IMPLEMENTASI MIXED LINIER INTEGER PROGRAMMING UNTUK MENENTUKAN ALOKASI PRODUKSI DAN DISTRIBUSI DALAM JARINGAN RANTAI PASOK GLOBAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "IMPLEMENTASI MIXED LINIER INTEGER PROGRAMMING UNTUK MENENTUKAN ALOKASI PRODUKSI DAN DISTRIBUSI DALAM JARINGAN RANTAI PASOK GLOBAL"

Transkripsi

1 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 Informata Faultas enolog Informas Insttut enolog Sepuluh November Surabaya Kampus IS Suollo Surabaya E-mal : mahendra_w@ts-sby.edu Abstra Salah satu permasalahan yang serng muncul dalam pengelolaan ranta paso global adalah menentuan onfguras arngan yang sesua terutama terat dengan aloas produs dan dstrbus. Begtu banya varabel yang harus dperhtungan dalam menentuan onfguras arngan ranta paso. alam arngan ranta paso global varabel-varabel pentng yang harus dperhtungan antara lan adalah nla tuar mata uang dan paa yang berlau d negara serta benua yang berbeda-beda Hal n berpengaruh terhadap eputusan mengena produ pabr pusat dstrbus maupun permntaan pelanggan.. aper n menamplan hasl mplementas model Mxed Integer Lnear rogrammng (MIL) untu menentuan aloas produs dan dstrbus dalam arngan ranta paso global. Model MIL yang dterapan memasuan banya batasan antara lan batasan strutur arngan batasan alran transportas esembangan materal batasan produs serta apastas pusat dstrbus. Fungs tuuan yang ngn dcapa adalah memnmalan baya produs baya nfrastrutur tetap baya penanganan materal d pusat dstrbus baya transportas dan bea cua. Model n dmplementasan menggunaan aplas MALAB untu memberan solus terhadap masalah yang ada. Hasl mplementas model MIL menunuan bahwa penetapan aloas produs dan dstrbus dapat menghaslan baya penanganan dan baya dstrbus yang lebh rendah. Namun strateg n bsa menghlangan penghematan yang mungn dperoleh dar onsoldas produs yang pada ahrnya dapat menngatan baya nfrastrutur. Selan tu pengurangan duras changeover dapat menngatan utlsas pabr sehngga dapat mengurang baya outsource. Kata unc : Aloas produs dan dstrbus Mxed Integer Lnear rogrammng Optmas Jarngan ranta paso global 1. ENAHULUAN erembangan duna bsns dewasa n seman pesat yang terbut dengan banyanya perusahaanperusahaan yang terlbat dalam atvtas bsns dan ompets nternasonal. Sehngga tda mengheranan a banya prats yang menganggap bahwa fator global sudah menad araterst umum dar sebuah ranta paso dalam duna bsns (Aermans 1999). erancangan onfguras arngan ranta paso yang tepat merupaan satu aspe pentng yang harus dlauan dalam manaemen ranta paso. Konfguras menunuan omponen-omponen yang terlbat msalnya pabr pusat dstrbus serta area pelanggan serta loas dan peran masngmasng omponen. Strateg ranta paso hanya bsa berlangsung secara efetf apabla ranta paso meml arngan dengan onfguras atau strutur yang sesua. Konfguras arngan bsa menentuan apaah suatu ranta paso aan bsa menad responsf atau efsen. Sebaga contoh alau ranta paso ngn responsf maa onfguras arngannya harus dtunang oleh fasltas produs dan gudang yang lebh banya dan tersebar d berbaga loas pemasaran. Sebalnya suatu ranta paso aan efsen apabla arngan yang ada relatf tersentralsas dengan fasltas yang lebh sedt (uawan 2005). Aspe yang terat dengan strutur atau onfguras arngan ranta paso adalah masalah aloas produs dan dstrbus. Keputusan-eputusan yang terat dengan masalah aloas produs dan dstrbus antara lan pabr mana yang aan beroperas produ apa yang dapat dombnasan tap pabr pusat dstrbus mana yang aan memaso pelanggan yang mana serta pemaso yang mana yang aan dgunaan oleh perusahaan tersebut. Solus dar pertanyaan n sangat omples

