APLIKASI SISTEM LINEAR MAX-PLUS INVARIANT PADA SISTEM PRODUKSI TEMPE SUPER DANGSUL DI YOGYAKARTA

Ukuran: px
Mulai penontonan dengan halaman:

Download "APLIKASI SISTEM LINEAR MAX-PLUS INVARIANT PADA SISTEM PRODUKSI TEMPE SUPER DANGSUL DI YOGYAKARTA"

Transkripsi

1 APLIKASI SISTEM LINEAR MAX-PLUS INVARIANT PADA SISTEM PRODUKSI TEMPE SUPER DANGSUL DI YOGYAKARTA A7 Hendra Lstya Kurnawan 1, Musthofa 2 1 Mahasswa Program Stud Matematka Jurusan Penddkan Matematka FMIPA UNY, 2 Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta 1 hendra.lstya.kurnawan@gmal.com, 2 musthofa@uny.ac.d Abstrak Peneltan n bertujuan untuk membuat model, menganalss nput-output serta mengoptmalkan waktu produks Tempe Super Dangsul. Langkah awal dalam peneltan n adalah dengan memodelkan waktu produks Tempe Super Dangsul dalam Sstem Persamaan Lner Aljabar Max-Plus. Setelah model terbentuk, dapat dlakukan analss nput-output sehngga produsen dapat mengetahu waktu produks tempe akan selesa. Namun apabla pemesan menentukan waktu pengamblannya terlebh dahulu, maka produsen dapat mengoptmalkan waktu mula produks dengan mencar subpenyelesaan terbesar dan waktu smpangannya. Hasl peneltan menunjukkan bahwa Sstem Lnear Max-Plus Invarant produks Tempe Super Dangsul merupakan Sstem Event Dskret (SED) yang dapat dnyatakan dengan pemodelan unsur-unsur dalam sstem produks Tempe Super Dangsul. Produsen Tempe Super Dangsul dapat membuat jadwal pesanan selesa dkerjakan dengan analss nput-output dan membuat jadwal waktu dmulanya produks apabla pemesan menetukan waktu pengamblan produk. Kata kunc : optmas, sstem produks, sstem lnear Max-Plus Invarant PENDAHULUAN Aljabar Max-Plus telah banyak dgunakan dalam menyelesakan persoalan d berbaga bdang sepert teor graf, kombnatorka, teor sstem, teor antran dan proses stokastk. Hal n telah dbahas dalam beberapa buku dan jurnal sepert Bacell,et.al (2001), Hedergott, (1999), B. De Schutter dan T. van den Boom (2000), I. Necoara, B. De Schutter, T. van den Boom, dan H. Hellendoor (2008). Selanjutnya Aljabar Max-Plus n akan dgunakan dalam peneltan sstem produks tempe. Tempe merupakan makanan yang banyak dkonsums karena gz dan harganya yang relatf terjangkau untuk semua kalangan masyarakat. Berdasarkan hal tersebut, ndustr tempe kn menngkat menjad ndustr yang berskala tngg dan menyerap banyak tenaga kerja sehngga perlu adanya suatu peneltan tentang optmsas sstem produks untuk dapat memberkan pelayanan yang terbak kepada konsumen. Salah satu ndustr tempe Makalah dpresentaskan dalam Semnar Nasonal Matematka dan Penddkan Matematka dengan tema Kontrbus Penddkan Matematka dan Matematka dalam Membangun Karakter Guru dan Sswa" pada tanggal 10 November 2012 d Jurusan Penddkan Matematka FMIPA UNY

