ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL"

Transkripsi

1 Aalisa Sisem Aria Dega Meode Kompuasi Turbo Pascal ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL RINA OKTAVIYANTHI Uiversias Serag Raya, Absrak. Sisem aria yag erjadi di BRI cabag Ragkasbiug adalah model srukur aria Muli Chael Sigle Phase (MCSP), yaiu sisem yag erdiri dari suau barisa aria dega dua aau lebih fasilias pelayaa yag dilakuka secara beruu. Sedagka ahap pelayaaya erdiri dari sau ahap (sau fase) pelayaa, da ui-ui dalam aria dilayai haya berdasarka urua kedaaga, seiap ui diperlakuka dalam cara yag sama da ak erbaas pajagya aria. Peeliia ii memokuska pada dua hal yaiu: () bagaimaa megkaji variabel-variabel sisem aria da peeua sesiivias performace variabel-variabel ersebu dalam meghadapi perubaha desai dari sisem aria pada BRI cabag Ragkasbiug secara maemais, da (2) bagaimaa membua program dega Turbo Pascal uuk meyelesaika performace variabel-variabel sisem. Populasi da sampel adalah semua pelagga aau asabah yag masuk dalam sisem aria pada BRI Cabag Ragkasbiug. Daa yag dikumpulka adalah bayakya kedaaga asabah per hari selama 5 hari pegambila daa da daa pelayaa asabah dimulai pada saa asabah masuk sampai dega selesai pegambila aau peyeora secara uai. Dari hasil pegguaa program Turbo Pascal dega asumsi kedaaga asabah berdisribusi Poisso da waku pelayaa asabah berdisribusi Ekspoesial, diperoleh () raa-raa igka kedaaga (per 5 hari) () per jam adalah 3, (2) raa-raa igka pelayaa (per 5 hari) () per jam adalah 280, (3) raa-raa jumlah idividu dalam aria adalah , (4) raa-raa jumlah idividu dalam sisem oal adalah.077, (5) raa-raa waku dalam aria adalah , (6) raa-raa waku dalam sisem oal adalah 66, (7) persease raa-raa igka keguaa fasilias layaa adalah 5.82%, (8) persease raa-raa probabilias idak ada idividu dalam aria adalah 33.08%, da (9) persease raa-raa probabilias meuggu dalam aria %. Kaa kuci: kompuasi, eori aria, urbo pascal. Pedahulua. Dewasa ii bak merupaka salah sau ui pelayaa umum yag saga peig. Jasa pelayaa bak ii berhubuga dega kepuasa asabah. Masalah aria dapa mejadi salah sau fakor peeu kepuasa asabah. Muculya masalah aria ii meuru Cogdill [] disebabka