2 arena harus mempertmbangan banya fator ba yang bersfat strategs sepert etanggapan terhadap pelanggan adanya pesang dan eonoms sepert baya-baya pendran dan penutupan pabr operasonal transportas penympanan dan lan sebaganya. ermasalahan menad seman omples a arngan ranta paso bersfat global dmana omponen-omponen ranta paso tersebar d banya negara. alam ontes global ada beberapa fator dantaranya perubahan nla tuar mata uang baya paa dan bea cua yang harus dperhtungan dalam aloas produs dan dstrbus (Vdal & Goetschalcx 1997). adahal dewasa n perubahan eonom dan polt yang begtu cepat dapat mempengaruh eputusan arngan ranta paso sehngga eputusan tentang arngan ranta paso harus seman mudah berubah pula. Oleh arena tu dperluan suatu pendeatan yang dapat membantu perusahaan menawab pertanyaan-pertanyaan n dengan cepat dan tepat. elah banya peneltan yang menggunaan berbaga pendeatan untu membantu perusahaan mengatas permasalahan aloas produs dan dstrbus dalam arngan ranta paso. Arntzen d (1995) mengembangan model Mxed Integer Lnear rogrammng (MIL) yang bertuuan memnmalan ombnas baya total (produs nventor transportas dan baya tetap) serta atftas sehar-har sepert masalah taghan materal. sas d (2001) mengembangan MIL untu arngan ranta paso dalam onds etdapastan permntaan dengan fous pada masalah produs dan transportas. Model dselesaan dengan metode deomposs untu mengurang omputas. Namun model n tda memasuan aspe-aspe fnansal sepert bea cua dan nla tuar uang. Goetschalcx d (2002) mengembangan dua model satu untu menghtung baya transfer dan yang edua untu mengatas masalah permntaan musman d satu negara. Fous dar paper n adalah pada aspe logst dengan asums pabr memprodus banya produ tanpa batasan. Kahara (2003) menggunaan pendeatan yang sedt berbeda dar peneltan-peneltan yang dsebutan sebelumnya. Ia menggunaan pendeatan berbass agen untu mengelola ranta paso terat dengan aloas produs dan dstrbus sumber daya. Model yang dusulan dalam bentu aloas sumber daya dsret pada lngungan yang dnams. Berbaga peneltan yang telah dbahas umumnya meneanan pada masalah logst darpada eputusan bsns yang terat dengan operas pabr dan produs untu merancang arngan. abr umumnya dmodelan sebaga sebuah blac-box yang memprodus produ tanpa dmodelan secara detal proses produs yang terad d dalamnya. adahal dalam pabr yang dapat memprodus berbaga ens produ fator apabltas produs dan changeover (usaha yang harus deluaran a terad perubahan dar satu tpe produ e produ yang lan) sangat berpengaruh terhadap utltas pabr dan tentunya apastas arngan ranta paso secara eseluruhan. Untu mengs celah tersebut sas & apageorgou (2008) mengembangan model MIL untu masalah aloas produs dan dstrbus dalam arngan ranta paso global yang memperhtungan berbaga fator termasu perbedaan utlsas antar pabr dan duras changeover. aper n bertuuan untu mengulas hasl mplementas model yang telah dembangan oleh sas & apageorgou (2008) e dalam MALAB dengan solver OMLAB (Holmstrom d 2007). Model n dgunaan untu menawab beberapa pertanyaan sebaga berut: 1. Bagamana aloas produs dan dstrbus yang dapat mencapa baya yang optmal? 2. Apa pengaruh strateg penetapan aloas produs dan dstrbus terhadap baya? 3. Apa pengaruh penurunan changeover dan perbedaan utlsas antar pabr terhadap aloas produs dan dstrbus serta baya? aper n dsusun sebaga berut. ada bagan 2 aan delasan gambaran permasalahan arngan ranta paso yang dmodelan. Kemudan penelasan mengena model MIL dtamplan pada bagan 3. Bagan 4 menamplan hasl dan analss yang dut dengan esmpulan dan saran untu peneltan lebh lanut. 2. ESKRISI JARINGAN RANAI ASOK GLOBAL ermasalahan yang aan dselesaan melbatan desan (onfguras) arngan yang optmal. Jarngan n melput seumlah pabr seumlah pusat dstrbus dan seumlah area pelanggan pada loas yang telah dtentuan. Jarngan dapat menghaslan beberapa ens dan tap produ dapat dprodus d beberapa pabr pada loas yang berbeda. Kapastas produs dar setap pabr dmodelan dalam seumpulan batasan lner yang menghubungan tngat produs rata-rata tap produ untu eberadaan pabr. usat dstrbus duraan dengan batas bawah dan batas atas apastas penanganan materal yang dpaso lebh dar satu pabr dan pusat dstrbus tersebut dapat memaso lebh dar satu area pelanggan.

