INTEGRASI PENDEKATAN FUZZY ANP DAN TOPSIS UNTUK PEMILIHAN LOGISTIC SERVICE PROVIDER (STUDI KASUS: PT.EPT)

Ukuran: px
Mulai penontonan dengan halaman:

Download "INTEGRASI PENDEKATAN FUZZY ANP DAN TOPSIS UNTUK PEMILIHAN LOGISTIC SERVICE PROVIDER (STUDI KASUS: PT.EPT)"

Transkripsi

1 Prosdg Semr Nsol Mjeme Tekolog XIV Progrm Stud MMT-ITS Surby 23 Jul 20 INTEGRASI PENDEKATAN FUZZY ANP DAN TOPSIS UNTUK PEMILIHAN LOGISTIC SERVICE PROVIDER (STUDI KASUS: PT.EPT) Ydl Drt Yy Udsubkt Cptomulyoo Supro Jurus Tekk Idustr Isttut Tekolog Sepuluh Nopember (ITS) Surby Kmpus ITS Sukollo Surby 601 Eml : drt_y@yhoo.com supro@e.ts.c.d udsubkt@e.ts.c.d ABSTRAK Pemlh logstc servce provder merupk permslh mult krter yg melbtk krter kultt d kuttt. Idustr js perdgg (trdg) khususy produk petrokm/km d LPG sgt dtetuk dr dukug js perush logstk. Peelt bertuju meetuk krter-krter d memlh ltert logstc provder yg berpeglm terhdp chemcl products. Peelt megtegrsk metode Fuzzy ANP d TOPSIS. Fuzzy ANP dguk utuk membobotk krter berdsr uzzy prwse comprso d l bobot yg msh berbetuk uzzy umber d ubh mejd o uzzy dr metode Lou d Wg (1992). Kemud l bobot d put ke metode TOPSIS utuk merkg ltert. Als sestts dlkuk utuk megethu seberp sest perubh rkg ltert jk bobot krter meglm perubh. Dr stud ksus setelh mellu prelmry screeg crter dperoleh hsl 9 krter d 3 ltert logstc provder yg terplh sebg bh evlus. Kt kuc : Fuzzy-ANP TOPSIS Logstc Servce Provder Vedor Selecto PENDAHULUAN Keg perush utuk okus pd bss ty d memmlk by trsports megktk pely sert tme to mrket megkbtk merek meyerhk kegt logstky pd phk ke tg deg cr outsourcg (Sohl d Sohl 2003). Utuk tu proses pemlh logstc provder merupk thp yg sgt petg bg tp perush. Dlm byk peelt d tuls peyebut thrd prty logstc (3PL) lebh serg dguk. Beberp peelt terkt suppler selecto mupu logstc provder selecto yg telh dlkuk dtry Gumus (2008) melkuk pemlh hzrdous wste trsportto rms deg metode Fuzzy AHP d TOPSIS Jhrkhr d Shkr (2007) melkuk pemlh 3PL deg metode ANP Lee dkk (2009) melkuk selecto o techology cqusto mode deg metode ANP Hsu d Hu (2009 ) melkuk pemlh suppler yg memlk peg hzrdous products mgemet deg ANP. Gumus (2008) deg Fuzzy AHP tersebut hy mmpu melkuk pembobot krter yg sty depede utuk kemud l bobot tersebut mejd put bg metode TOPSIS utuk peetu prorts ltert. Peelt Gumus ( 2008) tdk meyebutk hubug dy depedece d eedbck tr krter tu eleme. Sedgk Jhrkhr d Shkr (2007) dlm peelty

2 Prosdg Semr Nsol Mjeme Tekolog XIV Progrm Stud MMT-ITS Surby 23 Jul 20 deg metode ANP meujukk dy depedecy d eedbck tr krter dlm melkuk pemlh logstc servce provder. Hl yg mejd reserch gp dlm peelt dm Tuju dr peelt dlh (1) Megdetks krter logstc servce provder bg perush dlm kotek mult crter. (2) Melkuk pemlh logstcs servce provder berdsr krter perush sehgg mmpu meghslk solus del. Dlm peelt k dlkuk peetu bobot krter dr logstc servce provder deg megguk metode Fuzzy ANP deg sums dy depedecy tr krter. Nl dr pembobot krter-krter Fuzzy ANP k mejd put bg metode TOPSIS dlm melkuk pergkg prorts ltert logstc servce provder. Peelt dokusk pd permslh evlus d pemlh ltert logstc provder berdsr krter-krter dr Jhrkhr d Shkr (2007) d Gumus (2008) tp dlm hl pemlh krter bs terjd pembh tu pegurg yg dsesuk deg krter perush. Pedekt TOPSIS (Hwg d Yoo 1981; Mhmoodzdeh dkk 2007) dplh kre mmpu melkuk pergkg terhdp ltert terplh berdsrk jrk terpedek dr solus del post d jug jrk terjuh dr solus del egt. Pedekt TOPSIS memlk beberp kelebh dtry (Shh dkk. 2007) : (1) Meujukk sutu logk berkr yg merepresetsk plh-plh mus. (2) Meujukk sutu l skl ltert terbk d terburuk secr smult. (3) Meujukk perhtug yg sederh. Wg d Chg (2007) meyebutk beberp ls dguky TOPSIS: (1) Logky berst sederh d mudh dphm. (2) Proses perhtugy mudh. (3) Deg metode ltert terbk yg terplh merupk model mtemtk sederh. (4) Pel yg terpetg berd pd prosedur yg dperbdgk. Perush yg ddk stud ksus dlh PT.EPT yg dlm ushy sebg pemsok tu sebg dstrbutor produk-produk petrokm/km d LPG dm dlm ktts logstky byk melbtk js logstc provder. TINJAUAN PUSTAKA Pd ms llu ktvts logstk msh berst sgle ucto logstcs sepert wrehousg d trsportto tp st mul dtd dy dukug terhdp js yg dberk sepert vetory mgemet leet mgemet ormto techology d l-l. Beberp sebut tetg logstc outsourcg sepert logstcs llce opertol llces logstcs cotrct logstcs cotrct dstrbuto d thrd prty logstcs (Sohl M.S. d Sohl A.S. 2003) tp dlm byk peelt peyebut thrd prty logstc (3PL) lebh serg dguk. Lev D Smch (2000) ; Leb R.C d Rdll (1996)meytk 3PL dlh peggu js perush logstk yg megerjk seluruh tu sebg ugs dstrbus produk d mjeme mterl. Meetuk krter merupk thp pertm yg terpetg ddlm proses pemlh logstc servce provder. Screeg wl terhdp logstc provder yg potesl merupk proses yg membutuhk wktu yg tdk sedkt dm pemhm k tuju d keg kedu phk hrus dbgu bersm (Jhrkhr d Shkr 2007; Lee 2008). A-10-2

3 Prosdg Semr Nsol Mjeme Tekolog XIV Progrm Stud MMT-ITS Surby 23 Jul 20 METODOLOGI FUZZY ANP DAN TOPSIS Fuzzy set theory pertm kl dperkelk oleh Zdeh (1965) dm merupk metode yg byk dterpk pd stus ketdkpst d ketdkkurt orms yg berhubug deg berbg prmeter. Deg metode tersebut pr pegmbl keputus dpt meyelesk ketdkjels yg terjd dlm proses pegolh dt yg berst lgustk. Peelt megguk pedekt Fuzzy ANP dlm meetuk bobot krter d bobot tersebut mejd put TOPSIS ddlm memlh ltert terbk berdsr solus del. Fuzzy ANP Gmbr 1 Metodolog Fuzzy ANP d TOPSIS Fuzzy ANP telh byk dguk dlm berbg permslh pemlh krter (Yu d Tzeg 2006; Wu Chg L 2008; Kur d Mht 2008). Pd pedekt mtrks pr-wse comprso terbetuk tr berbg trbut dlm tp tgkt deg btu trgulr uzzy umbers. Utuk megevlus preeres pr pegmbl keputus mtrks pr-wse comprso d susu megguk TFN (l m u). Mtrk trgulr uzzy m x dlh sebgm persm berkut (Out S. dkk 2008): l m u l m u l m u ~ A l m u l m u l m u 21 l m u l m u l m u m1 21 m1 21 m (1) dm : m = Perbdg pd kompoe m (brs) deg kompoe (kolom). A-10-3