2 ( 0 oleh kebuuha aka layaa melebihi kemampua (kapasias) pelayaa aau fasilias pelayaa, sehigga asabah yag daag idak segera medapa layaa disebabka kesibuka pelayaa. Pada pelayaa rasaksi uai (pegambila da peyeora secara uai) di BRI cabag Ragkasbiug, aria adalah hal yag idak dapa dihidarka. Jika diijau dari model srukur aria da fasilias pelayaa, maka sisem aria yag erjadi di BRI cabag Ragkasbiug adalah model srukur aria Muli Chael Sigle Phase (MCSP). Seperi yag diugkapka oleh Perros [2], MCSP yaiu sisem yag erdiri dari suau barisa aria dega dua aau lebih fasilias pelayaa yag dilakuka secara beruu. Sedagka jika diliha dari ahap pelayaaya, erdiri dari sau ahap (sau fase) pelayaa, da ui-ui dalam aria dilayai haya berdasarka urua kedaaga, seiap ui diperlakuka dalam cara yag sama da ak erbaas pajagya aria. Karea pekerjaa dasar pelayaa pada bak iilah yag kemudia medasari bayak peelii melakuka iovasi uuk meigkaka ideks kepuasa asabah. Salah sau cara yag dapa diguaka uuk memecahka masalah aria adalah dega eori aria. Teori aria adalah eori yag meyagku sudi maemais da baris-baris peuggua. Secara umum, eori aria berkaia dega pemodela maemaika da aalisis sysem [3]. Formasi ii merupaka feomea yag serig erjadi jika kebuuha aka suau pelayaa melebihi kapasias fasilias pelayaa yag ersedia. Namu dega kemajua ilmu pegeahua da ekologi saa ii, bayak peelii yag megguaka kelebiha ekologi uuk melakuka aalisa [4]. Tak erkecuali dalam masalah aria ii, pegaalisaa dapa megguaka meode kompuasi dega baua Turbo Basic, Foxpro Fordos da Visual Foxpro aau yag laiya. Hal ersebu medorog peulis uuk megaalisa daa yag diperoleh dega megguaka meode kompuasi berbaua program Turbo Pascal. Program Turbo Pascal dipilih karea bahasa Pascal adalah bahasa pemrograma igka iggi (high level laguage) yag cukup popular da ersrukur (srucured programmig laguage) medekai bahasa mausia sehigga lebih mudah dipahami dibadigka dega bahasa pemrograma laiya, seperi bahasa C, bahasa Assembler, da lai sebagaiya [5]. Adapu yag mejadi ujua peeliia ii, yaki:. Uuk megaalisa da memperbaiki performace variablelvariabel sisem,,,, p, p, p w, p), sera peeua sesiivias performace variabel-variabel dalam meghadapi perubaha-perubaha desai sisem (,, S, ). 2. Membua program dega Turbo Pascal uuk meyelesaika performace variabel-variabel sysem. A. Hakeka Teori Aria Aalisis aria memberika iformasi probabilias yag diamaka operaig characerisic, yag dapa membau megambil kepuusa dalam meracag fasilias pelayaa aria uuk megaasi permiaa pelayaa yag flukuaif secara radom da mejaga keseimbaga aara biaya pelayaa da biaya meuggu [6]. Aria (a ueue) adalah suau garis (waiig lie) uggu dari asabah (saua) yag memerluka layaa dari sau aau lebih pelayaa (fasilias pelayaa) [3]. Sudi maemaikal dari kejadia aau gejala garis uggu ii disebu eori aria. Kejadia garis uggu imbul disebabka oleh kebuuha aka layaa melebihi kemampua (kapasias) pelayaa aau fasias layaa, sehigga asabah yag daag idak bisa segera medapa layaa disebabka kesibuka pelayaa [7].

3 3 Ria Okaviyahi B. Kosep-kosep Dasar Teori Aria Kosep dasar eori aria meuru Buzaco [8] da Subagio [9] dapa dibedaka aas empa bagia, yaiu: () ujua, (2) eleme pokok dalam sisim aria, (3) srukur aria, da (4) model aria.. Tujua. Tujua dasar model-model aria adalah uuk memiimumka oal dua biaya, yaiu biaya lagsug yag imbul karea peyediaa fasilias pelayaa da biaya idak lagsug yag imbul karea para idividu harus meuggu uuk dilayai. 2. Eleme-eleme Pokok dalam Sisem Aria. (a) Aria yag memua laggaa aau saua-saua yag memerluka pelayaa, da (b) Fasilas pelayaa yag memua pelayaa da salura pelayaa. 3. Srukur Aria Ada 4 model srukur aria yag umum erjadi dalam seluruh sisem aria [2] [7] [9] [0], yaiu: a. Sigle Chael Sigle Phase Sisem ii adalah yag palig sederhaa. Sisem ii erdiri dari aria da sau fase pelayaa (Gambar) b. Muli Chael Sigle Phase Sisem ii erdiri sau barisa aria da dua aau lebih fasilias pelayaa yag dilaksaaka secara beruu (Gambar2) Gambar. Aria uggal, pelayaa uggal Gambar 2. Aria uggal, pelayaa gada sejajar c. Sigle Chael Muli Phase Sisem ii erdiri dari sau aria uggal da beberapa fase pelayaa. Seiap saua daag dari sau aria uggal da megalami beberapa kali pelayaa secara beruu (Gambar3). d. Muli Chael Muli Phase Sisem ii erdiri dari beberapa barisa da beberapa fase pelayaa (Gambar4). Gambar 3. Aria uggal, pelayaa gada dalam seri Gambar 4. Aria gada, pelayaa gada 4. Model-model Aria a) Model M/M//I/I Model ii biasaya dipakai pada sisem aria sigle chael sigle phase yag mempuyai aria uggal dega melalui sau fasilias pelayaa. 3