3 Model arngan terdr dar enam pabr manufatur yang berloas d negara dan benua yang berbeda. Setap pabr bsa menghaslan enam ens produ tetap hanya memungnan menghaslan satu ens produ pada suatu watu. usat dstrbus dpertmbangan untu menangan ebutuhan materal berdasaran permntaan pasar d area pelanggan. ada model n umlah pusat dstrbus ada enam dan area pelanggan terbag menad delapan area. Jarngan n tersebar d berbaga negara dan benua yang berbeda yang berpengaruh pada banyanya ens mata uang dan bea cua yang berlau pada masng-masng negara. Berdasaran lngungan arngan sepert n berbaga senaro yang mencermnan berbaga masalah yang dhadap dalam mengelola arngan ranta paso global dapat dtelt. erdapat tga masalah spesf yang aan dbahas yatu: 1. Senaro 1: merupaan masalah umum dmana pengambl eputusan ngn mencar aloas produs dan dstrbus yang dapat menghaslan baya mnmal. 2. Senaro 2: bertuuan untu melhat pengaruh pengaloasan pusat dstrbus e pelanggan dan pengaloasan produ yang dprodus tap pabrnya 3. Senaro 3: melhat pengaruh perubahan nla pergantan antar produ (changeover) dan fator utlsas pabr. 3. MOEL MIL JARINGAN RANAI ASOK ada bagan n aan dtamplan model MIL untu arngan ranta paso global yang telah dembangan oleh sas dan apageorgou (2008). erlebh dahulu aan delasan model umum emudan dut dengan penelasan bagamana model umum n dgunaan untu menawab 3 permasalahan yang ada. 3.1 Model Umum enelasan mengena model umum n mencaup parameter varabel ontnyu dan bnary fungs tuuan serta batasan-batasan yang dgunaan. arameter H Baya penanganan produ pada pusat dstrbus. e s Baya tetap tahunan untu membangun pusat dstrbus pada loas. Baya tetap tahunan untu menutup pusat dstrbus pada loas. Baya bea cua produ dar pabr e pusat dstrbus l Baya bea cua produ dar pusat dstrbus e pelanggan l e s Baya tetap tahunan untu membangun pabr pada loas Baya tetap tahunan untu menutup pabr pada loas Baya produs produ pada pabr S Baya produs produ yang dpaso dar pha etga Baya transportas produ dar pabr e pusat dstrbus l Baya transportas produ dar pusat dstrbus e pelanggan l mn Kapastas masmum/ mnmum pada pusat dstrbus l ermntaan produ pada area pelanggan l H Beroperasnya pabr tap har per tahunnya M emelharaan pabr per har tap tahunnya c N Jumlah ampanye produ pada pabr mn Kapastas produs manmum/masmum pabr untu produ mn Nla mnmum/masmum alran materal yang drm dar pabr e pusat dstrbus Nla mnmum/masmum alran mn l l materal yang drm dar pusat dstrbus e area pelanggan l mn Ketersedaan mnmum/masmum pabr dalam memprodus produ per har tap tahunnya d r Nla produs haran yang dharapan pada pabr α Koefsen bea cua yang menghubungan pabr e pusat dstrbus

4 αl Koefsen bea cua yang menghubungan pusat dstrbus e area pelanggan l β Koefsen baya produs untu tuuan bea cua γ Koefsen baya transportas untu tuuan bea cua δ Koefsen yang menghubungan apastas pusat dstrbus e alran produ yang dtangan ζ arameter utlsas per harnya τ Koefsen pergantan antar produ (changeover) per harnya Varabel ontnyu O Kapastas pusat dstrbus Jumlah out-sourced produ yang drm e pusat dstrbus Jumlah produs produ pada pabr l Nla alran produ yang drm dar pabr e pusat dstrbus Nla alran produ yang drm dar pusat dstrbus e area pelanggan l Aloas haran untu produs produ pada pabr U Utlsas pabr sebaga produs haran tap tahun U Δ erbedaan masmum utlsas yang dnan dantara pabr-pabr Varabel Bnar Y Y Bernla 1 a pabr ad dbangun 0 a selannya Bernla 1 a pusat dstrbus ad dbangun 0 a selannya Bernla 1 a pabr daloasan untu pusat dstrbus 0 a selannya l W Bernla 1 a pusat dstrbus daloasan untu area pelanggan l 0 a selannya Bernla 1 a pabr menghaslan produ 0 a selannya Fungs uuan Fungs tuuan n adalah memnmalan baya total tahunan pada arngan ranta paso yang dtentuan dengan optmas sebaga berut: baya nfrastrutur pabr produs e s Y + (1 Y ). + baya nfrastrutur pusat dstrbus e s Y + (1 (3) Y ). + baya produs S + O + τ (2) c (1) N W + baya penanganan materal pada pusat dstrbus H l. (4) l + baya transportas + l l + baya bea cua + l Batasan l l l Batasan strutur arngan. (5). (6) Hubungan antara pabr dan pusat dstrbus hanya dmungnan ada a pabr produs ddran Y (7) Ja pusat dstrbus ddran maa pusat dstrbus n dapat dlayan lebh dar satu pabr produs : Y (8).