4 Prosdg Semr Nsol Mjeme Tekolog XIV Progrm Stud MMT-ITS Surby 23 Jul 20 Jk à dlh pr-wse comprso mtrx dsumsk bhw à dlh sm. Kesm l tersebut sepert l 1/ m deg eleme l ãm sebg berkut : l m u l m u (2) ~ A u m l u m l l m u u m l 1 3 A ~ dlh trgulr uzzy mtrk perbdg berpsg. Pembobot trgulr uzzy utuk kepetg reltve krter d prorts slg ketergtug tr krter utuk medukug TOPSIS dlm memlh ltert terbk. Utuk tu lht persm (3.3) berkut : Gol 0 0 W (3) Crter W21 W22 Dlm kosep blg Fuzzy preeres pegmbl keputus d susu berdsrk skl d dekspresk secr lgustk sebgm tbel 3.1 berkut: Tbel 3.1. Membershp ucto o the lgustc scle TOPSIS (Sumber : Yg dkk. 2008) Pedekt TOPSIS merupk tekk yg prkts d bermt d dlm me-rkg d memlh sejumlh ltert terplh deg cr megukur jrk terdekt d jrk terjuh dr tp ltert. Metode TOPSIS dplksk dlm bdg sepert pemlh logstc provder pemlh slts loks perbdg rso keug pemlh exptrte pemlh ger mterl pemlh Hgh-speed trsport system (Shh H-S. dkk. 2007). Thp dlm TOPSIS (Mhmoodzdeh S. dkk 2007) sebg berkut: 1. Membut mtrk keputus utuk merkg. F F F A D A A m m 2 2 m dm : A = Altertve ke m. Fj = Krter ke j. j (4) A-10-4

5 Prosdg Semr Nsol Mjeme Tekolog XIV Progrm Stud MMT-ITS Surby 23 Jul 20 = Crsp vlue megdksk kerj rtg tp ltert A terhdp krter Fj. 2. Meghtug ormlzed decso mtrx R(=[r ]). r (5) j 1 2 dm : r = ormlzed vlue. j ; m = Crsp vlue megdksk kerj rtg tp ltert A terhdp krter Fj. 3. Meghtug bobot ormlzed decso mtrx v. v w r dm : Wj = bobot dr krter j. V = bobot ormlzed decso mtrx. 4. Meetuk PIS (Post Idel Soluto) d NIS (Negt Idel Soluto). Post del soluto (PIS): ' (7) V v... Mx j J j 1 v v Mv J dm : J : krter post d J : krter egt. V + = solus del post. (12...). Negtve del soluto (NIS): V v... M jj Mx j ' 1 v v v J dm : V - = solus del egt. (12...). 5. Meghtug seprto mesures. D utuk Post Idel Soluto : D j1 2 v v j D utuk Negt Idel Soluto : D 2 v v j j1 dm : (6) (8) (9) (10) V = bobot ormlss ltert ke- terhdp krter-j. Vj = solus del krter egt. 6. Meghtug kedekt relt terhdp solus del d merkg ltert. D C () D D Keterg : Nl dex C berd tr 0 d 1. Arty semk besr l dex mk semk bk kerj dr ltert tersebut. 7. Melkuk pe-rkg- preeres tp ltert deg urut d mul dr l mksmum. A-10-5

6 Prosdg Semr Nsol Mjeme Tekolog XIV Progrm Stud MMT-ITS Surby 23 Jul 20 HASIL DAN DISKUSI Prelmry screeg crter Prelmry screeg crter dlkuk utuk megelms krter yg tdk petg bg perush berdsrk pel lgustk oleh pr pegmbl keputus. Setelh dperoleh pembobot rt-rt msg-msg evlus krter ( W ~ t ) kemud dlkuk elms krter berdsrk bobot krter mmum yg dterm (mmum cceptble weght crter) R ~. Dr ke 25 krter setelh mellu perhtug dtetpk sembl krter ytu: 1. Cost o servce 2. Helth d sety evromet 3. Delvery perormce 4. Experece smlr products 5. Opertol perormce 6. Qulty o servce 7. Flexblty opertos & delvery 8. Sze d qulty o xed ssets 9. Iormto shrg & mutul trust Perhtug bobot krter Fuzzy ANP Pembobot krter berdsr uzzy prwse comprso utuk megethu pel dr pr pegmbl keputus terhdp msg-msg krter secr lgustk. Nl pembobot yg msh berbetuk uzzy dubh mejd l o uzzy tu deuzyks deg metode dr Lou d Wg (1992). Dr proses perhtug l bobot krter ddpt gmbr grk berkut W =(W 2 1 x W 2 2 ) j Weght Cost o servce Helth d sety evromet Delvery perormce Qulty o servce Experece smlr products Opertol perormce Sze d qulty o xed ssets Flexblty opertos & delvery Iormto shrg & mutul trust Crter Gmbr 2. Grk l bobot keseluruh krter (W) Perhtug TOPSIS Setelh medptk l bobot msg-msg krter dr Fuzzy ANP mk lgkh berkuty melkuk perhtug deg megguk TOPSIS. Dr hsl perhtug ddpt l kedekt (closeess) relt terhdp solus del dlh sebg berkut : C C C SS JS Sehgg perkg tp ltert dmul dr l tertgg ytu : CMS CSS C JS MS A-10-6

7 Prosdg Semr Nsol Mjeme Tekolog XIV Progrm Stud MMT-ITS Surby 23 Jul 20 Tmpk kddt yg memlk kedekt deg l 1 dlh PT.MS sebesr dkut CV.SS sebesr d terkhr PT.JS sebesr Als Sestts ltert logstc provder Als sestts dguk utuk megethu seberp sest sutu model meglm perubh l prmeter d meglm perubh struktur pd model tersebut. Sutu ltert dktk sest jk perubh bobot tersebut megubh urut pergkg dlht dr l kedekt relt (C*). Gmbr 3 berkut meujukk grk ls sestts logstc provder dm dlm retg -30% smp deg +10% tdk terjd perubh rkg prorts. Hl megdksk bhw hsl yg ddpt sudh cukup bk. Als sestts Logstc servce provder Vlue o closseess PT.MS CV.SS PT.JS C1* C2* C3* C4* C5* C6* C* Vrble KESIMPULAN Gmbr 3 Grk ls sestts ltert logstc provder 1. Dlm logstc provder selecto problem setelh mellu proses prelmry screeg crter krter logstc provder yg terplh dlm peelt terdr ts 9 (sembl krter) ytu cost o servce qulty o servce ormto shrg d trust opertol perormce sze d qulty o xed ssets experece smlr products delvery perormce lexblty opertos d delvery d helth d sety evromet. 2. Dr hsl perhtug bobot krter meujukk bhw krter cost o servce tetp mejd perht utm perush gr perush memlk totl cost o logstc yg mmum deg dukug krter terpetg berkuty ytu helth d sety evromet d delvery perormce. 3. Dr hsl perhtug dperoleh rkg logstc provder yg memlk kedekt terhdp jrk solus del ytu PT.MS sebesr Sr Dsrk peelt seljuty melkuk perbdg beberp metode FMCDM/MCDM yg l dlm meetuk prorts perush logstc servce provder. Sel tu utuk peelt deg ksus logstc provder ly bs dkembgk deg mempertmbgk kosep BO/CR. A-10-7

