Penyelesaian Masalah Penugasan Menggunakan Metode Hungarian dan Pinalti (Studi Kasus: CV. Surya Pelangi)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penyelesaian Masalah Penugasan Menggunakan Metode Hungarian dan Pinalti (Studi Kasus: CV. Surya Pelangi)"

Transkripsi

1 Peyelesaia Masalah Peugasa Megguaka Metode Hugaria da Pialti (Studi Kasus: CV. Surya Pelagi) Sri Basriati 1, Ayu Lestari 2 1,2 Jurusa Mateatika, Fakultas Sais da Tekologi, UIN Sulta Syarif Kasi Riau Jl. HR. Soebratas No. 155 Sipag Baru, Paa, Pekabaru, Eail: sribasriati@ui-suska.ac.id, ayulestarierizo12@gail.co ABSTRAK Perasalaha peugasa ebahas asalah pegalokasia sejulah suber ke sejulah tujua, dega tujua eaksialka produksi atau keutuga. Perasalaha peugasa serig dupai pada duia bisis, salah satuya terdapat pada CV. Surya Pelagi yag bergerak dala bidag koveksi. Perusahaa tersebut dala epekerjaka karyawaya harus sesuai dega keahlia asig-asig agar ecapai keutuga yag besar, oleh karea itu diperluka peyelesaia perasalaha peugasa. Metode Hugaria da Pialti erupaka etode yag berbeda utuk eyelesaika asalah peugasa. Metode Hugaria diawali dega eguragi ilai pada baris da kolo dega biaya terkecil, sedagka etode Pialti di awali dega ecari ilai pialti pada setiap kolo atau baris. Berdasarka hasil peelitia ii diperoleh, bahwa hasil produksi optial egguaka kedua etode tersebut eghasilka hasil yag saa yaitu 651 stel pakaia. Metode Hugaria optial pada iterasi keepat sedagka etode Pialti optial pada iterasi kedua. Jadi dari ketiga etode tersebut dapat disipulka bahwa etode Pialti erupaka etode yag lebih efektif utuk eaksialka julah produksi pada CV. Surya Pelagi. Kata Kuci: Metode Hugaria, Metode Pialti, Peugasa ABSTRACT Assiget probles addressed of the allocatio fro aout of sources to aout of destiatios, for axiizig productio or the profit. Assiget proble are coo i the busiess world. Oe of the is CV. Surya Pelagi. CV. Surya Pelagi ru i covectio, whe it staffs its eployees, its eployees should be worked to the field which correspod with their ow ability i additio that copay could achive a big profit, therefore it is ecessary to solve the probles of assiget. Hugaria Method ad Pealty Method are differet ethods to solve the assiget proble.. The Hugaria Method reduces begiig values with the rows ad colus with the biggest value, while the Pealty Method begis by foudig the pealty value o each row ad colu. Based o these results obtaied, the result ared is that the optial of productio usig this both ethods show the sae outcoeas 651 suit of clothes. The Hugaria Method is optial o the fourth iteratio, while the pealty ethod is o the secod iteratio. Moreover, it ca be see fro the both ethods that the pealty ethod is ore effective for axiizig the productio i CV. Surya Pelagi tha the Hugaria Method. Keywords: Assiget, Hugaria Method, Pealty Method Pedahulua Masalah yag serig dihadapi dala duia usaha da idustri adalah asalah-asalah yag berhubuga dega alokasi optial dari beraca-aca suber daya yag produktif atau persoalia yag epuyai tigkat efisiesi yag berbeda-beda utuk pekerjaa yag berbeda pula. Masalah peugasa adalah suatu asalah egeai pegatura pada idividu utuk elaksaaka tugas, sehigga dega deikia biaya atau waktu yag diguaka utuk pelaksaaa tugas tersebut dapat diiialka (Ristoo dkk, 2011). Peyelesaia asalah peugasa dapat dilakuka dega etode Hugaria da etode Pialti. Erlida Rahawati dkk (2015) telah ebahas sebeluya tetag peugasa Hugaria. Peelitia Erlida Rahawati eghasilka bahwa etode Hugaria lebih optial dibadigka 75

