinci

BAB III. Monte Carlo dan metode least-square, maka pada bab ini diantaranya akan

BAB III. Monte Carlo dan metode least-square, maka pada bab ini diantaranya akan BAB III METODE LEAST-SQUARE MONTE CARLO Pada bab sebelumnya telah delaskan antara lan mengena smulas Monte Carlo dan metode least-square, maka pada bab n dantaranya akan dbahas penggunaan kedua metode

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

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

PEMODELAN PEMROGRAMAN LINIER DENGAN KOEFISIEN FUNGSI OBJEKTIF BERBENTUK BILANGAN KABUR SEGITIGA DAN KENDALA KABUR BESERTA USULAN SOLUSINYA

PEMODELAN PEMROGRAMAN LINIER DENGAN KOEFISIEN FUNGSI OBJEKTIF BERBENTUK BILANGAN KABUR SEGITIGA DAN KENDALA KABUR BESERTA USULAN SOLUSINYA JURNAL TEKNIK INDUSTRI VOL. 8, NO., JUNI 6: 4-7 PEMODELAN PEMROGRAMAN LINIER DENGAN KOEFISIEN FUNGSI OBJEKTIF BERBENTUK BILANGAN KABUR SEGITIGA DAN KENDALA KABUR BESERTA USULAN SOLUSINYA San Susanto, Dedy

Lebih terperinci