8 Prosdg Semr Nsol Mjeme Tekolog XIV Progrm Stud MMT-ITS Surby 23 Jul 20 DAFTAR PUSTAKA Hsu Ch We d Hu Alle H. (2009). Applyg hzrdous substce mgemet to suppler selecto usg lytc etwork process. Jourl o Cleer Producto Hwg C. L. & Yoo K. (1981). Multple ttrbute decso mkg methods d pplctos stte-o-the-rt survey. New York: Sprger-Verlg. Gumus A.T. (2008). Evluto o hzrdous wste trsportto rms by usg two step Fuzzy AHP d TOPSIS methodology. Expert systems wth pplctos Jhrkhr S. d Shkr R. (2007). Selecto o lytc etwork process (ANP) pproch. Mgemet Scece 35(3) logstcs servce provder: A The Itertol Jourl o Lee Amy.H.I. (2008). A Fuzzy suppler selecto model wth the cosderto o beets opportutes costs d rsks. Expert Systems wth Applctos vol Lee Hkyoe. Lee Sor. Prk Yogte (2008). Selecto o techology cqusto mode usg the ANP. Mthemtcl d computer modelg Lu Ho-Te d Wg We-K (2008). A tegrted uzzy pproch or provder evluto d selecto thrd prty logstcs. Expert Systems wth Applctos vol.36 pp Lou T. S. d Wg M. J. J.(1992). Rkg Fuzzy Numbers wth Itegrl Vlue. Fuzzy Sets d SystemsVol. 50 pp Mohty R. P. Agrwl R. Choudhury A. K. & Twr M. K. (2005). A uzzy ANP bsed pproch to R&D project selecto: A cse study. Itertol Jourl o Producto Reserch 43(24) Mhmoodzdeh S. Shhrb J. Przr M. d Zer M.S. (2007). Project selecto by usg uzzy AHP d TOPSIS techque. Itertol Jourl o Hum d Socl Scece. Vol.1 o.3 pp Öüt Semh. Kr Sel Soer. Isk El. (2008). Log term suppler selecto usg combed Fuzzy MCDM pproch: A cse study or telecommucto compy. Expert Systems wth Applctos Sty T.L. d Mry S (2008). Mkg decsos herrchc d etwork systems. It. J. Appled Decso Sceces Vol. 1 No. 1 Sty Roz. W (2003). Decso Mkg I Complex Evromets. PA:RWS publcto. Pttsburgh Shh Hsu-Shh. Shyur Hu-Jyh. Lee E. Stley. (2007). A exteso o TOPSIS or group decso mkg. Mthemtcl d Computer Modellg A-10-8

9 Prosdg Semr Nsol Mjeme Tekolog XIV Progrm Stud MMT-ITS Surby 23 Jul 20 Sohl M.S. d Sohl A.S. (2003). The use o thrd prty logstcs servces: Mlys perspectve. Techovto Yg J L. Chu Hu Neg Tzeg Gwo-Hshug Yeh Ruey Hue (2008). Vedor selecto by tegrted uzzy MCDM techques wth depedet d terdepedet reltoshps. Iormto Sceces A-10-9

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Prktkum 8 Peyeles Persm Ler Smult Metode Elms Guss PRAKTIKUM 8 Peyeles Persm Ler Smult Metode Elms Guss Tuju : Mempeljr metode Elms Guss utuk peyeles persm ler smult Dsr Teor : Metode Elms Guss merupk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Ltr Belkg Smp st, model Regres d model Alss Vrs telh dpdg sebg du hl g tdk berkt. Meskpu merupk pedekt g umum dlm meergk kedu cr pd trf permul, model Alss Vrs dpt dpdg sebg hl khusus model

Lebih terperinci

KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT

KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT Prosdg Semr Nsol Mtemtk d Terpy 06 p-issn : 550-084; e-issn : 550-09 KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT St Muhwh Uversts Jederl Soedrm st_muhwh@yhoo.co.d

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA) Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Megethu rcg d eses. Megethu model ler 3. Meuruk Jumlh Kudrt (JK) 4. Melkuk uj lss vrs 5. Melkuk uj perbdg gd Apkh ber kot dlm rokok dpt megkbtk Kker? Sel kker

Lebih terperinci

Analisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA)

Analisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA) BAB 1 Alss Vrs stu fktor Sgle Fctor Alss Of Vrce (ANOVA) ANALISIS VARIANSI SATU FAKTOR D MetStt 1 sudh dkel uj hpotess rt-rt du populs A d B g berdstrbus Norml Bgm jk terdpt lebh dr du populs? Alss vrs

Lebih terperinci

CNH2B4 / KOMPUTASI NUMERIK

CNH2B4 / KOMPUTASI NUMERIK CNHB4 / KOMPUTASI NUMERIK TIM DOSEN KK MODELING AND COMPUTATIONAL EXPERIMENT PENCOCOKAN KURVA Pedhulu Dt g bersl dr hsl pegmt lpg pegukur tu tbel g dmbl dr buku-buku cu. Nl tr turu tegrl mudh dcr utuk

Lebih terperinci

Bab 4 ANALISIS REGRESI dan INTERPOLASI

Bab 4 ANALISIS REGRESI dan INTERPOLASI Als Numerk Bh Mtrkuls B 4 ANALISIS RGRSI d INTRPOLASI 4 Pedhulu Pd kulh k dpeljr eerp metde utuk mempredks d megestms dt dskret Dr sutu peelt serg dlkuk peglh dt utuk megethu pl dt tu etuk kurv g dggp

Lebih terperinci

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1 REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt t tersebut

Lebih terperinci

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1 REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt tersebut

Lebih terperinci

Dr.Eng. Agus S. Muntohar Department of Civil Engineering

Dr.Eng. Agus S. Muntohar Department of Civil Engineering Pertemu ke-7 Persm Ler Smult Oktober 0 Metode Iters Guss-Sedel Dr.Eg. Agus S. Mutohr Deprtmet of Cvl Egeerg Metode Guss-Sedel Merupk metode ters. Prosedur umum: - Selesk ser lbr vrbel tdk dkethu msg-msg

Lebih terperinci

Seminar Nasional IENACO ISSN: METODE USULAN UNTUK ANALISIS SENSITIFITAS DALAM PEMILIHAN PEMASOK

Seminar Nasional IENACO ISSN: METODE USULAN UNTUK ANALISIS SENSITIFITAS DALAM PEMILIHAN PEMASOK Semr Nsol IENACO - 07 ISSN: 337-4349 METODE USULAN UNTUK ANALISIS SENSITIFITAS DALAM PEMILIHAN PEMASOK Agus Rstoo *, Prtkto, Puromo Bud Stoso 3, Ishrdt Pmbud Tm 4, Jurus Tekk Mes, 3,4 Jurus Tekk Idustr

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA) Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Desg d coduct expermets volvg sgle. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc wth resdul plots 4. Use multple comprso

Lebih terperinci

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange Prktkum. Iterpols Ler, Kudrtk, Poloml d Lgrge PRAKTIKUM Iterpols Ler, Kudrtk, Poloml, d Lgrge Tuju : Mempeljr berbg metode Iterpols g d utuk meetuk ttkttk tr dr buh ttk deg megguk sutu fugs pedekt tertetu.

