OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA PERSPEKTIF COST
|
|
- Benny Hermanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA PERSPEKTIF COST Program Stud Ten Informata ST3 Telom Purwoerto Jl. DI Panatan 128 Purwoerto Abstra Setap perguruan tngg, meml engnan untu menad World Class Unversty. Salah Satu cara yang dgunaan untu menla ualtas sebuah unverstas adalah dengan melauan penguuran atftas cvtas aadema d duna maya, melalu doman web unverstas yang dsebut webometrcs. Dalam ranga menngatan nera web unverstas untu menduung tercptanya World Class Unversty, maa dperluan langah-langah optmas pencapaan ranng webometrcs. Langah tersebut antara lan dengan menggunaan perhtungan dan pembobotan berdasaran fator utama yatu Vsblty (V, Sze (S, Rch Fles (R dan Scholar (Sc berdasaran emampuan fnancal (perspetf cost perguruan tngg. Metode analss dan sntess yang dgunaan untu membantu proses pengamblan eputusan menggunaan metode Analytcal Herarchy Process (AHP dengan pendeatan Logartmc Fuzzy Preference (LFPP. Metode LFPP n melbatan fungs logartma asl untu memperba eurangan metode FPP. Pembobotan dlauan dengan melbatan paar dan aadems untu menentuan tngat epentngan berdasaran cost (baya yang deluaran antara satu rtera dengan rtera yang lan, sampa pada sub rtera terhadap sub rtera yang lan. Penlaan tersebut emudan dbuat e dalam sala anga (basanya sala 1 sampa 9, dan dbuat matrs perbandngan berdasaran hrar yang telah dbangun sesua dengan persoalan yang aan dselesaan, dan sesua dengan perhtungan bobot prortas. Dar hasl perhtungan, ddapatan ranng tertngg yang dreomendasan dalam menentuan langah strategs pencapaan ranng webometrcs adalah fator pemantauan ranng dar stus ahrefs(c 332, penambahan umlah ln dar webste lan (C 321, penambahan umlah halaman pada doman (C 111, mengunggah mater pembelaaran dalam bentu fle pdf (C 223 dan pemantauan ranng dar stus Maestcseo (C 331. Kata unc : World Class Unversty, Webometrcs, Analytcal Herarchy Process, Logartmc Fuzzy Preference Abstract Each college has a desre to become a World Class Unversty. One ways used to assess the qualty of a unversty s by measurng actvty of the academc communty n the vrtual world, through the unversty's Web doman called webometrcs. In order to mprove the performance of web unverstes to support the creaton of the World Class Unversty, the necessary steps Webometrcs ranng optmzaton achevement. The measures nclude the use of the calculatons and the weghtng s based on four man factors, namely Vsblty (V, Sze (S, Rch Fles (R and Scholar (Sc s based on the ablty of fnancal (cost perspectve colleges. Methods of analyss and synthess that s used to help the decson mang process usng Analytcal Herarchy Process (AHP approach Logartmc Fuzzy Preference (LFPP. LFPP method nvolves a logarthmc functon orgnal to correct defcences FPP method. Weghtng s done wth the nvolvement of experts and scholars to determne the level of nterest based on cost (cost ncurred between the crteras, and between sub-crteras. The assessment s made nto number scale (usually a scale of 1 to 9, and made a comparson matrx based herarchy that has been bult accordng to the ssues to be resolved, and n accordance wth the calculaton of weghted prortes. From the calculaton results, the hghest ranng recommended a decsve step n the strategc ways s montorng the ranng va ahrefs stes (C332, ncreasng the number of lns from other webstes (C321, ncreasng the number of pages on the doman (C111, upload learnng materals n pdf 206