4 Populasi (I) Aria (M) Fasilias pelayaa (M/) Sumber ak erbaas Tigka kedaaga FCFS Kepajaga aria ak erbaas (I) Tigka pelayaa keluar Gambar 5. Model aria M/M//I/I Rumus yag diguaka dalam megaalisis model ii adalah sebagai beriku: 2 ( ) ( ) ( ) ( ) ( )( ) P b) Model M/M/S/I/I Model ii biasaya dipakai pada sisem aria muli chael sigle phase yag mempuyai aria uggal dega melalui beberapa fasilias pelayaa. Fasilias pelayaa (M/S) Populasi (I) Aria (M) Tigka pelayaa Sumber ak erbaas Tigka kedaaga FCFS Kepajaga aria ak erbaas (I) Tigka pelayaa Rumus yag diguaka dalam megaalisis model ii adalah sebagai beriku: P s () p0 s ( ) ( ) s 0! s!( ) s (2) p w Gambar 6. Model aria M/M/S/I/I s P0 s! s s ( ) Po ( s )!( ( s ) 2 P o s ( ) 2 s ( s!)( ( )) s (3) (4) (5)

5 Ria Okaviyahi 5 5 (6) (7) c) Model M/M/I/I/F Model ii ideik dega model, dega perbedaa bahwa kepajaga aria adalah erbaas. Gambar 7. Model aria M/M/I/I/F Uuk megaalisis model ii megguka rumus sebagai beriku: s s ) ( P d) Model M/M/S/F/I Model empa adalah sama dega model 2, dega perbedaa bahwa model ii mempuyai populasi yag erbaas. Gambar 8.Model aria M/M/S/F/I Uuk megaalisis model ii megguka rumus sebagai beriku: Sumber ak erbaas Tigka kedaaga Tigka pelayaa FCFS Kepajaga aria erbaas (F) Populasi (I) Aria (M) Fasilias Pelayaa (M/I) Tigka kedaaga FCFS Kepajaga aria ak erbaas (I) Sumber ak erbaas Tigka pelayaa Tigka pelayaa Populasi (F) Aria (M) Fasilias Pelayaa (M/S)

6 X T T U ( T U) N ( T U) N F N ( F) N J H H FNX J NF ( X ) Diliha dari sisem aria yag erjadi pada BRI cabag Ragkasbiug adalah srukur aria Muli Chael Sigle Phase (MCSP), yaiu sisem yag erdiri dari suau barisa aria da dua aau lebih fasilias pelayaa yag dilakuka secara beruu maka model aria yag dipakai peulis dalam peeliia ii adalah model M/M/S/I/I. C. Bahasa Pemrograma Bahasa pemrograma merupaka prosedur/ aa cara peulisa program. Loude (2003) meuurka megeai defiisi bahasa pemrograma, programmig is a oaio for commuicaig o a compuer wha we wa i o do [2]. Fugsi bahasa pemrograma adalah sebagai media uuk meyusu da memahami sera sebagai ala komuikasi aara pemrogram dega kompuer. Secara umum erdapa empa kelompok bahasa pemrograma [3], yaiu:. Objec Orieed Laguage (Visual dbase, Visual FoxPro, Delphi, Visual C) 2. High Level (seperi Pascal da Basic) 3. Middle Level (seperi Bahasa C) 4. Low Level (seperi Bahasa Assembly) Pascal merupaka salah sau bahasa pemrograma igka iggi. Pemrograma igka iggi meadaka bahwa Pascal bayak megguaka bahasa mausia dalam peulisa siaksya. Turbo Pascal merupaka program compiler. Compiler yaiu program yag meerjemahka ulisa berupa kode program mejadi bahasa mesi yag dapa dimegeri kompuer. Proses yag dilakuka disebu compile aau compilig [3]. Suau program dapa di-compile dega megguaka kombiasi ombol Al + F9. Semeara uuk mejalaka program, ombol yag diguaka adalah Crl + F9. Jika selama proses compile erdapa error aau kesalaha dalam peulisa program, maka Turbo Pascal aka memberiahuka leak kesalaha ersebu sehigga peggua dapa meperbaikiya di halama edior. Turbo Pascal merupaka bahasa yag case isesiive yag ariya peulisa dalam huruf kapial maupu huruf kecil idak dipermasalahka. Dalam bahasa Pascal erdapa beberapa jeis ipe daa yag biasa diguaka uuk sebuah variabel aau kosaa pada program. Secara umum, ipe daa dalam pemrograma Pascal adalah:. Tipe daa sederhaa, maksudya adalah ipe daa yag diguaka sadar (sadard daa ype) da ipe daa didefiisika peggua (user defied daa ype). 2. Tipe daa ersrukur (array, record, se, file) 3. Tipe daa peujuk Pegguaa program Turbo Pascal dalam peeliia ii dikareaka kelebiha-kelebihaya, yaiu:. Tipe daa sadar