Lebih terperinci

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI PENCOCOKAN KURVA (CURVE FITTING) Iterpols : Iterpols er Iterpols Kudrtk Iterpols Poloml Iterpols grge Regres : Regres er Regres Ekspoesl Regres Poloml INTERPOASI Iterpols dguk utuk meksr l tr (termedte

Lebih terperinci

BAB VI ANALISIS REGRESI

BAB VI ANALISIS REGRESI BAB VI ANALISIS REGRESI A. Pedhulu Alss regres merupk slh stu lss yg ertuju utuk megethu pegruh sutu vrel terhdp vrel l. Vrel yg mempegruh dseut depedet vrle/vrel es () d vrel yg dpegruh dseut depedet

Lebih terperinci

BAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada

BAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada BAB PENDAHULUAN. Ltr Belkg Sektor perkebu merupk sub sektor pert yg mejd slh stu fktor yg dpt medukug kegt perekoom d Idoes. Slh stu sub sektor perkebu yg cukup besr potesy dlm perekoom Idoes dlh perkebu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BB LNDSN TEORI. lytcl Herrchy Process (HP) lytc Herrchy Process (HP) dlh slh stu metode khusus dr Mult Crter Decso Mkg (MCDM) yg dperkelk oleh Thoms Lore Sty. HP dpt dguk utuk memechk mslh pd stus yg kompleks.

Lebih terperinci

PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI. Fitria Rahma Sari dan Dana Indra Sensuse

PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI. Fitria Rahma Sari dan Dana Indra Sensuse PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI Ftr Rhm Sr d D Idr Sesuse Fkults Ilmu Komputer, Uversts Idoes, Depok, Idoes d@cs.u.c.d Astrk Memlh

Lebih terperinci

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Prktkum 8 Peyeles Persm Ler Smult Metoe Elms Guss PRAKTIKUM 8 Peyeles Persm Ler Smult Metoe Elms Guss Tuju : smult Mempeljr metoe Elms Guss utuk peyeles persm ler Dsr Teor : Metoe Elms Guss merupk metoe

Lebih terperinci

BAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor

BAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor BAB ANAVA JALAN Merupk pegembg dr ANAVA 1 Jl Jk pd ANAVA 1 l 1 Fktor Jk pd ANAVA l Fktor Model Ler Asums: Model efek Tetp! 1,..., 1,..., Stu fktor g dtelt Av 1 l k k 1,,..., 1,,..., b k 1,,..., Du fktor

Lebih terperinci

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial Prktkum. Regres Regres Ler, Regres Ekspoesl, d Regres Poloml Poltekk Elektrok eger Surb ITS 47 PRAKTIKUM Regres Ler, Regres Ekspoesl d Regres Poloml. Tuju : Mempeljr metode peeles regres ler, ekspoesl

Lebih terperinci

Bab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor

Bab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor Bb 1 Av stu Alss Vrs (Alss Of Vrce / ANOVA) stu fktor Lerg Objectves 1. Desg d coduct expermets volvg sgle d two fctors. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI b LNDSN TEORI. Hmpu Fuzzy Tdk semu hmpu yg dump dlm kehdup sehr-hr terdefs secr els, msly hmpu org msk, hmpu org pd, hmpu org tgg, d sebgy. Msly, pd hmpu org tgg, tdk dpt dtetuk secr tegs pkh seseorg dlh

Lebih terperinci

PENERAPAN CLUSTERING K-MEANS PADA CUSTOMER SEGMENTATION BERBASIS RECENCY FREQUENCY MONETARY (RFM) (STUDI KASUS : PT. SINAR KENCANA INTERMODA SURABAYA)

PENERAPAN CLUSTERING K-MEANS PADA CUSTOMER SEGMENTATION BERBASIS RECENCY FREQUENCY MONETARY (RFM) (STUDI KASUS : PT. SINAR KENCANA INTERMODA SURABAYA) Semr Nsol Mtemtk d Aplksy, 21 Oktober 2017 Surby, Uversts Arlgg PENERAPAN CLUSTERING K-MEANS PADA CUSTOMER SEGMENTATION BERBASIS RECENCY FREQUENCY MONETARY (RFM) (STUDI KASUS : SINAR KENCANA INTERMODA

Lebih terperinci

VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA

VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA De Prm Sr Jurus Mtemtk Uersts Neger Pg, Ioes eml: eprmsr@yhoo.com Abstrk. Auts lh rgk pembyr tu peerm lm jumlh tertetu yg lkuk secr berkl p jgk wktu

Lebih terperinci

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel Prktkum 0 Peyeles Persm Ler Smult - Metode Elms Guss Sedel PRAKTIKUM 0 Peyeles Persm Ler Smult Metode Elms Guss Sedel Tuu : ler smult Mempelr metode Elms Guss Sedel utuk peyeles persm Dsr Teor : Metode

Lebih terperinci

1 yang akan menghasilkan

1 yang akan menghasilkan Rset Opers Probblstk Teor Per (Ge Theor) Nughthoh Arfw Kurdh, M.Sc Deprteet of Mthetcs FMIPA UNS Lecture 6: Med Strteg: Ler Progrg Method A. Metode Cpur deg Progr Ler Terdpt hubug g ert tr teor per d progr

Lebih terperinci

CATATAN KULIAH Pertemuan XIII: Analisis Dinamik dan Integral (1)

CATATAN KULIAH Pertemuan XIII: Analisis Dinamik dan Integral (1) CATATAN KULIAH Pertemu XIII: Alss Dmk d Itegrl () A. Dmk d Itegrs Model Stts : mecr l vrel edoge yg memeuh kods ekulrum tertetu. Model Optms : mecr l vrel plh yg megoptms fugs tuju tertetu. Model Dmk :

Lebih terperinci

MASALAH PROGRAMA LINIER FUZZY DENGAN FUNGSI KEANGGOTAAN LINIER

MASALAH PROGRAMA LINIER FUZZY DENGAN FUNGSI KEANGGOTAAN LINIER JRNA TEKNIK INDSTRI VO. 2 NO. JNI 2000: 28-33 MASAAH PROGRAMA INIER FZZY DENGAN FNGSI KEANGGOTAAN INIER Nyom Sutp Dose Fkults Tekk Jurus Tekk Idustr versts Krste Petr ABSTRAK Asums kepst l-l prmeter dlm

Lebih terperinci

DIGRAF EKSENTRIS PADA DIGRAF SIKEL, DIGRAF KOMPLIT DAN DIGRAF KOMPLIT MULTIPARTIT. Jl. Prof. H. Soedarto SH Semarang 50275

DIGRAF EKSENTRIS PADA DIGRAF SIKEL, DIGRAF KOMPLIT DAN DIGRAF KOMPLIT MULTIPARTIT. Jl. Prof. H. Soedarto SH Semarang 50275 DIGRAF ESENTRIS PADA DIGRAF SIEL DIGRAF OMPLIT DAN DIGRAF OMPLIT MULTIPARTIT Reto tur umlsr d Luc Rtsr Jurus Mtemtk FMIPA UNDIP Jl Prof H Soedrto SH Semrg 5075 Abstrct The eccetrc dgrph of dgrph ED ( D)

Lebih terperinci

Penilaian Kinerja Guru dengan Metode Analytic Network Process (ANP) untuk Pemilihan Guru Berprestasi

Penilaian Kinerja Guru dengan Metode Analytic Network Process (ANP) untuk Pemilihan Guru Berprestasi Pel Kerj Guru deg Metode Alytc Netork Process (ANP) utuk Pemlh Guru Berprests Nuryt 29 Alvd Mustk Rukm,S.S, MS. Prof.Dr. Mohmmd Is Ir,MT. Cotet : Pedhulu Tju Pustk Metodolog Als d Pembhs Kesmpul Dftr Pustk

Lebih terperinci

Bab 4 ANAKOVA (ANALISIS KOVARIANSI)