5 mn Y Y SISFO-Jurnal Sstem Informas Batasan n bsa dubah edalam batasan sumber tunggal (sngle source) untu asus dmana pembatasan n berlau. ada asus n batasan dtuls sebaga : = Y (9) Hubungan antara pusat dstrbus dan area pelanggan l dmungnan ada a pusat dstrbus ddran l Y l (10) ap-tap pelanggan bsa dpaso lebh dar satu pusat dstrbus untu memenuh permntaan: 1 l l. (11) alam persetuuan dengan sumber tunggal (sngle sourcng) tap-tap area pelanggan bsa dlayan dengan tepat satu pusat dstrbus dan batasannya harus dmodfas sepert berut: l = 1 l (12) Batasan alran transportas Alran materal dar pabr e pusat dstrbus bsa terad a ada hubungan sebaga berut: mn (13) Alran materal dar pusat dstrbus e area pelanggan l bsa terad a ada hubungan sebaga berut: mn l l l l l l (14) Nla untu batas atas l dtunuan dengan ontra d tempat dmana teradnya transportas materal dengan total umlah yang drm e tuuan. Batasan esembangan materal Nla sebenarnya dar produs produ oleh pabr harus sama dengan alran total produ dar pabr e semua pusat dstrbus : =. (15) alam hal n dasumsan bahwa tda ada aumulas atau ehabsan sto sehngga nla total alran tap produ yang mennggalan pusat dstrbus harus sama dengan nla total alran yang masu e dalam arngan ranta paso: + O = l l (16) Idealnya nla total alran tap produ yang dterma oleh tap-tap area pelanggan l dar pusat dstrbutor harus sama dengan permntaan pasar. ada asus dmana umlah n tda cuup untu menutup permntaan maa dlauan pengamblan materal dar luar: l = l l. Batasan produs (17) Masalah pentng dalam melauan desan arngan dstrbus adalah emampuan pabr untu memenuh semua ebutuhan pelanggan yang dtunuan dengan permntaan yang dterma dar gudang. Nla produs tap-tap produ pada beberapa pabr tda dbatas secara past. engan deman selalu ada apastas produs masmum untu beberapa produ. Nla produs mnmum harus selalu dpenuh selama pabr doperasan: rodus dbatas oleh umlah pergantan antar produ (changeover) dan pembagan produs (campagn) yang telah dtentuan pabr. emelharaan uga dhtung dalam: c ( H M ) Y τ NW (19) Jumlah har yang terseda untu memprodus produ pada pabr dbatas oleh total etersedaan pabr tu sendr. Batasan pabr dalam memprodus produ adalah sebaga berut: mn W W (20) rodus tap pabr datur oleh pembagan produs (campagn) yang dsesuaan dengan musm bsns yang ada model permntaan dan produ portfolo yang membutuhan perode pembershan yang panang (long cleanng) antar produ. asumsan bahwa rata-rata cleanng yang dperluan antar produ adalah sama. rodus total pada tap-tap produ tergantung pada emampuan produs haran dar pabr dan umlah har yang daloasan tap tahunnya: r d (21)