2 yang saat n sedang berkembang d Yogyakarta adalah UD. Super Dangsul. Penuls memlh Industr Tempe Super Dangsul sebaga lokas dalam peneltan n karena ndustr tempe n merupakan ndustr tempe yang terkenal d Yogyakarta. Peneltan dalam sstem produks n menggunakan Sstem Lner Max-Plus Invarant. Sebuah sstem dkatakan waktu nvarant, jka respon terhadap suatu urutan nput tertentu tdak tergantung pada waktu mutlak dan determnstk (sstem yang operasnya dapat dpredks secara tepat). Sstem Lner Max-Plus Invarant dapat dgunakan untuk menganalss nput-output serta mengoptmalakan sstem produks Tempe Super Dangsul. PEMBAHASAN Sstem Event Dskret dan Sstem Lner Max-Plus Invarant Sstem event dskret (SED) ddefnskan sebaga suatu sstem terkendal kejadan yang mempunya keadaan dskret. Salah satu karakterstk dar SED adalah sstem yang terkendal (event-drven system). Event-drven system ddefnskan bahwa perubahan keadaan merupakan hasl dar kejadan sebelumnya (Necoara et.al., 2008:1). Defns 1. Sstem Lnear Max-Plus Waktu Invarant (Schutter, 1996: 5) Sstem Lnear Max-Plus Waktu-Invarant adalah SED yang dapat dnyatakan dengan persamaan berkut: x(k+1) = A x(k) B u(k+1) y(k) = C x(k) Pemodelan Sstem Produks Tempe Super Dangsul dengan Sstem Lner Max-Plus Invarant a) Sstem Produks Tempe Super Dangsul Proses-proses tahapan dalam sstem produks Tempe Super Dangsul yang dsajkan dalam graf pada Gambar 1. Dan ddapatkan model sebaga berkut menurut graf sstem produks Tempe Super Dangsul menurut Gambar 1 : x 1 (k+1) = 627 x 1 (k) 4 u(k+1) x 2(1) (k+1) = 1256 x 1 (k) 207 x 2(1) (k) 633 u(k+1) x 2(2) (k+1) = 1256 x 1 (k) 183 x 2(2) (k) 633 u(k+1) x 2(3) (k+1) = 1256 x 1 (k) 195 x 2(3) (k) 633 u(k+1) x 3 (k+1) = 1465 x 1 (k) 416 x 2(1) (k) 368 x 2(2) (k) 392 x 2(3) (k) 102 x 3 (k) 842 u(k+1) x 4(1) (k+1) = 1568 x 1 (k) 519 x 2(1) (k) 471 x 2(2) (k) 495 x 2(3) (k) 205 x 3 (k) 1307 x 4(1) (k) 945 u(k+1) x 4(2) (k+1) = 1569 x 1 (k) 520 x 2(1) (k) 472 x 2(2) (k) 496 x 2(3) (k) 206 x 3 (k) 1312 x 4(2) (k) 946 u(k+1) x 4(3) (k+1) = 1569 x 1 (k) 520 x 2(1) (k) 472 x 2(2) (k) 496 x 2(3) (k) 206 x 3 (k) 1324 x 4(3) (k) 946 u(k+1) x 4(4) (k+1) = 1570 x 1 (k) 521 x 2(1) (k) 473 x 2(2) (k) 497 x 2(3) (k) 207 x 3 (k) 1319 x 4(4) (k) 947 u(k+1) Yogyakarta, 10 November 2012 MA - 54

