Sistem Pendukung Keputusan Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar

Ukuran: px
Mulai penontonan dengan halaman:

Download "Sistem Pendukung Keputusan Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar"

Transkripsi

1 Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 Sstem Pedukug Keputusa Peetua Prortas Desa Peerma Program Desa Saga pada Das Kesehata Kota Baar Ira Yuar, Mahmud Imroa 2, Reto Nov Dayawat 3,2,3 Prod Komputersas Akutas Poltekk Telkom Abstrak Program Desa Saga merupaka upaya peurua AKI (Agka Kemata Ibu) da AKB (Agka Kemata Bay) dalam tuua utuk mecapa Usa Harapa Hdup (UHH) 67, tahu, pada tahu Program dlaksaaka bertahap da tdak secara seretak sehgga dlakuka pembera prortas terhadap kaddat-kaddat desa yag berpotes utuk meerma Program Desa Saga. Metode yag dguaka utuk meetuka prortas Kaddat Desa Program Desa Saga megguaka Utltés Addtves Method (UTA) da Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) dega melakuka pegolaha terhadap agka pedataa setap data desa dar keseluruha subkrtera sehgga meghaslka uruta prortas desa yag harus ddahuluka. Sstem SPK dapat memberka solus optmal dalam memberka prortas desa melalu proses peragkga dega metode TOPSIS sesua dega prsp yag dguaka, yatu kaddat desa dega arak tedekat terhadap solus deal da terauh terhadap solus egatf deal. Sstem SPK yag dbagu mampu memberka alteratf uruta prortas desa lebh cepat dega hasl yag berkualtas. Sesua dega tgkat kepuasa dar Phak Das Kesehata dar hasl kusoer mecapa 7% dalam memberka batua pembera prortas. Kata kuc: SPK, Seleks Desa Saga, Utltes Addtves Method (UTA), Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) Abstract Program Desa Saga represets the effort to decrease Materal Mortalty Rate (AKI - Agka Kemata Ibu) ad Ifat Mortalty Rate (AKB - Agka Kemata Bay) order to reach the Lfe epectacy (Usa Harapa Hdup - UHH) of 67, years Ths program s eecuted phases ad ot smultaeously order to be able to ve prortes to desgated vllages whch are potetal to accept the Program Desa Saga. The method used to determe the prorty of Program Desa Saga s the Utltés Addtves Method ( UTA) Ad Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS). Ths was doe by processg the umber of data of every vllage gathered from etre sub-crtera to yeld the order of vllage prorty to be prortzed. Ths Decso Support System ca ve the optmal soluto vg prortes to vllages through rakg system usg the TOPSIS method; that s for the desgated vllages wth the earest dstace to the deal soluto ad the furthest to deal egatve soluto. The Decso Support System s establshed to ve a faster ad better alteratve for the order of vllage prorty. Accordg to the questoare, the satsfacto level from Das Kesehata (the Departemet of Health) reached 7% for helpg them to prortze. Keywords:Utltes Addtves Method (UTA), Decso Support System, Determg coutrysde caddate to get the Alert Coutrysde Program wth the hghest prorty, Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS). Pedahulua Upaya peurua AKI da AKB dlakuka melalu sstem ruuka pelayaa kesehata da kegawatdarurata d tgkat masyarakat yag terwuud dalam Program Desa Saga. Program Kabupate/Kota Saga dlaksaaka bertahap d desa-desa. Dlhat dar ss sumber daya yag ada, yatu umlah da kualtas teaga kesehata, saraa da prasaraa, serta propors aggara yag terbatas, maka program dlaksaaka tdak seretak d semua desa melaka dplh desa dega prortas tertg. SPK peetua prortas desa pelaksaaa Program Desa Saga megguaka Utltés Addtves Method (UTA), karea utuk klasfkas dar setap krtera yag dguaka tdak memlk rage yag tetap da UTA meyedaka fugs dalam meetuka retag setap klasfkas utuk semua krtera. Sedagka Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) dplh sebaga metode utuk meragkg semua alteratf, karea meyedaka pembobota terhadap setap krtera da memberka pedekata yag mudah utuk dpaham. 6