6 Y Y mn SISFO-Jurnal Sstem Informas Utlsas tap pabr sama dengan umlah podus haran tap tahunnya batasannya sebaga berut: U = (22) Karena produ tersebut dprodus d banya pabr maa perlu dyanan bahwa produs tersebut drm merata antar pabr. Untu tu perbedaan utlsas antar pabr dbatas dengan oefsen perbedaan utlsas. Batasannya sebaga berut: U Δ U U ' ' U Δ U U ' ' ' Δ U ζ (23) Batasan apastas pusat dstrbus Kapastas dar pusat dstrbus umumnya terleta antara pemberan batas atas dan bawah mn dan a pusat dstrbus benar-benar ddran ( Y = 1): oefsen utlsas yang menad batas atas perbedaan utlsas antar pabr dar 50 menad 100 (persamaan 23). 4. HASIL AN ANALISIS Untu senaro 1 tahapan u coba dlauan untu memperoleh nla mnmum dar total baya tahunan dan mengetahu setap baya yang ada pada fungs tuuan tersebut. engan menyelesaan model arngan ranta paso yang ada aan ddapatan solus optmal dar fungs tuuannya sebesar rmu (relatve money unt). Konfguras arngan ranta paso yang optmal untu permasalahan n dtunuan pada gambar 1 dmana seluruh alternatf pabr dgunaan namun pusat dstrbus 6 tda dbangun. Hasl onfguras tersebut menunuan bahwa dengan 5 pusat dstrbus sudah mampu memaso semua ebutuhan d 8 area pelanggan dengan baya yang optmal. Hal n bsa menghemat baya nfrastrutur pada pusat dstrbus. Berdasaran gambar 1 dapat dsmpulan pula bahwa apastas pada dstrbus 1 palng besar yang menampung dar semua pabr serta memaso palng banya e pelanggan. Untu senaro 2 dperoleh solus optmal dar fungs tuuan sama dengan rmu dengan onfguras sepert dtunuan pada gambar 2. asumsan bahwa apastas pusat dstrbus dhubungan secara lner untu alran materal yang dtangannya. tunuan dengan batasan sebaga berut: δ l l (25) L1 L δ dmana adalah oefsen yang menghubungan produ dengan apastas pusat dstrbus. L enyesuaan terhadap Masalah Keseluruhan formulas d atas aan dterapan untu menyelesaan senaro 1. Namun untu menyelesaan permasalahan pada senaro 2 dan 3 dperluan sedt penyesuaan. ada saat memecahan permasalahan pada senaro 2 varabel dan yang tadnya merupaan varable eputusan berubah menad varabel yang nlanya sudah dtetapan. Hal n mencermnan strateg dmana pengambl eputusan sudah meml pengetahuan untu menetapan produ yang sebanya dprodus d pabr tertentu dan mana yang sebanya menangan area pelanggan tertentu. Untu menyelesaan permasalahan pada senaro 3 hanya dbutuhan perubahan pada data duras changeover dar 24 am menad 12 am dan L4 L5 L6 4 5 Gambar 1 Solus optmal permasalahan 1 Hasl n menunuan bahwa tda sepert pada permasalahan 1 pusat dstrbus 6 tetap dbua untu menerma produs dar pabr dan 6 emudan menyalurannya e pelanggan 7 dan

7 Konfguras yang dperoleh untu senaro 3 sama dengan permasalahan 1 namun baya yang dhaslan untu permasalahan 3 adalah (rmu). ada etga senaro n pelanggan hanya dpaso oleh satu pusat dstrbus saa. Hal n berhubungan dengan sfat global dar ranta paso yang ada. usat dstrbus aan dbangun d suatu negara apabla negara tersebut deat dengan pelanggan yang memerluan produ arena berpengaruh pada baya tetap dan baya operasonal dar pusat dstrbus. L1 L erbandngan pertama aan dlauan antara senaro 1 dmana pengambl eputusan dber eleluasaan untu menentuan onfguras yang optmal dengan senaro 2 dmana aloas produs dan dstrbus sudah dtetapan d awal. erdapat beberapa elebhan dan eurangan dar masngmasng strateg. Strateg dengan menentuan aloas produ d awal sepert pada senaro 2 dapat mengurang baya yang berhubungan dengan penanganan produ. Sepert yang terlhat pada tabel 1 baya penanganan dar asus 2 palng rendah sebaga dampa penentuan aloas produ tap pabr d awal. enentuan aloas pusat dstrbus e pelanggan d awal uga aan menghemat baya transportas dar pusat dstrbus e pelanggan. Hal n bsa terad arena perusahaan danggap sudah meml pengetahuan tentang pusat dstrbus mana yang deat dengan tap pelanggan. Bsa dataan strateg n adalah strateg yang mengutamaan edeatan dengan pelanggan. L3 L4 L Namun deman strateg n menganggap semua fasltas dalam hal n adalah pusat dstrbus tetap dbua. adahal penghematan dapat dperoleh pada baya nfrastrutur tetap a dlauan onsoldas. Sepert terlhat pada tabel 1 baya nfrastrutur pada senaro 1 lebh ecl dbandngan pada senaro 2. Sepert telah delasan sebelumnya ebutuhan dar arngan sebenarnya sudah dapat terpenuh dengan 5 pusat dstrbus. Ahrnya secara eseluruhan baya yang dperoleh untu senaro 2 lebh tngg dbandngan dengan baya senaro 1. L6 6 Gambar 2 Solus optmal permasalahan 2 erbandngan baya untu masng-masng permasalahan dtunuan pada tabel 1. abel 1. erbedaan hasl baya-baya yang deluaran 8 KASUS 1 KASUS 2 baya nfrastrutur baya produs baya penanganan baya transport baya bea cua baya outsource OAL KASUS 3 baya nfrastrutur baya produs baya penanganan baya transport baya bea cua baya outsource OAL Secara tda langsung hal n menunuan euntungan dan erugan yang dperoleh dar onfguras terpusat dan tersebar. Senaro 1 bsa menghemat baya arena semua operas berusaha dlauan pada tempat yang sesedt mungn. Keuntungannya elas pada penurunan baya fasltas namun bsa mengurang nera ecepatan pengrman epada pelanggan. Sebalnya senaro 2 menghaslan onfguras yang cenderung mendeatan pusat dstrbus e pelanggan. engan deman watu pemenuhan e pelanggan bsa dpersngat dengan onseuens baya nfrastrutur yang lebh tngg. Berdasaran perbandngan baya pada tabel 1 dapat dsmpulan bahwa baya total yang terendah dperoleh pada permasalahan 3 dmana duras changeover dperpende dar 24 am (1 har) menad hanya 12 am dan batas perbedaan utlsas dtngatan 2 al lpat dar 50 menad 100. uras pergantan produ sangat berpengaruh terhadap aloas produs dan baya. engan durangnya duras pergantan produ (changeover) dar tap-tap pabr dar 24 am menad 12 am menyebaban aloas haran pabr tda banya terbuang. Hal n berpengaruh pada tngat produs pabr terhadap produ yang