3 x 4(5) (k+1) = 1570 x 1 (k) 521 x 2(1) (k) 473 x 2(2) (k) 497 x 2(3) (k) 207 x 3 (k) 1320 x 4(5) (k) 947 u(k+1) x 4(6) (k+1) = 1569 x 1 (k) 520 x 2(1) (k) 472 x 2(2) (k) 496 x 2(3) (k) 206 x 3 (k) 1314 x 4(6) (k) 946 u(k+1) x 4(7) (k+1) = 1570 x 1 (k) 521 x 2(1) (k) 473 x 2(2) (k) 497 x 2(3) (k) 207 x 3 (k) 1313 x 4(7) (k) 947 u(k+1) x 4(8) (k+1) = 1569 x 1 (k) 520 x 2(1) (k) 472 x 2(2) (k) 496 x 2(3) (k) 206 x 3 (k) 1305 x 4(8) (k) 946 u(k+1) x 5(1) (k+1) = 2896 x 1 (k) 1847 x 2(1) (k) 1799 x 2(2) (k) 1823 x 2(3) (k) 1533 x 3 (k) 2616 x 4(1) (k) 2628 x 4(2) (k) 2651 x 4(3) (k) 211 x 5(1) (k) 2273 u(k+1) x 5(2) (k+1) = 2898 x 1 (k) 1849 x 2(1) (k) 1801 x 2(2) (k) 1825 x 2(3) (k) 1535 x 3 (k) 2653 x 4(3) (k) 2644 x 4(4) (k) 2644 x 4(5) (k) 2633 x 4(6) (k) 250 x 5(2) (k) 2275 u(k+1) x 5(3) (k+1) = 2888 x 1 (k) 1839 x 2(1) (k) 1791 x 2(2) (k) 1815 x 2(3) (k) 1525 x 3 (k) 2633 x 4(6) (k) 2631 x 4(7) (k) 2615 x 4(8) (k) 239 x 5(3) (k) 2265 u(k+1) x 6(1) (k+1) = 3110 x 1 (k) 2061 x 2(1) (k) 2013 x 2(2) (k) 2037 x 2(3) (k) 1747 x 3 (k) 2830 x 4(1) (k) 2842 x 4(2) (k) 2865 x 4(3) (k) 425 x 5(1) (k) 26 x 6(1) (k) 2265 u(k+1) x 6(2) (k+1) = 3110 x 1 (k) 2061 x 2(1) (k) 2013 x 2(2) (k) 2037 x 2(3) (k) 1747 x 3 (k) 2830 x 4(1) (k) 2842 x 4(2) (k) 2865 x 4(3) (k) 425 x 5(1) (k) 28 x 6(2) (k) 2487 u(k+1) x 6(3) (k+1) = 3150 x 1 (k) 2101 x 2(2) (k) 2053 x 2(2) (k) 2077 x 2(3) (k) 1787 x 3 (k) 2905 x 4(3) (k) 2896 x 4(4) (k) 2896 x 4(5) (k) 2885 x 4(6) (k) 502 x 5(2) (k) 29 x 6(3) (k) 2527 u(k+1) x 6(4) (k+1) = 3151 x 1 (k) 2102 x 2(1) (k) 2054 x 2(2) (k) 2078 x 2(3) (k) 1788 x 3 (k) 2906 x 4(3) (k) 2897 x 4(4) (k) 2897 x 4(5) (k) 2886 x 4(6) (k) 503 x 5(2) (k) 32 x 6(4) (k) 2528 u(k+1) x 6(5) (k+1) = 3130 x 1 (k) 2081 x 2(1) (k) 2033 x 2(2) (k) 2057 x 2(3) (k) 1767 x 3 (k) 2875 x 4(6) (k) 2873 x 4(7) (k) 2857 x 4(8) (k) 481 x 6(6) (k+1) x 5(3) (k) 30 x 6(5) (k) 2507 u(k+1) = 3130 x 1 (k) 2081 x 2(1) (k) 2033 x 2(2) (k) 2057 x 2(3) (k) 1767 x 3 (k) 2875 x 4(6) (k) 2873 x 4(7) (k) 2857 x 4(8) (k) 481 x 5(3) (k) 30 x 6(6) (k) 2507 u(k+1) x 7 (k+1) = 3185 x 1 (k) 2136 x 2(1) (k) 2088 x 2(2) (k) 2112 x 2(3) (k) 1822 x 3 (k) 2859 x 4(1) (k) 2871 x 4(2) (k) 2940 x 4(3) (k) 2931 x 4(4) (k) 2931 x 4(5) (k) 2920 x 4(6) (k) 2905 x 4(7) (k) 2889 x 4(8) (k) 454 x 5(1) (k) 537 x 5(2) (k) 513 x 5(3) (k) 54 x 6(1) (k) 57 x 6(2) (k) 61 x 6(3) (k) 66 x 6(4) (k) 56 x 6(5) (k) 62 x 6(6) (k) 274 x 7 (k) 2562 u(k+1) x 8 (k+1) x 9 (k+1) = 3465 x 1 (k) 2416 x 2(1) (k) 2368 x 2(2) (k) 2392 x 2(3) (k) 2102 x 3 (k) 3139 x 4(1) (k) 3151 x 4(2) (k) 3220 x 4(3) (k) 3211 x 4(4) (k) 3211 x 4(5) (k) 3200 x 4(6) (k) 3185 x 4(7) (k) 3169 x 4(8) (k) 734 x 5(1) (k) 817 x 5(2) (k) 793 x 5(3) (k) 334 x 6(1) (k) 337 x 6(2) (k) 341 x 6(3) (k) 346 x 6(4) (k) 336 x 6(5) (k) 342 x 6(6) (k) 554 x 7 (k) 1090 x 8 (k) 2842 u(k+1) = 4559 x 1 (k) 3465 x 2(1) (k) 3462 x 2(2) (k) 3486 x 2(3) (k) 3196 x 3 (k) 4233 x 4(1) (k) 4245 x 4(2) (k) 4314 x 4(3) (k) 4305 x 4(4) (k) 4305 x 4(5) (k) 4294 x 4(6) (k) 4279 x 4(7) (k) 4263 x 4(8) (k) 1828 x 5(1) (k) 1911 x 5(2) (k) 1887 x 5(3) (k) Yogyakarta, 10 November 2012 MA - 55

