APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
|
|
- Yanti Makmur
- 6 tahun lalu
- Tontonan:
Transkripsi
1 APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Siar Terag Abadi ) Nama Mahasiswa : Bagus Suryo Adi Utomo NRP : Jurusa : Matematika Dose Pembimbig : Drs. I Gst Ngr Rai Usadha, M.Si Abstrak Fuzzy Liear Programmig adalah metode Liear Programmig yag diaplikasika dalam ligkuga fuzzy. Dalam peilitia tugas akhir ii metode Fuzzy Liear Programmig aka diaplikasika pada PT. Surya Jaya Abadi. Perusahaa tersebut memproduksi lampu dimaa dalam proses produksiya terdapat kedala-kedala seperti kapasitas mesi da keterbatasa waktu. Utuk itu dibuat suatu model agar hasil produksi perusahaa optimal dega tetap memperhatika kedala produksi. Pada tugas akhir ii, peulis memafaatka software TORA da Lido utuk meyelesaika model yag dibetuk dari Fuzzy Liear rogrammig. Peerapa Fuzzy Liear Programmig pada peelitia ii didapatka hasil total produk yag baik sebesar uit produk dega ilai lamda sebesar λ = Hasil ii lebih optimal jika dibadigka dega Liear Programmig biasa yag haya meghasilka produk sebesar uit produk da perusahaa dapat memeuhi semua type lampu yag diorder. Keywords: Fuzzy liear programmig; liear programmig; fuzzy. I. PENDAHULUAN Saat ii merupaka jama dimaa setiap perusahaa ditutut utuk dapat bergerak dega cepat, efektif, da efisie. Peilaia keberhasila suatu perusahaa dapat dilihat dari kualitas da kuatitas produk yag dihasilka oleh perusahaa tersebut. Apabila suatu perusahaa mampu membuat suatu produk yag baik da dapat memeuhi order permitaa maka perusahaa tersebut dapat dikataka berhasil. Oleh karea itu setiap perusahaa selalu diperluka suatu pegoptimala dalam meghasilka produk yag baik utuk dapat dipasarka, dimaa dalam hal produksi tersebut harus memperhatika sumber daya yag tersedia seperti kapasitas mesi da waktu. PT. Siar Jaya Abadi merupaka perusahaa yag memproduksi lampu terutama Icadescet Lamp. Perusahaa ii bersifat job order dimaa perusahaa aka mempoduksi lampu sesuai dega pesaa dari kosume. Pada perusahaa ii memiliki satu lie produksi yag mampu memproduksi berbagai macam type produk dega waktu kerja 24 jam perhari da kapasitas mesi yag terbatas utuk semua produk tersebut. Ada beberapa kedala yag harus dipertimbagka utuk medapatka hasil yag optimal, kedala-kedala tersebut diataraya kapasitas mesi, waktu utuk produksi da jumlah produk yag diorder. Selai itu masalah yag ada dalam produksi serigkali tidak dapat dipecahka da dimodelka secara pasti da jelas. Diperluka adaya suatu rage tolerasi agar produksi dapat berjala dega baik dimaa peetua tersebut ditetuka pula oleh faktor mausia dega subyektivitasya dalam memadag suatu permasalaha. 2 TINJAUAN PUSTAKA 2. Studi Dari Peelitia Sebelumya Peeliti sebelumya (Ramadhai,2008) megguaka metode liear programmig utuk mecari ilai optimal dari suatu model matematis. Peulis megguaka liear programmig utuk memiimalisasi pemutusa hubuga kerja. Pada tugas akhir kali ii aka dibahas pegguaa metode Fuzzy Liear Programmig utuk meyelesaika permasalaha dalam megoptimalka produksi pada perusahaa lampu.
