Optimasi Komposisi Makanan Bagi Penderita Hipertensi Menggunakan Metode Particle Swarm Optimization
|
|
- Yenny Budiaman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: X Vol. 1, No. 10, Okober 2017, hlm hp://j-piik.ub.ac.id Opimasi Komposisi Makanan Bagi Penderia Hiperensi Menggunakan Meode Paricle Swarm Opimizaion Ayuliania A Boesari 1, Dian Eka Ranawai 2, Tiis Sari Kusuma 3 Program Sudi Teknik Informaika, @mail.ub.ac.id, 2 dian_ilkom@ub.ac.id, 3 iis_fahreza.fk@ub.ac.id Absrak Indonesia menempai uruan ke-2 erbesar di kawasan Asia Tenggara dalam angka kemaian yang diakibakan oleh Hiperensi. Salah sau cara dalam pengobaan penyaki Hiperensi adalah dengan melakukan pengendalian bera badan dan pengurangan kadar garam yang dikonsumsi. Unuk memecahkan masalah ersebu digunakan meode Paricle Swarm Opimizaion (PSO). Tahapan dalam algorime PSO adalah membangun populasi awal, inisialisasi kecepaan awal, perhiungan finess, peneuan pbes dan gbes, perubahanan kecepaan dan perubahan posisi. Represenasi parikel yang digunakan berupa indeks makanan, dimana seiap parikelnya memiliki jumlah dimensi sebesar 14 yang menunjukkan jumlah fiur yang erdiri dari makan pagi, makanan pelengkap1, makan siang, makanan pelengkap2 dan makan malam. Masing-masing fiur ersebu erdiri makanan pokok, sumber proein nabai, sumber proein hewani dan sayuran sera pelengkap. Parameer PSO yang digunakan dalam pegujian ersebu yaiu: jumlah ierasi sebesar 130, jumlah parikel sebesar 100 dan nilai w min dan w max yang digunakan adalah 0,4 dan 0,5. Berdasarkan uji coba dari 4 kasus pasien, dapa dinyaakan bahwa sisem dapa menghasilkan rekomendasi makanan yang dapa memenuhi kecukupan gizi sebesar ±10% dalam baas oleransi yang dienukan. Kaa Kunci: komposisi makanan, hiperensi, Algorime Paricle Swarm Opimizaion. Absrac Indonesia ranks 2nd larges in Souheas Asia in he number of deahs caused by Hyperension. One way o reamen Hyperension disease is o conrol weigh and reduce he amoun of sal consumed. To solve he problem used Paricle Swarm Opimizaion (PSO) mehod. Sages in he PSO algorihm are building he iniial populaion, building iniial velociy, finess calculaions, pbes and gbes deerminaions, velociy and posiion updae. The represenaion of he paricles used is he food index. The number of dimensions used is 14. The number of dimensions indicaes he number of feaures consising of breakfas, complemenary food, lunch, complemenary meals and dinner. Each feaures consising of saple foods, sources of plan proein, sources of animal proein, vegeable and appendages. PSO parameers used in he es are: he number of ieraions used is 130, he number of paricles used is 100 and he value of w min and w max used are 0,4 and 0,5. Based on rials of 4 cases of paiens, i can be saed ha he sysem can produce food recommendaions Tha can fulfill he nuriional adequacy of ± 10% wihin he specified olerance limis. Keywords: food composiion, hyperension, Paricle Swarm Opimizaion Algorihm. 1. PENDAHULUAN Pengauran pola makan dan jenis makanan yang akan dikonsumsi merupakan fakor yang pening dalam menjaga kesehaan (McCarrison, 2015). Makanan yang menyediakan nurisi yang epa, sanga dibuuhkan oleh ubuh. Makanan yang seha harus berisi seidaknya komponen makronurisi, yaiu: karbohidra, lemak, proein. Berdasarkan survei yang elah dilakukan oleh Food Consumion Survey (FCS) (2014), masyaraka Indonesia mengkonsumsi lebih banyak karbohidra dalam makanannya (Anonim, 2014). Salah sau penyaki yang imbul karenanya adalah Hiperensi. Hiperensi aau yang sering dikenal dengan ekanan darah inggi adalah kondisi dimana banyaknya cairan darah yang harus dipompa oleh janung, sehingga pembuluh darah secara Fakulas Ilmu Kompuer Universias Brawijaya 1158
2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1159 erus menerus melakukan penekanan pada dinding areri (pembuluh darah) (WHO, 2015). Berdasarkan survey yang dilakukan Word Healh Organizaion (WHO), Indonesia menempai uruan ke-2 erbesar di kawasan Asia Tenggara dalam angka kemaian yang diakibakan oleh Hiperensi, hal ersebu erus mengalami peningkaan dari ahun-ahun sebelumnya (WHO, 2014). Salah sau langkah mengobai penyaki Hiperensi adalah pengendalian bera badan dan pengurangan kadar garam yang dikonsumsi, hasil peneliian yang dilakukan oleh Clinical Trial (2003), membukikan hal ersebu dapa menurunkan ekanan darah sebesar 5 mm Hg sampai dengan 10 mm Hg (WHO, 2014). Unuk mengaasi permasalahan ersebu, digunakan meode Paricle Swarm Opimizaion (PSO). PSO adalah salah sau algorime yang erinspirasi dari ingkah laku segerombolan makhluk hidup. Algorime PSO memiliki beberapa kelebihan dalam kemudahan implemenasi, kecepaan pemilihan solusi dan dalam pengembangannya hanya parikel yang paling opimal yang dapa berahan sebagai generasi selanjunya (Qinghai Bai, 2010). Algorima PSO memiliki nilai akurasi yang inggi, dengan nilai 95% pada permasalahan image classificaion (G. Omran e. al, 2004), sera dapa mengurangi waku produksi selama 0, meni (Mohankumar e. al, 2011). Pada kasus peneliian PSO lainnya, algorime PSO dapa memenuhi kebuuhan keluarga sebesar 10% dan menghema biaya konsumsi sebesar 39.31% (Elianara e. al, 2016), sera dapa memenuhi gizi ale sebesar 10% dari 4 kasus yg diujikan (Zilfikri Yulfiandi R. e. al, 2016). Peneliian ini diharapkan dapa membanu Pasien aaupun ahli gizi dalam merekomendasikan makanan, sehingga dapa membanu pengobaan Pasien, meminimalisasi erjadinya human error sera dapa memberikan hasil komposisi makanan dengan kadar die yang opimal. 