Bab 4 ANAKOVA (ANALISIS KOVARIANSI) Bb 4 ANAKOVA (ANALISIS KOVARIANSI) ANAVA vs ANREG ANAVA ANREG megu perbdg vrbel tergtug () dtu dr vrbel bebs () mempredks vrbel tergtug () mellu vrbel bebs () Ksus: Peelt deg vrbel : 1 Prests Mhssw Kemmpu

Lebih terperinci

( X ) 2 ANALISIS REGRESI

( X ) 2 ANALISIS REGRESI ANALII REGREI A. PENGERTIAN REGREI ecr umum d du mcm huug tr du vrel tu leh, tu etuk huug d keert huug. Utuk megethu etuk huug dguk lss regres. Utuk keert huug dpt dkethu deg lss korels. Alss regres dperguk

Lebih terperinci

Bab 2 Landasan Teori

Bab 2 Landasan Teori Bb 2 Lds Teor 2.1. Ler Progrmmg Model pemrogrm ler tdk mmpu meyelesk ksus-ksus mjeme yg meghedk ssr-ssr tertetu dcp secr smult. Kelemh dlht oleh A. Chres d W.M. Cooper. Merek berdu kemud megembgk model

Lebih terperinci

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6 home se to ecellece Mt Kulh : Klkulus Kode : TSP 0 SKS : SKS Itegrl Pertemu - 6 home se to ecellece TIU : Mhssw dpt memhm tegrl fugs d plksy TIK : Mhssw mmpu mecr tegrl fugs Mhssw mmpu megguk tegrl utuk

Lebih terperinci

Model Tak Penuh. Definisi dapat di-uji (testable): nxp

Model Tak Penuh. Definisi dapat di-uji (testable): nxp Model T Peuh Defs dpt d-u (testle): Sutu c c 'c 'c H 'c 'c dpt du l d stu set fugs g dpt - ddug m m ' sehgg H er c ' ' slg es ler tu C c ' c m ' Perht : Kre r X p r p m m r c' (X' X) c X' X c' C(X' X)

Lebih terperinci

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT OLUI DERET PANGKAT TETAP DENGAN FUNGI PEMBANGKIT Aleder A Guw Jurus Mtemt d ttst Fults s d Teolog, Uversts B Nustr Jl. K. H. yhd No. 9, Kemggs/Plmerh, Jrt Brt 8 gug@bus.edu ABTRACT Ths rtcle dscusses bout

Lebih terperinci

JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER 1

JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER 1 FITRIANA RICHA HIDAYATI 7 46 Dose Pembimbig M. ARIEF BUSTOMI, M.Si Surby, Jui JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER Alis disesuik deg geometri

Lebih terperinci

III PEMBAHASAN. peubah. Sistem persamaan (6) dapat diringkas menjadi Bentuk Umum dari Magic Square, Bilangan Magic, dan Matriks SPL

III PEMBAHASAN. peubah. Sistem persamaan (6) dapat diringkas menjadi Bentuk Umum dari Magic Square, Bilangan Magic, dan Matriks SPL III PEMBAHASAN 3.1. Betuk Umum dri Mgic Squre, Bilg Mgic, d Mtriks SPL Mislk eleme dri bris ke-i d kolom ke-j dlh i,j mk mgic squrey secr umum dlh 1,1 1, 1,,1,,,1,, Gmbr 1. Betuk umum mgic squre deg: i,j

Lebih terperinci

III PEMBAHASAN. x x. 3.1 Analisis Metode Perhatikan persamaan integral Volterra berikut. x. atau (11)

III PEMBAHASAN. x x. 3.1 Analisis Metode Perhatikan persamaan integral Volterra berikut. x. atau (11) III PEMBAHASAN 3 Alisis Metode Perhtik persm itegrl Volterr berikut y ( f( λ Ktyt ( ( (8 deg y( merupk fugsi yg k ditetuk sutu kostt f( fugsi sembrg yg dikethui d terdefiisi pd R d K(ty(t sutu fugsi yg

Lebih terperinci

6. Selanjutnya langkah penyelesaian

6. Selanjutnya langkah penyelesaian MENYELESAIKAN SISTEM PERSAMAAN LINEAR FUZZY DALAM BENTUK A y DENGAN MENGURAIKAN y D Mstk, Mshd, Sr Gemwt Mhssw Progrm Std S Mtemtk Dose Jrs Mtemtk Fklts Mtemtk d Ilm Pegeth Alm Uversts R Kmps Bwdy Pekbr

Lebih terperinci

MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT

MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT Rz Phlev, Arsm Ad, Sgt Sugrto Mhssw Progrm Stud S Mtemtk Dose Jurus Mtemtk Fkults

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN REGRESI ROBUST PADA SAMPING ACAK SEDERHANA.

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN REGRESI ROBUST PADA SAMPING ACAK SEDERHANA. PENAKI AIO ANG EFIIEN UNTUK ATA-ATA POPULAI MENGGUNAKAN KOEFIIEN EGEI OUT PADA AMPING ACAK EDEHANA M Okto Mork Arsm Ad Hpos rt moktomoo@hoo.co.d Mhssw Progrm Mtemtk Dose Jurus Mtemtk Fkults Mtemtk d Ilmu

Lebih terperinci

HUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA

HUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA HUBUNAN DERET BERTINKAT BERDAAR BILANAN EULERIAN DENAN OPERATOR BEDA Aleder A uw Jurus Mtetk, Fkults s d Tekolog, Uversts B Nustr Jl. K.H. yhd No. 9, Plerh, Jkrt Brt 48 gug@bus.edu ABTRACT Cscde seres

Lebih terperinci

BAB III NORM MATRIKS PADA HIMPUNAN DARI MATRIKS-MATRIKS TOEPLITZ. Definisi 3.1 Matriks Toeplitz adalah suatu matriks., dengan nilai,, dan indeks yang

BAB III NORM MATRIKS PADA HIMPUNAN DARI MATRIKS-MATRIKS TOEPLITZ. Definisi 3.1 Matriks Toeplitz adalah suatu matriks., dengan nilai,, dan indeks yang BAB III NORM MATRIKS PADA HIMPUNAN DARI MATRIKS-MATRIKS TOEPLITZ 3. Mtriks Toeplitz Defiisi 3. Mtriks Toeplitz dlh sutu mtriks [ t ; k, j = 0,,..., ] : T =, k j, deg ili,, d ideks yg diguk setip etriy

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER DENGAN METODE NEWTON-RAPHSON

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER DENGAN METODE NEWTON-RAPHSON PENYELESAIAN SISTEM PERSAMAAN TAK LINIER DENGAN METODE NEWTON-RAPHSON SKRIPSI oleh: KHUTWATUN NASIHA NIM: 4 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI (UIN) MALANG MALANG

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI

Lebih terperinci

PROGRAM LINEAR BILANGAN BULAT DUAL SKRIPSI

PROGRAM LINEAR BILANGAN BULAT DUAL SKRIPSI PROGRA LINEAR BILANGAN BULAT DUAL SKRIPSI Duk Utuk emeuh Slh Stu Syrt emperoleh Gelr Sr Ss (S.S) Progrm Stud temtk Oleh: Berdet Wdsh NI : 7 PROGRA STUDI ATEATIKA JURUSAN ATEATIKA FAKULTAS ATEATIKA DAN

Lebih terperinci

Bab 4 Penyelesaian Persamaan Linier Simultan

Bab 4 Penyelesaian Persamaan Linier Simultan Bb Peyeles Persm Ler Smult.. Persm Ler Smult Persm ler smult dlh sutu betuk persm-persm yg ser bersm-sm meyjk byk vrbel bebs. Betuk persm ler smult deg m persm d vrbel bebs dpt dtulsk sebg berkut: b b