7 7 Ria Okaviyahi 2. User defied daa ype, programer/ peggua dapa membua ipe daa lai yag diuruka dari ipe daa sadar. 3. Srogly-yped, programer/ peggua harus meeuka ipe daa dari suau variabel, da variabel ersebu idak dapa diperguaka uuk meyimpa ipe daa selai dari forma yag dieuka. 4. Tersrukur, memiliki siaks yag meugkika peulisa program dipecah mejadi fugsi-fugsi kecil (procedure da fucio) yag dapa diperguaka berulag-ulag. 5. Sederhaa da ekspresif, memiliki srukur sederhaa da saga medekai bahasa mausia (bahasa Iggris) sehigga mudah dipelajari da dipahami. Peeliia ii dilakuka pada BRI cabag Ragkasbiug yag pegambila daaya dilakuka selama 5 hari kerja. Dalam peeliia ii yag mejadi populasi da sampel adalah semua pelagga aau asabah yag masuk dalam sisem aria pada BRI cabag Ragkasbiug. Peeliia ii adalah peeliia maemaika yag ermasuk dalam kaegori pegembaga meode maemaika erapa yag dikombiasika dega aplikasi secara lagsug. Dega demikia meode yag diguaka adalah meode aalisis maemaik dega megguaka rumus-rumus model aria yag sesuai. Pada awalya perhiuga di lakuka secara meual (perhiuga biasa kemudia dega megguaka meode kompuasi. Dalam meode kompuasi ii, peelii megguaka bahasa pemrograma Turbo Pascal yaki ii merumuska lagkah-lagkah peyelesaia (algorima) dari iap-iap rumus model aria sehigga dapa dijalaka oleh kompuer. Uuk megumpulka daa yag diperluka dalam peeliia ii, peulis megguaka ekik pegumpula daa sebagai beriku: a. Observasi Dimaa peulis memperoleh daa dega cara megamai da mecaa secara lagsug daa yag diperluka (waku kedaaga, waku dimulaiya pelayaa da waku selesai pelayaa) dari seiap idividu dalam aria pada BRI cabag Ragkasbiug uuk seiap pelayaa. Seelah daa diperoleh, daa ersebu aka diaalisis dega lagkahlagkah sebagai beriku: a. Meeuka Parameer Parameer yag diperluka dalam aalisis daa aria melipui: ) jumlah idividu pada suau waku () 2) jumlah fasilias pelayaa (S) 3) raa-raa igka kedaaga per saua waku () 4) raa-raa igka pelayaa per saua waku () b. Meeuka Karakerisik Daa Seelah daa dikumpulka da dieuka parameer-paameerya, maka daa aka diaalisis secara maemaik uuk meeuka karakerisik variabel daa ersebu yag melipui : ) raa-raa jumlah idividu dalam aria ( ) 2) raa-raa jumlah idividu dalam sisem oal ( ) 3) raa-raa waku dalam aria ( ) 4) raa-raa waku dalam sisem oal ( ) 5) igka keguaa fasilias pelayaa (P) 6) probabilias idak ada idividu dalam aria (P 0 ) 7) probabilias meuggu dalam aria (P w ) 7