2. DASAR TEORI 2.1. Hiperensi Hiperensi yang juga dikenal sebagai ekanan darah inggi adalah suau kondisi di mana pembuluh darah elah erus-menerus melakukan ekanan. Tekanan ersebu diakibakan oleh kekuaan darah mendorong erhadap dinding pembuluh darah (areri) seperi yang dilakukan oleh janung. Seiap kali janung berdeak, janung akan memompa ke dalam pembuluh dan membawa darah ke seluruh ubuh. Semakin inggi ekanan, semakin suli janung harus memompa (WHO, 2015). Tekanan darah orang dewasa normal didefinisikan berkisar anara 120 mm Hg keika janung berdeak (sisolik) dan 80 mm Hg pada saa janung berelaksasi (diasolik). Keika ekanan darah sisolik sama dengan aau di aas 140 mm Hg dan aau ekanan darah diasolik sama dengan aau di aas 90 mm Hg ekanan darah dianggap inggi. Terdapa beberapa fakor, baik lingkungan maupun fakor penyaki lain yang dapa menyebabkan aaupun memperparah Hiperensi. Fakor ini anara lain: Penggunaan embakau, die yang idak seha, penggunaan alkohol, kurangnya akivias fisik, paparan sres yang erus-menerus, obesias (kelebihan bera badan), ingka koleserol yang inggi dan penyaki diabees mellius. Perubahan gaya hidup, seperi berheni merokok, die seha, berolahraga secara eraur dan menghindari penggunaan berbahaya dari alkohol, cukup unuk mengonrol ekanan darah. Selain iu, pengurangan asupan garam, memakan makanan inggi kalium dan obaobaan unuk mengonrol ekanan darah, juga dapa membanu mengurangi ekanan darah (JB. Suharjo e. al, 2008). Kadar garam yang dianjurkan kepada Pasien Hiperensi berdasarkan jenisnya adalah sebagai beriku mgna unuk jenis Hiperensi Prehyperension. Unuk Hyperension Sage 1, jumlah konsumsi garam yang dianjurkan adalah mgna. Sedangkan unuk Hyperension Sage 2, jumlah konsumsi garam yang dianjurkan adalah mgna. Sedangkan Kebuuhan kalium diperkirakan sebanyak 2000 mg per-harinya (Almasier, 2004) Penderia ekanan darah inggi, dapa juga memiliki gula darah inggi aau yang dikenal dengan penyaki diabees, koleserol inggi aau kerusakan ginjal, bahkan risiko yang lebih inggi, seperi serangan janung dan sroke. Oleh karena iu, sanga pening unuk melakukan pemeriksaan ruin unuk gula darah, koleserol darah dan albumin urine secara eraur bagi penderia Hiperensi Perhiungan Gizi Pasien Beriku ini adalah langkah yang dilakukan
3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1160 unuk menghiung kalori: 1. Perhiungan IMT (Indeks Massa Tubuh) Formula ini digunakan unuk mengukur bera badan ideal. Perhiungan IMT dapa dilakukan dengan Persamaan (1). IMT = BB/(TB x TB) (1) Pada Persamaan (1), BB merupakan bera badan (dalam ukuran kg), TB merupakan inggi badan (dalam ukuran m). Seelah iu, dilakukan peneapan jenis bera badan, yaiu: kurus, normal, kegemukan dan obesias yang masingmasingnya berbeda unuk pria dan wania. 2. Perhiungan BBI (Bera Badan Ideal) Perhiungan BBI dilakukan sanga sederhana dengan berdasarkan inggi badan, perhiungan ini erdapa pada Persamaan (2). BBI = (TB 100) (10% (TB 100)) (2) 3. Perhiungan AMB (Angka Meabolisme Basal) AMB adalah jumlah energi yang dikeluarkan saa sisem pencernaan idak akif. Dalam rumus perhiungan AMB unuk pria dan wania berbeda, unuk lebih rinci rumus perhiungan AMB erdapa pada Persamaan (3) unuk pria dan (4) unuk wania. AMB = 66 + (13,7 BB) + (5 TB) (6.8 U) (3) AMB = (9,6 BB) + (1,8 TB) (4.7 U) (4) Pada Persamaan (3) dan (4) U merupakan umur. Jika pada hasil perhiungan IMT yang erdapa pada Persamaan (3) dan (4) hasilnya idak ermasuk ke dalam kaegori bera badan normal, maka nilai BB yang digunakan adalah hasil perhiungan BBI, jika sebaliknya, nilai BB yang digunakan bera badan asli dari Pasien. 4. Menghiung Toal Kalori Seelah iu, dilakukan perhiungan kalori berdasarkan AMB, ingka akifias dan juga fakor sress. Perhiungan lebih deailnya erdapa pada Persamaan (5). Kalori = AMB FA FS (5) Pada Persamaan (5), AMB merupakan angka hasil AMB, FA merupakan fakor akifias, FS merupakan fakor sress. Seelah iu, dilakukan perhiungan yang erdapa Persamaan (6), (7) dan (8). Karbohidra (Kkal) = 65% x Kalori (6) Proein (Kkal) = 15% x Kalori (7) Lemak (Kkal) = 20% x Kalori (8) 2.3. Algorime Paricle Swarm Opimizaion (PSO) Algorime PSO diperkenalkan oleh Dr. Eberhar dan Dr. Kennedy pada ahun 1995, merupakan algorime opimasi yang meniru proses yang erjadi dalam kehidupan populasi burung dan ikan dalam berahan hidup (Dorigo, M., 2016). Langkah awal dalam algorime PSO adalah inisialisasi posisi x dan juga kecepaan awal v. Unuk melakukan inisialisasi posisi awal parikel dibangkikan secara acak dengan menggunakan x min yang merupakan baas minimum dari posisi dan x max yang merupakan baas maksimum posisi, bilangan random yang digunakan adalah anara 0 dan 1, unuk penjelasan lebih lanju erdapa pada Persamaan (9). x = x min + rand[0,1] (x max x min ) (9) Seelah iu, dilakukan inisialisasi kecepaan awal parikel dengan nilai 0. Seelah proses algorime Paricle Swarm Opimazaion (PSO) memasuki ierasi ke-1, maka dilakukan perubahan kecepaan. Perubahan kecepaan dihiung menggunakan Persamaan (12). v +1 i,j = w. v i,j + c 1. r 1 (Pbes i,j x i,j ) + c 2. r 2 (Gbes g,j x i,j ) (10) Pada Persamaan (12), v i,j merupakan kecepaan parikel ke-i pada dimensi ke-j pada ierasi ke-. w merupakan bobo ineria, c 1, c 2 merupakan koefisien akselerasi yang memenuhi kondisi c1 + c2 4, r 1, r 2 merupakan bilangan acak R r[0,1],x i,j merupakan posisi parikel ke-i pada dimensi ke-j pada ierasi ke-, Pbes i,j merupakan posisi erbaik yang dicapai parikel, sedangkan Gbes g,j merupakan posisi erbaik dari seluruh parikel. Banyak varian pengendali bobo inersia elah diperkenalkan oleh para penelii, salah sau dengan menggunakan rumus TVIW (Time Varian Ineria Weigh). Perubahan nilai bobo inersia dilakukan dengan menggunakan rumus pada persamaan (11). w = w min + (w max w min ) max i max (11) Pada Persamaan (11), w min dan w max merupakan baas minimum dan maksimum dari bobo inersia, max dan i merupakan jumlah ierasi maksimum dan
