LAMPIRAN A KUISIONER PEMBOBOTAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "LAMPIRAN A KUISIONER PEMBOBOTAN"

Transkripsi

1 91 LAMPIRAN A KUISIONER PEMBOBOTAN PENGANTAR Kuisioner berikut merupakan kuisioner metode Analytic Network Process (ANP) untuk menentukan nilai bobot indikator kinerja kunci klaster yang telah teridentifikasi dari pengelolaan data penilitian sebelumnya. Kuisioner ini terdiri dari pairwise comparison (perbandingan berpasangan) antar kelompok kinerja dan indikator penilaiannya. Kuisioner ini adalah media yang digunakan oleh peneliti kepada pihak ahli atau expert dalam hal penilaian untuk pemilihan alternatif strategi revitalisasi Pasar Tradisional Tambah Rejo Surabaya dengan kriteria. Adapun pihak yang terlibat pada penelitian tugas akhir ini adalah pihak eks R&D PD. Pasar Surya, Kepala Pasar Tambah Rejo Surabaya, Ketua Paguyuban Pedagang Tambah Rejo Surabaya. Nilai bobot prioritas yang dihasilkan akan digunakan untuk menentukan alternatif pemilihan strategi revitalisasi dan juga sebagai inputan dalam pengolahan metode ZOGP (zero-one goal programming). Semoga hasil penelitian tugas akhir ini dapat membantu memberikan masukan dalam pemilihan strategi revitalisasi Pasar Tradisionla Tambah Rejo Surabaya. Segala aktivitas wawancara dan data yang diperoleh murni digunakan untuk kepentingan pendidikan dan penelitian. Atas partisipasinya diucapkan terima kasih. Surabaya, Juni 2010 PENELITI

2 92 Identitas Responden Nama :. Profesi/Posisi :... Alamat :... No. Telepon :... Petunjuk pengisian: Beri tanda silang (X) nilai perbandingan yang paling sesuai menurut anda, berdasarkan kategori serta skala perbandingan yang telah diberikan untuk setiap aspek/kriteria terhadap goal/objectif, aspek/kriteria terhadap aspek/kriteria lainnya serta alternatif tehadap aspek/kriteria. Pemberian nilai yang semakin besar ke kanan berarti aspek/kriteria bagian kanan lebih dipentingkan daripada aspek/kriteria bagian kiri, begitupun sebaliknya. Skala perbandingan berpasangan ANP: 1. Equal (sama) 2. Equal moderate (nilai antara sama sampai sedang) 3. Moderate (sedang) 4. Moderate strong (nilai antara sedang sampai kuat) 5. Strong (kuat) 6. Strong very strong (nilai antara kuat sampai sangat kuat) 7. Very strong (sangat kuat) 8. Very strong extreme (nilai antara sangat kuatsampai ekstrim) 9. Extreme (Ekstrim)

3 93 A.1. Sub Network (Benefit)With respect to Peningkatan Kenyamanan Pasar A.2. Sub Network (Benefit)With respect to Peningkatan Kenyamanan Pasar A.3. Sub Network (Cost)With respect to Biaya Operasional Per Tahun

4 94 A.4. Sub Network (Cost)With respect to Penggunaan Resource Pasar A.5. Sub Network (Opportunity) With respect to Ketertarikan Investor A.6. Sub Network (Opportunity) With respect to Pencitraan Pasar

5 95 A.7. Sub Network (Opportunity) With respect to Ketertarikan Pengunjung A.8. Sub Network (Opportunity) With respect to Opportunity Kriteria A.9. Sub Network (Risk) With respect to Durasi Proyek

6 96 A.10. Sub Network (Risk) With respect to Stabilitas Lingkungan Sekitar A.11. Sub Network (Risk) With respect to Konflik Pedagang Pasar-PKL Demikian hasil pengisian kuisioner ini, adapun seluruh pengisian dalam setiap poin di kuisioner ini adalah benar-banar diisikan oleh pihak respoden yang tertulis pada halaman sebelumnya dan tidak dengan paksaan macam apapun. Tertanda, Surabaya.Juni 2010 Responden Kuisioner (.)