2 fle format (C223 and montorng the ranng of stes Maestcseo (C331. Keywords : World Class Unversty, Webometrcs, Analytcal Herarchy Process, Logartmc Fuzzy Preference I. PENDAHULUAN Pemerngatan level World Class Unversty dnla mash bersfat sangat subetf. Beberapa endala dalam upaya pencapaan WCU, salah satunya terat dengan banyanya perbedaan rtera penlaan (Altbach, Oleh arena tu, pentngnya status WCU yang dml sebuah unverstas unggulan (excellence berstandar duna dan strateg yang dgunaan untu mencapanya, menar perhatan prats dan pengambl ebaan d bdang penddan (Jat, Irmawat, & Indrhapsar, Berbaga macam rtera penlaan yang dgunaan untu menentuan perngat dan nera sebuah unverstas, salah satunya ddapatan dar ualtas webste unverstas. Setap tahun, satu uta orang mengunung webste unverstas untu mencar nformas. Kegatan yang dlauan antara lan mencar nformas perulahan, menggant adwal ulah, atau onta nformas dosen. Istlah baru dalam penlaan ualtas unverstas berdasaran atftas d duna maya, melalu web unverstas dsebut webometrcs. Sebuah terobosan dar Cybermetrcs Lab, sebuah elompo rset dar Centro de Cencas Humanas Socales (CCHS, yang merupaan bagan dar Dewan Rset Nasonal Spanyol(Kargar, Dalam ranga menngatan nera web unverstas untu menduung tercptanya World Class Unversty, maa dperluan langah-langah optmas pencapaan ranng webometrcs antara lan dengan menggunaan perhtungan dan pembobotan berdasaran fator utama yatu Vsblty (V, Sze (S, Rch Fles (R dan Scholar (Sc. Metode analss dan sntess yang dgunaan untu membantu proses pengamblan eputusan menggunaan metode Analytcal Herarcy Process (AHP. AHP merupaan metode pengambl eputusan yang powerful dan flesbel, yang dapat membantu dalam menetapan prortas dan membuat eputusan dengan mempertmbangan aspe ualtatf dan uanttatf. (Jat, Irmawat, & Indrhapsar, 2012 melauan pembobotan varabel webometrcs dengan menggunaan metode Fuzzy AHP, aan tetap metode tersebut belum dapat memfasltas varabel penlaan berdasaran sfat epentngannya. Dengan mengetahu fator pentng mana saa yang perlu ddahuluan, dharapan muncul langah-langah tepat yang dambl dalam ranga menngatan ranng webometrcs (Saaty, (Wang and Chn 2011 dalam peneltan pemlhan apal yang sesua untu pengrman barang telah melauan pembobotan menggunaan fuzzy AHP dengan pendeatan logarthmc fuzzy preference programmng. Metode n dnla cuup efetf arena dapat menentuan prortas varabel berdasaran epentngannya, dan dapat mengatas eurangan pada metode sebelumnya. Metode nlah yang aan dpaa untu melauan pembobotan pada varabel webometrcs. Perlunya optmas ranng webometrcs merupaan strateg untu mencapa sasaran mutu pada aspe Internal Bussness Process yang harus dcapa oleh masng-masng Perguruan Tngg d bawah naungan Yayasan Penddan Telom (Wahyunngrum, 2015, dtnau dar seg baya (cost. Masng-masng ndator duur berdasaran tngat epentngannya menggunaan fungs eanggotaan fuzzy, sehngga dperoleh reomendas egatan yang dlauan agar lebh tepat dan terarah untu dalam ranga menngatan ranng webometrcs. II. TINJAUAN PUSTAKA Analytcal Herarchy Process Persoalan-persoalan dalam duna nyata pada umumnya tda dapat dmodelan. Atau a dapat dmodelan pun, aan banya asums yang ustru membuat hasl ahr atau solus yang dcar menad tda aplatf. Oleh arena tu, metode-metode yang menduung etdaelasan dan etdatentuan banya dtelt dan dpelaar. (Saaty T. L., 1988 pertama al memperenalan metode yang dsebut dengan Proses Hrar Analt (The Analytcal Herarchy Process. Metode n menad sangat menar arena melbatan penlaan (ugdgement manusa yang sfatnya subetf. Penlaan tersebut emudan dbuat e dalam sala anga (basanya sala 1 sampa 9, dan dbuat matrs perbandngan berdasaran hrar yang telah dbangun sesua dengan persoalan yang aan dselesaan, dan sesua dengan perhtungan bobot prortas. 207