4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1161 ierasi ke-i. Dalam implemenasi PSO, erkadang diemukan parikel memiliki kecenderungan unuk keluar dari ruang baas pencarian. Perlu adanya pembaasan kecepaan, sehingga kecepaan eap berada di dalam baas [v max, v min ]. Hal ersebu dilakukan dengan menggunakan Persamaan (12) (Marini & Walczak, 2015). v minj = v maxj v maxj = k x maxj x minj, k (0,1] (12) 2 Pada persamaan (12), v minj dan v maxj merupakan kecepaan minimum dan maksimum parikel pada dimensi ke -j, sedangkan k merupakan konsana (bilangan random (0,1]). Pendekaan yang diusulkan unuk membaasi kecepaan parikel ke-i dalam j dimensi, berdasarkan pada Persamaan (13) dan (14) (Marini & Walczak, 2015). jika v +1 ij > v maxj maka v +1 ij = v maxj (13) jika v +1 ij < v maxj maka v +1 ij = v maxj (14) Pada Persamaan (13) dan (14) v +1 ij merupakan kecepaan parikel ke-i pada dimensi ke-j pada ierasi ke-( + 1) Seelah dilakukan pembaasan kecepaan, maka akan dilakukan penalizing unuk menganisipasi jika kecepaan, menghasilkan posisi parikel baru di luar baas baas ruang pencarian. Penalizing dilakukan dengan menggunakan persamaan (15). jika v ij + x ij > x maxj aau v ij + x ij < x maxj maka v ij = 0, x ij = Mah. Abs(x ij ) (15) Seiring dengan berubahnya kecepaan, maka erjadi perubahan posisi paikel. yang dapa di hiung dengan persamaan (16): x i,j = x i,j + v i,j (16) Beriku adalah Pseudocode algorime PSO yang erdapa pada Gambar 1 (Cholissodin I., 2016). mulai = 0 inisialisasi parikel(x i,j ),kecepaan(v i,j = 0), hiung finess iap parikel, Pbes i,j = x i,j, dan Gbes g,j do = + 1 updae kecepaan v i,j () updae posisi x i,j () hiung finess iap parikel updae Pbes i,j ()dan Gbes g,j () while (bukan kondisi berheni) selesai Gambar 1. Pseudocode PSO 3. METODOLOGI Pada peneliian ini, dilakukan sudi lieur erkai permasalahan yang diangka, melipui: Komposisi makanan, Hiperensi, Perhiungan Gizi dan algorima PSO. Unuk daa makanan pasien bersumber dari daa yang erdapa pada nurrisurvey dan hps:// Sedangkan daa Pasien yang digunakan dalam peneliian adalah daa Pasien penderia Hiperensi di Klinik Aldifarma Tabiang Padang pada bulan Februari Kandungan gizi makanan yang digunakan adalah kadar kalori, karbohidra, proein, lemak, narium dan kalium. Dilakukan perhiungan kadar kalori porsi makan unuk makan pagi, makan siang, makan malam sera makanan pelengkap1 dan pelengkap2. Pada peneliian ini juga dilakukan evaluasi kesamaan makanan unuk makanan pagi, siang dan malam, sera idak dilakukan evaluasi harga pada makanan. Pada peneiian ini sisem dibangun menggunakan bahasa pemograman Java. 4. PERANCANGAN SISTEM Perancangan sisem secara keseluruhan dapa diliha pada Gambar 2. Pada Gambar 2 dapa diliha bahwa saa sisem dijalankan Pengguna akan memasukkan daa berupa nama, umur, jenis kelamin, bera badan, inggi badan, ingka akifias dan fakor sress. Seelah iu, akan erdapa masukan berupa parameer PSO, yaiu jumlah ierasi, nilai w min dan w max. Seelah iu, akan dihiung kebuuhan gizi dari Pasien. Tahapan selanjunya adalah melakukan penyimpanan dari basis daa ke dalam array berupa nilai gizi dari seiap jenis makanan. Langkah selanjunya adalah melakukan proses pencarian rekomendasi makanan dengan menggunakan meode PSO. Seelah iu, akan dilakukan perubahan dari kode parikel dengan nama dan kandungan gizi makanan yang sudah ersimpan di basis daa. Proses ini dilakukan dengan cara menyamakan kode indeks yang ada pada basis daa dengan kode indeks yang dihasilkan algorime PSO. Sehingga didapakan hasil keluaran berupa rekomendasi makanan yang dapa dibaca oleh
5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1162 Pengguna. Gambar 2 Perancangan Sisem 3.1. Menghiung Kebuuhan Gizi Pasien Daa yang dibuuhkan dalam menghiung kebuuhan gizi Pasien berupa daa umur, bera badan dalam ukuran kg, inggi badan dalam ukuran cm, jenis kelamin, ingka akifias, ingka fakor sress, dan ingka ekanan darah. Adapun conoh permasalahan yang akan diselesaikan secara manual adalah sebagai beriku. Terdapa Pasien dengan nama Ny. NN dengan umur 41 ahun, memiliki bera badan 44 kg, inggi badan 153 cm, berjenis kelamin perempuan memiliki pekerjaan PNS dan ekan darah 150/100 mmhg. Tahapan perama yang dilakukan adalah melakukan perhiungan IMT. dengan menggunakan Persamaan (1), seperi beriku. IMT = Mulai Daa Pasien, Parameer PSO Hiung Kebuuhan gizi Pasien Melakukan Penyimpanan basis daa yang berisi gizi dari makanan ke dalam array Algorime PSO Proses Perubahan Kode Parikel dengan Nama dan kandungan gizi makanan yang sudah ersimpan di Basis Daa Rekomendasi Komposisi Makanan Selesai 44 kg 1,53 m 1,53 m = 18,7962 Berdasarkan hasil yang didapakan menyaakan Pasien ersebu ermasuk kaegori bera badan normal. Tahapan selanjunya adalah melakukan perhiungan AMB. dengan menggunakan Persamaan (4) AMB = (9,6 44 kg) + (1,8 153 cm) (4,7 41) = 1160 Seelah didapakan AMB (Angka Meabolisme Basal), ingka fakor akifias dan ingka fakor sress, maka dihiung oal kalori harian dari Pasien. Perhiungan oal kalori harian Pasien dilakukan dengan menggunakan rumus yang erdapa pada Persamaan (2.5). Toal Kalori = = 2337,6015 Kkal Tahapan selanjunya adalah melakukan perhiungan karbohidra, proein dan lemak dengan menggunakan rumus yang erdapa pada Persamaan 2.6 sampai 2.8 secara beruruan. Karbo = 65% = 1519,44 Kkal Proein = 15% = 350,64 Kkal Lemak = 20% = 467,5203 Kkal Dari perhiungan di aas maka didapakan kadar karbohidra sebesar 1519,44 Kkal. Kadar proein sebesar 350,64 Kkal. Kadar lemak sebesar 467,5203 Kkal. Hasilnya dilakukan konversi daa ke dalam g. Dari hasil konversi ersebu, maka nilai kadar karbohidra yang didapa adalah 379,86 g, kadar proein adalah 87,66 g dan kadar lemaknya adalah 51,9467 g. Langkah selanjunya adalah melakukan perhiungan pembagian porsi makan perharinya dari oal kalori yang didapakan. Conoh perhiungannya dapa dilakukan seperi beriku ini. Kalori Makan Pagi = 20% 2337,6015 = 467,5203 Kkal Kalori Makan Siang = 30% 2337,6015 = 701,2805 Kkal Kalori Makan Malam = 30% 2337,6015 = 701,2805 Kkal Kalori Makanan Pelengkap1 = 10% 2337,6015 = 233,7602 Kkal Kalori Makanan Pelengkap2 = 10% 2337,6015 = 233,7602 Kkal Dari perhiungan di aas maka didapakan kalori makan pagi sebesar 467,5203 Kkal, kalori pada makanan pelengkap1 sebesar 233,7602 Kkal, kalori pada makan siang sebesar 701,2805 Kkal, kalori pada makanan pelengkap2 sebesar 233,7602 Kkal dan kalori pada makan malam sebesar 701,2805 Kkal Penyelesaian Menggunakan Algorime PSO Pada Sub bab ini akan dijelaskan mengenai penyelesaian masalah menggunakan algorime PSO. Tahapan perhiungannya melipui membangun populasi awal, inisialisasi kecepaan awal, menghiung finess dari seiap parikel, menenukan pbes, menenukan gbes, memperbaharui kecepaan parikel dan memperbaharui posisi parikel.