7 97 LAMPIRAN B RATA-RATA GEOMETRIS B.1 Rata-Rata Geometris Subnet Benefit Kenyamanan Pasar B.2 Rata-Rata Geometris Subnet Benefit Transaksi Penjualan

8 98 B.3 Rata-Rata Geometris Subnet Opportunity Pencitraan Pasar B.4 Rata-Rata Geometris Subnet Opportunity Ketertarikan Investor

9 99 B.5 Rata-Rata Geometris Subnet Opportunity Ketertarikan Pengunjung B.6 Rata-Rata Geometris Subnet Opportunity Alternatif

10 100 B.7 Rata-Rata Geometris Subnet Cost Biaya Operasional Per Tahun B.8 Rata-Rata Geometris Subnet Cost Penggunaan Resource Pasar

11 101 B.9 Rata-Rata Geometris Subnet Risk Durasi Proyek B.10 Rata-Rata Geometris Subnet Risk Stabilitas Lingkungan

12 102 B.11 Rata-Rata Geometris Subnet Risk Konflik Pedagang-PKL

13 103 LAMPIRAN C INKONSISTENSI PERBANDINGAN BERPASANGAN C.1 Grafik Inkonsistensi Node Kenyamanan Pasar C.2 Grafik Inkonsistensi Node Transaksi Penjualan

14 104 C.3 Grafik Inkonsistensi Node Ketertarikan Investor C.4 Grafik Inkonsistensi Node Ketertarikan Pengunjung

15 105 C.4 Grafik Inkonsistensi Node Pencitraan Pasar C.5 Grafik Inkonsistensi Node Pencitraan Pasar

16 106 C.6 Grafik Inkonsistensi Node Biaya Operasional Per Tahun C.7 Grafik Inkonsistensi Node Penggunaan Resource

17 107 C.7 Grafik Inkonsistensi Node Durasi Proyek C.8 Grafik Inkonsistensi Node Konflik Pedagang-PKL

18 108 C.9 Grafik Inkonsistensi Node Stabilitas Lingkungan

19 109 LAMPIRAN D SUPERMATRIKS D.1 Benefit Unweighted SuperMatriks D.2 Benefit Weighted SuperMatriks

20 110 D.3 Benefit Limiting SuperMatriks D.4 Opportunity Unweighted SuperMatriks

21 111 D.5 Opportunity Weighted SuperMatriks D.6 Opportunity Limiting SuperMatriks

22 112 D.7 Cost Unweighted Supermatriks D.8 Cost Weighted Supermatriks

23 113 D.9 Cost Limiting Supermatriks D.10 Risk Unweighted Supermatriks

24 114 D.11 Risk Weighted Supermatriks D.12 Risk Limiting Supermatriks

25 115 LAMPIRAN E OUTPUT LINDO E.1 Output Formulasi ZOGP LP OPTIMUM FOUND AT STEP 20 OBJECTIVE VALUE = E-01 FIX ALL VARS.( 3) WITH RC > E+00 NEW INTEGER SOLUTION OF E-01 AT BRANCH 0 PIVOT 29 BOUND ON OPTIMUM: E-01 ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 29 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) E-01 VARIABLE VALUE REDUCED COST X X X X X N N N N N N P ROW SLACK OR SURPLUS DUAL PRICES 2)

26 116 3) ) ) ) ) ) ) ) ) ) ) ) NO. ITERATIONS= 31 BRANCHES= 0 DETERM.= 1.000E 0 E.2 Output Sensitivity (Penurunan Budget 10%) LP OPTIMUM FOUND AT STEP 5 OBJECTIVE VALUE = E-01 FIX ALL VARS.( 3) WITH RC > E+00 NEW INTEGER SOLUTION OF E-01 AT BRANCH 0 PIVOT 15 BOUND ON OPTIMUM: E-01 ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 15 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) E-01 VARIABLE VALUE REDUCED COST X X