8 2. Hasil Hasil Uama a) Sisem Aria Da Solusi Yag Dilakuka Aria yag erjadi pada BRI cabag Ragkasbiug merupaka masalah yag serig erjadi bagi para asabah yag hedak melakuka rasaksi. Aria ii erjadi pada awal bula dimaa pada aggal-aggal ersebu merupaka saa-saa pegambila gaji/ daa pesiua da saa-saa dimaa para asabah bayak melakuka rasaksi pegirima maupu pegambila uag. Aria ii erjadi karea jumlah asabah yag daag seiap hari saga bayak dimaa jumlahya lebih dari 500 orag per hari (perdasarka daa pegamaa). Sedagka jumlah eller yag ersedia saga erbaas da idak diopimalka secara baik. Pada BRI cabag Ragkasbiug, seiap asabah yag daag khususya asabah yag melakuka peyeora uai da pearika uai meuggu uuk meerima pelayaa dari kasir, karea jumlah asabah yag daag seiap hari cukup bayak maka eller yag difugsika sebayak 7 eller (muli chael). b) Jumlah Kedaaga da Pelayaa Dari hasil observasi yag dilakuka oleh peelii selama 5 hari (2-6 Sepember 203) dimaa pada aggal ersebu jumlah kedaaga cukup besar maka diperoleh daa jumlah kedaaga sebagai beriku: Tabel. Daa Jumlah Kedaaga da Pelayaa Waku Observasi Jumlah Kedaaga (Ui) Jumlah yag Dilayai (Ui) Jumlah Peolaka (Balkig) (Ui) Hari I Hari II Hari III Hari IV Hari V Jumlah Raa-raa (Daa diambil pada aggal 2-6 Sepember 203) Jumlah kedaaga asabah eriggi erjadi pada hari keiga (waku pegamaa) yaki sebayak 564 orag asabah da jumlah peolaka eriggi juga erjadi pada hari kedua yaki 84 orag. Sedagka jumlah kedaaga asabah eredah erjadi pada hari keempa (waku pegamaa) sebayak 37 orag da jumlah peolaka eredah juga erjadi pada hari keempa yaiu 8 orag. Dega demikia dapa dikeahui bahwa raa-raa jumlah kedaaga sebayak orag per hari. Sedagka raa-raa jumlah asabah yag dilayai sebayak 392 per hari da yag keluar dari sisem sebelum meerima pelayaa sebayak 7.67 per hari. c) Raa-raa Tigka Kedaaga da Tigka Pelayaa Dari hasil raa-raa waku aar kedaaga da raa-raa waku pelayaa pada lampira, maka igka kedaaga da igka pelayaa pada 7 eller yag ada pada BRI cabag Ragkasbiug dapa diliha pada abel beriku: Tabel. 2 Raa-Raa Tigka Kedaaga da Tigka Pelayaa Waku Observasi Raa-Raa Tigka Kedaaga () (ui per jam) Raa-Raa Tigka Pelayaa () (ui per jam) Hari I Hari II 66 62

9 9 Ria Okaviyahi Hari III 8 69 Hari IV Hari V Raa-raa Berdasarka abel di aas maka erliha bahwa raa-raa igka kedaaga per hari palig iggi erjadi pada hari keiga yaiu sebayak 8 orag per jam dega raa-raa igka pelayaa per hari 69 orag per jam. Sedagka raa-raa igka kedaaga per hari palig redah erjadi pada hari keempa yaiu sebayak 45 orag per jam dega raaraa igka pelayaa per hari sebayak 43 ui per jam. Dega demikia dapa dijelaska bahwa raa-raa igka kedaaga dari 5 hari observasi (pegamaa) adalah 3 per jam per hari dega raa-raa igka pelayaa adalah 280 per jam per hari. Diliha dari srukur aria yag erjadi pada eller-eller pada BRI cabag Ragkasbiug adalah srukur aria muli chael sigle phase yaki sisem yag erdiri dari sau barisa aria da dilayai lebih dari sau fasilias pelayaa, maka rumus pada model aria pelayaa gada ii adalah M/M/S/I/I. Berdasarka hasil uraia di aas maka hasil aalisis daa dega meode kompuasi Turbo Pascal adalah sebagai beriku. Mulai Ipu Nilai : - λ - μ - S Proses : Masukka Rumus P = λ / (S * μ) Gambar 9. Flowchar Meghiug Nilai P Gambar 0. Hasil Ru Nilai P Hari 9