3 Serng dengan seman omplesnya persoalan yang harus dselesaan, maa penggunaan sala 1 sampa 9 (crsp number drasa urang representatf (Wang & Chn, Untu menawab eurangan n, maa para penelt menggabungan onsep loga fuzzy dengan AHP sehngga blangan yang dgunaan buan lag blangan crsp aan tetap menggunaan blangan fuzzy. Hal n untu mengatas persoalan yang sfatnya tda elas dan omples. Fuzzy AHP serng dombnasan dengan metode-metode lan, salah satunya adalah dengan metode Fuzzy Preference Programmng (FPP untu menentuan nla bobot epentngannya. Aan tetap, pada penerapannya, banya contoh asus menghaslan solus yang tda tepat. Sehngga metore tersebut dperba dengan menggunaan unsur logartma natural pada FPP telah terbut efetf dan dapat menghaslan solus yang efetf dan tepat. Fuzzy Preference Programmng Penggunaan blangan fuzzy dalam penlaan dalam uesoner oleh paar atau aadems yang meml pengetahuan tentang permasalahan yang aan du, dalam hal n masalah pemerngatan webometrcs, dapat dbentu edalam matrs perbandngan tngat epentngan (1. Blangan fuzzy yang dgunaan, ddefnsan dalam Tabel 1. A 1 ( l12, m12, u12 ( l1, m1, u1 ( l, m, u 1 ( l, m, u ( a ( l1, m1, u1 ( l 2, m 2, u 2 1. (1 Msalan penlaan dar rtera e- dantara l dan u al lebh pentng dbandngan rtera e-, dmana l 1/ u, m 1/ m, u 1/ l dan 0 l m u untu, 1,..., n,. Untu menghtung bobot W ( w1,..., w T 0 dengan w 1, dalam (Wang & Chn, 2011, telah 1 ddefnsan fungs eanggotaan ( w / w l w, m, m l w w w u ( w / w w, m, u m w (2 Dmana ( w / w adalah deraat eanggotaan w / w dar penlaan a ( l, m, u. Msalan mn ( w / w 1,..., 1; 1,...,. Maa, adalah deraat eanggotaan mnmum dmana bobot yang dhaslan memenuh setap tngat epentngan fuzzy-nya. Bentu nonlnear programmng dar onds datas dapat dtulsan sebaga Masmuman s.t. w lw ( m l w 0, 1,..., ; 1,...,, w uw ( u m w 0, 1,..., ; 1,...,, w 1, 1 w 0, 1,...,. Untu menyempurnaan model n (Wang & Chn, 2011, telah melbatan logartma natural yang dsebut sebaga model LFPP (Logarthmc Fuzzy Preference Programmng. Tabel 1. Defns blangan fuzzy yang dgunaan Konvers dar sala Defns AHP edalam blangan Fuzzy 1 = (1,1,1 Kedua elemen yang dbandngan sama pentngnya (equal 2 = (1,2,3 Penlaan berada dantara sama pentngnya dan sedt lebh pentng 3 = (2,3, Elemen pertama sedt lebh pentng dbandngan elemen edua (moderate = (3,,5 Penlaan berada dantara sedt lebh pentng dan lebh pentng 5 = (,5,6 Elemen pertama lebh pentng dbandngan dengan elemen edua (strong mportant 6 = (5,6,7 Penlaan berada dantara lebh pentng dan elas lebh pentng 7 = (6,7,8 Elemen pertama elas lebh pentng dbandngan dengan elemen edua (very strong 8 = (7,8,9 Penlaan berada dantara elas lebh pentng dan mutla lebh pentng 208
4 9 = (8,9,9 Elemen pertama mutla lebh pentng dbandngan dengan elemen edua (absolute strong mportant 2,,6,8 Nla-nla dantara dua penlaan yang berdeatan Metode LFPP Sepert telah delasan datas, metode LFPP n merupaan penyempurnaan dar metode FPP yang pada beberapa contoh asus menghaslan nla ahr yang negatf yang tentu saa hal n membuat solus yang dharapan menad urang vald. Metode LFPP n melbatan fungs logartma asl untu memperba eurangan metode FPP. Metode LFPP n dapat dformulasan menad Mnmuman P J (1. ( s.t. x x ln( m / l ln l, 1,..., 1; 1,...,, x x ln( u / m ln u, 1,..., 1; 1,...,,, x 0, 1,...,,, 0, 1,..., 1; 1,...,, dengan perhtungan bobot menggunaan rumus sebaga berut. exp( x w, 1,...,,. exp( x 1 III. ANALISIS DAN PEMBAHASAN Peneltan n merupaan peneltan espermental yang melbatan 2 orang paar (aadems dan prats dalam bdang webometrcs. Kedua paar berdsus menentuan bobot epentngan antar rtera. Krtera yang dgunaan dalam peneltan yatu Sze, Rch Fles, Vsblty, dan Scholar, dmana masng-masng rtera dbag menad beberapa sub rtera egatan yang dapat menngatan ranng webometrcs. Selanutnya, dbuat strutur hrar dar rtera u dan sub rtera berdasaran perspetf cost (baya yang dtunuan pada Gambar 1. Cost Sze (C1 Rch Fles(C2 Metrc to measure webste sze (C11 Submt stemaps (C12 Increase web content (C13 Search Engne Optmzaton (C1 How