4 1428 x 6(1) (k) 1431 x 6(2) (k) 1435 x 6(3) (k) 1440 x 6(4) (k) 1430 x 6(5) (k) 1436 x 6(6) (k) 1648 x 7 (k) 2184 x 8 (k) 47 x 9 (k) 3936 u(k+1) y(k) = x 9 (k) + 53 untuk k = 1, 2, 3,..., 25 d6 = 1307 P4(1) d17 = 26 d7 = 1312 t 16 d14 = 211 t 26 P6(1) d2 = 207 P2(1) t 8 P4(2) d8 = 1324 t 17 t 18 P5(1) t 27 d18 = 28 P6(2) t 32 t 9 P4(3) u(k) t 1 t 2 d1 = 627 d3 = 183 t 3 P1 P2(2) t 4 d4 = 195 t 5 d5 = 102 t 6 P3 t 7 t 10 d9 = 1319 t 11 P4(4) d10 = 1320 t 12 P4(5) t 13 t 14 d11 = 1314 t 19 t 20 t 21 t 22 d15 = 250 P5(2) t 28 t 29 d19 = 29 P6(3) d20 = 32 P6(4) t 33 t 34 d23 = 274 d24 = 1090 d25 = 47 P7 P8 P9 t 35 t 36 t 37 t 38 t 39 t 40 y(k) P2(3) t 15 P4(6) d12 = 1313 t 23 d16 = 239 t 30 d21 = 27 P6(5) P4(7) t 24 P5(3) d22 = 30 t 31 d13 = 1305 t 25 P6(6) P4(8) Gambar 1. Graf Sstem Produks Tempe Super Dangsul Keterangan : P1 : perendaman I P2 : perebusan I P3 : pengglngan P4 : perendaman II dan pencucan P5 : perebusan II P6 : pendngnan dan peragan P7 : pembungkusan produk P8 : penympanan produk P9 : pemulusan produk Perlu dperhatkan juga beberapa asums untuk penerapan sstem produks tempe Super Dangsul pada Aljabar Max-Plus n, dantaranya sebaga berkut : 1. Waktu aktftas dan barsan kejadan sstem produks adalah determnstk (operasnya dapat dpredks secara tepat) (Wetjen, 2004: 11). 2. Sstem produks melalu semua tahapan proses yang dberkan (Wetjen, 2004: 12). 3. Tdak ada mesn yang rusak (Wetjen, 2004: 12). Yogyakarta, 10 November 2012 MA - 56

5 4. Pada nput sstem dan antara unt pemrosesan terdapat penyangga (buffer) yang berturut-turut dsebut buffer nput dan buffer nternal dengan kapastas yang cukup besar untuk menjamn tdak ada penyangga yang meluap (overflow). 5. Suatu unt pemrosesan hanya dapat mula bekerja untuk suatu produk baru jka telah menyelesakan pemrosesan produk sebelumnya dengan menggunakan bahan 1 ton kedela untuk sekal produks. 6. Sstem produks Tempe Murn Super Dangsul berjalan terus menerus selama pesanan mash ada. 7. Matrks dalam sstem persamaannya merupakan matrks konstan, yatu tdak tergantung pada parameter k sehngga sstemnya merupakan sstem waktu nvarant. Jka dtulskan dalam persamaan matrks dalam aljabar max-plus, persamaan-persamaan d atas menjad : xk xk ( ) 946 u( k 1) y( k) 53 x( k) untuk k = 1, 2, 3,..., 25 dengan x(k) = [x 1 (k), x 2(1) (k), x 2(2) (k), x 2(3) (k), x 3 (k), x 4(1) (k), x 4(2) (k), x 4(3) (k), x 4(4) (k), x 4(5) (k), x 4(6) (k), x 4(7) (k), x 4(8) (k), x 5(1) (k), x 5(2) (k), x 5(3) (k), x 6(1) (k), x 6(2) (k), x 6(3) (k), x 6(4) (k), x 6(5) (k), x 6(6) (k), x 7 (k), x 8 (k), x 9 (k)] T Untuk hal n, keadaan awal dlambangkan x(0) = x 0, sehngga Yogyakarta, 10 November 2012 MA - 57

6 A R max, B 946 R 251, max dan C R A ddefnskan sebaga sstem produks tempe yang sedang berlangsung, B sebaga waktu transfer dar awal bahan baku kedela dmasukkan sampa proses ke-, dan C sebaga jumlah waktu proses akhr dan waktu transfer sebelum tempe dapat dambl atau selesa dkerjakan. Analss Input-Output Sstem Produks Tempe Super Dangsul dengan Sstem Lner Max-Plus Invarant Teorema 1. Input-Output SLMI (A, B, C, x 0 ) (Rudhto, 2003: 56) Dberkan suatu blangan bulat postp p. Jka vektor output y = [y(1), y(2),..., y(p)] T dan vektor nput u = [u(1), u(2),..., u(p)] T pada SLMI (A, B, C, x 0 ), maka y = K x 0 H u dengan CA C B CA 2 CAB CB K dan H p C A p1 B C A p2 C A B CB Bukt Jka dberkan konds awal x(0) = x 0 dan barsan nput u matematk akan dbuktkan berlaku k x(k) = ( A x(0) ) ( ( A Dperhatkan bahwa k 1 k ( k) k0 B u() ) untuk k = 1, 2, 3,... max, dengan nduks Yogyakarta, 10 November 2012 MA - 58