2 ISSN prit/issn olie peugasa yag dilakuka perusahaa dala peepata karyawa. Selajutya, Nida Uswatu K (2012) dala peelitiaya ebahas tetag peugasa tidak seibag egguaka etode Pialti. Peelitia Nida eghasilka bahwa etode peugasa pialti lebih efektif dibadigka dega etode Hugaria da etode sipleks. Hal tersebut terlihat dari cara perhituga da iterasi yag lebih sedikit dibadigka etode Hugaria da etode sipleks. Metode da Baha Peelitia Model Peugasa (Assiget) pada awalya dikeal sebagai Hugaria Method. Istilah ii diberika utuk egabadika D. Koig, ahli ateatika asal Hugaria yag pertaa kali egebagka odel ii (Siswato, 2007). Thoas J. Kakiay (2008) eyataka bahwa asalah peugasa adalah alokasi dari bayak pekerjaa atau idividu pekerja yag diyataka dega utuk egerjaka pekerjaa atau esi dega uit atau biaya yag sudah ditetuka. Metode peugasa diguaka utuk eaksialka keutuga dala suatu perusahaa. Beberapa hal yag harus diketahui dala eyelesaika asalah peugasa yaitu: julah pekerja (), julah pekerjaa yag aka diselesaika (), peugasa pekerja pada suatu pekerjaa ( X ), paraeter alokasi peugasa ( C ). Secara uu asalah peugasa dapat ditulis dega ruus sebagai berikut: aksiuka dega kedala: Z c x i 1 j 1 i 1 i Metode Hugaria 1; i 1,2,..., 1 ; i 1,2,..., Lagkah peyelesaia etode peugasa egguaka etode Hugaria (Dodi Raharjo, 2010) adalah sebagai berikut : 1. Idetifikasi da peyederhaaa asalah dala betuk atriks peugasa. 2. Meetuka ilai terbesar dari setiap baris, keudia eguragka ilai terbesar dega setiap ilai dala baris tersebut. 3. Meeriksa apakah setiap kolo telah epuyai ilai ol. Jika sudah lajutka ke lagkah 4, jika belu kuragka setiap kolo yag belu eiliki elee ol dega ilai terkecil. 4. Mearik garis pada baris atau kolo yag epuyai ilai ol dega cara eilih baris atau kolo yag eiliki ol terbayak terlebih dahulu utuk edapatka garis seiial ugki. Jika julah garis sudah saa dega julah baris atau kolo ata tabel telah optial. Jika belu, aka lajutka ke lagkah Meguragka seua ilai yag tidak tertutup garis dega ilai terkecil, da ilai pada perpotoga garis ditabahka dega ilai terkecil. 6. Jika seua baris atau kolo yag epuyai ilai ol sudah tertutup garis, aka tabel sudah optial. 2.2 Metode Pialti Lagkah peyelesaia peugasa egguaka etode pialti adalah sebagai berikut: 1. Utuk setiap kolo dicari ilai pialti dega ecari selisih atara ilai terbesar dega ilai terbesar berikutya. 2. Lihat kolo pialti yag palig aksiu, pilih kegiata terbesar sesuai dega baris atau kolo itu, da ligkari. Keudia coret baris da kolo yag sesuai dega ilai tersebut. Jika sudah ada tada pada kolo pialti aksiu aka pilih kegiata terbesar dari kegiata terkecil yag sesuai. 76