2 2.2 Himpua Fuzzy Himpua fuzzy atau fuzzy set adalah sebuah himpua yag didalamya terdapat eleme yag mempuyai derajat keaggotaa yag berbeda-beda. Ide ii bertolak belakag dega himpua, karea keaggotaa dari himpua tidak aka mejadi aggota kecuali jika keaggotaaya peuh pada himpua ii. Pada himpua tegas (crips), ilai keaggotaa suatu item x dalam himpua A, yag ditulis dega µa(x), memiliki dua kemugkia. Utuk memperjelas perbedaa atara himpua fuzzy da himpua tegas (crips) aka diberi cotoh sebagai berikut. Misalka variable produsi yag aka dibagi mejadi 3 kategori yaitu kecil dega produksi < 500 produk, sedag dega produk atara 500 sampai 3000 da besar dega produksi > 3000 produk. Adapu ilai keaggotaa secara grafis himpua kecil, sedag da besar dapat dilihat pada Gambar 2. dibawah ii Apabila perusahaa memproduksi 500 produk, maka produksi dikataka tidak kecil (µkecil[500]=0) Apabila perusahaa memproduksi 500 produk, maka produkai dikataka sedag (µsedag[500]=) Apabila perusahaa memproduksi 499 produk, maka produksi dikataka tidak sedag (µsedag[499]=0) Dari sii bisa dikataka bahwa pemakaia himpua tegas (crips) utuk meyataka jumlah produksi sagat tidak adil, ada perubaha kecil saja pada satu ilai megakibatka perbedaa kategori yag cukup sigifika. Himpua fuzzy diguaka utuk megatasi hal tersebut. Dimaa perusahaa dapat masuk dalam 2 himpua yag berbeda yaitu kecil, sedag, besar dsb. Seberapa besar eksistesiya dalam himpua tersebut dapat dilihat pada ilai keaggotaaya. kecil sedag Gambar 2.2 Himpua Fuzzy Utuk Variabel Produksi Lampu besar 3000 Gambar 2. Bayakya Himpua Keaggotaa Produksi Lampu Dari gambar dapat dijelaska bahwa Apabila perusahaa memproduksi 499 produk, maka produksi dikataka kecil (µkecil[499]=) Pada gambar dapat dilihat bahwa : Perusahaa yag besar produksiya 2000 produk, termasuk dalam himpua kecil dega µkecil[2000]=0.25, amu dia juga termasuk dalam himpua sedag dega µsedag[2000]=0.5 Perusahaa yag besar produksiya 2500 produk, termasuk dalam himpua besar dega µbesar[2500]=0.25, amu dia juga termasuk dalam himpua sedag dega µsedag[2500]= Fuzzy Number Fuzzy Number adalah sebuah himpua fuzzy atau fuzzy set pada garis bilaga real R yag memeuhi syarat ormalitas da koveksitas. Jadi fuzzy umber dikataka 2
3 sebagai tipe palig dasar dari fuzzy set. Fuzzy set A dikataka simetri jika fugsi keaggotaaya simetri terhadap suatu titik x = c. Jadi utuk setiap x X μ A c + x = μ A c x Sedagka utuk meggambarka fuzzy umber dari betuk trapezoidal dapat ditetuka oleh parameter yaitu bi da bi+pi. Sehigga dapat dibetuk suatu fugsi keaggotaa dega rumus persamaa garis sebagai berikut :, t bi bi t b ~ i ( t, bi, bi ), bi t bi 0, t bi b = batas miimum yag terjadi i p = pertambaha yag terjadi i b i p i batas maksimum yag sagat jarag terjadi. 2.4 Liier Programmig Liear programmig merupaka suatu tekik perecaaa yag bersifat aalitis yag aalisis aalisisya memakai model matematika, dega tujua meemuka beberapa kombiasi alteratif pemecaha masalah. Kemudia dipilih maa yag terbaik diataraya dalam ragka meyusu strategi da lagkah lagkah kebijaka lebih lajut tetag alokasi sumber daya da daa yag terbatas gua mecapai tujua atau sasara yag diigika secara optimal. Model baku liear programmig dapat dirumuska sebagai berikut : (Nasedi, B.D & Awar Affedi, 985) Optimumka (maksimumka atau miimumka) Z = j = C j X j, utuk j =,2,, dega syarat-ikata : j = a ij X j atau b i utuk i =,2,, m da X j 0 Dimaa : C j = Parameter yag dijadika criteria optimisasi, atau koefisie peubah pegambila keputusa dalam fugsi tujua. X j = Peubah pegambila keputusa atau kegiata (yag igi dicari / yag tidak diketahui) a ij = Koefisie tekologi peubah pegambila keputusa (kegiata yag bersagkuta) dalam kedala ke-i 2.5 Fuzzy Liear Programmig fuzzy liear programmig adalah metode liear programmig dega megguaka pertimbaga cara brpikir mausia dalam membedaka iformasi secara kualitatif. Dega megguaka fuzzy liear programmig maka kodisi yag mucul akibat subyektifitas da ituisi yag domia dapat diselesaika, buka haya megguaka asumsi kepastia seperti pada liear programmig. Secara umum model tersebut dapat dituliska sebagai berikut : 2 Max(Mi) c ~ i j ij x ij dega kedala 2 j = a ij x ij, =, b i i =,2,, x ij 0 a ~ ~, b, c~ : adalah fuzzy umber ij ij ij x ij : adalah variabel keputusa Dalam kasus ii bilaga fuzzy b i i =,2,, berbetuk trapezoidal. Betuk Fuzzy Number Trapezoidal adalah sebagai berikut : 0 bi bi+pi b i t =, t b i b i + p i t, b i < t < b i + p i p i 0, t b + p i dega : b i : batas miimum yag terjadi. b i + p i :batas maksimum yag sagat jarag terjadi p i : pertambaha yag terjadi Model Lower Pada tahap ii dibetuklah suatu model utuk medapatka ilai dari fugsi obyektif lower dega megguaka batasa bawah dari ilai pada fuzzy umber. 2 Max Mi ~ c i j ij x ij t 3