2 Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 Tuua dar peelta adalah meghaslka alat batu berupa SPK utuk membatu da mempermudah Das Kesehata dalam meetuka prortas seleks desa utuk program Desa Saga sehgga meghaslka solus yag lebh cepat. SPK memmberka alteratf keputusa dalam peetua kelayaka da prortas dalam seleks calo desa utuk pelaksaaa Desa Saga pada Das Kesehata berdasarka krtera pegambla keputusa yag ada. Metode pegambla keputusa yag dguaka adalah UTA da TOPSIS utuk membatu meetuka da megkatka kualtas keputusa yag dhaslka. Krtera yag dguaka sebaga pertmbaga dalam pegambla keputusa dapat bertambah maupu berkurag sesua dega ketetapa Das Kesehata. Klasfkas utuk setap subkrtera dapat bertambah atau berkurag sesua ketetua dar Das Kesehata Kota Baar berdasarka tgkat kebutuha kaddat desa terhadap Program Desa Saga. 2. Kabupate/Kota Saga Kabupate/Kota Saga adalah Kab./Kota yag mempuya kebaka da melaksaaka berbaga upaya dalam ragka akseleras peurua AKI da AKB bersama-sama pemertah, swasta, da masyarakat secara tegratf da sers melalu mekasme pemberdayaa kecamata, desa da masyarakat dalam atspas da melaksaaka tdaka peyelamata bu haml, fas, da bay baru lahr. Cr Kabupate/Kota Saga adalah:. Masyarakat Saga, terdapat mekasme keterpadua dalam kewaspadaa d terhadap kegawatdarurata bu da bay baru lahr dalam betuk pembayaa, saraa trasportas, ketersedaa darah, da otfkas da pemetaa bu haml. 2. Pelayaa Kesehata Saga, tersedaya pelayaa kegawatdarurata bu da bay baru lahr sesua stadar d berbaga eag pelayaa dasar maupu ruuka. Lagkah-Lagkah Pelaksaaa:. Advokas para peetu kebaka tetag pelaksaaa desa saga. 2. Promos saga melalu berbaga meda cetak, elektrok, peyebara lflet, da pemasaga spaduk. 3. Rekrutme fasltator saga da terbetukya kelembagaa saga d berbaga tgkata admstratf. 4. Fasltas 5 sstem, yatu sstem otfkas berupa sstem formas tetag keberadaa da kods bu haml maupu bu mau melahrka sesua data kesehataya, sstem pedaaa, sstem door darah, sstem trasportas kesapsagaa utuk meruuk bu bersal, da sstem surveles z da kesehata keluarga. 3. UTA (Utltze Addtve Methods) Metode megguaka prsp agregras. Prsp agregras ds megubah krtera mead preferes global, artya megubah pelaa pembuat keputusa terhadap suatu krtera ke dalam betuk preferes yag memeuh : u g a u g b a b( preferece) u g a u g b a b dfferece () Metode UTA megasumska performas setap alteratf dalam suatu fugs maral atau fugs utltas u, =,2,,sebaga fugs la o-decreasg yag dormalsas atara 0 sampa. Megacu pada batasa : * u u * 0,2,, Gambar. Fugs Nla Maral yag Dormalsas (2) * dega g * da g adalah la teredah da tertg dar masg-masg krtera. Nla maral dar sebuah alteratf a dperkraka dega sebuah terpolas ler, utuk g (a) g,g + ] g a g u a u u u g (3) dega megguaka persamaa 3, aka dperoleh la setap alteratf. Utuk memberka klasfkas terhadap masg-masg krtera, terval [g *, g * ]d potog )sama besar, sehgga pada ttk akhr g dberka []. Persamaaya adalah sebaga berkut: * g g * g g *,2,,, (4) 4. TOPSIS (Techque for Order Preferece by Smlarty to Ideal Soluto) TOPSIS megguaka prsp bahwa alteratf yag terplh harus mempuya arak terdekat dar solus deal da terauh dar solus deal egatf dar sudut padag geometrs dega megguaka arak Eucldea utuk meetuka kedekata relatf dar suatu alteratf dega solus optmal. Solus deal ddefska sebaga umlah dar 7