10 Mulai Ipu Nilai : - λ - μ - S - S- Proses : Masukka Rumus P o = / ( Σ [(λ / μ) /!])+( λ / μ) S / s! (- λ /(s* μ)) - 0 Gambar. Flowchar Meghiug Nilai P o Gambar2. Hasil Ru Nilai P o Hari Mulai Ipu Nilai : - λ - μ - s - P o Proses : Masukka Rumus P w = (λ / μ) S * Po / (S! [-( λ /(s * μ)) Gambar 3. Flowchar Meghiug Nilai P W

11 Ria Okaviyahi Gambar 4. Hasil Ru Nilai P W Hari Mulai Ipu Nilai : - λ - μ - S - P O Proses : Masukka Rumus N = λ* μ (λ / μ) S * P O / (S - )! *(S * μ) 2 r Gambar 5. Flowchar Meghiug Nilai Gambar 6. Hasil Ru Nilai Hari Gambar 7. Hasil Ru Nilai Hari Gambar 8. Hasil Ru Nilai Hari

12 Mulai Ipu Nilai : - λ - μ Proses : Masukka Rumus = + (λ / μ) Gambar 9. Flowchar Meghiug Nilai Mulai Ipu Nilai : - λ - μ - S - P O Proses : Masukka Rumus = P O * (λ / μ) S / μ *S*(S!)*(- (λ / (S*μ))) 2 Gambar 20. Flowchar Meghiug Nilai Mulai Ipu Nilai : - λ - μ Proses : Masukka Rumus = + ( / μ) Gambar 2. Flowchar Meghiug Nilai

13 3 Ria Okaviyahi Waku Observasi Gambar 2. Hasil Ru Nilai Hari Dega perhiuga yag sama, maka hasil aalisa daa pada hari perama sampai hari kelima dapa disajika dalam abel beriku : Tabel. 3 Hasil Aalisa Daa (ui) (deik) p (%) p 0 (%) 3 p w (%) (ui) (deik) Hari I Hari II Hari III Hari IV Hari V Raa-Raa Dari hasil aalisa daa pada abel di aas dapa dijelaska bahwa:. Raa-raa jumlah asabah dalam aria uuk seiap hari pelayaa adalah ui. Ariya bahwa dalam seiap hari pelayaa, raaraa jumlah asabah yag meuggu uuk medapaka pelayaa saga kecil aau idak erjadiya aria. 2. Raa-raa jumlah asabah dalam sisem uuk seiap hari pelayaa adalah.077 ui. Ariya bahwa haya ada sau orag asabah yag sedag berada dalam sisem da asabah ersebu semeara dilayai. 3. Raa-raa waku meuggu dalam aria uuk seiap hari pelayaa adalah deik 4. Raa-raa waku meuggu dalam sisem uuk seiap hari pelayaa adalah 66 deik 5. Raa-raa igka kesibuka kasir pada seiap hari pelayaa adalah 5.82 % dari wakuya 6. Probabilias idak ada asabah dalam sisem uuk seiap hari pelayaa adalah % per hari 7. Probabilias meuggu dalam aria uuk seiap hari pelayaa adalah % per hari. Berdasarka hasil observasi yag dilakuka oleh peelii selama 5 hari meujukka bahwa ke ujuh eller ersebu selalu beroperasi pada seiap hari kerja. Namu demikia dalam membarika pelayaa kepada para asabah, keujuh eller ersebu idak bekerja secara opimal pada jam kerja. Hal ii diakibaka karea pada saa-saa ereu eller-eller ersebu melakuka sorir da juga melakuka kegiaa lai (seperi isiraha maka siag yag dilakuka secara bergaia oleh para eller). Hasil perhiuga yag meujukka bahwa,,, saga kecil da igka kesibuka kasir yag saga kecil yaki 5.82 % dega probabilias meuggu dalam aria seiap hari pelayaa adalah %. Hal ii erjadi karea waku-waku yag hilag dari beberapa orag eller ii diabaika, sehigga jumlah eller (S) eap diliha beroperasi peuh. Hal yag demikia meujukka bahwa rumus-rumus eori aria saga erbaas dalam megkaji masalah-masalah aria yag erjadi dalam kehidupa, sehigga ekik simulasi saga epa uuk diguaka. Dari hasil aalisa daa yag dilakuka meujukka bahwa raa-raa waku

14 meuggu dalam aria saga kecil. Hal ii saga idak sesuai dega keyaaa sebearya yag erjadi pada Kaor Bak BRI cabag Ragkasbiug, dimaa bayak asabah yag meuggu dalam waku yag cukup lama. Diliha jumlah eller yag ersedia yaki sebayak 7 eller, maka peambaha fasilias pelayaa buka merupaka sau-sauya jala uuk megaasi masalah aria yag erjadi di Kaor bak BRI cabag Ragkasbiug. Dega demikia, maka solusi yag seharusya diambil oleh pihak BRI cabag Ragkasbiug adalah dega megopimalka kierja dari ke 7 eller yag ada. Aalisis dari megopimalka 7 eller yag ada pada jam kerja (kas), karea dari hasil perhiuga dega 7 orag eller ersebu sudah meujuka raa-raa waku meuggu dalam aria bagi iap asabah pu saga kecil yaki %. 3. Kesimpula Berdasarka uraia-uraia pada bab-bab sebelumya maka peulis dapa mearik beberapa simpula sebagai beriku: ) Jika sisem bekerja dega megguaka 7 eller, amu idak diopimalka dega baik pada jam kerja (ada waku kosog yag idak diguaka), maka bayak asabah yag meuggu dalam waku yag cukup lama da ada beberap orag asabah yag meiggalka sisem sebelum dilayai. 2) Jika sisem bekerja dega megguaka 7 eller yag bekerja secara opimal pada jam kerja, maka igka kesibuka eller sebesar 5,50 % dari wakuya per hari, da raa-raa meuggu bagi iap asabah saga kecil aau diaggap idak ada ariya asabah yag daag idak megalami aria. 3) Performace variable-variabel aka lebih baik jika sisem pelayaa pada Kaor Bak BRI cabag Ragkasbiug difugsika 7 eller yag bekerja secara opimal. 4) Dalam megkaji masalah-masalah aria yag erjadi dalam kehidupa, peerapa rumus-rumus aria kadag kala idak sesuai dega keyaaa yag erjadi. Hal ii meujuka bahwa rumus aria mempuyai keerbaasa dalam megkaji masalah aria. 5) Perhiuga performace variabel sisem dapa dilakuka secara maual (perhiuga biasa) maupu dega meggguaka meode kompuasi dimaa perhiugaya dapa dilakuka dega cepa. Referesi [] Cogdil, T., Moicio, M, 2007, Aalysis of Teller Service Times i Reail Baks, CS-BIGS, Volume, Issue, pp [2] Perros, Harry, 200, ueuig Theory A Primer, Rerieved i: hp://www4.csu.edu/~hp/ssmeueueigtheory.pdf [Diuduh 8 Desember 203] [3] Cooper, Rober B., 2000, Ecyclopedia of Compuer Sciece Fourh Ediio, Los Ageles: Groves Dicioaries Ic. [4] Al-Jumaily, Ahmed S. A., Al-Jobori, Huda K. T., 20, Auomaic ueuig Model for Bakig Applicaios, Ieraioal Joural of Advaced Compuer Sciece ad Applicaios, Volume 2, No. 7. [5] Be-Ari, M., 2006, Udersadig Programig Laguages, Rehovo: Weizma Isiue of Sciece Copyrigh. [6] Tabari, M., Kaai, Y. G., Divkolaii, M. S., Moghaddam, R. T., 202,

15 5 Ria Okaviyahi Allpicaio of The ueuig Theory o Huma Resource Maageme, World Applied Scieces Joural, Volume 7, I ssue 9, pp [7] Salligs, William, 2000, ueuig Aalysis: Hadbook, Uied Saes of America: Massachuses Isiue of Techology. [8] Buzaco, Joh A., 2003, ueuig Theory ad Is Applicaios, Caada: York Uiversiy. [9] Subagio, P., Asri, M., Hadoko, H.T., 200, Dasar-dasar Operaios Research, Edisi 2. Yogyakara: BPFE. [0] Nafees, Azma, 2007, ueuig Theory ad Is Applicaio: Aalysis of The Sales Checkou Operaio i ICA Supermake, Hogskola Dalara: Uiversiy of Dalara. [] Loude, Keeh C., 2003, Programmig Laguages: Priciple ad Pracice 2 d Ediio, Pacific Grove, Calif: Cegage Learig. [2] Isva, J., 20, Programmig Laguages, Hugaria: EHIB Copyrigh. 5

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM) Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

Kemampuan Penggunaan Kalimat pada Karangan Siswa Kelas VI MIMA III Miftahul Ulum Desa Gumelar Kecamatan Balung Kabupaten Jember

Kemampuan Penggunaan Kalimat pada Karangan Siswa Kelas VI MIMA III Miftahul Ulum Desa Gumelar Kecamatan Balung Kabupaten Jember Kemampua Pegguaa pada Karaga Siswa Kelas VI MIMA III Mifahul Ulum Desa Gumelar Kecamaa Balug Kabupae Jember (The use of he Auhorship Capabiliies Seece Sixh Grade Sudes MIMA III Mifahul Ulum Gumelar Village

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU

ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU Saitia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 277 287. ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU Siti Aria R. Harahap

Lebih terperinci

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di IV. METODOLOGI PENELITIAN 4.1 Lokasi da Waku Peeliia Peeliia yag dilakuka pada Bula Jauari higga Mei 2008 yag mecakup peyusua proposal higga peyusua draf skripsi dilaksaaka di empa kecamaa di Kabupae Garu,

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

METODOLOGI. Waktu dan Tempat. Alat dan Bahan METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit Peerapa Meode Opimasi Expoeial moohig Uuk Peramala Debi Oleh: Budi aosa, uharyao 2, Djoko Legoo 3. DT, Program Pascasarjaa Udip, Jl. Hayam Wuruk No. 5-7 emarag, (Depareme Tekik ipil Uiversias Guadarma,

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Tijaua Pusaka Pegguaa meode peramala Forecasig elah dilakuka oleh berbagai macam peeliia dalam berbagai bidag eruama diguaka dalam memprediksi pejuala pada perusahaa Beriku dibawah

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai 37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Teknik Industri Peramalan

BAB 2 LANDASAN TEORI 2.1 Teknik Industri Peramalan BAB 2 LANDASAN TEORI Pada bab ii aka dijelaska eori-eori yag medukug meode peeliia pada peulisa skripsi ii yag disebu sebagai ladasa eori. Teori yag aka dijelaska aka mecakup meode dari subjek ekik idusri

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

ANALISIS ANTRIAN ANGKUTAN UMUM BUS ANTAR KOTA REGULER DI TERMINAL ARJOSARI

ANALISIS ANTRIAN ANGKUTAN UMUM BUS ANTAR KOTA REGULER DI TERMINAL ARJOSARI Achmadi, Analisis Anrian Angkuan Umum Bus Anar Koa Reguler di Terminal ANALISIS ANTRIAN ANGKUTAN UMUM BUS ANTAR KOTA REGULER DI TERMINAL ARJOSARI Seno Achmadi Absrak : Seiring dengan berkembangnya aku,

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

ANALISIS WAKTU BAKU PELAYANAN KAPAL DI PELABUHAN PENYEBERANGAN LEMBAR Analysis on Time Service Standard in Harbour Ferry Lembar

ANALISIS WAKTU BAKU PELAYANAN KAPAL DI PELABUHAN PENYEBERANGAN LEMBAR Analysis on Time Service Standard in Harbour Ferry Lembar I Dewa Made Ali Karyawa Aalisis Waku Baku Pelayaa Kapal. ANALISIS WAKTU BAKU PELAYANAN KAPAL DI PELABUHAN PENYEBERANGAN LEMBAR Aalysis o Time Service Sadard i Harbour Ferry Lembar I Dewa Made Ali Karyawa

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh: PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 6 BAB II LANASAN TEORI.1 Pegeria Persediaa Meuru Ragkui (000,p1) persediaa adalah suau akiva yag melipui barag-barag milik perusahaa dega maksud uuk dijual dalam suau periode usaha ereu, aau persediaa

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN Jural Rekursif, Vol 3 No Mare 05, ISSN 303-0755 PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah

Lebih terperinci

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI.

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI. ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI Diajuka Kepada Fakulas Maemaika Da Ilmu Pegeahua Alam Uiversias Negeri

Lebih terperinci