8 menngat sehngga mengurang produ yang doutsource dar pha etga. Hal n terbut dar tabel 1 dmana baya outsource untu permasalahan 3 adalah palng rendah arena outsource barang uga rendah. 5. KESIMULAN AN SARAN Setelah dlauan u coba dan analss terhadap perangat luna yang dbuat maa dapat dambl esmpulan sebaga berut: 1. Model Mxed Integer Lnear rogrammng (MIL) dapat dadan sebaga metode untu menentuan desan arngan yang optmal dar aloas produs dan dstrbus pada arngan ranta paso dalam berbaga onds. Fator-fator yang perlu dpertmbangan antara lan apastas pusat dstrbus permntaan area pelanggan operas haran pabr pemelharaan pabr apastas produs pabr serta umlah alran produ dar pabr e pusat dstrbus dlanutan e area pelanggan. Selan hal tersebut model n uga mempertmbangan baya nfrastrutur baya operasonal baya bea cua serta nla tuar mata uang yang berlau d tap-tap negara. 2. engan onfguras arngan ranta paso yang optmal dapat menghemat baya nfrastrutur dar pusat dstrbus. Sehngga tda perlu membangun semua pusat dstrbus pada tempat yang dusulan arena aan menambah baya tetap dan baya operas pusat dstrbus. 3. engan adanya perubahan perlauan pada penentuan aloas dar pusat dstrbus e area pelanggan mampu menghemat baya transportas tahunan pabr arena pabr mengetahu ara mnmal antar pusat dstrbus dengan area pelanggan. 4. Seman besar fator utlsas dan seman ecl fator changeover bsa mengurang baya tahunan yang deluaran terutama baya outsource produ dar pha etga. 5. Hasl dar varabel eputusan yang ddapat telah memenuh semua batasan yang ada pada model optmas. Implementas model MIL terhadap masalah aloas produs dan dstrbus uga membua banya esempatan untu peneltan lebh lanut. ada model n semua varabel danggap onstan. adahal dalam enyataannya ba permntaan maupun baya-baya serngal tda dapat dpastan. Oleh arena tu stud yang memperhtungan fator etdapastan berbaga varabel dalam masalah aloas produs dan dstrbus aan memberan hasl yang bermanfaat. 6. AFAR USAKA Aermans H. aul Bogerd and B. Vos (1999) Vrtuous and Vcous ycles on the Road owards Internatonal Supply han Management Internatonal Journal of Operatons and roducton Management Vol. 19 No. 5/6 pp Goetschalcx M. Vdal.J. ogan K. (2002). Modelng and desgn of global logstcs systems: a revew of ntegrated strategc and tactcal models and desgn algorthms. European Journal of Operatonal Research Holmstrom K. Goran A.O.Edvall M.M User's Gude For omlab 5.9 omlab Optmzaton. Kahara. (2003). Mult-agent based supply chan modelng wth dynamc envronment. Internatonal Journal of roducton Economcs sas. Shah N. anteldes.. (2001). esgn of multechelon supply chan networs under demand uncertanty. Industral Engneerng and hemstry Research sas. apageorgou L. G. (2008). Optmal producton allocaton and dstrbuton supply chan networs. Internatonal Journal of roducton Economcs Vdal. Goetschalcx M. (1997). Strategc producton dstrbuton models: a crtcal revew wth emphass on global supply chan models. European Journal of Operatonal Research uawan I. N. (2005). Supply han Management. Insttut enolog Sepuluh Nopember Surabaya. 7. LAMIRAN Berut n dtamplan data-data pentng yang dgunaan dalam mplementas model yang dembangan. ata selengapnya dapat dperoleh dar penuls. abel 2 Nla produ haran yang dharapan per pabr (ton/har) L1 L2 L3 L4 L5 L