3 Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 seluruh la terbak yag dapat dcapa utuk setap atrbut, sedagka solus egatf-deal terdr dar seluruh la terburuk yag dcapa utuk setap atrbut. TOPSIS mempertmbagka keduaya, arak terhadap solus deal da arak terhadap solus deal egatf dega megambl kedekata relatf terhadap solus deal. Berdasarka perbadga terhadap arak relatfya, susua prortas alteratf bsa dcapa. Decso matr D megacu terhadap m alteratf yag aka devaluas berdasarka krtera yag ddefska sebaga berkut: D= 2. m m2 2 m (5) meyataka performas dar perhtuga utuk alteratf ke- terhadap atrbut ke-. Lagkah-lagkah metode TOPSIS adalah sepert dabarka dbawah : A. Membagu ormalzed decso matr Eleme r hasl dar ormalsas decso matr R dega metode Eucldea legth of a vector adalah: r (6) m 2 B. Membagu weghted ormalzed decso matr Dega bobot W= (w, w 2,..,w ), maka ormalsas bobot matrks V adalah: wr m w2rm 2 wrm V= (7) C. Meetuka solus deal da solus deal egatf. Solus deal dotaska A*, sedagka solus deal egatf dotaska A - : A* = { (ma v J), (m v J ), =, 2, 3,, m } = {v *, v 2*,, v * } (8) A - = { (m v J), (ma v J ), =, 2, 3,, m } = {v -, v 2 -,, v -} (9) Keteraga: J= { =, 2, 3,, da merupaka beeft crtera} J = { =, 2, 3,, da merupaka cost crtera} D. Meghtug separas S * adalah arak (dalam padaga Eucldea) alteratf dar solus deal ddefska sebaga: S * v v * 2, dega =,2,3,.,m (0) Da arak terhadap solus egatf-deal ddefska sebaga: S v v, dega =,2,3,.,m () 2 E. Meghtug kedekata relatf terhadap solus deal S C*, dega 0 <C * < da S S * =,2,3,.,m (2) Terlhat bahwa alteratf A lebh dekat dega solus deal sebaga C * medekat. Dega C * =, ka A = A* da C - = 0, ka A = A -. F. Meragkg Alteratf Alteratf dapat dragkg berdasarka uruta C *. Maka dar tu, alteratf terbak adalah salah satu yag berarak terpedek terhadap solus deal da berarak terauh dega solus egatfdeal[2]. 5. Peerapa Gabuga UTA da TOPSIS pada Peetua Prortas Desa Saga Metode UTA dguaka dalam memberka klasfkas da melakuka pelaa terhadap data yag dguaka dar setap alteratf. Klasfkas dlakuka terhadap setap subkrtera sesua umlah da es klasfkas yag sudah dtetuka. Utuk masg-masg krtera yag memlk terval [g *, g * ] dpotog mead seumlah ) yag telah dtetuka sehgga sama besar, g dberka persamaa (4). Proses pegolaha klasfkas dlakuka utuk kasus SPK yag memberka klasfkas pada setap krtera atau subkrtera amu belum memlk ketetua dalam memberka terval dar setap klasfkas yag telah dtetuka. Sepert dcotohka pada kasus pembera prortas Calo Desa Saga. Utuk masg-masg subkrtera yag dperguaka telah dtetuka setap klasfkasya, amu karea terval setap klasfkas perode per tahuya bersfat dams (dsebabka la tertg da teredah setap subkrtera berubah-ubah), maka harus selalu dlakuka proses pegolaha klasfkas setap tahu utuk memberka terval yag sesua ba 8