3 3. Ulagi lagkah 1 da lagkah 2 sapai haya ada satu kolo yag tidak dicoret. Keudia pilih kegiata terbesar dikolo terakhir, ligkari da coret baris da kolo yag sesuai. Algorita utuk ecari solusi optial adalah sebagai berikut : 1. Pilih sel o basis yag epuyai kegiata terbesar. 2. Lagkah eetuka solusi optial a. Betuk loop atau ligkara yag epertibagka dua sel basis da dua sel o basis, tidak lebih dari dua sel dala loop pada baris da kolo. b. Buatlah total kegiata pada sel basis (T ) da total kegiata pada sel o basis (T). c. Jika aka ii eujukka bahwa ada solusi alteratif utuk asalah peugasa yag diberika. d. Jika aka ii eujukka bahwa perbaika dala solusi awal ugki terjadi. Jika ada tada pada kegiata terkecil pada sel o basis aka pilih kegiata terbesar yag eugkika aksiu. Gati sel o basis da sel basis pada baris. Pilih lagi kegiata terbesar pada sel o basis da lajutka lagkah 2. Jika aka lajut ke lagkah e. e. Betuk seua keugkia loop satu per satu yag eeuhi kodisi betuk loop sapai diteuka ilai yag aksiu. Hasil da Pebahasa Peelitia ii dilakuka di CV. Surya Pelagi Pekabaru yag erupaka salah satu perusahaa yag bergerak dala bidag jasa pebuata pakaia. Data yag diperoleh dari CV. Surya Pelagi adalah bayakya produksi pakaia oleh delapa orag karyawa utuk delapa jeis pakaia. Berdasarka data yag diberika CV. Surya Pelagi, jika setiap karyawa haya egerjaka satu jeis pakaia dala satu iggu, aka julah stel pakaia yag dapat diselesaika setiap karyawa dala satu iggu dapat dilihat pada tabel berikut: Tabel 1. Data Julah Pakaia yag diselesaika Setiap Pakaia Perasalaha peugasa pada Tabel 1 aka diselesaika egguaka etode hugaria da etode pialti dega tujua eaksialka julah produksi pakaia pada CV. Surya Pelagi. 3.1 Hasil Megguaka Metode Hugaria Berdasarka Data pada Tabel 1 aka kita selesaika egguaka etode hugaria. Lagkah pertaa yaitu eguragka ilai terbesar pada setiap baris dega setiap ilai pada barios tersebut. Utuk baris pertaa, eguragka ilai terbesar yaitu 90 dega setiap ilai pada baris tersebut. Baris kedua, eguragka 87 dega seua ilai pada baris kedua. Begitu seterusya sapai baris terakhir. Maka didapatka tabel seperti berikut: 77

4 ISSN prit/issn olie Tabel 2. Hasil Peguraga Baris Pakaia A B C D E F G H Berdasarka Tabel 2 asih terdapat kolo yag belu eiliki ilai ol yaitu kolo pertaa da kolo keea. Utuk kolo pertaa, kuragka ilai seua ilai pada kolo pertaa dega ilai terkecil yaitu 9, begitupu utuk kolo keea. Maka aka didapatka solusi awal seperti tabel berikut: Tabel 3. Solusi Awal Utuk Metode Hugaria Pakaia A B C D E F G H Setelah edapatka solusi awal, yag aka dilakuka selajutya adalah earik garis elewati seua ol dega cara eilih baris atau kolo yag olya palig bayak terlebih dahulu agar garis yag dibuat bisa seiial ugki. Lakuka seperti pada subbab 1.1 sapai garis yag didapatka saa dega julah baris atau kolo. Maka didapatka solusi optial sebagai berikut: Tabel 4. Solusi Optial Megguaka Metode Hugaria Pakaia A B C D E F G H Maks Z c x xg1 xa2 xd3 xb4 xf5 xe6 xc7 xh8 i 1 j 1 Z =

5 3.2 Hasil Metode Pialti Setelah didapatka hasil egguaka etode hugaria, selajutya aka diselesaika egguaka etode pialti. Berdasarka data pada tabel 1, Meetuka ilai pialti utuk setiap kolo dega eguragka ilai terbesar dega ilai terbesar berikutya. Utuk kolo pertaa eguragka 72 dega 73. Utuk kolo kedua eguragka 84 dega 81, begitu seterusya sapai kolo kedelapa. Keudia dari hasil peguraga tersebut, tetuka ilai palig besar yaitu 10, keudia eetuka ilai terbesar pada kolo yag sejajar dega agka 10 yaitu 91. Selajutya, earik garis pada baris da kolo yag sejajar dega agka 91. Maka didapatka seperti pada tabel berikut: Pakaia Tabel 5. Nilai Pialti Pertaa P Utuk ilai pialti berikutya, lakuka seperti cara sebeluya au baris da kolo yag sudah dilewati garis tidak dihitug. Maka utuk ilai pialti kedua aka didapatka seperti tabel berikut: Tabel 6. Nilai Pialti Kedua Pakaia P P Setelah edapatka seua ilai pialti, aka didapatka solusi awal utuk etode pialti seperti tabel berikut: Tabel 7. Solusi Awal Metode Pialti Pakaia 79