9 abel 3 Baya produs satuan per produ per pabr (rmu a /g) rodu abr rodus L1 L2 L3 L4 L5 L abel 4 Baya transportas antara pabr dengan pusat dstrbus (rmu/g) ar/ e pabr usat dstrbus L L L L L L abel 5 Baya berhubungan dengan pembangunan pusat dstrbus rodu Baya tetap nfrastrutur (.000 rmu) Baya penanganan materal tap produ (rmu/g) abel 5 ermntaan pelanggan per produ (ton) rodu Area pelanggan abel 6 Baya transportas antara pusat dstrbus dengan area pelanggan (rmu/g) usat dstbus Area pelanggan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin 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 terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 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 terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN 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 terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY 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 terperinci

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

IMPLEMENTASI 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB 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 terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY 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 terperinci

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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 terperinci

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

Optimasi 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 terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI 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 terperinci

PEMODELAN 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 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 terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas 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 terperinci

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created 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 terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab 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 terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh 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 terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi 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 terperinci

ANALISIS MODEL PERSEDIAAN BARANG EOQ DENGAN MEMPERTIMBANGKAN FAKTOR KADALUARSA DAN FAKTOR ALL UNIT DISCOUNT

ANALISIS MODEL PERSEDIAAN BARANG EOQ DENGAN MEMPERTIMBANGKAN FAKTOR KADALUARSA DAN FAKTOR ALL UNIT DISCOUNT LAORAN HASIL ENELITIAN ANALISIS MOEL ERSEIAAN BARANG EO ENGAN MEMERTIMBANGKAN FAKTOR KAALUARSA AN FAKTOR ALL UNIT ISOUNT Tauf Lmansyah LEMBAGA ENELITIAN AN ENGABIAN KEAA MASYARAKAT UNIVERSITAS KATOLIK

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB 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 terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS 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 terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. 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 terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

Implementasi 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 terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

PENGURUTAN JADUAL PRODUKSI PADA LINI RAKIT UNTUK PRODUKSI OPTIMAL

PENGURUTAN JADUAL PRODUKSI PADA LINI RAKIT UNTUK PRODUKSI OPTIMAL PENGURUTAN JADUAL PRODUKSI PADA LINI RAKIT UNTUK PRODUKSI OPTIMAL Muhammad Yusuf Emal : yusuf@aprnd.ac.d Insttut Sans & Tenolog AKPRIND Yogyaarta ABSTRAK Kelancaran produs dapat dlauan untu memnmuman varas

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 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 terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III 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 terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS 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 terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL 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 terperinci

BAB 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. 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 terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv 1 Strateg Memnmalan Load Sheddng Menggunaan Metode Senstvtas Untu Mencegah Voltage Collapse Pada Sstem Kelstran Jawa-Bal 500 V Rs Cahya Anugrerah Haebb, Ad Soepranto,, Ardyono Pryad Jurusan Ten Eletro,

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN 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 terperinci

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield

Perbandingan 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 terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

METODE 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 terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan 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 terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

BAB VI MODEL-MODEL DETERMINISTIK

BAB VI MODEL-MODEL DETERMINISTIK BAB VI MODEL-MODEL DETERMINISTIK 6. Masalah Penyaluran Daya Lstrk Andakan seorang perencana sstem kelstrkan merencakan penyaluran daya lstrk dar beberapa pembangkt yang ternterkoneks dan terhubung dengan