4 Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 masg-masg subkrtera. Pelaa terhadap data setap alteratf (a) utuk setap subkrtera (), dega g (a) g, + g ], dhtug dega persamaa (3). Hasl pelaa terhadap data setap alteratf dapat lagsug dperguaka dalam proses selautya, yatu proses memberka prortas terhadap setap alteratf desa dalam meetuka prortas calo pelaksaa Desa Saga dega megguaka metode TOPSIS, dega membuat Decso matr D dar hasl pelaa megacu terhadap m alteratf yag aka devaluas berdasarka krtera/subkrtera yag ddefska pada (5). Setelah proses d atas, dteruska kepada semua lagkah selautya dar proses metode TOPSIS. Sehgga medapatka hasl akhr dar proses adalah desa yag terurut berdasarka la C *, yatu hasl perhtuga kedekata setap alteratf desa terhadap solus deal. 6. Deskrps Sstem SPK peetua prortas desa calo pelaksaaa desa saga adalah sstem yag membatu pegambla keputusa meetuka prortas desa dalam pelaksaaa desa saga dega melhat faktor-faktor yag berpegaruh. Faktor-faktor tersebut dkelompokka mead tga krtera. Dar tap kategor tersebut terdapat subkategor yag berkata dega data-data yag medukug dalam megaalss setap desa terhadap peurua AKI da AKB. Tga krtera tersebut, yatu: krtera utama, krtera pedataa kehamla da persala, da krtera pedataa umum. Dar pedataa yag dlakuka oleh pegambl keputusa utuk tap krtera pada setap desa, tahap selautya dlakuka perhtuga dega UTA utuk memperoleh la masg-masg subkrtera. Hasl pelaa tersebut dlautka dega perhtuga TOPSIS. Nla yag dperoleh meuukka kedekata relatf la krtera yag dperoleh setap desa terhadap solus deal, yatu la terbak da palg berpotes tap subkrtera. Hal medukug tuua pembera prortas calo desa saga yag palg membutuhka program desa saga, yatu yag memlk la hasl perhtuga tertg megguaka TOPSIS dbadgka desa laya. Data masuka yag dbutuhka utuk memberka prortas terhadap setap desa adalah data seluruh desa d Kota Baar, data krtera beserta bobotya, data subkrtera yag berpegaruh, da data agka hasl pedataa yag dlaporka kepada Das Kesehata dar setap desa terhadap subkrtera yag telah dtetuka. Data krtera da bobotya serta data subkrtera yag dguaka dtetuka oleh Das Kesehata sesua dega kataya terhadap peurua AKI da AKB. Output dar sstem pedukug keputusa adalah alteratf uruta prortas desa d Kota Baar berdasarka seluruh ketetua pelaa dar sstem berdasarka krtera da subkrterasubkrtera yag ada. User dalam sstem ada 2 kelompok yatu :. admstrator 2. o-adm. 7. Kebutuha Peragkat Luak Peragkat keras yag dbutuhka utuk mplemetas sstem adalah sebaga berkut: A. Ss Server: ) Bass Data MySQL 2) Web Server Apache 3) Sstem Operas Wdows 4) Browser Google Chrome B. Ss Clet: ) Sstem Operas Wdows 2) Browser Google Chrome 8. Dagram Alra Data Gambar 2 merupaka dagram koteks utuk aplkas [3]. Adm Gambar 2. Dagram Koteks 9. Implemetas Bass Model Gambar 3 merupaka gambara bass model dar sstem yag dbuat. Pembera Prortas Dt_desa,dt_krtera, dt_klas,dt_th_pedataa, dt_subkrt,hasl_la,prortas_desa, agka_pedataa Dt_desa,dt_krtera, dt_klas,dt_th_pedataa,tahu, dt_subkrt,agka_pedataa Pembera la fugs UTA.php Fugsoaltas Utama Peragkga alteratf desa Matrks_ormal.php Matrks_bobot.php Solus_deal.php Separas.php Kedekata_relatf.php Ragkg.php 0.0 SPPK Peetua calo desa saga Gambar 3. Bass Model 0. Etty-Relatoshp Dagram Dt_desa,dt_krtera, dt_klas,dt_th_pedataa, dt_subkrt,hasl_la,prortas_ desa,agka_pedataa Pembera Rage Klasfkas UTA.php tahu Gambar 4 merupaka peracaga bassdata dalam betuk ER Dagram utuk aplkas yag dbuat[4]. No Adm 9