7 x(1) = A x(0) B u(1) = A x(0) = ( Jad benar untuk k = 1. 1 A 1 x(0) ) ( 1 ( 0 A B u(1) A 1 B u() ). n Msalkan benar untuk k = n yatu x(n) = ( A x(0) ) ( ( A maka x(n +1) = A x(n) B u(n +1) = A(( = (( = (( n A n x(0)) ( 1 A n1 n x(0)) ( 1 n1 A Jad benar untuk k = n +1. Akbatnya dperoleh y(k) = (C n x(0)) ( k A k x(0)) ( C ( A ( A ( A n ( n1) ( n1) A k n 1 n B u())) B u(n +1) B u())) B u(n+1) B u())) B u(n+1). B u() ), B u() ) untuk k = 1, 2, 3,... Dberkan suatu blangan bulat postp p. Jka ddefnskan y = [y(1), y(2),..., y(p)] T dan u = [u(1), u(2),..., y(p)] T maka dar persamaan d atas dperoleh: y(1) = C A x(0) C B u(1) 2 A y(2) = C x(0) C A B u(1) C B u(2) p y(p) = C A x(0) C A p1 B u(1) C A p2 B u(2) C B u(p). atau dalam persamaan matrks dapat dtulskan sebaga y(1) C A C B u(1) y(2) 2 = C A x(0) C A B C B u(2) p p1 p2 y( p) C A C A B C A B C B u( p) atau y = K x(0) H u dengan C A C B 2 K = C A dan H = C A B C B. p p1 p2 C A C A B C A B C B SLMI (A, B, C, x 0 ) dengan suatu barsan vektor keadaan sstem dan barsan output sstem, msalkan konds awal sstem x(0) = [0,,,,,,,,,,,,,,,,,,,,,,,, ] T yang berart unt pemrosesan P 1 memula aktftasnya saat waktu 0, Yogyakarta, 10 November 2012 MA - 59

8 sementara unt pemrosesan P 2(1), P 2(2), P 2(3) mash kosong dan harus menunggu datangnya nput dar P 1. Selanjutnya proses-proses berkutnya juga harus menunggu proses sebelumnya sampa proses terakhr selesa d P 9. Sstem produks tempe n dmula malam har yatu pada pukul sehngga bahan mentah dmasukkan sstem saat waktu 0 yatu pada pukul Dalam sstem produks n msal dalam sehar ada 5 pesanan, masng-masng membutuhkan bahan kedela 200 kg,500 kg, 300 kg, 400 kg, dan 600 kg, sehngga membutuhkan dua kal sstem produks. Pesanan pertama, kedua, dan ketga dapat dkerjakan pada proses pertama, sedangkan pesanan keempat dan kelma dkerjakan pada proses kedua. Sstem produks kedua dkerjakan setelah proses perendaman pertama selesa. P 1 mebutuhkan waktu 627 ment dan waktu transfer dar nput ke P 1 adalah 4 ment sehngga produks kedua dapat dmula pada ment ke- 631 yatu pukul (keesokan harnya), yang berart dberkan barsan nput u(1) = 0, u(2) = 631, dan seterusnya, untuk setap k = 1, 2, 3,..., 25,... Ddefnskan menurut sstem produks tempe yang ada, maka dapat dperoleh barsan output sebaga berkut y = [y(1), y(2), y(3), y(4), y(5), y(6), y(7), y(8), y(9), y(10), y(11), y(12), y(13), y(14), y(15), y(16), y(17), y(18), y(19), y(20), y(21), y(22), y(23), y(24), y(25), y(26)] T. Jka dberkan x(0) = [0,,,,,,,,,,,,,,,,,,,,,,,, ] T dan barsan nput waktu dalam memasukkan bahan baku u = [0, 631,,,,,,,,,,,,,,,,,,,,,,,, ] T 0 y K x H u Hal n berart bahwa produk selesa dan dapat dantar atau dambl langsung oleh pemesan pada y(1) = 4612, y(2) = Untuk memudahkan hasl perhtungan d atas, dsajkan tabel sebaga berkut : Tabel 1 Jadwal Pesanan Produks Tempe Super Dangsul Pesanan Waktu Pengerjaan Produk Dapat Dambl 1, 2, dan 3 Har ke-1 pukul Har ke-3 pukul atau sesudahnya 4 dan 5 Har ke-2 pukul Har ke-4 pukul atau sesudahnya Optmsas Sstem Produks Tempe Super Dangsul dengan Sstem Lner Max-Plus Invarant Yogyakarta, 10 November 2012 MA - 60