Lebih terperinci

ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES

ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES LEMMA VOL I NO., NOV 24 ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES Adev Mur Adel Progrm Stud Peddk Mtemtk, Uversts Mhutr Muhmmd Ym, Solok devmur@gml.com Abstrk. Peelt bertuju

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Ltr Belg Istlh Pemrogrm Geometr (PG) dperel oleh Duff, Peterso, d Zeer pd thu 967 Istlh dmbl dr mslh-mslh geometr g dpt dformuls sebg PG Pemrogrm Geometr dlh sutu tpe mslh optmlss mtemt g

Lebih terperinci

Anuitas. Anuitas Akhir

Anuitas. Anuitas Akhir Auts Auts bersl r kt bhs Iggrs uty yg pt efsk sebg rgk pembyr tu peerm tetp lm jumlh tertetu yg lkuk secr berkl p jgk wktu tertetu. Kt uty sly berrt pembyr ul (thu), k tetp serg eg berjly wktu kt uts jug

Lebih terperinci

BAB V ANALISIS REGRESI

BAB V ANALISIS REGRESI BAB V ANALISIS REGRESI Setelh mempeljr mhssw dhrpk dpt : Meghtug prmeter regres Melkuk estms d uj prmeter regres 3 Meemuk model regres g tept Dlm kehdup serg dtemuk d sekelompok peuh g dtr terdpt huug,

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 30-37

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 30-37 Jurl Mtemtk Mur d Terp Vol. 4 No. Desember : - 7 PENGGUNN BENTUK SMITH UNTUK MENENTUKN BENTUK KNONIK MTRIKS NORML DENGN ENTRI-ENTRI BILNGN KOMPLEKS Thresye Progrm Stud Mtemtk Uversts Lmbug Mgkurt Jl. Jed..

Lebih terperinci

Bentuk Umum Perluasan Teorema Pythagoras

Bentuk Umum Perluasan Teorema Pythagoras Jrl Grde Vol No Jr 6 : 9-4 Betk Umm Perls Teorem Pythors Ml stt By Kerm Ulsr les Jrs Mtemtk Fklts Mtemtk d Ilm Peeth lm Uversts Bekl Idoes Dterm Septemer 5; dset Desemer 5 strk - Peelt memhs perls teorem

Lebih terperinci

Bab IV Faktorisasi QR

Bab IV Faktorisasi QR Bb IV Ftorss QR. Pedhulu Ftorss QR dr mtr A beruur m dlh pegur mtr A mejd A Q R dm Q R m m dlh orthogol d R R m segtg ts. Ftorss serg jug dsebut ftorss orthogol (orthogol ftorzto). Ad beberp r yg dgu utu

Lebih terperinci

UNIVERSITAS INDONESIA METODE STAIRCASE UNTUK MENDAPATKAN BENTUK KANONIK JORDAN DENGAN KARAKTERISTIK WEYR SKRIPSI NURRY WIDYA HESTY

UNIVERSITAS INDONESIA METODE STAIRCASE UNTUK MENDAPATKAN BENTUK KANONIK JORDAN DENGAN KARAKTERISTIK WEYR SKRIPSI NURRY WIDYA HESTY UNIVERSITS INDONESI METODE STIRCSE UNTUK MENDPTKN BENTUK KNONIK JORDN DENGN KRKTERISTIK WEYR SKRIPSI NURRY WIDY HESTY 976 Fkults Mtemtk d Ilmu Pegethu lm Progrm Stud Mtemtk Depok Februr Metode strcse...,

Lebih terperinci

RENCANA PELAKSANAAN PERKULIAHAN

RENCANA PELAKSANAAN PERKULIAHAN Lesso Study FMIPA UNY RENCANA PELAKSANAAN PERKULIAHAN MATA KULIAH : ALJABAR LINEAR II SEMESTER : III TOPIK : NILAI EIGEN DAN VEKTOR EIGEN SUB TOPIK : NILAI EIGEN DAN VEKTOR EIGEN WAKTU : X 5 A. Stdr Kompetesi:

Lebih terperinci

HUBUNGAN DERET BERTINGKAT BERDASARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA

HUBUNGAN DERET BERTINGKAT BERDASARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA HUBUNGAN DERET BERTINGKAT BERDAARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA Aleder A.. Guw Jurus Mtetk d ttstk, Fkults s d Tekolog, Bus Uversty Jl. KH. yhd No. 9, Plerh, Jkrt Brt 48. gug@bus.edu ABTRACT

Lebih terperinci

HUKUM SYLVESTER INERSIA

HUKUM SYLVESTER INERSIA Vol 6 No 3 44-56 Desember 3 ISSN : 4-858 HUKUM SYLVESTER INERSIA R Heru Tjhj Jurus Mtemt FMIPA UNDIP Abstr Mtrs represets sutu betu udrt dpt dsj sebg mtrs dgol Eleme pd dgol utm mtrs represets tersebut

Lebih terperinci

Solusi Sistem Persamaan Linear

Solusi Sistem Persamaan Linear Sos Sstem Persm Ler Sstem persm er: h persm deg h kow j d dketh, j,,, j? So: z 6 z z () () () persm d kow Jw: z 6.5 z.5 z () () () ems : pers. ().5 pers. () pers. ().5 pers. () z 6.5 z 8z 8 () () () ems

Lebih terperinci

Pemain P 1. Teorema 4.1 (Teorema minimax). Untuk setiap matriks pembayaran (pay off matrix), terdapat strategi optimal x* dan y* sedemikian sehingga

Pemain P 1. Teorema 4.1 (Teorema minimax). Untuk setiap matriks pembayaran (pay off matrix), terdapat strategi optimal x* dan y* sedemikian sehingga Rset Opers Probblstk Teor Permnn (Gme Theor) Deprtement of Mthemtcs FMIPA UNS Lecture 4: Med Strteg A. Metode Cmpurn (Med Strteg) D dlm permnn d mn permnn tersebut tdk mempun ttk peln, mk pr pemn kn bersndr

Lebih terperinci

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal :

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal : INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser

Lebih terperinci

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA Prosdg Semr Nsol Ss d Peddk Ss IX Fkults Ss d Mtemtk UKSW Sltg Ju 04 Vol 5 No. ISSN :087-09 OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGAASINYA mbg Srt Derteme Sttstk FMIPA-IPB Eml: tmbg_srt@yhoo.com

Lebih terperinci

DEFINISI INTEGRAL. ' untuk

DEFINISI INTEGRAL. ' untuk DEINISI INTEGRAL Dlm mtemtk d eerp stl sepert des, teorem, lemm Istl petg kre meujuk keeksstes Des dl peryt yg erl er kre dsepkt, d tdk perlu duktk Teorem dl peryt yg dpt duktk keery Lemm dl teorem kecl,

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 7 BAB TINJAUAN PUSTAKA. Sstem Perml Cerds Perlku Kosume Sstem Perml Cerds Perlku Kosume dlh sebuh sstem g berfugs utuk merml sub produk p g seber dbutuhk oleh kosume ketk g membel sutu produk berdsrk kods

Lebih terperinci

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY Oleh : Yusup Fkults Ilmu Komputer, Uversts AKI Semrg Astrt The frto of No Homoge Lerty Ajustmet System towr Cholesky Doule

Lebih terperinci

DIKTAT. Mata Kuliah METODE NUMERIK. Oleh: I Ketut Adi Atmika

DIKTAT. Mata Kuliah METODE NUMERIK. Oleh: I Ketut Adi Atmika DIKTAT Mt Kulh METODE NUMERIK Oleh: I Ketut Ad Atmk JURUSAN TEKNIK MESIN FAKULTAS TEKNIK UNIVERSITAS UDAYANA 6 KATA PENGANTAR Dktt dsusu utuk memudhk mhssw dlm memhm beberp metode umerk utuk meyelesk persm-persm

Lebih terperinci

Menaksir Matriks Teknologi Kota Cimahi Berdasarkan Tabel Input Output Provinsi Jawa Barat Menggunakan Metode Location Quontient

Menaksir Matriks Teknologi Kota Cimahi Berdasarkan Tabel Input Output Provinsi Jawa Barat Menggunakan Metode Location Quontient Sttstk, Vol. 9 No., 75 8 Nopemer 9 eksr trks Tekolog Kot Cmh Berdsrk Tel Iput utput Provs Jw Brt egguk etode octo Quotet TETI SFIA ANTI Jurus Sttstk Uversts Islm Bdug Eml: utet@yhoo.com ABSTRAK Tel Iput

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

FUNGSI KARAKTERISTIK. penelitian ini akan ditentukan fungsi karakteristik dari distribusi four-parameter

FUNGSI KARAKTERISTIK. penelitian ini akan ditentukan fungsi karakteristik dari distribusi four-parameter IV. FUNGSI KARAKTERISTIK Pd bgi seljuty k dijbrk megei ugsi krkteristik. Pd peeliti ii k ditetuk ugsi krkteristik dri distribusi our-prmeter geerlized t deg megguk deiisi d kemudi k membuktik ugsi krkteristik

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. mempengaruhi sering disebut variabel bebas, variabel independen atau variabel

BAB 2 TINJAUAN TEORITIS. mempengaruhi sering disebut variabel bebas, variabel independen atau variabel BAB TINJAUAN TEORITIS.. Regres Ler Sederh Regres ler dlh lt sttst yg dpergu utu megethu pegruh tr stu tu beberp vrbel terhdp stu buh vrbel. Vrbel yg mempegruh serg dsebut vrbel bebs, vrbel depede tu vrbel

Lebih terperinci

HUKUM SYLVESTER INERSIA

HUKUM SYLVESTER INERSIA Vol 6 No 3 44-56 Desember 3 ISSN : 4-858 HUKUM SYLVESTER INERSIA R Heru Tjhj Jurus Mtemt FMIPA UNDIP Abstr Mtrs represets sutu betu udrt dpt dsj sebg mtrs dgol Eleme pd dgol utm mtrs represets tersebut

Lebih terperinci

TEKNIK BARU MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR ORDE SATU NONHOMOGEN

TEKNIK BARU MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR ORDE SATU NONHOMOGEN TEKNIK BARU MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR ORDE SATU NONHOMOGEN Yo Hedri 1* Asmr Krm Musrii 1 Mhsisw Progrm S1 Mtemtik Dose JurusMtemtik Fkults Mtemtik d Ilmu Pegethu Alm Uiversits Riu

Lebih terperinci

Bab 3 SISTEM PERSAMAAN LINIER

Bab 3 SISTEM PERSAMAAN LINIER Alis Numerik Bh Mtrikulsi B SISTEM PERSAMAAN LINIER Pedhulu Pd kulih ii k dipeljri eerp metode utuk meelesik sistem persm liier Peelesi sistem persm deg jumlh vriel g tidk dikethui serig ditemui didlm

Lebih terperinci

ANALISIS KINERJA METODE ZERO SUFFIX DALAM MENYELESAIKAN MASALAH TRANSPORTASI FUZZY DAN LINIER

ANALISIS KINERJA METODE ZERO SUFFIX DALAM MENYELESAIKAN MASALAH TRANSPORTASI FUZZY DAN LINIER ANALISIS KINERJA METODE ZERO SUFFIX DALAM MENYELESAIKAN MASALAH TRANSPORTASI FUZZY DAN LINIER Tof Adtyw, Spt Whyugsh 2 Uversts Neger Mlg E l : tofdtyw@yhoo.co.d ABSTRAK: Slh stu slh dl kehdup sehr hr yg

Lebih terperinci

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0.

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0. KKKF BAHAGAN A 6 MARKAH Arh : Jw SEMUA sol. Kepekt kter pecemr pt, d dlm secw teh trk yg drk selm eerp jm derk oleh: pt = 5e -.5t + 5e -.75t Crk ms, t, dlm ut jm yg dperluk utuk kter jk kepekt yg dkehedk

Lebih terperinci

GEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG

GEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG GEOMETRI EUCLID EG(, p ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG Bmg Irwto d Yu Hdyt Jurus Mtemtk FMIPA UNDIP Jl. Prof. H. Soedrto, S.H, Semrg 5075 Astrt. A Bled Iomplete Blok (BIB) desg

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

Kalkulus 2. Deret Pangkat dan Uji Konvergensi. Department of Chemical Engineering Semarang State University. Dhoni Hartanto S.T., M.T., M.Sc.

Kalkulus 2. Deret Pangkat dan Uji Konvergensi. Department of Chemical Engineering Semarang State University. Dhoni Hartanto S.T., M.T., M.Sc. Klkulus Deret Pgkt d Uji Kovergesi Dhoi Hrtto S.T., M.T., M.S. Deprtmet o Chemil Egieerig Semrg Stte Uiversity Eperimetl Deret Pgkt Urut d deret sequees d series). Urut gk merupk rgki gk tk terbts jumlh

Lebih terperinci

Penyelesaian Persamaan Linier Simultan

Penyelesaian Persamaan Linier Simultan Peyelesi Persm Liier Simult Persm Liier Simult Persm liier simult dlh sutu betuk persm-persm yg ser bersm-sm meyjik byk vribel bebs Betuk persm liier simult deg m persm d vribel bebs ij utuk i= s/d m d

Lebih terperinci

BAB 1 PENDAHULUAN. Gambar 1.1. Kurva y=sinc(x)

BAB 1 PENDAHULUAN. Gambar 1.1. Kurva y=sinc(x) BAB PENDAHULUAN.. Megp Megguk Metode Numerk Tdk semu permslh mtemts tu perhtug dpt dselesk deg mudh. Bhk dlm prsp mtemtk, dlm memdg permslh g terlebh dhulu dperhtk pkh permslh tersebut mempu peeles tu

Lebih terperinci

BAB I PENDAHULUAN. Populasi merupakan kumpulan dari individu organisme yang memiliki

BAB I PENDAHULUAN. Populasi merupakan kumpulan dari individu organisme yang memiliki BAB I PENDAHULUAN. Ltr Belkg Populs merupk kumpul dr dvdu orgsme yg memlk sft tumbuh growth, reks respos terhdp lgkugy, d reproduks. Pd dsry, pertumbuh mkhluk hdup pd sutu populs merupk proses yg berlgsug

Lebih terperinci

bila nilai parameter sesungguhnya adalah. Jadi, K( ) P( SU jatuh ke dalam WP bila nilai parameter sama dengan )

bila nilai parameter sesungguhnya adalah. Jadi, K( ) P( SU jatuh ke dalam WP bila nilai parameter sama dengan ) Kus Uji d Lem Neym-Perso Kebik sutu uji serig diukur oleh d. Di dlm prktek, bisy ditetpk, d kibty wilyh peolk (WP) mejdi tertetu pul. Kierj sutu uji jug serig diukur oleh p yg disebut kus uji (power of

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 0 BAB III METODOLOGI PENELITIAN 3. 1. Loks d Wktu Peelt 1.1.1 Loks Peelt Peelt dlksk d MA Neger 3 Kot Gorotlo pd ssw kels. ekolh merupk slh stu sekolh meegh ts yg terletk d Jl KH. Dewtoro Kelurh Lmb U1

Lebih terperinci

MA1201 MATEMATIKA 2A Hendra Gunawan

MA1201 MATEMATIKA 2A Hendra Gunawan MA1201 MATEMATIKA 2A Hedr Guw Semester II, 2016/2017 24 Februri 2017 9.6 Deret Pgkt Kulih yg Llu Meetuk selg kekoverge deret pgkt 9.7 Opersi pd Deret Pgkt Melkuk opersi pd deret pgkt yg dikethui jumlhy

Lebih terperinci

PENINGKATAN KEMAMPUAN BERPIKIR KREATIF SISWA MELALUI MODEL PEMBELAJARAN INKUIRI PADA MATA PELAJARAN ILMU PENGETAHUAN ALAM

PENINGKATAN KEMAMPUAN BERPIKIR KREATIF SISWA MELALUI MODEL PEMBELAJARAN INKUIRI PADA MATA PELAJARAN ILMU PENGETAHUAN ALAM Berpkr Kretf Mellu Model Ikur PENINGKATAN KEMAMPUAN BERPIKIR KREATIF SISWA MELALUI MODEL PEMBELAJARAN INKUIRI PADA MATA PELAJARAN ILMU PENGETAHUAN ALAM Softu Ns Dw Ist, PGSD FIP Uversts Neger Surby (e-ml:

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Alss Regres Alss regres dlh tekk sttstk yg ergu utuk memerks d memodelk huug dtr vrel-vrel. Peerpy dpt djump secr lus d yk dg sepert tekk, ekoom, mjeme, lmu-lmu olog, lmu-lmu sosl,

Lebih terperinci

( ) τ k τ HASIL DAN PEMBAHASAN. Perumusan Penduga Bagi θ

( ) τ k τ HASIL DAN PEMBAHASAN. Perumusan Penduga Bagi θ HASIL DAN PEMBAHASAN Perumus Pedug Bgi θ Mislk N dlh proses Poisso pd itervl [, deg rt µ yg kotiu mutlk, d fugsi itesits λ yg teritegrlk lokl Sehigg, utuk setip himpu Borel terbts B mk: µ ( B Ε N( B λ(

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, , Agustus 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, , Agustus 2002, ISSN : JURNL MTEMTIK DN KOMPUTER Vol 5 No 07-8 gustus 00 ISSN : 40-858 REFORMULSI DRI SOLUSI -SOLITON UNTUK PERSMN KORTEWEG-de VRIES D Mustkgs d Sutm Jurus Mtemtk FMIP Uversts Dpoegoro bstrct Te soluto o -solto

Lebih terperinci

SOAL UJIAN AKHIR MATEMATIKA INFORMATIKA 4 (A & B) Dosen: Dr. Asep Juarna Jumlah Soal: 3 Uraian Tanggal Ujian: 02/03/12 Waktu Ujian: 2 jam

SOAL UJIAN AKHIR MATEMATIKA INFORMATIKA 4 (A & B) Dosen: Dr. Asep Juarna Jumlah Soal: 3 Uraian Tanggal Ujian: 02/03/12 Waktu Ujian: 2 jam SOAL UJIAN AKHIR MATEMATIKA INFORMATIKA 4 A & B Dose: Dr. Asep Jur Jumlh Sol: Uri Tggl Uji: // Wktu Uji: jm jik. Solusi t dlh: t + log, yg dpt dibuktik sbb: t jik t t + [t/ + ] + t/ + t/4 + t/8 + 4 t/

Lebih terperinci

PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD. Dydaestury Jalarno 1,Dwi Ispriyanti 2. Alumni Jurusan Matematika FMIPA UNDIP

PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD. Dydaestury Jalarno 1,Dwi Ispriyanti 2. Alumni Jurusan Matematika FMIPA UNDIP PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD Dydesury Jlro,Dw Ispry Alum Jurus Memk FMIPA UNDIP S Progrm Sud Ssk FMIPA UNDIP Absrk Model regres erpoog s merupk suu model regres

Lebih terperinci

BAB III STUDI PUSTAKA

BAB III STUDI PUSTAKA BAB III STUDI PUSTAA III.. Btubr Dlm Peggu Eerg d Pembgu Ekoom Idustr btubr memberk kotrbus pd pembgu ekoom dlm betuk, yg berkt deg tmbg btubr d peggu btubr. Hl yg terkt deg peggu btubr dlh pembgkt teg

Lebih terperinci

BAB I KOMBINATORIKA. A. Kaidah Pencacahan Terdapat dua kaidah pencacahan, yaitu kaidah penjumlahan dan kaidah perkaliah.

BAB I KOMBINATORIKA. A. Kaidah Pencacahan Terdapat dua kaidah pencacahan, yaitu kaidah penjumlahan dan kaidah perkaliah. BAB I KOMBINATORIKA Dr. Al Mhmud (Jurus Peddk Mtemtk FMIPA UNY) Combtorcs hs emerged s ew subject stdg t the crossrods betwee pure d plled mthemtcs, the ceter of bustlg ctvty, smmerg pot of ew problems

Lebih terperinci

Bentuk Kanonik Persamaan Ruang Keadaan. Institut Teknologi Sepuluh Nopember

Bentuk Kanonik Persamaan Ruang Keadaan. Institut Teknologi Sepuluh Nopember Betuk Koik Persm Rug Ked Istitut Tekologi Sepuluh Nopember Pegtr Mteri Betuk Koik Observble Betuk Koik Jord Cotoh Sol Rigks Ltih Asesme Pegtr Mteri Cotoh Sol Ltih Rigks Pd bgi ii k dibhs megei Persm Ked

Lebih terperinci

Batas Nilai Eigen Maksimal Dari Matriks Tak Negatif

Batas Nilai Eigen Maksimal Dari Matriks Tak Negatif Vol. 3 No. 80-85 Ju 007 Bts Nl Ege Mksl D Mtks Tk Negtf A. Kes Jy Abstk Ide ut skps dlh utuk edptk etode dl eetuk bts d l ege ksl d tks tk egtf deg bedsk bts Fobeus. Ytu R d dlh ulh bs tu kolo u d R dlh

Lebih terperinci

TEOREMA ABEL-DINI DAN DUAL KÖTHE-TOEPLITZ PADA DERET GANDA

TEOREMA ABEL-DINI DAN DUAL KÖTHE-TOEPLITZ PADA DERET GANDA Prosdg Semr Nsol Ss d Peddk Ss VIII, Fkults Ss d Mtemtk, UKSW Sltg, 5 Ju 203, Vol 4, No, ISSN:2087 0922 TEOREM BEL-DINI DN DUL KÖTHE-TOEPLITZ PD DERET GND Sumrdoo, Soer DW 2 & Sum 3 PPPPTK Mtemtk, Mhssw

Lebih terperinci

BAB 12 METODE SIMPLEX

BAB 12 METODE SIMPLEX METODE ANAISIS PERENCANAAN Mteri 9 : TP 3 SKS Oleh : Ke Mrti Ksikoe BAB METODE SIMPE Metode Simplex dlh metode pemrogrm liier yg mempuyi peubh (vrible) byk, sehigg dimesiy lebih dri 3. Metode simplex dpt

Lebih terperinci

INTERPOLASI PERTEMUAN : S K S - T E K N I K I N F O R M A T I K A - S1 M O H A M A D S I D I Q

INTERPOLASI PERTEMUAN : S K S - T E K N I K I N F O R M A T I K A - S1 M O H A M A D S I D I Q INTERPOLASI 3 S K S - T E K N I K I N F O R M A T I K A - S M O H A M A D S I D I Q PERTEMUAN : - SEBELUM-UTS Pegtr Metode Numerik Sistem Bilg d Keslh Peyji Bilg Bult & Pech Nili Sigiik Akursi d Presisi

Lebih terperinci