5 Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 Tahu_pedataa memlk memlk klasfkas subkrtera Gambar 4. Bass Model. Pegua Peegua yag dlakuka terhadap aplkas terdr dar:. Pegua Fugsoaltas Sstem Megu peracaga peragkat luak yag telah dbuat. 2. Pegua Perhtuga Sstem Pegua dlakuka dega cara melakuka perhtuga secara maual. Hasl tersebut kemuda dbadgka dega hasl perhtuga SPK. Apabla kedua hasl sama atau medekat sama, maka SPK sudah dyataka dapat memeuh kebutuha dalam medukug Peetua Prortas Desa Pelaksaaa Program Desa Saga pada Das Kesehata Kota Baar.Dar hasl perhtuga maual da dega sstem memlk perbedaa perhtuga dbelakag koma, hal terad karea adaya pembulata pada proses perhtuga. 3. Pegua Perbadga terhadap Sstem Lama Perbadga hasl keputusa megguaka sstem lama da sstem baru (dambl dar perode tahu 2005 sebaga sampel) dtuukka pada Tabel. TABEL PERBANDINGAN SISTEM LAMA DAN SISTEM BARU krtera memlk Mekut pedataa Prortas Sstem Lama Sstem Baru Mekarsar Mekarsar 2 Kuagsar Kuagsar 3 Lagesar Lagesar 4 Baar Warsar 5 Balokag Baar 6 Mulyasar Balokag 7 Hegarsar Mulyasar 8 Warsar Hegarsar 9 Muktsar Muktsar 0 Neglasar Neglasar Reasar Cbeureum 2 Stu Batu Boogkatog 3 Boogkatog Reasar 4 Karyamukt Bagu 5 Bagu Pataruma 6 Rahara Stu Batu Mekut pemrortasa desa 7 Pataruma Karyamukt 8 Cbeureum Rahara 9 Batu Karag Karag Parubal 20 Purwahara Batu Karag 2 KaragParubal Mekarhara 22 Mekarhara Purwahara Sesua dega kosep dar metode TOPSIS, yatu megutamaka alteratf kaddat yag memlk arak terdekat terhadap solus deal postf da terauh dar solus deal egatf, dapat tergambarka dar Tabel bahwa Desa Warsar memlk la yag lebh potesal terhadap kosep tersebut, yatu memlk la yag lebh auh terhadap solus egatf dbadgka dega Desa Baar. Kosep dar pembera prortas megguaka metode TOPSIS adalah medapatka la yag optmal dar semua subkrtera, terutama la yag dmlk relatf auh terhadap solus deal egatf. Dega asums bobot tertg pada subkrtera AKI da AKB, serta megabaka subkrtera la, dapat dlhat perbadga la hasl UTA tdak auh berbeda, yatu Warsar mecapa la maksmum pada sukrtera AKB da Baar mecapa la maksmum pada subkrtera AKI, amu setelah melalu proses ormalsas dega metode Eucldea legth of a vector, aka meghaslka la relatf auh berbeda atara la AKI Desa Baar yatu da la AKB Desa Warsar yag mecapa , hal dsebabka bahwa la hasl perhtuga UTA setap alteratf desa dba dega total dar vektor keluara seluruh alteratf desa pada subkrtera yag sama. Artya, pelaa terhadap alteratf suatu desa dega subkrtera yag sama dpegaruh oleh la data seluruh alteratf desa. Dega kata la, pelaa terhadap agka pedataa alteratf suatu desa sagat dpegaruh oleh keadaa pedataa seluruh alteratf desa. Jka dlhat pada agka pedataa, Warsar memlk AKB tertg da palg meool dar keseluruha dega selsh yag relatf sfka dega keadaa alteratf desa yag memlk AKB teredah. Dar pegguaa metode TOPSIS, pembera prortas memlk kelebha, yatu prortas megutamaka la yag optmal dar semua subkrtera sedagka dega sstem lama, prortas megutamaka la maksmal walaupu haya memeuh pada sebaa subkrtera saa. 2. Smpula Dega dbaguya Sstem Pedukug Keputusa Peetua Prortas Desa Pelaksaaa Program Desa Saga pada Das Kesehata Kota Baar dapat memeuh fugsoaltas yag dbutuhka dalam membatu memberka prortas 20