9 Berkut dbahas masalah nput palng lambat pada SLMI (A, B, C, x 0 ). Masalah nput palng lambat pada SLMI (A, B, C, x 0 ) adalah sebaga berkut : Dberkan suatu blangan bulat postp p. Dketahu vektor output y = [y(1), y(2),..., y(p)] T. Msalkan vektor nput u = [u(1), u(2),..., u(p)] T pada SLMI (A, B, C, x 0 ). Permasalahannnya adalah menentukan vektor nput u terbesar(waktu palng lambat) sehngga memenuh K x 0 H u y, dengan K dan H sepert dalam teorema 1. m Teorema 2. (Rudhto, 2003: 64) Dberkan SLMI (A, B, C, x 0 ) dengan C B ɛ. Jka K x 0 m y, maka penyelesaan masalah nput palng lambat pada SLMI (A, B, C, x 0 ) dberkan oleh uˆ [ uˆ (1), uˆ (2),..., uˆ ( p)] T dengan uˆ( k) max( y( ) Hk, ), untuk k = 1, 2,, p. 1 p Bukt Masalah nput palng lambat pada SLMI (A, B, C, x 0 ) menjad masalah menentukan vektor nput u terbesar (waktu palng lambat) yang memenuh H u m y. Masalah n merupakan masalah menentukan sub penyelesaan terbesar sstem persamaan lnear max-plus K x 0 H u = y. Karena C B ɛ maka komponen setap kolom matrks H tdak semuanya sama dengan ɛ. Apabla H u = y dberkan oleh uˆ [ uˆ (1), uˆ (2),..., uˆ ( p)] T dengan uˆ( k) max( y( ) Hk, ), untuk k = 1, 2,, p. 1 p Teorema 3. (Rudhto, 2003: 67) Dberkan SLMI (A, B, C, x 0 ) dengan C B ɛ. Jka K x 0 m y, maka penyelesaan masalah mnmas smpangan maksmum output pada SLMI (A, B, C, x 0 ) dberkan oleh u uˆ dengan û merupakan subpenyelesaan terbesar sstem H u = y dan 2 = max ( y H uˆ ). Bukt Masalah mnmas smpangan maksmum output n jad menentukan vektor nput u sedemkan sehngga max ( y H U). Masalah n merupakan masalah optmsas yang berkatan dengan sstem persamaan lnear max-plus K x 0 H u = y. Karena C B ɛ maka komponen setap kolom matrks H tdak semuanya sama dengan ɛ. Suatu penyelesaan u untuk masalah u uˆ, dengan = max ( y H uˆ ) dan 2 û merupakan subpenyelesaan terbesar sstem H u = y. Apabla seorang konsumen memesan dengan menentukan waktu produks selesa terlebh dahulu sebelum sstem produks dkerjakan, maka produsen harus membuat jadwal untuk memulanya dan menghtung waktu optmalnya supaya produsen tdak membuang banyak waktu. Akan tetap, dalam optmsas sstem produks tempe Super Dangsul n perlu dberkan syarat menurut Teorema 3.2, sehngga produks tempe dapat Yogyakarta, 10 November 2012 MA - 61

10 dkerjakan apabla K x 0 m y. Mnmal pengamblan produk tempe menurut urutan produks y = [4612, 5936, 7260, 8584, 9908, 11232, 12556, 13880, 15204, 16528, 17852, 19176, 20500, 21824, 23148, 24472, 25796, 27120, 28444, 29768, 31092, 32416, 33740, 35064, 36388, 37712] Dberkan smulas produks, dalam 1 har pemesanan tempe UD. Super Dangsul mencapa 5 pesanan dengan jumlah frekuens pemesanan 2 ton kedela. Pemesan akan mengambl produknya pada waktu yang berbeda, 3 pesanan pertama akan dambl pada har ketga pukul dan 2 pesanan terakhr akan dambl pada har ke-4 setelah pemesanan pada pukul Kasus tersebut dapat dpecahkan dengan menggunakan optmsas Aljabar Max-Plus. Smulas pada kasus d atas hanya membutuhkan dua kal sstem produks, maka cukup dperhatkan 2 barsan output awal dar perhtungan. Produsen dapat mengkonvers waktu pengamblan produk dengan menghtung waktu dar awal sstem dkerjakan. Har ketga pukul dapat dkonvers menjad ment ke dan pukul dapat dkonvers menjad ment ke sehngga produsen cukup memasukkan y = [4860, 6330, 7260, 8584, 9908, 11232, 12556, 13880, 15204, 16528, 17852, 19176, 20500, 21824, 23148, 24472, 25796, 27120, 28444, 29768, 31092, 32416, 33740, 35064, 36388, 37712]. Berkut hasl perhtungannya : uˆ H T ( y), yˆ K x(0) H uˆ, u, y K x(0) H u Dar output d atas, û ddefnskan sebaga nput kedela palng lambat dkerjakan, u ddefnskan sebaga nput mnmum smpangan dar waktu pesanan, ŷ sebaga waktu produks tempe selesa dan sap untuk dambl pemesan dengan nput û, dan y sebaga waktu produks tempe selesa dan sap untuk dambl pemesan dengan nput u. Dsajkan Tabel 2. berkut: Tabel 2. Optmas Pesanan Tempe Super Dangsul Pesanan Waktu û ŷ u y pengamblan(y) 1, 2, & 3 Har ke-3 pukul Har ke-1 pukul Har ke-3 pukul Har ke-1 pukul Har ke-3 pukul & 5 Har ke-4 pukul Har ke-2 pukul Har ke-3 pukul Har ke-2 pukul Har ke-4 pukul Yogyakarta, 10 November 2012 MA - 62