6 ISSN prit/issn olie Berdasarka solusi awal yag didapatka lakuka uji optialisasi dega ebetuk loop dega epertibagka ilai basis da obasis. pada solusi awal ilai obasis terbesar adalah 89. Maka didapatka uji optialisasi pertaa sebagai berikut: Pakaia Tabel 8. Uji Optialisasi Pertaa Berdasarka uji optialisasi pertaa, didapatka bahwa total ilai basis ( dilewati loop. T ' T ) da o basis ( ) yag Karea total aka tabel awal belu optial. Gati variabel o basis ejadi variabel basis, da lakuka lagi pebetuka loop sapai tabel optial. Pakaia Tabel 9. Uji Optialisasi Kedua 1. Meghitug total ilai basis ( ) da o basis ( ) yag dilewati loop. Karea total aka tabel sudah optial. 80

7 Tabel 10. Solusi Optial Megguaka Metode Pialti Pakaia A B C D E F G H Maks Z c x xg1 xa2 xd3 xb4 xf5 xe6 xc7 xh8 i 1 j 1 Z = 651 Kesipula Berdasarka pebahasa, Metode Hugaria da Metode Pialti eghasilka alokasi peugasa optial yag saa, dega produksi aksial sebayak 651 setel pakaia. Metode Hugaria edapatka solusi optial pada iterasi keepat, sedagka etode pialti edapatka solusi optial pada iterasi kedua. berdasarka kedua etode tersebut dapat disipulka bahwa etode Metode Pialti lebih efektif dala eyelesaika asalah peugasa pada CV. Surya Pelagi karea dala peyelesaiaya iterasi Metode Pialti lebih sedikit dibadigka Metode Hugaria. Alokasi optial yag didapatka adalah sebagai berikut: a. Seraga G dikerjaka oleh karyawa 1 sebayak 72 stel. b. Seraga A dikerjaka oleh karyawa 2 sebayak 84 stel. c. Seraga D dikerjaka oleh karyawa 3 sebayak 91 stel. d. Seraga B dikerjaka oleh karyawa 4 sebayak 87 stel. e. Seraga F dikerjaka oleh karyawa 5 sebayak 89 stel. f. Seraga E dikerjaka oleh karyawa 6 sebayak 60 stel. g. Seraga C dikerjaka oleh karyawa 7 sebayak 84 stel. h. Seraga H dikerjaka oleh karyawa 8 sebayak 84 stel. Daftar Pustaka [1] Raharjo Dodi. Proses Optiasi da Idealisasi Masalah Peugasa Multi-Objective Megguaka Metode Hugaria pada Cotoh Kasus Usaha Kerajia Gitar di Ngrobo Baki Sukoharjo. Skripsi. Sarjaa Uiversitas Sebelas Maret Surakarta, [2] Rahawati, Erlida dkk. Optialisasi Masalah Peugasa Megguaka Metode Hugaria [3] Ristoo dkk. Ekooi Tekik. Edisi Pertaa. Graha Ilu. Yogyakarta [4] Siswato. Operatio Research Jilid 2. Erlagga. Yogyakarta [5] Thoas J. Kakiay. Perograa Liear. Adi Yogyakarta [6] Uswatu, Nida. Peerapa Metode Peugasa Pialti pada Masalah Peugasa yag Tidak Seibag (Studi Kasus Satreskri Polres Mageta). Jural dari Jurusa Mateatika Uiversitas Brawaya, Malag,

Definisi 2.3 : Jika max min E(X,Y) = min

Definisi 2.3 : Jika max min E(X,Y) = min Teori Peraia 22 Peelitia Operasioal II Defiisi 23 : Jika ax i E(X,Y) = z y i y ax E(X,Y) =E(x 0, y 0 ), aka (x 0, y 0 ) didefiisika z sebagai strategi uri dari peraia itu dega x 0 sebagai strategi optiu