to ncrease rch fles (C21 Volume od document publcatons relevant to academc level (C22 Sze : number of Submt to : pages n the google doman (C121 (C111 Content always stay fresh(c131 Ways of creatng new content (C132 Cater to all staeholders (C133 Html (C11 Keyword (C12 Upload more(c211 Encourage staff, lecturer and students to publsh ther wors onlne (C212 Create archve for hstorcal reference (C213 Corporate documents (C221 News letter/ bulletns (C222 Learnng materals (C223 Research publcatons, ournal, papers, artcles (C22 Research proects, conference, semnars (C225 Vsblty(C3 Scholar (C All staeholders nvolved (C31 Baclns (C32 Measured by web analytcs(c33 Measure the number of scentfc papers (C1 How to mprove scholarly ran (C2 Content from students (C311 Content from staff & lecturer (C312 Number of unque ncomng lns from other webste(c321 Ways to generate more traffc (C322 Maestcseo (C331 Ahrefs (C332 Google scholar (C11 Schmago (C12 Go open access (C21 Get ndexed by google scholar (C22 Get lsted n OA drectory (C23 Encourage staff, lecturer and student to ncrease vsble publcatons (C2 Gambar 1. Klasfas dar araterst cost e dalam sub araterst sze, rch fles, vsblty dan scholar 209
5 Perhtungan pembobotan rtera dan sub rtera Tabel 2 Tngat epentngan dar empat rtera dlhat dar perspetf cost 3 0, 0.185, 1 0, 12 0, , 13 Crtera C 1 C 2 C 3 C LFPP prortes C 1 (1, 1, 1 (2, 3, (1/6,1/5,1/ (8, 9, C 2 (1/,1/3,1/2 (1, 1, 1 (1/8,1/7,1/6 (, 5, C 3 (, 5, 6 (6, 7, 8 (1, 1, 1 (6, 7, C (1/9,1/9,1/8 (1/6,1/5,1/ (1/8, 1/7, 1/6 (1, 1, Solus optmal : x1 1.96, x , x , 0, , 0.366, 23 0, P , x , 1 2 0, Prortas Normalzed LPP : w exp( x / exp( x , w exp( x / exp( x Mnmze R (1. ( w3 exp( x3 / exp( x , 1 Subect to : x1 x2 ln(3/ 2 12 ln 2 w exp( x/ exp( x x1 x2 ln(/3 12 ln Tabel 2 menunuan bahwa nla LFPP Prortes untu C 1, C 2, C 3, dan C berturut yatu x1 x3 ln(6/5 13 ln(1/ , , , x1 x3 ln(5/ 13 ln(1/ Dengan menggunaan cara yang sama, dhtung pula pembobotan dengan rtera penlaan x1 x ln(9/8 1 ln8 perbandngan berpasangan antar sub rtera, x1 x ln(1 1 ln 9 sehngga ddapatan hasl sebaga berut. x2 x3 ln(8/ 7 23 ln(1/ 8 Tabel 3. Hasl perhtungan bobot rtera x2 x3 ln(7 / 6 23 ln(1/ 6 C C x2 x ln(5/ 2 ln C C x2 x ln(6/5 2 ln 6 C x 3 x ln(7 / 6 C C C ln 6 C x 3 x ln(8/ 7 3 ln8 C C , x1, x2, x3, x, 12, 13, 1, 23, 2, 3, 12, 13, 1, 23, 2, 3 0 C C C C C C C C C C C C C C C
6 C C C C C C C C C C C C C C C Tabel 3 menunuan hasl perhtungan bobot masng-masng rtera, emudan pada Tabel dlauan pemerngatan 10 sub rtera tertngg. Dar hasl perhtungan, ranng 1 yatu ahrefs, dan ranng 10 yatu upload more. Tabel. 10 besar perngat bobot sub rtera Ranng Bobot Sub Krtera Ahrefs (C332 2 Number of unque ncomng lns from other webste(c321 3 Sze : number of pages n the doman (C Learnng materals (C Maestcseo (C Submt to : google (C Google scholar (C Ways to generate more traffc (C Upload more(c211 IV. KESIMPULAN Berdasaran hasl pemerngatan bobot sub rtera pada perspetf cost, ddapatan reomendas sebaga berut. 1. Pemantauan ranng web unverstas dlauan dengan cara memantau stus ahrefs.com, dar seg cost, stus tersebut menyedaan ases grats bag pengguna. 2. Jumlah ln un yang meruu pada web unverstas, dapat dlauan dengan memanfaatan resource sswa PKL atau mahasswa magang, untu menean baya. 3. Menambahan umlah halaman web, dapat dlauan sendr oleh unt atau bagan ssfo, sehngga menghemat baya yang deluaran.. Untu menambah rch fles, setap dosen dwaban mengunggah mater aar e blog masng-masng dengan estens.pdf. Hal n drasa cuup murah, arena dapat dlauan sendr oleh dosen yang bersangutan. 5. Selan menggunaan ahrefs.com, pemantauan ranng webometrcs dapat dlauan secara perod melalu stus maestcseo.com secara grats Content from students (C311 REFERENSI Altbach, P.G. "The costs and benefts of worldclass unverstes." Academe, Vol. 90, No. 1, 2012: Fruhlng, A, and S Lee. "Assessng the Relablty, Valdty and Adaptablty of PSSUQ." 9th Amercas Conference on Informaton Systems. Omaha, Nebrasa, Jat, Handaru, Dessy Irmawat, and Yunar Indrhapsar. Laporan Ahr Peneltan Hbah Fundamental. Yogyaarta: Unverstas Neger Yogyaarta, Kargar, Mohammad Javad. "Unversty Webste Ranng from Usablty Crtera Perspectve." 211