4 2 s. t. j = a ij x ij b i (i =,2,.., ) x ij 0 (j =,2,.., 2 ) Model Upper Pada tahap ii dibetuklah suatu model utuk medapatka ilai dari fugsi obyektif upper dega megguaka batasa bawah dari ilai pada fuzzy umber. 2 Max Mi ~ c 2 i j ij x ij s. t. j = a ij x ij b i (i =,2,.., ) x ij 0 (j =,2,.., 2 ) Proses Fuzzyfikasi Proses ii dilakuka utuk medapatka ilai lower da ilai upper dari iisialisasi awal variabel keputusa da batasa. Utuk meghitug ilai lower da upper dapat diselesaika dega metode simpleks Proses Defuzzyfikasi Proses ii dilakuka setelah ilai upper da lower didapatka. Utuk melakuka proses deffuzyfikasi diguaka atura Zadeh s da Bellma. Proses deffuzyfikasi kemudia aka membetuk suatu betuk liier programmig yag baru da utuk meyelesaikaya diguaka metode 2 fase. Metode 2 Fase Fase :Meyelesaika liear programmig yag fugsi tujuaya adalah memiimumka variabel artificial pada model. Fase 2: Dega megguaka hasil pada fase kita meggati fugsi tujua dega masalah yag aslida hilagka variabel artificial Tigkat Pecapaia Optimal Sedagka pada tahap model ii diselasaika dega mecari ilai-ilai optimal dega adaya hasil yag telah diperoleh pada model lower da model upper. Fuzzy set dari ilai-ilai optimal didefiisika sebagai berikut : G x =, 2 c ij x ij z u i= i= j = 2 j = c ij x ij z i=, z z u z c ij x ij z u l i= j = 2 j = 0, c ij x ij z u Peetua Waktu Keloggara Mesi Dalam latai produksi aka sulit utuk mejumpai latai produksi yag ideal seperti halya kerja mesi yag selalu berjala terus meerus. Pada keyataaya pasti ada waktu tertetu dimaa mesi megalami kekosoga baha baku sehigga hasil yag diperoleh juga aka berkurag. 3. METODE PENELITIAN. Studi Pedahulua. 2. Pegumpula Data. 3. Pegolaha Data. 4. Pembetuka Variabel Keputusa. 5. Pembetuka Model. 6. Aalisa Hasil. 7. Gambara Umum Perusahaa. 4. HASIL DAN PEMBAHASAN 4.. Pegumpula Data 4... Kodisi Latai Produksi Setelah melakuka pegamata da iterview, terutama megeai waktu produksi yag terjadi di latai produksi maka didapatka suatu pola sebagai berikut : Waktu produksi ideal yag diigika. Waktu atara. Waktu produksi. Dari pola waktu produksi yag telah didapatka tersebut maka dapat digambarka didalam fuzzy umbers berbetuk trapezoidal Data Type Produk Yag Dipoduksi Berikut ii adalah data type produk yag diproduksi Tabel 4. Data Type Produk da Lie Produksiya Kode Type produk PS47C 5 watt 230 volt MG50F 60 watt 230 volt MG50F 40 watt 230 volt MG50F 25 watt 230 volt G40C 5 watt 230 volt G40C 5 watt 220 volt PS60F 40 watt 220 volt PS60C 25 watt 60 volt PS60F 00 watt 220 volt G40F 5 watt 220 volt PS60F 60 watt 220 volt PS60C 00 watt 230 volt Data Waktu Produksi Data waktu produksi diperluka utuk memberika ilai b i da b i p i pada fuzzy umber waktu produksi pada lie produksi. Perhituga data waktu produksi dapat dilihat pada pegolaha data waktu produksi. 4
5 Tabel 4.2 data jumlah jam mesi Kerja mesi pada lie produksi Dari data diatas kita dapat meghitug besar prosetase mesi berheti yaitu dega megguaka rumus : mesi ber eti (jam ) % bereti = jumla (jam ) Didapatka hasil sebesar : Data Kapasitas Mesi Kapasitas dari mesi utuk tiap lie sagat tergatug dari idex speed pada masigmasig produk da waktu produksi. Berikut ii adalah data idex speed pada masig-masig produk. Tabel 4.3 idex speed pada masig-masig produk Produk idex speed (detik) idex speed (jam) Dimaa rumus idex speed dalam jam adalah: idex speed jam = idex speed (detik ) Data Permitaa Utuk data permitaa ii diperoleh dari bagiappic berdasarka data aktual marketig perusahaa. Tabel 4.4 data permitaa Kode Permitaa Jam mesi beroperasi mesi berheti jumlah (jam) Pegolaha Data Pegolaha Data Waktu Produksi Data Waktu Produksi Upper Dikataka data waku produksi upper karea merupaka batas maksimum (b i + p i ) pada fuzzy umbers waktu produksi. Didapatka bahwa waktu produksi upper adalah 28 jam dalam satu migguya. Karea pada perusahaa terdapat 2 produk maka waktu produksi upper dikalika jumlah produk, didapatka hasil : 28 x 2 = 536 jam. Data Waktu Produksi Lower Dikataka data waku produksi lower karea merupaka batas miimum (b i ) pada fuzzy umbers waktu produksi. Rumusya adalah : Waktu produksi lower = waktu produksi upper waktu iterupsi, dega Waktu teriterupsi = waktu produksi upper x prosetase berheti Didapatka hasil 536 (536 x ) =507.2 jam Dari data diatas dapat dihitug koefisie dummy variabel waktu pada setiap lie dega rumus koefisie dummy = waktu upper waktu lower Hasilya adalah : = 28.8 jam Pegolaha Data Kapasitas Data kapasitas upper Pegolaha data ii sagat bergatug pada data idex speed da data waktu produksi upper. Dega perhituga sebagai berikut : Kapasitas upper = 3600 idex speed x waktu produksi upper Sehigga pada lie produksi dega idex speed 2.65 detik da waktu produksi upper adalah 28 jam maka lie satu aka mempuyai kapasitas uit. Data kapasitas lower Pada pegolaha data kapasitas lower mempuyai rumusa yag sama dega data kapasitas upper, perbedaaya haya terletak pada faktor pegaliya dalam hal ii adalah waktu produksi lower. Kapasitas lower = 3600 idex spee d x waktu produksi lower da iilah hasil dari data kapasitas upper da lower : 5
6 Tabel 4.5 data kapasitas Produk kapasitas upper kapasitas lower koef dummy Total Pegolaha Data Permitaa Sedagka utuk data permitaa yag dikeluarka oleh PPIC, yag ditambahka sebesar 5% utuk megatisipasi produk yag cacat dari permitaa yag dihasilka Pegolaha Data Prosetase Produk Yag Baik Pada Tiap Lie Data ii didapat setelah megadaka pegamata, kemudia dibetuk sesuai type produkya. Berikut ii adalah jumlah prosetase produk baik setelah dikuragi prosetase produk cacat. Tabel 4.6 prosetase produk yag baik Produk prosetase (dalam perse) PEMBENTUKANVARIABEL KEPUTUSAN Setelah medapatka hasil dari perhituga semua data-data yag diperluka maka pada tahap ii aka dibetuk variabel keputusa yag diperguaka utuk meyelesaika persoala fuzzy liear programmig yaitu yag bertujua utuk medapatka jumlah produk baik. Variabel keputusa x ij = jumla produk type ke i yag diproduksi pada lie ke j Dega : i =,2,3,,2 Beberapa type produk yag diproduksi. j = Lie yag beroperasi adalah 4.4 PROSES FUZZYFIKASI Proses fuzzyfikasi ii dilakuka utuk medapatka ilai dari model lower da model upper yag dibetuk Model Lower Parameter utuk kedala-kedala pada model lower ii diperoleh dari perhituga utuk ilai lower (b i ). Sedagka utuk kostata fugsi obyektif megguaka ilai prosetase produk kualitas baik pada masigmasig produk. Perumusa dari model lower ii dapat dilihat dibawah ii : Fugsi Obyektif Memaksimumka total produk baik, yag dirumuska : Maksimum z = 0.9x x x x x x x x x x x x 2 Kedala Waktu Produksi Waktu utuk memproduksi satu uit produk pada tiap produk j =,2,3,,2 tidak melebihi waktu produksi setelah dikuragi waktu teriterupsi b i x x x x x x x x x x x x Kedala kapasitas Jumlah produk yag diproduksi pada lie j = tidak melebihi kapasitas mesi yag mempertimbagka idex speed da waktu produksi setelah dikuragi waktu teriterupsi. Dari data idex speed da waktu produksi dapat kita modelka kedala sebagai berikut : x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x x x x
7 x x x x x Kedala Permitaa Jumlah tiap produk I =,2,3,,2 diproduksi palig miimal memeuhi data permitaa dari masig-masig type produk, bagi keseluruha lie j =. Dari data permitaa dapat kita modelka ke dalam betuk : x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x x x x x x x x x Dari masig masig model yag dibetuk, dapat kita susu mejadi sebuah model lower sebagai berikut : Maksimum z = 0.9x x x x x x x x x x x x 2 dega batasa : x x x x x x x x x x x x x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x x x x x x x x x x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x x x x x x x x x model yag dibetuk ii diselesaika dega metode simplek. Dari model ii kita dapat megetahui ilai x, x 2, x 3, x 4, x 5, x 6, x 7, x 8, x 9, x 0, x,x 2 da ilai z Model Upper Seperti halya model lower, model upper ii diperoleh dari semua perhituga utuk ilai upper (b i + p i ) yag aka diperguaka sebagai ilai kostata pada