6 Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 kaddat Program Desa Saga. Metode UTA dapat megolah agka pedataa setap kaddat desa mead la dalam betuk fugs utltas odecreasg yag dormalsas dega ksara atara 0 sampa serta mampu memberka klasfkas dega rage berbeda dar setap subkrtera pada setap tahuya sesua dega agka pedataa yag bersfat dams. Metode TOPSIS dapat meetuka prortas kaddat desa utuk pelaksaaa program desa saga dega solus prortas yag optmal dar keseluruha subkrtera yag dguaka. Solus keputusa yag dhaslka oleh sstem yag dbagu lebh optmal da obektf dbadgka dega hasl keputusa dar sstem lama. SPK yag dbagu dapat membatu Das Kesehata Kota Baar meghaslka alteratf solus keputusa prortas kaddat desa pelaksaaa program desa saga Kota Baar dega hasl optmal. Daftar Pustaka [] Y. Sskos, E. Grgorouds ad N. F. Matsatss, Multple Crtera Decso Aalyss, Praeus: Sprger, [2] K. Kabass ad M. Vrvou, A Techques for Preferece Orderg for Advce Geerato a Itellget Help System, Praeus: departmet of Iformatcs, Uversty of Praeus, Greece, [3] R. S. Pressma, Rekayasa Peragkat Luak, Yogyakarta: Ad. [4] Fathasyah, Bass Data, Badug: BI-Obses,

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal)

PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahu 2016, Halama 663-672 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, Tahu 015, Halama 67-76 Ole d: http://ejoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTI-ATTRIBUTE DECISION MAKING (MADM) TECHNIQUE

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 21 Sstem Pedukug Keputusa Meurut Prof Dr Praud Atmosudro, SH, keputusa adalah suatu pegakhra darpada proses pemkra tetag suatu masalah atau problema utuk meawab pertayaa apa yag harus

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

PEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS

PEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS emar Nasoal APTIKOM (EMNATIKOM), Hotel Lombok Raya Mataram, - Oktober PEMILIHAN MAHAIWA BERPRETAI DIPLOMA MENGGUNAKAN METODE TOPI Dyah Herawate,, Eto Wuryato () Program tud D stem Iformas Fakultas Vokas

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah)

KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah) ISSN: 339-54 JURNAL GAUSSIAN, Volume 5, Nomor, Tahu 6, alama 89-98 Ole d: http://eoural-s.udp.ac.d/dex.php/gaussa KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIAN JENIS OBJEK WISATA

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2)

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2) RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS I Putu Eratama 1), I Gede Arya Utama ) 1) ) Jurusa Sstem Iformas. Sekolah Tgg Maajeme Iformatka

Lebih terperinci

ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN

ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN Semar Nasoal Iformatka 2013 (semasif 2013) ISSN: 1979-2328 UPN Vetera Yogyakarta, 18 Me 2013 ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN Gregorus

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi Koferes Nasoal Sstem & Iformatka 017 STMIK STIKOM Bal, 10 Agustus 017 Peerapa Metode TOPSIS utuk Peetua Varabel Settg Pada Optmsas Multrespo Taguch I Ketut Putu Suatara 1), I Gede Eka Watara Putra ) STMIK

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit) Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 20-928X A-7 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Subcha, Suhud Wahyud Jurusa Matematka, Fakultas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL TEKNIK POMITS Vol., No., (202) -5 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Suhud Wahyud, Subcha Jurusa Matematka, Fakultas Matematka da Ilmu Pegetahua