6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1163 Pembangunan populasi awal digunakan unuk menenukan represenasi awal posisi dari seiap parikel. Represenasi yang digunakan adalah nilai dari indeks seiap jenis makanan yang erdapa pada basis daa. Represenasi dibangkikan secara acak dengan menggunakan rumus yang erdapa pada Persamaan (9). Nilai x max didapakan dari nilai indeks erbesar pada masing-masing jenis makanan. Sedangkan nilai x min didapakan dari nilai erkecil index pada masing-masing jenis makanan. Dimensi parikel yang digunakan pada permasalahan ini berjumlah 14. Jumlah dimensi parikel ersebu merupakan jumlah frekuensi makan yang akan dikonsumsi perharinya. Jumlah frekuensi makan yang akan dikonsumsi perharinya sebanyak iga porsi, yaiu: makan pagi, makan siang, makan malam. Makan pagi dan makan siang berisi masing-masingnya makanan pokok, nabai, hewani, sayuran, dan pelengkap. Sedangkan unuk makan malam hanya berisi makanan pokok, nabai, hewani, sayuran, anpa adanya makanan pelengkap. Unuk lebih jelasnya, desain represenasi parikel awal yang digunakan dapa diliha pada Tabel 1. Tabel 1 Represenasi Awal Parikel Makan Pagi P1 Makan Siang P2 Makan Malam Po Na He S P Po Na He S P Po Na He S j1 j2 j3 j4 j5 j6 j7 j8 j9 j10 j11 j12 j13 j14 xi() Pada Tabel 1, P1 merupakan makanan pelengkap ke-1, P2 merupakan makanan pelengkap ke-2, Po merupakan makanan pokok, Na merupakan makanan sumber proein nabai, He merupakan makanan sumber proein hewani, S merupakan sayuran dan P merupakan makanan pelengkap. Represenasi seiap parikel yang digunakan menunjukkan pembagian makan selama sau hari, yaiu: makan pagi, makan siang dan makan malam. j1 sampai dengan j14 merupakan dimensi dari parikel, dimensi parikel ersebu menunjukkan indeks jenis makanan. Unuk j1, j6 dan j11 merepresenasikan indeks dari makanan pokok. j2, j6 dan j11 merepresenasikan indeks dari makanan sumber proein nabai. j3, j7 dan j12 merepresenasikan indeks dari makanan sumber proein hewani. j4, j9 dan j13 merepresenasikan indeks dari sayuran. Sedangkan j9 dan j14 merepresenasikan indeks dari makanan pelengkap. Seelah dilakukannya pembangunan populasi awal, langkah selanjunya adalah menghiung finess dari seiap parikel. Perhiungan finess memerlukan masukan berupa nilai posisi, jumlah parikel, jumlah dimensi, gizi Pasien sera nilai gizi dari makanan pokok, sumber proein nabai, sumber proein hewani, sayuran dan pelengkap. Seelah iu, akan dilakukan perhiungan penali dari seiap nilai gizi dan porsi dan variasi makanan yang didapakan. Dari hasil pinali dan variasi yang elah didapakan, maka dapa dihiung nilai finess-nya. Rumus pehiungan finess dapa diliha pada Persamaan (17). finess = ( 1 pinali C1) + Variasi (17) Pada persamaan (17), pinali merupakan oal pinali, C1 merupakan konsana penyeimbang pinali porsi makan, yaiu 10 8, Variasi merupakan jumlah banyaknya kombinasi makanan yang berbeda perjenis makanannya. Proses perhiungan penali yang dilakukan berupa, oal gizi yaiu: kalori, karbohidra, lemak, proein, garam, kalium dan kalori dari makan pagi, makan siang, makan malam, makanan pelengkap1 dan makanan pelengkap2. Toal penali dan porsi ini, dihiung dengan menggunakan rumus pada Persamaan (18). pinali = Kalori + Karbohidra + Proein + Lemak + Garam + Kalium + Kalori Makan Pagi + Kalori Makanan Pelengkap1 + Kalori Makan Siang + Kalori Makanan Pelengkap2 + Kalori Makan malam (18) Hasil pada Persaman (18), didapakan dari selisih dari hasil gizi dan porsi makan pasien dengan hasil gizi dan porsi rekomendasi makanan hasil algorime PSO. Seelah iu akan dilakukan proses penenuan pbes dan gbes. Hasil pbes didapa dengan cara membandingkan nilai finess anara parikel ke-i pada ierasi sekarang dengan ierasi sebelumnya. Nilai finess yang paling inggi, maka posisi dari parikelnya akan menjadi pbes. Sedangkan hasil gbes didapakan dengan membandingkan nilai finesspbes anara parikel ke-i dengan seluruh parikel. Nilai finess yang paling inggi, maka posisi dari parikelnya akan menjadi gbes. Seelah ierasi 1, maka akan dilakukan perbaharuan kecepaan. Seelah iu, hasil kecepaan akan dilakukan proses pembaasan kecepaan dan penalizing. Langkah ersebu dapa dilakukan dengan menggunakan Persamaan (10) sampai (15). Selanjunya akan