Lebih terperinci

OPTIMASI MASALAH PENUGASAN. Siti Maslihah

OPTIMASI MASALAH PENUGASAN. Siti Maslihah JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER

PENYELESAIAN 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 terperinci

PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ

PENENTUAN 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 terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB 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 terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

Model Persediaan Produk dan Bahan Kemasan Terintegrasi (Studi Kasus PT Indomex Dwijaya Lestari)

Model Persediaan Produk dan Bahan Kemasan Terintegrasi (Studi Kasus PT Indomex Dwijaya Lestari) erforma (05 Vol. 4, No.: 3-4 Model ersedaan rodu dan Bahan Kemasan erntegras (Stud Kasus Indomex waya Lestar Nlda r utr, Jonrnald, dan Yohanna Safar Jurusan en Industr, Faultas en, Unverstas Andalas, Kampus

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 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 terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

Oleh : Fifi Fisiana

Oleh : Fifi Fisiana Optmas Baya Produks menggunakan Metode Revsed Mult Choce Goal programmng dengan Tahap Persedaan Terkontrol Supply Chan Model stud kasus : PT.Gunungarta Manunggal, Gempol Oleh : Ff Fsana 1207100018 Dosen

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

PERENCANAAN KEBUTUHAN TENAGA KERJA FLEKSIBEL PADA SISTEM JOB SHOP MEMPERGUNAKAN TEKNIK SHOJINKA

PERENCANAAN KEBUTUHAN TENAGA KERJA FLEKSIBEL PADA SISTEM JOB SHOP MEMPERGUNAKAN TEKNIK SHOJINKA Magster eknk ndustr Program Pascasarana, Unverstas Katolk Parahyangan, Bandung PERECAAA KEBUUHA EAGA KERA FLEKSBEL PADA SSEM OB SHOP MEMPERGUAKA EKK SHOKA Arf Rahman Program Stud eknk ndustr Fakultas eknk

Lebih terperinci

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER IDENIFIKASI SISEM NONLINIE DENGAN MENGGUNAKAN ECUEN NEUAL NEOK DAN ALGOIMA DEAD-ZONE KALMAN FILE ully Soelaman, angga fa Faultas enolog Informas Insttut enolog Sepuluh Nopember Kampus Keputh, Suollo, Surabaya

Lebih terperinci

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

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

Lebih terperinci

IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN

IMPLEMENTASI 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 terperinci

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum

Lebih terperinci

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai

4 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 terperinci

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI

PENJADWALAN 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 terperinci

Pendekatan Teori Permainan Potensial untuk Manajemen Interferensi pada Jaringan Makro-Femto

Pendekatan Teori Permainan Potensial untuk Manajemen Interferensi pada Jaringan Makro-Femto JTETI, Vol. 5, o. 1, Februar 2016 Pendeatan Teor Permanan Potensal untu Manaemen Interferens pada Jarngan Maro-Femto I Wayan Musta 1, Bagus Made Sabda rmala 2, Selo Sulstyo 3 Abstract In the present paper,

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan

Lebih terperinci

PENGKAJIAN BEBERAPA ALGORITMA UNTUK MENGEVALUASI DAN MENGHITUNG LOSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA LISTRIK

PENGKAJIAN BEBERAPA ALGORITMA UNTUK MENGEVALUASI DAN MENGHITUNG LOSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA LISTRIK PENGKAJIAN BEBERAPA AGORITMA UNTUK MENGEVAUASI DAN MENGHITUNG OSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA ISTRIK Hamzah Hlal Jl. MH. Thamrn No. 8 Geung II anta 0,, PTKKE-Deput Bang TIEM BPPT E-mal: taura889@yahoo.com

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

INVENTORY SYSTEM (Q,R) WITH CRASHING LEAD TIME CONDITION

INVENTORY SYSTEM (Q,R) WITH CRASHING LEAD TIME CONDITION INVENTORY SYSTEM (,R) WITH CRASHING EA TIME CONITION Had Sumadbrata, Ismal Bn Mohd epartment of Industran Enggnerng, Islamc Unversty of Bandung Indonesa epartment of Mathematcs, Unverst Malaysa Terengganu,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1

adalah 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 terperinci

BAB IV HASIL ANALISIS

BAB 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 terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

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

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

Lebih terperinci

BAB III SKEMA NUMERIK

BAB III SKEMA NUMERIK BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,

Lebih terperinci

BAB II DIMENSI PARTISI

BAB 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 terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS 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 terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 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 terperinci

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

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

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci