bagian logistik PT. Perwita Karya. Berikut kami tabelkan harga dan fraksi

Ukuran: px
Mulai penontonan dengan halaman:

Download "bagian logistik PT. Perwita Karya. Berikut kami tabelkan harga dan fraksi"

Transkripsi

1 BABY PENGOLAHAN DATA 5.1. Pengumpuan Data Harga dan Fraks Agregat Data-data mengena harga agregat kam peroleh dan phak perusahaan PT. Perwta Karya dan wawancara d lapangan. Untuk datadata mengena fraks agregat kam peroleh dar phak laboratorum dan bagan logstk PT. Perwta Karya. Berkut kam tabelkan harga dan fraks agregat tap-tap quarry. aoel 5.1. Fraks dan Harga Total Agregat Masng-masng Quarry. QUARRY CA (%) FA(%) FF(%) HARGA (Rp/m3) KALI PROGO TINALAH CELERENG MERAPI G, KIDUL.>.> Sumber : Laboratorum PT. Perwta Karva Jl&ao A-M-h^

2 38 Data selengkapnya mengena spesfkas agregat kam lamprkan pada tugas akhr n, sedangkan untuk permcan harga pengadaan materal dar masng-masng quarry kam tabelkan sepert berkut n : Tabel 5.2. Perncan Harga Pengadaan Matenal Tap Quarry. Baya(Rp/m3) Kal Progo Tnalah Celereng Merap G. Kdul Sopr Bongkar mua 4166, , , , ,33 791, , j Rclrbus Matenal d tempat Total 416, ,33! 333, , Job Mx Formula Data mengena Job Mx Formula yang dgunakan pada Proyek Jalan Jogja - Prambanan yang menjad obyek tugas akhr n kam peroleh dar phak laboratorum PT. Perwta Karya. Job Mx Formula yang dgunakan untuk Proyek Jalan Jogja-Prambanan adalah sebaga berkut: CA : 58 % FA : 40 % FF : 2% Kebutuhan agregat untuk proyek Jalan Jogja - Prambanan secara keseluruhan adalah sebanyak nr dengan fraks agregat yang memenuh Job Mx Formula, sehngga bla kebutuhan materal sebanyak

3 m3 dkonverskan menurut Jo* Mx Formula yang dtentukan maka fraks agregat secara keseluruhan menjad sepert berkut m : Fraks agregat CA keseluruhan Fraks agregat FA keseluruhan : 58% x = m3 : 40% x = 8600 m3 Fraks agregat FF keseluruhan : 2% x = 430 m Analsa Data Analsa data melput penyederhanaan persoalan ke dalam bentuk matemats (persamaan lner untuk Lnear Programmng dengan Metode Smpleks). Berkut penyederhanaan persoalan secara matemats yang kam susun : Fungs Tujuan Fungs tujuan adalah persamaan matemats yang mewakh tujuan utama dar peneltan m, yatu menentukan quarry mana yang memberkan baya pengadaan materal/agregat palng kecl. Quarryquarry yang menjad obyek dalam peneltan n dsederhanakan ke dalam bentuk matemats menjad varabe X. Varabel-varabel X tersebut akan dkalkan dengan harga materal masmg-masmg quarry untuk mendapatkan harga mnmum.

4 40 Fungs tujuan : Mnmalkan Z =20500 X, X X X X5 Keterangan : Xj X2 X X4 X5 = Jumlah materal optmal dalam n3 dar quarry I(Kal Progo). =Jumlah matenal optmal dalam nr dar quarry II (Tnalah). =Jumlah materal optmal dalam m3 dar quarry III (Celereng). =Jumlah materal optmal dalam m3 dar quarry IV (Merap). =Jumlah materal optmal dalam nr dar quarry V(Gunung Kdul) Fungs Kendala Fungs kendala adalah persamaan matemats dar kendala-kendala yang menjad pembatas dalam persoalan m, yatu fraks agregat yang dmhk masng-masng quarry, Job Mx Formula dan kebutuhan materal secara menyeluruh. 1. Kendala I Persamaan kendala pertama n adalah sebuah persamaan yang bertujuan menentukan jumlah fraks agregat CA optmal dan masmgmasng quarry yang memenuh kebutuhan total fraks agregat CA yang sudah dtentukan (12470 m3). Dengan ketentuan tersebut, maka persamaan kendala yang pertama adalah sebaga berkut:

5 41 (1) 0,46X, + 0,48 X2 + 0,38 X3 + 0,36X4 + 0,33 X5 > X, = Jumlah materal CA optmal dalam m3 dar quarry I(Kal Progo). X2 = Jumlah materal CA optmal dalam m3 dar quarry II (Tnalah). X, = Jumlah materal CA optmal dalam m3 dar quarry III (Celereng). X4 = Jumlah matenal CA optmal dalam m3 dar quarry IV (Merap). X5 = Jumlah materal CA optmal dalam nr3 dar quarry V (Gunung Kdul). Kendala II Sebagamana persamaan kendala pertama, maka persamaan kendala kedua m berorentas pada fraks agregat FA dengan mla-nla pembatas yatu fraks agregat FA masng-masng quarry dan kebutuhan total fraks agregat FA. Persamaan kendala kedua kam susun sebaga berkut: (2) 0,40 X,+ 0,36 X2 + 0,44 X3 + 0,39 X4 + 0,54 X5 > 8600 X] = Jumlah materal FA optmal dalam n3 dar quarry I(Kal Progo).

6 42 X:> - Jumlah materal FA optmal dalam m3 dan quarry II (Tnalah). X.< = Jumlah materal FA optmal dalam n3 dar quarry III (Celereng). X4 = Jumlah matenal FA optmal dalam m3 dar quarry IV (Merap). X.s = Jumlah materal FA optmal dalam nr dar quarry V (Gunung Kdul) 3. Kendala III Persamaan n merupakan bentuk matemats dar kendala-kendala pembatas fraks agregat bahan pengs//?7/er/ff. sepert kendala pertama dan kedua, maka bentuk persamaan kendala ketga adalah sebaga berkut: (3) 0,14 X,+ 0,16 X2 + 0,18 X3 + 0,25 X4+ 0,13 X5> 430 X1 = Jumlah matenal FF optmal dalam m3 dar quary I (Kal Progo). X; = Jumlah materal FF optmal dalam n3 dar quarry II (Tnalah). X3 = Jumlah materal FF optmal dalam m3 dar quarry III (Celereng).

7 43 X4 = Jumlah materal FF optmal dalam nr dan quarry IV (Merap). (Gunung Kdul). 4. Kendala IV Persamaan kendala keempat n merupakan persamaan yang bertujuan membatas jumlah materal mnmal yang harus dpenuh oeh masngmasng quarry, yatu jumlah kebutuhan total agregat sebanyak m. Persamaan n tersusun sebaga berkut: (4) XI+X2 + X3 + X4 + X5> X = Jumlah materal optmal dalam m3 dar quary I (Kal Progo). X: = Jumlah materal optmal dalam nr dar quarry II (Tnalah). X; = Jumlah materal optmal dalam nr dar quarry III (Celereng). X4 = Jumlah materal optmal dalam nr dar quarry IV (Merap). X5 = Jumlah materal optmal dalam nr dar quarry V (Gunung Kdul). 5. Kendala V, VI, VII, VIII dan IX

8 44 Persamaan kendala kelma, keenam, ketujuh, kedeapan dan kesemblan adalah persamaan kendala untuk jumlah matenal mnmal yang mungkm untuk tap-tap quarry. Persamaan-persamaan tersebut adalah sebaga berkut: (5) XI > 0 (6) X2 > 0 (7) X3 > 0 (8) X4 > 0 (9) X5 > 0 X, =Jumlah materal optmal dalam nr dan quarry I(Kal Progo). X2 =Jumlah materal optmal dalam trr dar quarry II (Tnalah). X? =Jumlah materal optmal dalam m3 dan quarry III (Celereng). X4 =Jumlah materal optmal dalam nr dar quarry IV (Merap). Xs =Jumlah materal optmal dalam nr dar quarry V (GunungKdul).

9 45 Secara keseluruhan maka bentuk persamaan-persamaan dengan fungs tujuan dan fungs kendala adalah sebaga berkut n : Fungs Tujuan : Mnmalkan Z = 20500X X X X X5 Fungs Kendala : (1) 0.46X1+0.48X2+0.38X3+0.36X4+0.33X5 > (2) 0.40X X X X X5 > 8600 (3) 0.14X1+0.16X2+0.18X3+0.25X4+0.13X5 > 430 (4) X1+ X2+ X3+ X4+ X5 > (5) XI >0 (6) X2>0 (7) X3>0 (8) X4>0 (9) X5> Penggunaan Lnear Programmng pada Software QS3 Saat kta menggunakan software QS3, kta akan memlh menu Module 1 yang d dalamnya terdapat sub menu Lnear Programmng. Klklah sub menu Lnear Programmng untuk memasuk program Lnear Programmng. Pada menu Enter New Problem, kta akan dhadapkan pada beberapa opton plhan untuk menunjukkan arah solus yang dngmkan, antara lan fungs tujuan Mnmze atau Maxmze, jumlah fe-tv K.y V. A t--,{ '

10 46 varabel/varabel slack, dselesakan dengan free format atau Spreadsheet format, dan sebaganya. Berkut kam tamplkan bagan spesfkas problem pada program QS 3 : Tabel 5.3. Bagan pengsan spesfkas problem pada program QS.3 pada sub program Lnear Programmng Problem Spesfcaton Enter the followng felds to defne your problem and specfy the entry format for your model The default constrant drecton are < ( < ) for maxmzaton problem and > ( > ) for mnmzaton problems. However, you may entry any of <, <, <=, =<, >, >, >=, =>, and = to specfy a partcular constrant's drecton. Problem Name? Number of varables (excludng slacks/artfcals: Number of constrants (excludng bounds)? ve functon : ( ) Maxmzaton ( ) Mnmzaton Varable name ( ) Default (X-_,...,X ) ( You defne Data entry format: Spreadsheet format varacj.es oounas ( } Default Free You format specfy < OK > rnnt cancel Setelah kta tentukan spesfkas problem sebagamana tampak pada tabel d atas, progam QS 3 akan menanyakan fungs tujuan problem sebagamana tabel berkut:

11 47 Tabel 5.4. Tabel pengsan koefsen fungs tujuan problem pemlhan agregat pada software CJS 3 Objectve Functon Coeffcents for Pemlhan Quarry Varable Value (Crteron : Mnmzaton) X y [ ] f ] I ] PgUp Prnt > < r=''o > Setelah kta mengs koefsen fungs tujuan, selanjutnya kta masukkan koefsen fungs kendala problem ke dalam tabel koefsen fungs kendala sebagamana tabel yang kam tamplkan berkut n :

12 48 Tabel 5.5. Tabel koefsen fungs kendala persamaan problem pemlhan quarry pada software QS.3. Constrant X X X r = 4 6 I -4 [. 14 ] [. 48 ) [. 38 } [,36 1 r. 3 8 X X ~] Drecton 1 4 T RHS 1 r> 1 [124'0! ; l [.36!. 44 ] [.39 ].54 j I> ] j[8600 J j [.16 ] [ -18 ] r ^ '- ll[. 13 ] l* ] [«0 s [1 1 L [ [ 3 f l I [> ] [ f 1 1 f ] [ 1 [ f ] [> ] ro 1 J L 3 1 r L L J > J r o ] r 1. 1 [ r! r [1 [ j [ ] [ j j r ^ L J- ] r L 3 r [> ] ro JjU 11 r> J 1.2 f 0 3 < OK > < Pg Up > < PgLt > < PgRt > < Help > < Prnt > < Cancel [0 ] Langkah selanjutnya adalah mengolah data-data tersebut dengan menggunakan menu Solve The Problem. Hasl dan pengolahan data bsa dlhat dengan menggunakan menu Show The Soluton, sebagamana kam tamplkan pada tabel perkut: Tabel 5.6. Solus Optmal Sstem Pemlhan Quarry dengan ndkas Kehlangan Kesempatan Memperoleh Laba {Opportunty Cost). Soluton Summary for PEMILIHAN AGREGAT n7-0l :00:35 page: ± of 1 Varable Varable 1 Opportune-! Mnmum ] Current Maxmum Number Name j Soluton ty Cost 1ob.. Coef.lOb. Coef.lOb. Ccef. 1 y. 'Z X2 3 X3 4 X4 5 X I I I I j M M M M Mnmzed OBJ = Iteraton = 5 Elapsed CPU seconds = I

13 49 Tabel 5.7. Senstvtas Funsrs Batasan (Quarry Terplh Constrant Summary for PEMILIHAN AGREGAT I :00:35 Paqe: 1 of 1 snstramt IConstrant Number I Status I Shadow Prce Surplus Mlmmum H. S. Current. H. S. Maxmum P.. H. S. 1 1Tght (>) ! ! M 2 1Loose {>) \ M 8 6 JO o Loose (?)! M I Dfc/ 4!Loose >! M! '1 5 j Tght (>M M Loose Ol M 0 Z b 9 / 9..' 7 1Tght {>) M I 0 8 1Tght!>) M! 3 9 1Tght (>) M! 0 0 I Mnmzed OBJ = Iteraton = 5 Elapsed CPU seconds =

BAB 4 IMPLEMENTASI DAN EVALUASI

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

Lebih terperinci

1. Solusi optimal pada pembelian material dengan tidak menghitung harga

1. Solusi optimal pada pembelian material dengan tidak menghitung harga BAB VI PEMBAHASAN 6.1 Analisis Jumlah Pembelian Material Yang Optimal 6.1.1 Solusi Optimal Untuk Pembelian Material 1. Solusi optimal pada pembelian material dengan tidak menghitung harga penjualan dari

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

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

Lebih terperinci

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

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

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

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

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

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

Lebih terperinci

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

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS

Lebih terperinci

BAB IV PEMBAHASAN MODEL

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

Lebih terperinci

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan

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

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

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

Lebih terperinci

Abstraksi. Abstraksi. Abstraksi. Property SP (single short shortest path) 4/29/2010. Berapa pa th yang mungkin dari garaph G tadi?

Abstraksi. Abstraksi. Abstraksi. Property SP (single short shortest path) 4/29/2010. Berapa pa th yang mungkin dari garaph G tadi? Termnolog Sngle source shortest path djkstra wjanarto Djkstra s algorthm d paka untuk menemukan shortest path dar satu source ke seluruh vertek dalam graph. Algo n menggunakan 2 hmp node yatu S dan C.

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

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

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

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

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

Oleh : Fifi Fisiana

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

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

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

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

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

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

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

Lebih terperinci

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

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

Lebih terperinci

OVERVIEW 1/40

OVERVIEW 1/40 http://www..deden08m.wordpress.com OVERVIEW 1/40 Konsep-konsep dasar dalam pembentukan portofolo optmal. Perbedaan tentang aset bersko dan aset bebas rsko. Perbedaan preferens nvestor dalam memlh portofolo

Lebih terperinci

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

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

Lebih terperinci

TEORI INVESTASI DAN PORTFOLIO MATERI 4.

TEORI INVESTASI DAN PORTFOLIO MATERI 4. TEORI INVESTASI DAN PORTFOLIO MATERI 4 KONSEP DASAR 2/40 Ada tga konsep dasar yang perlu dketahu untuk memaham pembentukan portofolo optmal, yatu: portofolo efsen dan portofolo optmal fungs utltas dan

Lebih terperinci

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

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

Lebih terperinci

Kritikan Terhadap Varians Sebagai Alat Ukur

Kritikan Terhadap Varians Sebagai Alat Ukur Krtkan Terhadap Varans Sebaga Alat Ukur Varans mengukur penympangan pengembalan aktva d sektar nla yang dharapkan, maka varans mempertmbangkan juga pengembalan d atas atau d bawah nla pengembalan yang

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Lembar Pengesahan Dosen Pembimbing

Lembar Pengesahan Dosen Pembimbing DAFTAR ISI Haiaman Judul Lembar Pengesahan Dosen Pembimbing Halaman Persembahan Halaman Motto Kata Pengantar Daftar Isi Daftar label Daftar Diagram Daftar Notasi Daftar Lam piran T Sj j!j Ty v vn, v Hi

Lebih terperinci

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

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

Lebih terperinci

BAB III SKEMA NUMERIK

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

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

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

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

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

PENENTUAN KOEFISIEN MULTIPLE REGRESI DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING

PENENTUAN KOEFISIEN MULTIPLE REGRESI DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING PENENTUAN KOEFISIEN MULTIPLE REGRESI DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING SKRIPSI RINA ASTRY GINTING 060823031 PROGRAM STUDI SARJANA MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

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

Lebih terperinci

untuk mencapai durasi 30 bulan banyak aktivitas yang harus dijalankan dengan

untuk mencapai durasi 30 bulan banyak aktivitas yang harus dijalankan dengan BAB V PEMBAHASAN Bab n bens mengena skema nsentf terhadap waktu, skema nsentf terhadap baya. dan akuras dstrbus-dstrbus vang dsmulas. 5.1 Skema Insentf Waktu Phak pemlk menghendak target waktu penyelesaan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