7 Raa-Raa Finess Raa-Raa Finess Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1164 dilakukan perbaharuan posisi dengan menggunakan Persamaan (16). Langkah selanjunya dilanjukan menghiung finess, peneuan pbes dan gbes dan diulangi kembali dengan perbaharuan kecepaan dan posisi sampai dengan baas ierasi maksimum yang dienukan. Unuk flowchar penggunaan algorime PSO pada sisem dapa diliha pada Gambar 3. Gambar 3 Flowchar Algorime PSO 5. PENGUJIAN Mulai jml_parikel, dimensi, iermax, c1, c2, wmin, wmax, gizi[], makanan_pokok[][], sumber_nabai[][], sumber_hewani[][], sayuran[][], pelengkap[][] Tidak ierasi = 0 Membangun Populasi Awal Inisialisasi Kecepaan Awal ierasi >=1 Selesai 5.1. Pengujian Jumlah Ierasi Pengujian banyaknya ierasi dilakukan unuk mengeahui jumlah ierasi yang dapa menghasilkan solusi erbaik. Pengujian jumlah ierasi dilakukan 10 kali unuk masing-masing Ya Perbaharui Kecepaan Parikel Perbaharui Posisi Parikel Hiung Finess Tenukan Pbes Tenukan Gbes ierasi++ ierasi <= iermax Tidak Posisi[][], finess[], v[][], pbes[], finesspbes[] gbes[] Ya jumlah ierasi. Parameer yang digunakan dalam pengujian adalah adalah jumlah parikel sebesar 50 dengan nilai w min dan w max sebesar 0,4 dan 0,9. Unuk grafik hasil pengujian jumlah parikel yang erdapa pada Gambar , , , , ,8 Gambar 4 Grafik Hasil Pengujian Ierasi Pada Gambar 4, dapa disimpulkan bahwa semakin besar jumlah ierasi yang diujikan, maka semakin besar pula nilai raa-raa finess yang dihasilkan. Dari Gambar 4 ersebu, juga dapa diliha raa-raa nilai finess mulai menunjukkan hasil yang konvergen pada ierasi ke-130, dengan nilai raa-raa finess sebesar Hal ersebu dikarenakan hasil nilai raa-raa finess pada ierasi selanjunya idak menujukkan peningkaan yang signifikan Pengujian Jumlah Parikel , , , Jumlah Ierasi Jumlah Ierasi Pengujian jumlah parikel dilakukan 10 kali unuk masing-masing jumlah parikel. Parameer yang digunakan pada pengujian ini adalah jumlah ierasi sebesar 50 dengan nilai w min dan w max sebesar 0,4 dan 0,9. Unuk grafik pengujian jumlah parikel yang erdapa pada Gambar , , , , , , , Jumlah Parikel Jumlah Parikel Gambar 5 Grafik Hasil Pengujian Jumlah Parikel Pada Gambar 5, dapa disimpulkan bahwa semakin besar jumlah parikel yang diuji, maka semakin besar pula nilai raa-raa finess yang dihasilkan. Dari Gambar 5 ersebu, juga dapa diliha raa-raa nilai finess mulai menunjukkan hasil yang konvergen pada parikel ke-100 dengan nilai raa-raa finess
8 Raa-Raa Finess Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1165 sebesar Hal ersebu dikarenakan hasil nilai raa-raa finess pada parikel selanjunya idak menujukkan peningkaan yang signifikan Pengujian Nilai w min dan w max Pada pengujian ini nilai renang yang digunakan anara 0,4 sampai 0,9. Nilai renang ini elah erbuki dapa menghasilkan nilai solusi yang mendekai opimum dari beberapa solusi (Shi, Y., e. al., 1999). Parameer yang digunakan adalah jumlah ierasi sebesar 130 dan jumlah parikel sebesar 100. Unuk grafik hasil pengujian nilai w min dan w max dapa diliha pada Gambar , ,94 Gambar 6 Grafik Hasil Pengujian Nilai w min dan w max Pada Gambar 6 dapa disimpulkan bahwa raa-raa nilai finess erbaik berada pada nilai 0,4 unuk w min dan 0,5 unuk w max. Alasannya adalah nilai w min dan w max ersebu, memiliki nilai raa-raa finess yang paling inggi, yaiu sebesar , Analisa Pengujian Sisem , , ,58 0.4; ; ; ; ;0.9 Nilai wmin dan wmax Nilai wmin dan wmax Pada pengujian ini dilakukan perhiungan selisih anara hasil rekomendasi makanan sisem dengan gizi yang dimiliki oleh pasien. Hal ini digunakan unuk meliha oleransi kesalahan yang dimiliki sisem. Baasan oleransi yang diperbolehkan unuk sisem yaiu sebesar ±10%. Pada pengujian ini, pameer algorime yang digunakan berdasarkan hasil pengujian yang elah dilakukan sebelumnya, yaiu: jumlah ierasi sebesar 130, jumlah parikel sebesar 100 dengan nilai w min dan w max sebesar 0,4 dan 0,5. Jumlah kasus uji yang akan diujikan sebanyak 5 Pasien. Beriku adalah hasil sisem dari salah sau pasien dengan nama Tn. SA, umur 60 ahun, bera badan 65 kg, inggi badan 161,9 cm, berjenis kelamin Pria, Memiliki ekanan darah 180/110 mm Hg. Hasil dari sisem dapa diliha pada Gambar 8. Gambar 7 Tampilan Sisem Dari Gambar 8. dapa diliha Pasien memiliki kebuuhan gizi, yaiu: kalori sebesar 2595,75 Kkal. Karbohidra sebesar 421,81 g. Proein sebesar 97,34 g. Lemak sebesar 57,68 g. Narium sebesar 200 mg. Kalium sebesar 2000 mg. Sedangkan Kebuuhan porsi yaiu: makan pagi sebesar 519,15 Kkal. Makanan pelengkap1 dan pelengkap2 masingmasingnya sebesar 259,575 Kkal. Makanan siang dan malam masing-masingnya sebesar 778,725 Kkal.. Hasil persenase selisih makanan dari hasi ersebu dapa diliha pada Tabel 2. Tabel 2 Hasil Presenase Selisih Makanan Kalori (Kkal) Karbo (g) Gizi Proei n (g) L (g) Na (mg) Kalium {mg} Porsi Makan Pagi P1 S P2 M (Kkal) (Kkal) (Kkal) (Kkal) (Kkal) Gizi 2044,9 332,3 76,7 Pasien 45, ,5 644,2 204,5 644,2 Hasil Sise 2090, ,2 47, ,7 449,6 198,8 621,85 207,5 612,4 m % Selisih 2,2% 3,82% 8,46% 3,98%0,4% 0,17% 9,9% 2,8% 3,5% 1,5% 4,9% Gizi Berdasarkan Tabel 2 dapa diliha bahwa hasil persenase selisih unuk gizi makanan berupa kalori adalah 2,2%. Karbohidra sebesar 3,82%. Proein sebesar 8,46%. Lemak sebesar 3,98%. Narium sebesar 0,4%. Kalium sebesar 0,17%. Sedangkan unuk porsi makan, yaiu: Makan pagi sebesar 9,9%. Makanan pelengkap1 sebesar 10%. Makan siang sebesar 2,8%. Makanan pelengkap2 sebesar 3,5%. Makan malam sebesar 1,5%. Dari keseluruhan persenase selisih gizi dan porsi makan dapa diarik kesimpulan, bahwa raa-raa selisihnya adalah 4,9%, yang mana dapa memenuhi oal baas oleransi yang diberikan. Dari keseluruhan 4 kasus uji yang dilakukan, maka disimpulkan bahwa sisem ini dapa memenuhi kebuuhan rekomendasi komposisi makanan unuk penderia Hiperensi, dengan baas selisih oleransi yang di dapa dari
9 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1166 keseluruhan dapa mencapai ±5%. 6. KESIMPULAN Berdasarkan hasil pengujian maka didapakan kesimpulan sebagai beriku: 1. Represenasi parikel dilakukan berdasarkan dari indeks dari seiap jenis makanan yang ada pada basis daa. Represenasi parikel ersebu memiliki jumlah dimensi sebesar 14. Jumlah dimensi parikel ersebu merupakan frekuensi makan yang akan dikonsumsi perharinya. Jumlah frekuensi makan yang akan dikonsumsi perharinya erdiri dari iga porsi, yaiu: makan pagi, makan siang, makan malam, dimana makan pagi dan makan siang berisi masingmasingnya makanan pokok, nabai, hewani, sayuran, dan pelengkap. Sedangkan unuk makan malam, hanya berisi makanan pokok, nabai, hewani, sayuran, anpa adanya makanan pelengkap. 2. Berdasarkan pengujian yang elah dilakukan erhadap beberapa parameer algorime PSO, yaiu: jumlah ierasi, jumlah parikel, nilai w min dan w max. Didapakan hasil parameer berupa jumlah ierasi sebesar 130, dengan hasil raa-raa finess didapakan sebesar ,4. Jumlah parikel sebesar 100 parikel, dengan hasil raa-raa finess didapakan sebesar ,4. Nilai w min sebesar 0,4 dan w max sebesar 0,7, dengan hasil raa-raa finess didapakan sebesar ,4. 3. Hasil dari pengujian yang sudah dilakukan dilakukan, menyaakan bahwa sisem dapa memenuhi kebuuhan gizi dan porsi makan Pasien Hiperensi, berdasarkan 1 sampai 4 kasus yang diuji dengan selisih yang raaraa secara keseluruhan mencapai ±5%, yang mana idak melebihi baas oleransi yang dieapkan yaiu ±10%. REFERENSI Bai, Q Analysis of Paricle Swarm Opimizaion Algorihm. Compuer and Informaion Science, Vol.3, No.1. G. Omran, M., P. Engelbrech, A. & Salman A Image Classificaion Using Paricle Swarm Opimizaion. Journal of Elecronic Imaging, Ch. 19. Elianara, F., Cholissodin, I. & Indriai Opimasi Pemenuhan Kebuuhan Gizi Keluarga Menggunakan Paricle Swarm Opimizaion. DORO: Reposiory Jurnal Mahasiswa PTIIK Universias Brawijaya Yulfiandi, Zilfikri R., Eka, DIan R., Arwan, A., Opimasi Komposisi Makanan Unuk Ale Endurance Menggunakan Meode Paricle Swarm Opimizaion. Jurnal Teknologi Informasi dan Ilmu Kompuer (JTIIK),Vol.3, No.2, pp Allhussein, M., Irzaa, Syed H., Improved Paricle Swarm Opimizaion Based on Velociy Clamping and Paricle Penalizaion. Journal of Compuer Science IEEE. Dorigo, M., Biraari, M., Li, X., López-Ibáñez, M., Ohkura, K., Pinciroli, C., Süzle, Th Swarm Inelligence. 10h Inernaional Conference, ANTS 2016, Brussels, Belgium. Shi, Y., C., Russell, E., Empirical Sudy of Paricle Swarm Opimizaion. Journal of Evoluionary Compuaion IEEE, vol. 3, pp Cholissodin, I., Dasar-Dasar Algorima PSO. Tersedia di <hp://imamcs.lecure.ub.ac.id/> [Diakses 5 April 2017] WHO, Hyperension Meaning and Cause. F. Marini, B. Walczak, Finding Relevan Clusering Direcions in High- Dimensional Daa Using Paricle Swarm Opimizaion, J. Chemomer Tersedia di <hps:// [Diakses 1 Mare 2017] Ganesan, Mohankumar.G, Ganesan.K, Ramesh Kumar.K (2011). Opimizaion of Machining Parameers In Turning Process Using Geneic Algorihm And Paricle Swarm Opimizaion Wih Experimenal Verfificaion. Inernaional Journal of Engineering Science and Technology (IJEST), Vol. 3: pp Anonim Survei Kesehaan AIA: Pola Hidup Masyaraka Indonesia Terburuk di Asia Pasifik. Almasier, S., Penunun Die: Edisi Baru. Jakara: PT. Ikrar Mandiriabadi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer Vol. 2, No. 5, Mei 2018, hlm. 1856-1865 e-issn: xxx-xxx hp://j-piik.ub.ac.id Klasifikasi Keminaan Menggunakan Algorime Exreme Learning Machine dan
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciOptimasi Fuzzy Time Series Menggunakan Algoritma Particle Swarm Optimization Untuk Peramalan Jumlah Penduduk Di Kabupaten Probolinggo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: 2548-964X Vol. 2, No. 8, Agusus 218, hlm. 2791-2799 hp://j-piik.ub.ac.id Opimasi Fuzzy Time Series Menggunakan Algorima Paricle Swarm Opimizaion
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 842-848 hp://j-piik.ub.ac.id Opimasi Muliple Travelling man Problem Pada Pendisribusian Air Minum
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciOptimasi Support Vector Regression (SVR) Menggunakan Algoritma Improved-Particle Swarm Optimization (IPSO) untuk Peramalan Curah Hujan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn : 2548-964X Vol. 1, No. 11, November 217, hlm. 1142-1151 hp://j-piik.ub.ac.id Opimasi Suppor Vecor Regression (SVR) Menggunakan Algorima
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciPenentuan Kelayakan Lokasi Wifi.Id Corner Dengan AHP-PSO (Studi Kasus: Telkom Kota Kediri)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 21-28 hp://-piik.ub.ac.id Penenuan Kelayakan Lokasi Wifi.Id Corner Dengan AHP-PSO (Sudi Kasus:
Lebih terperinciBAB 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 terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinci1.4 Persamaan Schrodinger Bergantung Waktu
.4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciKLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK
KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS Wulan Fain Nasyuha¹, Husaini 2 dan Mursyidah 3 1,2,3 Teknologi Informasi dan Kompuer, Polieknik Negeri Lhokseumawe, Jalan banda Aceh-Medan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: ( Print) D-108
JURNAL TEKNIK POMITS Vol., No., (013) ISSN: 337-3539 (301-971 Prin) D-108 Simulasi Peredaman Gearan Mesin Roasi Menggunakan Dynamic Vibraion Absorber () Yudhkarisma Firi, dan Yerri Susaio Jurusan Teknik
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciMODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH)
Journal Indusrial Servicess Vol. No. Okober 0 MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Abdul Gopar ) Program Sudi Teknik Indusri Universias
Lebih terperinciBab IV Pengembangan Model
Bab IV engembangan Model IV. Sisem Obyek Kajian IV.. Komodias Obyek Kajian Komodias dalam peneliian ini adalah gula pasir yang siap konsumsi dan merupakan salah sau kebuuhan pokok masyaraka. Komodias ini
Lebih terperinciHUMAN CAPITAL. Minggu 16
HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciPenduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar
Kumpulan Makalah Seminar Semiraa 013 Fakulas MIPA Universias Lampung Penduga Daa Pada Rancangan Bujur Sangkar Lain Dasar Idhia Sriliana Jurusan Maemaika FMIPA UNIB E-mail: aha_muflih@yahoo.co.id Absrak.
Lebih terperinciBAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian Demografi Keadaan penduduk sanga era kaiannya dengan demografi. Kaa demografi berasal dari bahasa Yunani yang berari Demos adalah rakya aau penduduk,dan Grafein adalah
Lebih terperinciKLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5)
KLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5) Dwi Seyowai, Yuliana Susani, Supriyadi Wibowo Program Sudi Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Poensi sumberdaya perikanan, salah saunya dapa dimanfaakan melalui usaha budidaya ikan mas. Budidaya ikan mas yang erus berkembang di masyaraka, kegiaan budidaya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciJurnal Edik Informatika. Peramalan Kebutuhan Manajemen Logistik Pada Usaha Depot Air Minum Isi Ulang Al-Fitrah
Jurnal Edik Informaika Peneliian Bidang Kompuer Sains dan Pendidikan Informaika V.i(5-4) Peramalan Kebuuhan Manajemen Logisik Pada Usaha Depo Air Minum Isi Ulang Al-Firah Henny Yulius, Islami Yei Universias
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA)
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) I Wayan Supriana Program Pascasarjana Ilmu Kompuer Fakulas MIPA Universias Gadjah Mada
Lebih terperinciEFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH TERHADAP KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP N 3 SEWON. Oleh: Nurul Hidayati
EFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH TERHADAP KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP N 3 SEWON Oleh: Nurul Hidayai Mahasiswa S1 Pendidikan Maemaika, Fakulas Keguruan dan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan
BAB III METODOLOGI PENELITIAN A. Jenis dan Desain Peneliian Peneliian ini adalah peneliian Quasi Eksperimenal Design dengan kelas eksperimen dan kelas conrol dengan desain Prees -Poses Conrol Group Design
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciBAB 2 TINJAUAN TEORITIS. bahasa Yunani yang berarti Demos adalah rakyat atau penduduk, dan Grafein adalah
37 BAB 2 TINJAUAN TEORITIS 2.1 Pengerian-pengerian Kependudukan sanga era kaiannya dengan demgrafi. Kaa demgrafi berasal dari bahasa Yunani yang berari Dems adalah rakya aau penduduk, dan Grafein adalah
Lebih terperinciADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI
ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI Yusep Suparman Universias Padjadjaran yusep.suparman@unpad.ac.id ABSTRAK.
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciTINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI. Oleh:
Arikel Skripsi TINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI Diajukan Unuk Memenuhi Sebagian Syara Guna Memperoleh Gelar Sarjana Pendidikan
Lebih terperinciBAB I PENDAHULUAN. salad ke piring setelah dituang. Minyak goreng dari kelapa sawit juga memiliki sifat
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam kehidupan sehari hari kia biasa menjumpai produk makanan yang sifanya kenal. Sebagai conoh produk mayonaisse yang diambahkan pada salad. Viskosias (kekenalan)
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciPERHITUNGAN PARAMETER DYNAMIC ABSORBER
PERHITUNGAN PARAMETER DYNAMIC ABSORBER BERBASIS RESPON AMPLITUDO SEBAGAI KONTROL VIBRASI ARAH HORIZONTAL PADA GEDUNG AKIBAT PENGARUH GERAKAN TANAH Oleh (Asrie Ivo, Ir. Yerri Susaio, M.T) Jurusan Teknik
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciProyeksi Penduduk Provinsi Riau Menggunakan Metode Campuran
Saisika, Vol. 10 No. 2, 129 138 Nopember 2010 Proyeksi Penduduk Provinsi Riau 2010-2015 Menggunakan Meode Campuran Ari Budi Uomo, Yaya Karyana, Tei Sofia Yani Program Sudi Saisika, Universias Islam Bandung
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan pada kasus pengolahan ikan asap IACHI Peikan Cia Halus (PCH) yang erleak di Desa Raga Jaya Kecamaan Ciayam, Kabupaen Bogor,
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciBab II Dasar Teori Kelayakan Investasi
Bab II Dasar Teori Kelayakan Invesasi 2.1 Prinsip Analisis Biaya dan Manfaa (os and Benefi Analysis) Invesasi adalah penanaman modal yang digunakan dalam proses produksi unuk keunungan suau perusahaan.
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Waku dan Tempa Peneliian ini dilaksanakan pada bulan November hingga Desember 2009 di Laboraorium Teknik Produksi dan Manajemen Akuakulur, Deparemen Budidaya Perairan, FPIK-IPB.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1. Model Rumusan Masalah dan Pengambilan Kepuusan Model rumusan masalah dan pengambilan kepuusan yang digunakan dalam menyelesaikan skripsi ini dimulai dari observasi lapangan
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekaan Peneliian Jenis peneliian yang digunakan dalam peneliian ini adalah peneliian evaluasi dan pendekaannya menggunakan pendekaan kualiaif non inerakif (non
Lebih terperincipost facto digunakan untuk melihat kondisi pengelolaan saat ini berdasarkan
3. METODE PENELITIAN 3.1. Pendekaan dan Meode Peneliian Jenis peneliian yang digunakan adalah jenis peneliian kualiaif dengan menggunakan daa kuaniaif. Daa kualiaif adalah mengeahui Gambaran pengelolaan
Lebih terperinciMETODE PENELITIAN. Penelitian dilakukan pada bulan Februari-April 2015, bertempat di
III. METODE PENELITIAN 3.1 Waku dan Tempa Peneliian Peneliian dilakukan pada bulan Februari-April 2015, berempa di Laboraorium Perikanan Program Sudi Budidaya Perairan Fakulas Peranian Universias Lampung.
Lebih terperinciPERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1
PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciPENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 2012/2013
Jurnal Lensa Kependidikan Fisika Vol. 1 Nomor 1, Juni 13 ISSN: 338-4417 PENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 1/13
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinci3. Kinematika satu dimensi. x 2. x 1. t 1 t 2. Gambar 3.1 : Kurva posisi terhadap waktu
daisipayung.com 3. Kinemaika sau dimensi Gerak benda sepanjang garis lurus disebu gerak sau dimensi. Kinemaika sau dimensi memiliki asumsi benda dipandang sebagai parikel aau benda iik arinya benuk dan
Lebih terperinciBAB I PENDAHULUAN. Perekonomian dunia telah menjadi semakin saling tergantung pada
BAB I PENDAHULUAN A. Laar Belakang Masalah Perekonomian dunia elah menjadi semakin saling erganung pada dua dasawarsa erakhir. Perdagangan inernasional merupakan bagian uama dari perekonomian dunia dewasa
Lebih terperinciBAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan
BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus
Lebih terperinciIII. METODE PENELITIAN. Usahatani belimbing karangsari adalah kegiatan menanam dan mengelola. utama penerimaan usaha yang dilakukan oleh petani.
III. METODE PENELITIAN A. Konsep Dasar dan Definisi Operasional Usahaani belimbing karangsari adalah kegiaan menanam dan mengelola anaman belimbing karangsari unuk menghasilkan produksi, sebagai sumber
Lebih terperinciANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ)
hp://jurnal.upnyk.ac.id/index.php/opsi OPSI Jurnal Opimasi Sisem Indusri ANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ) Ahmad Muhsin, Ichsan Syarafi Jurusan
Lebih terperinciPerencanaan Sistem Pendukung Keputusan Untuk Peningkatan Produktivitas
Perencanaan Sisem Pendukung Kepuusan Unuk Peningkaan Produkivias Abdurrozzaq Hasibuan Jurusan Teknik Indusri, Fakulas Teknik, UISU Jln. Sisingamangaraja Telp. 7869920 Teladan Medan Email : rozzaq@uisu.ac.id
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI
Seminar Nasional Informaika PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D Manajemen Informaika, STMIK Poensi Uama evrie9@gmail.com
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciMODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA TERAPAN (2 sks)
Polieknik Negeri Banjarmasin 4 MODUL PERTEMUAN KE 3 MATA KULIAH : ( sks) MATERI KULIAH: Jarak, Kecepaan dan Percepaan; Gerak Lurus Berauran, Percepaan; Gerak Lurus Berauran, Gerak Lurus Berubah Berauran
Lebih terperinciFIsika KTSP & K-13 KINEMATIKA. K e l a s A. VEKTOR POSISI
KTSP & K-13 FIsika K e l a s XI KINEMATIKA Tujuan Pembelajaran Seelah mempelajari maeri ini, kamu diharapkan mampu menjelaskan hubungan anara vekor posisi, vekor kecepaan, dan vekor percepaan unuk gerak
Lebih terperinciAnalisis Gerak Osilator Harmonik Dengan Gaya pemaksa Bebas Menggunakan Metode Elemen Hingga Dewi Sartika junaid 1,*, Tasrief Surungan 1, Eko Juarlin 1
Analisis Gerak Osilaor Harmonik Dengan Gaya pemaksa Bebas Menggunakan Meode Elemen Hingga Dewi Sarika junaid 1,*, Tasrief Surungan 1, Eko Juarlin 1 1 Jurusan Fisika FMIPA Universias Hasanuddin, Makassar
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI
Seminar Nasional Informaika 24 PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D3 Manajemen Informaika, STMIK Poensi Uama
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi
Lebih terperinciSISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal Informaika Polinema ISSN: 2407-070X SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING Mansyur, Erfan Rohadi Program Sudi Teknik Informaika,
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciIII METODE PENELITIAN
III METODE PENELITIAN 3.1 Waku dan Tempa Peneliian Peneliian mengenai konribusi pengelolaan huan rakya erhadap pendapaan rumah angga dilaksanakan di Desa Babakanreuma, Kecamaan Sindangagung, Kabupaen Kuningan,
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciPENJADWALAN PEMBUATAN BOX ALUMININUM UNTUK MEMINIMUMKAN MAKESPAN (Studi Kasus di Perusahaan Karoseri ASN)
B PENJADWALAN PEMBUATAN BOX ALUMININUM UNTUK MEMINIMUMKAN MAKESPAN (Sudi Kasus di Perusahaan Karoseri ASN) Firiya Gemala Dewi, Bobby O.P. Soepangka, Nurhadi Siswano Program Pasca Sarjana Magiser Manajemen
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1 Waku dan Lokasi Peneliian Peneliian ini dilakukan pada bulan Juni hingga Juli 2011 yang berlokasi di areal kerja IUPHHK-HA PT. Mamberamo Alas Mandiri, Kabupaen Mamberamo
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Peneliian Keinginan Kelompok Tani Duma Lori yang erdapa di Desa Konda Maloba dan masyaraka sekiar akan berdirinya penggilingan gabah di daerahnya, elah
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciIII. METODE PENELITIAN
23 III. METODE PENELITIAN 3.1 Waku dan Lokasi Peneliian dilaksanakan di iga empa berbeda. Unuk mengeahui ingka parisipasi masyaraka penelii mengambil sampel di RT 03/RW 04 Kelurahan Susukan dan RT 05/RW
Lebih terperinciBAB I PENDAHULUAN. Suatu negara yang memutuskan untuk menempuh kebijakan hutang
BAB I PENDAHULUAN A. Laar Belakang Masalah Suau negara yang memuuskan unuk menempuh kebijakan huang luar negeri biasanya didasari oleh alasan-alasan yang dianggap rasional dan pening. Huang luar negeri
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Teoriis 3.1.1 Daya Dukung Lingkungan Carrying capaciy aau daya dukung lingkungan mengandung pengerian kemampuan suau empa dalam menunjang kehidupan mahluk hidup secara
Lebih terperinci