11 KESIMPULAN Berkut kesmpulan yang dperoleh dar peneltan n : a) Dar model sstem produks Tempe Super Dangsul dengan Aljabar Max-Plus, A ddefnskan sebaga sstem produks tempe yang sedang berlangsung, B sebaga waktu transfer dar awal bahan baku kedela dmasukkan sampa proses ke-, dan C sebaga jumlah waktu proses akhr dan waktu transfer sebelum tempe dapat dambl atau selesa dkerjakan. b) Masalah nput-output SLMI pada sstem produks Tempe Murn Super Dangsul dapat dhtung dengan y K x0 H u dengan K dan H sepert dalam Teorema 3.1, u(k) menyatakan waktu saat kedela dmasukkan ke sstem untuk pemrosesan ke-k, sedangkan y(k) menyatakan waktu saat produk ke-k yang dselesakan mennggalkan sstem. c) Untuk menghtung waktu optmal dalam Produks Tempe Super Dangsul dapat dgunakan uˆ( k) max( y( ) Hk, ) dan u uˆ dengan 1 p 2 max ( y H uˆ ). Ddefnskan û sebaga nput kedela palng lambat dkerjakan, u sebaga nput mnmum smpangan dar waktu pesanan, ŷ sebaga waktu produks tempe selesa dan sap untuk dambl pemesan dengan nput û, dan y sebaga waktu produks tempe selesa dan sap untuk dambl pemesan dengan nput u. DAFTAR PUSTAKA B. De Schutter and T. van den Boom. (2000). Model predctve control for max-plus-lnear dscrete-event systems:extended report & Addendum. A short verson of ths report has been publshed n Automatca, vol. 37, no. 7, pp Faculty of Informaton Technology and System, Delt Unversty of Technology, Delft. Baccell, F., Cohen, G., Olsder, G.J., Quadrat, J.P. (2001). Synchronzaton and Lnearty. New York: John Wley & Sons. Bart De Schutter. (1996). Max-Algebrac System Theory for Dscrete Event Systems. Proefschrft voorgedragen tot het behalen van het doctoraat n D. Wetjens. (2004). Dscrete event system analyss usng the max-plus-algebra. Master's Thess. Endhoven Unversty of Technology. I. Necoara, B. De Schutter, T. van den Boom, and H. Hellendoor. (2008). Model Predctve Control for Uncertan Max-Mn-Plus-Scalng Systems. Internatonal Journal of Control, vol. 81, no. 5, pp Yogyakarta, 10 November 2012 MA - 63

12 M. Andy Rudhto. (2003). Sstem Persamaan Lnear Max-Plus Waktu Invaran. Tess. UGM. Subono. (2010). Aljabar Maxplus dan Terapannya. Surabaya : Jurusan Matematka, FMIPA-ITS, Surabaya. Yogyakarta, 10 November 2012 MA - 64

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d

Lebih terperinci

A-10 OPTIMISASI JADWAL PEMESANAN BAKPIA PATHOK JAYA 25 DAERAH ISTIMEWA YOGYAKARTA DENGAN SISTEM LINEAR MAX-PLUS WAKTU INVARIANT

A-10 OPTIMISASI JADWAL PEMESANAN BAKPIA PATHOK JAYA 25 DAERAH ISTIMEWA YOGYAKARTA DENGAN SISTEM LINEAR MAX-PLUS WAKTU INVARIANT A-10 OPIMISASI JADWAL PEMESANAN BAKPIA PAHOK JAYA 25 DAERAH ISIMEWA YOGYAKARA DENGAN SISEM LINEAR MAX-PLUS WAKU INVARIAN Mustofa Arifin 1 dan Musthofa 2 1 Mahasiswa Program Studi Matematika Jurusan Pendidikan

Lebih terperinci

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA

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

Lebih terperinci

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS JMP : Volume 4 Nomor 2, Desember 2012, hal. 289-297 SEMI RING POLINOM ATAS ALJABAR MAX-PLUS Suroto Prod Matematka, Jurusan MIPA, Fakultas Sans dan Teknk Unverstas Jenderal Soedrman e-mal : suroto_80@yahoo.com