fugsi kedala yag dibagu, dega megguaka model yag hampir sama dega model lower. Fugsi Obyektif Memaksimumka total produk baik, yag dirumuska : Maksimum z = 0.9x x x x x x x x x x x x 2 Kedala Waktu Produksi Waktu utuk memproduksi satu uit produk pada lie j = tidak melebihi waktu produksi ideal b i+pi x x x x x x x x x x x x Kedala kapasitas Jumlah produk yag diproduksi pada lie j = tidak melebihi kapasitas mesi yag mempertimbagka idex speed da waktu produksi ideal. Dari data idex speed da waktu produksi dapat kita modelka kedala sebagai berikut : x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x x x x x x x x x Kedala Permitaa Jumlah tiap produk I =,2,3,,2 diproduksi palig miimal memeuhi data permitaa dari masig-masig type produk, bagi keseluruha lie j =. Dari data permitaa dapat kita modelka ke dalam betuk : x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x
8 x x x x x x x x x x x x Dari masig masig model yag dibetuk, dapat kita susu mejadi sebuah model upper sebagai berikut : Maksimum z = 0.9x x x x x x x x x x x x 2 dega batasa : x x x x x x x x x x x x x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x x x x x x x x x x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x x x x x x x x x sama seperti halya model lower, model ii diselesaika dega megguaka metode simplek. 4.5 PROSES DEFUZZYFIKASI Setelah kita memperoleh ilai dari model lower da model upper kita melakuka proses deffuzyfikasi. Proses ii membetuk suatu liear programmig yag baru yaitu model tigkat pecapaia optimal. Fugsi Obyektif Memaksimumka tigkat pecapaia optimal yag dirumuska sesuai dega Maksimum λ Kedala Hasil Rumusa Kedala ii merupaka rumusa dari 354λ + 0.9x x x x x x x x x x x x Kedala Waktu produksi Waktu utuk memproduksi satu uit produk pada lie j = tidak melebihi dari waktu ideal (b i + p i ) 28.8λ x x x x x x x x x x x x Kedala kapasitas Jumlah produk yag diproduksi pada lie j = tidak melebihi kapasitas mesi yag mempertimbagka idex speed da waktu ideal. 3879λ + x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x x x x x x x x x Kedala Permitaa Utuk kedala permitaa pada model ii berbetuk sama dega kedala permitaa model lower da upper. Pada tahap pembetuka model tigkat pecapaia optimal didapatka fugsi obyektif, kedala hasil rumusa, kedala waktu produksi, kedala kapasitas da kedala permitaa. Dari masig masig model yag dibetuk, dapat kita susu mejadi sebuah model Maksimum λ dega batasa : 354λ + 0.9x x x x x x x x x x x x x x x x x x x x x x x x x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x
9 x x x x x x x x x + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 0 + x + x x x x x x x x x x x x x model yag dibetuk ii diselesaika dega megguaka metode 2 fase, sehigga didapatka ilai x, x 2, x 3, x 4, x 5, x 6, x 7, x 8, x 9, x 0, x,x 2, λ da ilai z. V. KESIMPULAN DAN SARAN 5. Kesimpula Dari hasil peelitia ii dapat disimpulka bahwa dega megguaka metode fuzzy liear programmig mampu megoptimalka jumlah produk yag baik yag diproduksi bila dibadigka dega megguaka liear programmig biasa. Dari perhituga didapat dega megguaka liear progammig biasa didapatka hasil z = , sedagka dega metode fuzzy liear programmig didapatka z = dega ilai λ = da semua permitaa terhadap typetype lampu dapat dipeuhi. 5.2 Sara Pada peelitia ii diguaka saat proses deffuzyfikasi diguaka metode 2 fase, utuk peelitia selajutya peulis meyaraka pegguaa metode Big M utuk medapatka solusi pembadig. VI. DAFTAR PUSTAKA. Dimyati, Tjutju Operatio Research Model-Model Pegambila Keputusa, Badug: P.T Siar Baru Alesido. 2. Klir, George J. Bo Yua Fuzzy Set ad Fuzzy Logic, Theory ad Aplicatio. Pretice Hall. 3. Kusumadewi S. Puromo H Aplikasi Logika Fuzzy Utuk Pedukug Keputusa. Yogyakarta: Graha Ilmu. 4. Lyoet, Patrick. 99. Maiteace Plaig Methods ad Mathematics. Chapma Hall. 5. Nasedi, B.D & Awar Affedi, 985, Program Liear da Variasiya. PT.Gramedia, Jakarta 6. Ramadhai, N. T Aalisis Perecaaa Teaga Kerja di Perusahaa Redryig Tembakau dega Pedekata Liear Programmig. Surabaya: Tugas Akhir Program Sarjaa, Istitut Tekologi Sepuluh Nopember Surabaya. 9
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciIII. 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciTINJAUAN 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 terperinciBAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain
BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu
Lebih terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciBAB 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 terperinciBAB 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 terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Program liier Program liier adalah suatu tekik peyelesaia optimal atas suatu problema keputusa dega cara meetuka terlebih dahulu fugsi tujua (memaksimalka atau memiimalka) da kedala-kedala
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
Lebih terperinciBAB 2 LANDASAN TEORI Operasi Riset (Operation Research)
BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciBAB 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 terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit
BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciIII PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah
III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka
Lebih terperinciMETODE 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 terperinciIV. 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciContoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut :
I. OPTIMISASI FUNGSI TANPA KENDALA Utuk fugsi dua peubah ) f ag terdiferesial dua kali. Jika di titik ) P dipeuhi :. sarat stasioer)... > maka mecapai ekstrim di ) P. Jika : ekstrim maksimum mecapai maka
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciBAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,
32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata
Lebih terperinciSTUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP
STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP. (Tessa Vaia Soetato, et al.) STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciAPLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU
Semiar SaidaTekologi ISSN : 693 6809 APLIKASI PROGRAM LINIER DALAM PEMBELIAN BAHAN BAKU Tri Herawati Prodi Tekik Idustri, Fakultas Tekik, Uiversitas Islam Sumatera UtaraMeda Abstrak Pegambila keputusa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciPenyelesaian Persamaan Non Linier
Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciPERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM
PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Kegiata peelitia ii dilaksaaka pada bula Mei 2011 bertempat di Dusu Nusa Bakti, Kecamata Serawai da Dusu Natai Buga, Kecamata Melawi yag merupaka
Lebih terperinciBAB III METODOLOGI PENELITIAN
3 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode yag diguaka dalam peelitia ii adalah metode kuatitatif dega eksperime semu (quasi eksperimet desig). Peelitia ii melibatka dua kelas, yaitu satu
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinci1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu
Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciBAB 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 terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciBAB 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 terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciFORECASTING (Peramalan)
FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciIII. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu
III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :
Lebih terperinciAplikasi Interpolasi Bilinier pada Pengolahan Citra Digital
Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id
Lebih terperinciBAB 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 terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciBAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni
BAB II MAKALAH Makalah I. Judul Dipresetasika : Liear Goal Programmig utuk Optimasi Perecaaa si : Semiar Nasioal Sais da Pedidika Sais VIII UKSW 201 yag diseleggaraka oleh Fakultas Sais da Matematika UKSW
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciBAB V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
Lebih terperinciIII. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,
7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciBAB I KONSEP DASAR PERSAMAAN DIFERENSIAL
BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah
Lebih terperinci