Lebih terperinci

Jurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN

Jurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN Jural EKSPONENSIAL Volue 8, Noor 1, Mei 2017 ISSN 2085-7829 Proses Optiasi Masalah Peugasa Oe-Objectiveda Two-Objective Megguaka Metode Hugaria (Studi Kasus : Usaha Kerajia Rota Toko Rota Sejati Saarida

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi

Lebih terperinci

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization)

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization) Prosidig Seirata FMIP Uiversitas Lapug, Optiisasi Terpadu Persoala Ivetori da Persoala Trasfortasi dega Metode ITIO ( Ivetory Trasfortatio Itegrated Optiizatio) T.P.Nababa, Sukato, Karida Puspita N Jurusa

Lebih terperinci

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Jural Matriks, ol. 1, No. 2, 2018 1 PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Rii Hidayattillah, Pardi Affadi, Akhad Yusuf Progra Studi Mateatika Fakultas MIPA Uiversitas Labug

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +K Oleh : MOHAMMAD IQBAL 1 0 100 01 Pebibig : Drs. Suhud Wahyudi, M.Si. 1900109 198701 1 001 ABSTRAK Graph adalah hipua

Lebih terperinci

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD Jailah * Firdaus Sigit Sugiarto Mahasiwa Progra S Mateatika Dose Jurusa Mateatika Fakultas Mateatika

Lebih terperinci

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali) DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,

Lebih terperinci

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Jural Matriks, ol. 1, No. 1, 2018 1 PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Rii Hidayattillah, Pardi Affadi, Akhad Yusuf Progra Studi Mateatika Fakultas MIPA Uiversitas Labug

Lebih terperinci

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov Vol. 3, No., 85-9, Juli 6 Peerapa Teorea Perro-Frobeius pada Peetua Distribusi Stasioer Ratai Markov Jusawati Massalesse Abstrak Perilaku suatu ratai Markov setelah berala ukup laa dapat diketahui elalui

Lebih terperinci

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka. MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH Warsito Progra Studi Mateatika FMIPA Uiversitas Terbuka warsito@ut.ac.id Abstrak Peyelesaia pertidaksaaa ( x- a, a Î R adalah x a (egguaka

Lebih terperinci

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V LAJU REAKSI STANDART KOMPETENSI; Meahai kietika reaksi, kesetibaga kiia, da faktor-faktor yag berpegaruh, serta peerapaya dala kehidupa sehari-hari KOMPETENSI DASAR; Medeskripsika pegertia laju reaksi

Lebih terperinci

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN Siste idetifikasi daerah rawa bajir ebutuhka adaya data spasial yag diolah dega eafaatka tekologi Siste

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI 5 I PENDAHULUAN Latar Belakag Persaaa diferesial adalah suatu persaaa ag egadug sebuah fugsi ag tak diketahui dega satu atau lebih turuaa [Stewart, 3] Persaaa diferesial dapat dibedaka eurut ordea, salah

Lebih terperinci

BAB 2 DASAR TEORI. 2.1 Probabilitas

BAB 2 DASAR TEORI. 2.1 Probabilitas BAB DASAR TEORI. Probabilitas Probabilitas epuyai bayak persaaa seperti keugkia, kesepata da kecederuga. Probabilitas eujukka keugkia terjadiya suatu peristiwa yag bersifat acak. Suatu peristiwa disebut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN Persoala trasportasi yag serig ucul dala kehidupa sehari-hari, erupaka gologa tersediri dala persoala progra liier. Maka etode traportasi ii juga dapat diguaka utuk eyelesaika beberapa

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Jural Mateatika Muri da Terapa Vol 4 No Deseber : - 3 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Muhaad Ahsar Kari, Dewi Sri Susati, da Nurul Huda Progra Studi Mateatika Uiversitas Labug Magkurat Jl

Lebih terperinci

PENGGUNAAN NILAI EIGEN DAN VEKTOR EIGEN UNTUK MENENTUKAN MODEL GENOTIP KETURUNAN YANG TERTAUT KROMOSOM X

PENGGUNAAN NILAI EIGEN DAN VEKTOR EIGEN UNTUK MENENTUKAN MODEL GENOTIP KETURUNAN YANG TERTAUT KROMOSOM X Jural Maajee Ioratika da Tekik Koputer Volue, Noor, pril PENGGUNN NILI EIGEN DN VEKTOR EIGEN UNTUK MENENTUKN MODEL GENOTIP KETURUNN YNG TERTUT KROMOSOM X Havid Syawa *, Nurwati Jurusa Maajee Ioratika,

Lebih terperinci

OPTIMISASI SISTEM TRANSPORTASI UBI KAYU BERBASIS ASSIGNMENT MODEL SEBAGAI BAHAN BAKU INDUSTRI TAPIOKA

OPTIMISASI SISTEM TRANSPORTASI UBI KAYU BERBASIS ASSIGNMENT MODEL SEBAGAI BAHAN BAKU INDUSTRI TAPIOKA OPTIMISASI SISTEM TRANSPORTASI UBI KAYU BERBASIS ASSIGNMENT MODEL SEBAGAI BAHAN BAKU INDUSTRI TAPIOKA HADI SUTANTO SARAGI LECTURER OF ENGINEERING MANAGEMENT; FACULTY OF INDUSTRIAL ENGINEERING INSTITUT

Lebih terperinci

LEMBAR KERJA SISWA 5

LEMBAR KERJA SISWA 5 94 LEMBAR KERJA SISWA 5 Mata Pelajara Kelas/Seester Materi Pokok Subateri Pokok Alokasi Waktu : Kiia : XI/gajil : Laju Reaksi : Orde Reaksi : 2 x 45 eit Stadar Kopetesi 3. Meahai Kietika Reaksi, Kesetibaga

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Kosep Peasara Kosep peasara erupaka filsafat bisis yag bagkit eatag kosep-kosep sebeluya. Kosep peasara berpedapat bahwa kuci utuk ecapai tujuatujua orgaisasi/ perusahaaa terdiri

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

MODUL MATEMATIKA SMA IPA Kelas 12

MODUL MATEMATIKA SMA IPA Kelas 12 MODL MATEMATIKA SMA IPA Kelas BARISAN DAN DERET ARITMATIKA. Betuk uu: a, ( a b), ( a b) ( a b). Ruus suku ke- ( ) a ( ) b a : suku pertaa b : beda. Julah suku pertaa (S ) S ( a ) atau S (a ( ) b) Dega

Lebih terperinci

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

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

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

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

Lebih terperinci

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

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

Lebih terperinci

PENGEMBANGAN ALGORITMA CROSS ENTROPY DALAM PENYELESAIAN TRAVELING PURCHASER PROBLEM

PENGEMBANGAN ALGORITMA CROSS ENTROPY DALAM PENYELESAIAN TRAVELING PURCHASER PROBLEM PENGEMBANGAN ALGORITMA CROSS ENTROPY DALAM PENYELESAIAN TRAVELING PURCHASER PROBLEM Citra Maharai, Budi Satosa Jurusa Tekik Idustri Istitut Tekologi Sepuluh Nopeber (ITS) Surabaya Kapus ITS Sukolilo Surabaya

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

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

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

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

UKURAN TENDENSI SENTRAL

UKURAN TENDENSI SENTRAL BAB 3 UKURAN TENDENSI SENTRAL Kompetesi Mampu mejelaska da megaalisis kosep dasar ukura tedesi setral. Idikator 1. Mejelaska da megaalisis mea.. Mejelaska da megaalisis media. 3. Mejelaska da megaalisis

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI BPK RI PERWAKILAN JAWA BARAT DENGAN METODE CLUSTERING

PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI BPK RI PERWAKILAN JAWA BARAT DENGAN METODE CLUSTERING PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI BPK RI PERWAKILAN JAWA BARAT DENGAN METODE CLUSTERING Moicha Dwayai, Mahedrawati da Nur Iriawa Progra Studi Magister Maajee Tekologi-ITS Jurusa Maajee Tekologi

Lebih terperinci

OPTIMASI PRODUKSI PIPA STAINLESS STEEL INDUSTRI di P.T. X

OPTIMASI PRODUKSI PIPA STAINLESS STEEL INDUSTRI di P.T. X Prosidig Seiar Nasioal Maajee Tekologi IV Progra Studi MMT-ITS, Surabaya 5 Agustus 2006 OPTIMASI PRODUKSI PIPA STAINLESS STEEL INDUSTRI di P.T. X 1 Dely, 2 Bobby Oedy P. Soepagkat, 2 Nurhadi Siswato 1

Lebih terperinci

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

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

Lebih terperinci

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN

Lebih terperinci

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

SIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON

SIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON J. Math. ad Its Appl. ISSN: 829-605X Vol. 2, No., Mei 205, 3-22 SIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON Farida Agustii Widjajati, Marselly Dia Saputri 2, Nur Asiyah 3,2,3

Lebih terperinci

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic. Peyelesaia Asymmetric Travellig Salesma Problem dega Algoritma Hugaria da Algoritma Cheapest Isertio Heuristic Caturiyati Staf Pegaar Jurusa Pedidika Matematika FMIPA UNY E-mail: wcaturiyati@yahoo.com

Lebih terperinci

Penerapan Fuzzy Analytical Network Process Dalam Menentukan Prioritas Pemeliharaan Jalan

Penerapan Fuzzy Analytical Network Process Dalam Menentukan Prioritas Pemeliharaan Jalan JURNAL SAINS DAN SENI POMITS Vol., No., (203) -6 Peerapa Fuzzy Aalytical Network Process Dala Meetuka Prioritas Peeliharaa Jala Mais Oktavia, I Gusti Ngurah Rai Usadha Jurusa Mateatika, Fakultas Mateatika

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP. (Tessa Vaia Soetato, et al.) STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN

Lebih terperinci

PEMAMPATAN DAN REKONSTRUKSI CITRA BERWARNA 24-BIT MENGGUNAKAN ANALISIS KOMPONEN UTAMA (PCA) Rofi Yuliansyah 1, Budi Setiyono 2, R.

PEMAMPATAN DAN REKONSTRUKSI CITRA BERWARNA 24-BIT MENGGUNAKAN ANALISIS KOMPONEN UTAMA (PCA) Rofi Yuliansyah 1, Budi Setiyono 2, R. PEMAMPAAN AN REKONSRUKSI CIRA BERWARNA 4-BI MENGGUNAKAN ANALISIS KOMPONEN UAMA (PCA) Rofi Yuliasyah, Budi Setiyoo, R Rizal Isato Abstrak - Selaa ii peelitia egeai peapata da rekostruksi citra digital asih

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

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

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

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Pendahuluan. Tujuan MODUL

Pendahuluan. Tujuan MODUL DATABASE Etity Relasiosip Diagra Satrio Agug W, Ari Kusyati da Mahedra Data Tekik Iforatika, Fakultas Tekik, Uiversitas Brawijaya, Eail : iforatika@ub.ac.id Pedahulua Etity Relasioalship Diagra adalah

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

Kata kunci: jarak tempuh, komponen estimasi statistik, routing S-shape, return strategy

Kata kunci: jarak tempuh, komponen estimasi statistik, routing S-shape, return strategy Estiasi Jarak Tepuh Order Pickig Maual Dega Metode Aalitik di PT GMS Agug Chadra Fakultas Tekik, Jurusa Tekik Idustri, Uiversitas Mercubuaa Jl. Raya Meruya Selata o.0, Kebaga, Jakarta Barat 650 Surel:

Lebih terperinci

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

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

Lebih terperinci

Pemilihan Ketua BEM Fakultas Teknik UN PGRI Kediri menggunakan Metode ELECTRE

Pemilihan Ketua BEM Fakultas Teknik UN PGRI Kediri menggunakan Metode ELECTRE Pemiliha Ketua BEM Fakultas Tekik UN PGRI Kediri megguaka Metode ELECTRE Nalsa Citya Resti Sistem Iformasi, Fakultas Tekik, Uiversitas Nusatara PGRI Kediri E-mail: alsacitya@upkediri.ac.id Abstrak salah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum, 32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

Barisan Aritmetika dan deret aritmetika

Barisan Aritmetika dan deret aritmetika BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com Soal da Pembahasa jia Nasioal 06 Matematika Tekik SMK matematikameyeagka.com . pqr Betuk sederhaa dari p q r A. p 8 q r adalah... B. p q 0 r 0 D. p q 0 r 0 C. p 8 q r 0 E. p 6 q r Igat rumus berikut m

Lebih terperinci

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

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

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

PERENCANAAN JARINGAN IRIGASI PASANG SURUT ARISAN MUSI KECAMATAN MUARA BELIDA MUARA ENIM

PERENCANAAN JARINGAN IRIGASI PASANG SURUT ARISAN MUSI KECAMATAN MUARA BELIDA MUARA ENIM PERENCANAAN JARINGAN IRIGASI PASANG SURUT ARISAN MUSI KECAMATAN MUARA BELIDA MUARA ENIM Syukri Malia da Sri Martii Staf Pegajar Jurusa Sipil Fakultas Tekik Uiversitas Muhaadiyah Palebag Abstrak Suatera

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

Perbaikan Bagan Kendali Pergerakan Data (Data Driven)

Perbaikan Bagan Kendali Pergerakan Data (Data Driven) Bab 3 Perbaika Baga Kedali Pergeraka Data Data Drive) 3.1 Pedahulua Baga kedali klasik utuk eoitorig rataa didasarka pada asusi keorala. Ketika syarat keorala tidak dipeuhi, baga kedali klasik ii tidak

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

BAB III METODE PENELITIAN

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

Lebih terperinci

Model Pengembangan Wilayah untuk Pembangunan Pelabuhan: Studi Kasus Pantai Selatan Jawa Timur

Model Pengembangan Wilayah untuk Pembangunan Pelabuhan: Studi Kasus Pantai Selatan Jawa Timur JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 E-1 Model Pegebaga Wilayah utuk Pebagua Pelabuha: Studi Kasus Patai Selata Jawa Tiur Wahyu Putra Gatara, Tri Achadi Jurusa Tekik Perkapala, Fakultas

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka

Lebih terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011. III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

BAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai

BAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai 20 BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii merupaka aalisis tetag kelayaka ivestasi usaha cuci mobil CV. Sagkara Abadi di Bumiayu. Metode aalisis yag dipakai adalah metode aalisis kuatitatif

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

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

Lebih terperinci

τ = r x F KESETIMBANGAN

τ = r x F KESETIMBANGAN KESETIMBG Moe Gaa ( τ ) Moe gaa atau torsi adalah besara ag dapat eebabka beda berotasi atau berputar. Besar oe gaa didefiisika sebagai hasil kali atara gaa ag bekerja dega lega. Moe gaa terasuk dala besara

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

Analisis Pengambilan Keputusan Multikriteria Untuk Sumber Energi Terbarukan di Wilayah Madura Menggunakan Metode Fuzzy AHP dan VIKOR

Analisis Pengambilan Keputusan Multikriteria Untuk Sumber Energi Terbarukan di Wilayah Madura Menggunakan Metode Fuzzy AHP dan VIKOR JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1 Aalisis Pegabila Keputusa Multikriteria Utuk Suber Eergi Terbaruka di Wilayah Madura Megguaka Metode Fuzzy AHP da VIKOR Mevita Cahayai, Mohaad Isa Irawa,

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

STATISTIKA SMA (Bag.1)

STATISTIKA SMA (Bag.1) SMA - STATISTIKA SMA (Bag. A. DATA TUNGGAL. Ukura Pemusata : Terdapat ilai statistika yag dapat dimiliki oleh sekumpula data yag diperoleh yaitu : a. Rata-rata Rata-rata jumlah seluruh data bayakya data

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

Lebih terperinci

BAB III METODE PENELITIAN. penelitian ini adalah penelitian diskriptif kuantitatif. Dalam hal ini peneliti akan

BAB III METODE PENELITIAN. penelitian ini adalah penelitian diskriptif kuantitatif. Dalam hal ini peneliti akan BAB III METODE PENELITIAN A. Jeis Peelitia Berdasarka pertayaa peelitia yag peeliti ajuka maka jeis peelitia ii adalah peelitia diskriptif kuatitatif. Dalam hal ii peeliti aka mediskripsika kemampua relatig,

Lebih terperinci