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

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

Bab 1 PENDAHULUAN Latar Belakang

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

Lebih terperinci

PROSIDING SEMINAR NASIONAL Penelitian, Pendidikan, dan Penerapan MIPA Tanggal 02 Juni 2012, FMIPA UNIVERSITAS NEGERI YOGYAKARTA

PROSIDING SEMINAR NASIONAL Penelitian, Pendidikan, dan Penerapan MIPA Tanggal 02 Juni 2012, FMIPA UNIVERSITAS NEGERI YOGYAKARTA Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA, Fakultas MIPA, Unverstas Neger Yogyakarta, 02 Jun 2012 PROSIDING SEMINAR NASIONAL Peneltan, Penddkan, dan Penerapan MIPA Tanggal 02 Jun 2012,

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

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

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB I PENDAHULUAN Latar Belakang dan Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang

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

DIMENSI PARTISI GRAF GIR

DIMENSI PARTISI GRAF GIR Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

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 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS

APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Vol No Jurnal Sans Teknolog Industr APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Ftr Aryan Dew Yulant Jurusan Matematka Fakultas Sans Teknolog UIN SUSKA Rau Emal:

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

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

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

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

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

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

Lebih terperinci

BAB 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

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

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

Lebih terperinci

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

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

Matematika Eigenface Menggunakan Metrik Euclidean

Matematika Eigenface Menggunakan Metrik Euclidean Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan

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

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

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

Lebih terperinci

PADA GRAF PRISMA BERCABANG

PADA GRAF PRISMA BERCABANG PELABELAN TOTAL SUPER (a, d)-busur ANTI AJAIB PADA GRAF PRISMA BERCABANG Achmad Fahruroz,, Dew Putre Lestar,, Iffatul Mardhyah, Unverstas Gunadarma Depok Program Magster Fakultas MIPA Unverstas Indonesa

Lebih terperinci

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

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

Lebih terperinci

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

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya

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

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM. DENGAN Principal Component Analysis (PCA)

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM. DENGAN Principal Component Analysis (PCA) PROPERT DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN Prncpal Component Analyss (PCA) Oleh : Hanna aa Parhusp, usp, Deva eawdyananto a dan Bernadeta Desnova Kr Program Stud Statstka

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

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

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

Lebih terperinci

BAB 2 LANDASAN TEORI. 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

BILANGAN RAMSEY SISI DARI r ( P, )

BILANGAN RAMSEY SISI DARI r ( P, ) Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya mron-ts@matematka.ts.ac.d

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 IV PEMBAHASAN HASIL PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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 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

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

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

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

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

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

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

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

Lebih terperinci

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

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

Lebih terperinci

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

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan

Lebih terperinci

Aplikasi Teori Kendali Pada Permainan Dinamis Non-Kooperatif Waktu tak Berhingga

Aplikasi Teori Kendali Pada Permainan Dinamis Non-Kooperatif Waktu tak Berhingga Semnar Nasonal eknolog Inormas Komunkas dan Industr (SNIKI) 4 ISSN : 85-99 akultas Sans dan eknolog UIN Sultan Syar Kasm Rau Pekanbaru, 3 Oktober 1 Aplkas eor Kendal Pada Permanan Dnams Non-Kooperat Waktu

Lebih terperinci

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

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

Lebih terperinci

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

UJI PRIMALITAS. Sangadji *

UJI PRIMALITAS. Sangadji * UJI PRIMALITAS Sangadj * ABSTRAK UJI PRIMALITAS. Makalah n membahas dan membuktkan tga teorema untuk testng prmaltas, yatu teorema Lucas, teorema Lucas yang dsempurnakan dan teorema Pocklngton. D sampng

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

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com

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

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka

Lebih terperinci

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau

Lebih terperinci

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT JMP : Volume 5 Nomor, Jun 03, hal. 3 - SPEKTRUM PD GRF REGULER KUT Rzk Mulyan, Tryan dan Nken Larasat Program Stud Matematka, Fakultas Sans dan Teknk Unerstas Jenderal Soedrman Emal : rzky90@gmal.com BSTRCT.

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

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

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

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

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

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

Lebih terperinci

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen, BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap

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

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

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

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

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun

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

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

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

Lebih terperinci

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP

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

Lebih terperinci

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

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

Lebih terperinci

BAB 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

PENJADWALAN PRODUKSI di PT MEUBEL JEPARA PROBOLINGGO

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

Lebih terperinci

BAB 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

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 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

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

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

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana

Lebih terperinci

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

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

Lebih terperinci

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

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA Revew Peneltan Sebelumnya 2.1. Pengembangan model matematk horson waktu dskret optmal untuk penjadwalan job banyak operas tunggal pada mesn alternatf [Sukendar, 2007] Notas a. Hmpunan

Lebih terperinci