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

Pemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo)

Pemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo) 1 Pemlha Terbak dega Metode TOPSIS Fuzzy MCDM (Stud Kasus : CV. Bek Joyo) Sedy Pradaa Putra, Soy Suaryo Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. Gambar 3.2. Ilustrasi Tabel Input-Output (3 Sektor) Alokasi Permintaan Output Antara Permintaan F 1

BAB 3 METODOLOGI PENELITIAN. Gambar 3.2. Ilustrasi Tabel Input-Output (3 Sektor) Alokasi Permintaan Output Antara Permintaan F 1 BAB 3 METODOLOGI PENELITIAN 3.. Tabel Iput-Output 3... Keragka Umum Tabel Iput-Output Sebaga lustras tabel I-O, msalka haya ada tga sektor dalam suatu perekooma yatu sektor produks, 2 da 3. Tabel trasaks

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

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

METODE PENELITIAN Kerangka Pemikiran dan Kerangka Analisis

METODE PENELITIAN Kerangka Pemikiran dan Kerangka Analisis 28 METODE PENELITIAN Keragka Pemkra da Keragka Aalss Upaya yag dlakuka pemertah adalah dega mealaka otoom daerah yag dtada dega dberlakukaya Udag-Udag omor 22 Tahu 999 ucto No. 32 tahu 2004 tetag Pemertah

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX ORBITH VOL. 9 NO. JULI 03 : 78 83 ETODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEILIHAN DISTRO LINUX Oleh : Ahad Sabq Tekk Iforatka Poltekk Purbaya Tegal Jl. Pacakarya No. Talag Tegal 593 Abstrak Pada peelta

Lebih terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS Semar Nasoal Iformatka 01 (semasif 01) ISSN: 1979-38 UPN Vetera Yogyakarta, 30 Ju 01 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS Jamla Akaem

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

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 A.

BAB III METODE PENELITIAN A. BAB III METODE PENELITIAN A. Tempat da Waktu Peelta 1. Tempat Peelta Peelta dlaksaaka d SMA Neger 5 Surakarta yag beralamat d Jala Lete Sutoyo No. 18, Nusuka, Baarsar, Jawa Tegah kode pos 57135. Pemlha

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

ESTIMASI PARAMETER MODEL INTEGER-VALUE AUTOREGRESSIVE

ESTIMASI PARAMETER MODEL INTEGER-VALUE AUTOREGRESSIVE ESTIMASI PARAMETER MODEL INTEGER-VALUE AUTOREGRESSIVE UNTUK MENENTUKAN PROBABILITAS TERJADINYA KEBAKARAN YANG DISEBABKAN OLEH GAS ELPIJI DI KOTA SURAKARTA Nurmaltasar Jurusa Sstem Iformas, STMIK Duta Bagsa

Lebih terperinci

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18 ANALISA WAKTU BAKU PRODUKSI DOMPET DENGAN PENDEKATAN PETA TANGAN KIRI DAN TANGAN KANAN PADA CV. XYZ DI PASURUAN Hasa Bashor 1), Rosyatul Umam ) 1) Dose Tekk dustr Fakultas Tekk Uverstas Yudharta Pasurua

Lebih terperinci

ANALISIS PERBANDINGAN ARUS KAS PT DUTA PERTIWI TBK DAN PT KAWASAN INDUSTRI JABABEKA TBK

ANALISIS PERBANDINGAN ARUS KAS PT DUTA PERTIWI TBK DAN PT KAWASAN INDUSTRI JABABEKA TBK ANALISIS PRBANDINGAN ARUS KAS PT DUTA PRTIWI TBK DAN PT KAWASAN INDUSTRI JABABKA TBK (Rsk ad Cash Flow Aalyss) Oleh/By: Sutart da Sr Bawoo Dose Akadem Maajeme Kesatua da STI Kesatua ABSTRAK Perusahaa megguaka

Lebih terperinci