7 Internatonal Journal of Advancements n Computng Technology, Vol. 3 Issue 11, 2011: Lews, R James. T12: Standardzed Usablty Questonarry. (accessed December 10, 201. Saaty, Thomas Lore. Decson Mang : The Analytcal Herarchy Process. Unted States of Amerca: Unversty of Pttsburgh, Saaty, Thomas Lore. "Decson-mang wth the AHP : Why s the prncpal egenvector necessary." European Journal of Operatonal Research Vol. 15 No. 1, 2003: Sauro, Jeff. 8 Advantages of Standardzed Usablty Questonnarres. http// -usablty.php (accessed December 2013, 201. Wahyunngrum, Tena. "Strateg penngatan vsblty dalam upaya penngatan ranng webometrcs." Semnar Nasonal Tenolog Informas dan Komunas (SENTIKA. Yogyaarta: Unverstas Atma Jaya Yogyaarta, Wang, Yng Mng, and Kwa Sang Chn. "Fuzzzy analytc herarchy process : a logarthmc." Internatonal Journal of Approxmate Reasonng, 2011:
BAB II TEORI DASAR. Analisis Kelompok
BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan
Lebih terperinciFUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)
Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah
BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah
Lebih terperinciFUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)
Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciEKSPEKTASI SATU PEUBAH ACAK
EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt
Lebih terperinciBAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA
BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model
Lebih terperinciKarakterisasi Matrik Leslie Ordo Tiga
Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember
Lebih terperinciBAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh
BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla
Lebih terperinciPEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE
PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.
Lebih terperinciUSULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG
Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,
Lebih terperinciIII FUZZY GOAL LINEAR PROGRAMMING
7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang
Lebih terperinciAPLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW
Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Aslnda 1), Andea
Lebih terperinciANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING
Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata
Lebih terperinciBAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode
BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla
Lebih terperinciBAB II DIMENSI PARTISI
BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan
Lebih terperinciOptimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi
JURNA INFORMATIKA, Vol.4 No.2 September 27, pp. 222~229 ISSN: 2355-6579 E-ISSN: 2528-2247 222 Optmas Baru Program near Mult Objetf Dengan Smplex P Untu Perencanaan Produs Maxs Ary Am BSI Bandung e-mal:
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PILIHAN MINAT PERGURUAN TINGGI DI KOTA JAMBI DENGAN MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Semnar Nasonal plas Tenolog Informas 20 (SNTI 20) ISSN: 907-5022 Yogyaarta, 7-8 Jun 20 SISTEM PENDUKUNG KEPUTUSN UNTUK MENENTUKN PILIHN MINT PERGURUN TINGGI DI KOT JMBI DENGN MENGGUNKN FUZZY MULTI CRITERI
Lebih terperinciBAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).
BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).
Lebih terperinciBenyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN
METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah
BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya
Lebih terperinciINVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN
Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu
Lebih terperinciIV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN
69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah
Lebih terperinciMETODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND
METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciPEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
Semnar Nasonal Inovas Dan Aplkas Teknolog D Industr 2017 ISSN 2085-4218 ITN Malang, 4 Pebruar 2017 PEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Helza
Lebih terperinciBAB IV HASIL ANALISIS
BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan
Lebih terperinciSTATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil
Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan
Lebih terperinciBab III Model Estimasi Outstanding Claims Liability
Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata
Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola
Lebih terperinciIMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN
E-Jurnal Matemata Vol. 5 (4), November 2016, pp. 126-132 ISSN: 2303-1751 IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN I Made Dw Udayana Putra 1, G. K. Gandhad
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciOleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si
Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciPendekatan Hurdle Poisson Pada Excess Zero Data
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d
Lebih terperinciBab III. Plant Nonlinear Dengan Fase Nonminimum
Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear
Lebih terperinciPENYELESAIAN SISTEM PERSAMAAN TAK LINIER
PENYELESIN SISTEM PESMN TK LINIE Mater Kulah: Pengantar; Iteras Satu Tt; Iteras Newton # PENGNT # erut n adalah contoh seumpulan buah persamaan ta lner smulta dengan buah varabel ang ta detahu:... ( 57...
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciIMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN
SISFO-Jurnal Sstem Informas IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN Fazal Mahananto 1), Mahendrawath ER 2), Rully Soelaman 3) Jurusan Sstem Informas,
Lebih terperinciIMPLEMENTASI MIXED LINIER INTEGER PROGRAMMING UNTUK MENENTUKAN ALOKASI PRODUKSI DAN DISTRIBUSI DALAM JARINGAN RANTAI PASOK GLOBAL
IMLEMENASI MIE LINIER INEGER ROGRAMMING UNUK MENENUKAN ALOKASI ROUKSI AN ISRIBUSI ALAM JARINGAN RANAI ASOK GLOBAL Mahendrawath ER 1) Rully Soelaman 2) Ftrana 1) 1) Jurusan Sstem Informas 1) Jurusan en
Lebih terperinci4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai
4 METODE PENELITIAN 4.1 Watu dan Loas Peneltan Peneltan n dlasanaan selama 6 bulan dmula dar bulan Jul sampa bulan Desember 005 d Kabupaten Indramayu, Provns Jawa Barat yang terleta pada poss geografs
Lebih terperinciPengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA
Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh
Lebih terperinciBAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)
BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang
Lebih terperinciImplementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0
Implementas Jarngan Saraf Truan Bacpropagaton Pada Aplas Pengenalan Waah Dengan Jara Yang Berbeda Menggunaan MATLAB 7.0 Syafe Nur Luthfe Jurusan Ten Informata, Unverstas Gunadarma Jl. Margonda Raya 100,
Lebih terperinciImplementasi Teori Keputusan Penentuan Penerimaan Beasiswa Bagi Mahasiswa FMIPA Universitas Sulawesi Barat
JURNAL SAINTIFIK OL.3 NO., JANUARI 07 Implementas Teor Keputusan Penentuan Penermaan Beasswa Bag Mahasswa FMIPA Unverstas Sulawes Barat Hrman Rachman *, Nzar, Unverstas Sulawes Barat emal: manksman0@gmal.com,
Lebih terperinciRestorasi Citra Dengan Menggunakan Metode Iteratif Lanczos Hybrid Regularization
Restoras Ctra Dengan Menggunaan Metode Iteratf Lanczos Hybrd Regularzaton Yudh Purwananto, Rully Soelaman, Alfa Masjta Rahmat Jurusan Ten Informata, Faultas Tenolog Informas Insttut Tenolog Sepuluh Nopember
Lebih terperinciTEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA
IndoMS Journal on Statstcs Vol, No (4), Page 39-49 TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA Arum Handn Prmandar, Abdurahman Jurusan
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)
BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga
Lebih terperinciadalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1
ISSN 907-0500 Analss Kepeaan engembangan Sstem Transms Tenaga Lstr Ternternes Menggunaan Successve Frward Methd Stud Kasus: Sstem Transms 500 V Jawa-Bal engembangantahun 007 06 Nurhalm Jurusan Ten Eletr
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciPENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ
e-jurnal Ten Industr FT USU Vol 3, No., Otober 03 pp. 45-5 PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. YZ Delmar Bnhot Lumbantoruan, Poerwanto,
Lebih terperinciPENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD
ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,
Lebih terperinciBAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian
BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciPENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.
PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciKOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda
KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,
Lebih terperinciSistem Pendukung Keputusan dalam Merekomendasikan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS
Sstem Pendukung Keputusan dalam Merekomendaskan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS Karmla 1, Muhammad dwan 2, In Parlna 3, Heru Satra 3 1,2,3 Jurusan Sstem Informas, STIKOM Tunas Bangsa,
Lebih terperinciMODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA
MAKARA, TEKOLOGI, VOL. 6, O. 3, DESEMBER 2002 MODEL OPTIMASI PERECAAA IVESTASI GALAGA KAPAL DEGA PEDEKATA PROGRAMASI TUJUA GADA Al Azhar Jurusan Teknk Perkapalan, Insttut Teknolog Adh Tama Surabaya Jl.
Lebih terperinciImplementasi Metode Backpropagation untuk Mengenali Teks pada Natural Scene Image
Jurnal Pengembangan Tenolog Informas dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2527-2533 http://-pt.ub.ac.d Implementas Metode Bacpropagaton untu Mengenal Tes pada Natural Scene
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciPENJADWALAN PRODUKSI di PT MEUBEL JEPARA PROBOLINGGO
Prosdng Semnar Nasonal Manajemen Teknolog III Program Stud MMTITS, Surabaya 4 Pebruar 2006 PENJADWALAN PRODUKSI d PT MEUBEL JEPARA PROBOLINGGO Mohammad Khusnu Mlad, Bobby Oedy P. Soepangkat, Nurhad Sswanto
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB III METODE PENELITIAN
A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan
Lebih terperinciKata kunci: development planning, development index, integer linear programming
FORMULASI DEVELOPMENT INDEX UNTUK OPTIMASI RENCANA PENGEMBANGAN INSTITUSI PENDIDIKAN TINGGI: STUDI KASUS PROGRAM STUDI X SURABAYA Suseno Bud Prasetyo Jurusan Teknk Industr-FTI Unverstas Pembangunan Nasonal
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3. Maret 2018, hlm. 1219-1226 http://j-ptk.ub.ac.d Sstem Pendukung Keputusan Pemlhan Mtra Jasa Pengrman Barang menggunakan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciINDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5. Anik Djuraidah
S-20 INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5 An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Analss erentanan berembang dan dgunaan dalam
Lebih terperinciPerbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield
Perbandngan Masalah Optmas TSP dengan Menggunaan Algortma Ant Colony dan Jarngan Hopfeld 1 Yulan, Moh.Isa Irawan, dan 3 Mardljah 1,, 3 Jurusan Matemata, Insttut Tenolog Sepuluh Noember Kampus ITS, Surabaya
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciMODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)
Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar
Lebih terperinciLucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman
Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciPENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI
PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI Yunarstanto 1 Irwan Iftad 1 Iwan Ngabd Raharjo 2 Abstract: Producton flow n PT. Tga Seranga Pustaa Mandr
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciAnalisis Variasi Parameter Backpropagation Artificial Neural Network dan Principal Component Analysis Terhadap Sistem Pengenalan Wajah
ELECTRANS, Jurnal Ten Eletro, Komputer dan Informata http://eournal.up.edu/ndex.php/electrans Analss aras Parameter Bacpropagaton Artfcal Neural Networ dan Prncpal Component Analyss Terhadap Sstem Pengenalan
Lebih terperinciJARINGAN SARAF TIRUAN UNTUK IDENTIFIKASI POLA KODE DERAU PALSU
JARINGAN SARAF TIRUAN UNTUK IDENTIFIKASI POLA KODE DERAU PALSU Ea Saputra LF096585 Jurusan Ten Eletro Faultas Ten Unverstas Dponegoro Abstra Jarngan saraf truan merupaan suatu metode yang salah satunya
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinci(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY
Unverstas Padjadjaran, 3 November 00 (M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY Anndya Aprlyant Pravtasar
Lebih terperinci