PERBAIKAN TATA LETAK FASILITAS PRODUKSI DENGAN PENGELOMPOKAN FASILITAS DAN LMIP 4 ( STUDI KASUS: PT. SUMBER MAKMUR)

PERBAIKAN TATA LETAK FASILITAS PRODUKSI DENGAN PENGELOMPOKAN FASILITAS DAN LMIP 4 ( STUDI KASUS: PT. SUMBER MAKMUR) Prosdng Semnar Nasonal Aplkas Sans & Teknolog (SNAST) Perode III ISSN: 979-9X Yogyakarta, 3 November 0 PERBAIKAN TATA LETAK FASILITAS PRODUKSI DENGAN PENGELOMPOKAN FASILITAS DAN LMIP 4 ( STUDI KASUS: PT.

Lebih terperinci

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

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

Lebih terperinci

MODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA

MODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA MAKARA, TEKOLOGI, VOL. 6, O. 3, DESEMBER 2002 MODEL OPTIMASI PERECAAA IVESTASI GALAGA KAPAL DEGA PEDEKATA PROGRAMASI TUJUA GADA Al Azhar Jurusan Teknk Perkapalan, Insttut Teknolog Adh Tama Surabaya Jl.

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

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

Lebih terperinci

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

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

Lebih terperinci

2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009

2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009 2. TINJAUAN PUSTAKA 2.1 Goal Programmng Goal Programmng merupakan pengembangan ar Lnear Programmng. Dperkenalkan oleh Charnes an Cooper paa awal tahun 1960. Kemuan teknk n sempurnakan oleh Ijr paa pertengahan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Bab n membahas tentang prosedur pengembangan pembelajaran dan mplementas model Problem Based Learnng dalam pembelajaran Konsep Dasar Matematka, Subjek Peneltan, Teknk dan Instrumen

Lebih terperinci

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

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

Lebih terperinci

VLE dari Korelasi nilai K

VLE dari Korelasi nilai K VLE dar orelas nla Penggunaan utama hubungan kesetmbangan fasa, yatu dalam perancangan proses pemsahan yang bergantung pada kecenderungan zat-zat kma yang dberkan untuk mendstrbuskan dr, terutama dalam

Lebih terperinci

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

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

Lebih terperinci

GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE)

GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE) GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE) Muhammad Khosy n 1,2, Muh Iman Prajtno 2, Aro Isnad 3, Mochamad Haryad 4 1 Electrcal

Lebih terperinci

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

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

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISEM 3. Perancangan Pengendal PDC pada Sstem ruk-raler Model lnear fuzzy -S untuk sstem truk dengan tga traler telah dmodelkan sebelumnya, yakn sesua persamaan (.44), yatu = { A x B

Lebih terperinci

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

Kata kunci: development planning, development index, integer linear programming

Kata kunci: development planning, development index, integer linear programming FORMULASI DEVELOPMENT INDEX UNTUK OPTIMASI RENCANA PENGEMBANGAN INSTITUSI PENDIDIKAN TINGGI: STUDI KASUS PROGRAM STUDI X SURABAYA Suseno Bud Prasetyo Jurusan Teknk Industr-FTI Unverstas Pembangunan Nasonal

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

Oleh : Deri Akhmad (9738) Johan Arifin (9834) Muhammad Alawido (10830) esi Hapsari (10832) Windu Pramana Putra (10835) Tya Hermoza (10849) Gempur

Oleh : Deri Akhmad (9738) Johan Arifin (9834) Muhammad Alawido (10830) esi Hapsari (10832) Windu Pramana Putra (10835) Tya Hermoza (10849) Gempur Oleh : Der Akhmad (9738) Johan Arfn (9834) Muhammad Alawdo (83) es Hapsar (83) Wndu Pramana Putra (835) Tya Hermoza (849) Gempur Safar (877) Febra Aryan (97) Asr Wdyasar (978) Nur Inayah (4) Adharsa Rakhman

Lebih terperinci

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

Matematika Keuangan Dan Ekonomi. Indra Maipita

Matematika Keuangan Dan Ekonomi. Indra Maipita Matematka Keuangan Dan Ekonom Indra Mapta NUITS BIS Pendahuluan Sebaga penabung seta nda keluar sebaga pemenang hadah undan, dan dapat memlh salah satu hadah berkut: Menerma uang sejumlah Rp 50.000.000

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan

Lebih terperinci

Hubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya

Hubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya Vol. 8, No., 9-101, Januar 01 Hubungan Model Kurva Pengeluaran Konsums Rumah Tangga d Provns Sulawes Selatan dengan Elaststasnya Adawayat Rangkut Abstrak Seleks kurva pengeluaran konsums masyarakat Sulawes

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

Bab V Aliran Daya Optimal

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL

Lebih terperinci

OPTIMASI PERSEDIAAN DAN PRODUKSI KOMPONEN LAMPU DI LAMP COMPONENT FACTORY (LCF) PT. PHILIPS INDONESIA

OPTIMASI PERSEDIAAN DAN PRODUKSI KOMPONEN LAMPU DI LAMP COMPONENT FACTORY (LCF) PT. PHILIPS INDONESIA Prosdng Semnar Nasonal Manajemen Teknolog IV Program Stud MMT-ITS, Surabaya 5 Agustus 2006 OPTIMASI PERSEDIAAN DAN PRODUKSI KOMPONEN LAMPU DI LAMP COMPONENT FACTORY (LCF) PT. PHILIPS INDONESIA Dars Putr

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

Bab III Analisis Rantai Markov

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

Lebih terperinci

PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF

PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

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

Lebih terperinci

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka

Lebih terperinci

Referensi: 1) Smith Van Ness Introduction to Chemical Engineering Thermodynamic, 6th ed. 2) Sandler Chemical, Biochemical adn

Referensi: 1) Smith Van Ness Introduction to Chemical Engineering Thermodynamic, 6th ed. 2) Sandler Chemical, Biochemical adn Referens: 1) Smth Van Ness. 2001. Introducton to Chemcal Engneerng Thermodynamc, 6th ed. 2) Sandler. 2006. Chemcal, Bochemcal adn Engneerng Thermodynamcs, 4th ed. 3) Prausntz. 1999. Molecular Thermodynamcs

Lebih terperinci

Dilakukan studi pustaka dan observasi awal yang mempakan pengenalan proyek

Dilakukan studi pustaka dan observasi awal yang mempakan pengenalan proyek BAB IV METODE PENELITIAN 4.1. Pelaksanaan Penelitian Obyek penelitian ini adalah proyek perkerasan jalan yang menggunakan lapisan AC Base Course sebagai bagian dari lapisan perkerasan jalan. Data-data

Lebih terperinci

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER

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

Lebih terperinci

BAB VI MODEL-MODEL DETERMINISTIK

BAB VI MODEL-MODEL DETERMINISTIK BAB VI MODEL-MODEL DETERMINISTIK 6. Masalah Penyaluran Daya Lstrk Andakan seorang perencana sstem kelstrkan merencakan penyaluran daya lstrk dar beberapa pembangkt yang ternterkoneks dan terhubung dengan

Lebih terperinci

Sistem Pendukung Keputusan Pemilihan Pemasok Bahan Baku Menggunakan Metode Technique for Order Preference by Similarity to Ideal Solution

Sistem Pendukung Keputusan Pemilihan Pemasok Bahan Baku Menggunakan Metode Technique for Order Preference by Similarity to Ideal Solution Jurnal Integras Vol. 8, No. 1, Aprl 2016, 56-60 p-issn: 2085-3858 Artcle Hstory Receved February, 2016 Accepted March, 2016 Sstem Pendukung Keputusan Pemlhan Pemasok Bahan Baku Menggunakan Metode Technque

Lebih terperinci

ANALISIS PARETO OPTIMAL DENGAN PEMBOBOTAN DALAM MENENTUKAN SOLUSI GOAL PROGRAMMING SKRIPSI. SRI KEUMALAWATI (Operasi Riset)

ANALISIS PARETO OPTIMAL DENGAN PEMBOBOTAN DALAM MENENTUKAN SOLUSI GOAL PROGRAMMING SKRIPSI. SRI KEUMALAWATI (Operasi Riset) ANALISIS PARETO OPTIMAL DENGAN PEMBOBOTAN DALAM MENENTUKAN SOLUSI GOAL PROGRAMMING SKRIPSI SRI KEUMALAWATI 050803046 (Operas Rset) DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan

Lebih terperinci

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K Jurnal Matematka Murn dan Terapan Vol. 3 No. Desember 009: 4-6 APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH Yun Yulda dan Muhammad Ahsar K Program Stud Matematka Unverstas

Lebih terperinci