27 117 X X X N N N N N N P ROW SLACK OR SURPLUS DUAL PRICES 2) ) ) ) ) ) ) ) ) ) ) ) ) NO. ITERATIONS= 16 BRANCHES= 0 DETERM.= 1.000E 0 E.3 Output Sensitivity (Penurunan Budget 20%) LP OPTIMUM FOUND AT STEP 5 OBJECTIVE VALUE = E-01 FIX ALL VARS.( 3) WITH RC > E+00 NEW INTEGER SOLUTION OF E-01 AT BRANCH 0 PIVOT 15

28 118 BOUND ON OPTIMUM: E-01 ENUMERATION COMPLETE. BRANCHES= 15 0 PIVOTS= LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) E-01 VARIABLE VALUE REDUCED COST X X X X X N N N N N N P ROW SLACK OR SURPLUS DUAL PRICES 2) ) ) ) ) ) ) ) ) ) ) ) )

29 119 NO. ITERATIONS= 16 BRANCHES= 0 DETERM.= 1.000E 0 E.4 Output Sensitivity (Penurunan Budget 30%) LP OPTIMUM FOUND AT STEP 5 OBJECTIVE VALUE = E-01 FIX ALL VARS.( 1) WITH RC > E-01 NEW INTEGER SOLUTION OF AT BRANCH 0 PIVOT 15 BOUND ON OPTIMUM: ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 15 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) VARIABLE VALUE REDUCED COST X X X X X N N N N N N P ROW SLACK OR SURPLUS DUAL PRICES

30 120 2) ) ) ) ) ) ) ) ) ) ) ) ) NO. ITERATIONS= 18 BRANCHES= 0 DETERM.= 1.000E 0 E.5 Output Sensitivity (Penurunan Budget 40%) LP OPTIMUM FOUND AT STEP 6 OBJECTIVE VALUE = FIX ALL VARS.( 2) WITH RC > SET X2 TO >= 1 AT 1, BND= TWIN= SET X1 TO >= 1 AT 2, BND= TWIN= SET X5 TO >= 1 AT 3, BND= TWIN= NEW INTEGER SOLUTION OF AT BRANCH 3 PIVOT 23 BOUND ON OPTIMUM: DELETE X5 AT LEVEL 3 DELETE X1 AT LEVEL 2 DELETE X2 AT LEVEL 1 ENUMERATION COMPLETE. BRANCHES= 3 PIVOTS= 23 LAST INTEGER SOLUTION IS THE BEST FOUND

31 121 RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) VARIABLE VALUE REDUCED COST X X X X X N N N N N N P ROW SLACK OR SURPLUS DUAL PRICES 2) ) ) ) ) ) ) ) ) ) ) ) ) NO. ITERATIONS= 26 BRANCHES= 3 DETERM.= 1.000E 0

32 122 E.6 Output Sensitivity (Penurunan Budget 50%) LP OPTIMUM FOUND AT STEP 4 OBJECTIVE VALUE = FIX ALL VARS.( 1) WITH RC > E-01 NEW INTEGER SOLUTION OF AT BRANCH 0 PIVOT 19 BOUND ON OPTIMUM: ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 19 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) VARIABLE VALUE REDUCED COST X X X X X N N N N N N P ROW SLACK OR SURPLUS DUAL PRICES 2) ) ) )

33 123 6) ) ) ) ) ) ) ) ) NO. ITERATIONS= 22 BRANCHES= 0 DETERM.= 1.000E 0

34 124 LAMPIRAN F RANCANGAN STRATEGI REVITALISASI F1. Perombakan Layout Blok Y

35 F1. Perombakan Layout Blok C 125

36 126 F3. Peletakan Signage Pada Lantai 1

37 F4. Peletakan Signage Pada Lantai 2 127

38 128 F5. Desaign Signage Informasi Berdiri

39 F6. Desain Signage Informasi Berdiri Prespektif Samping 129

40 130 F7. Desain Signage Informasi Tempel

41 F8 Desain Informasi Gantung 131

42 132 Halaman ini sengaja dikosongkan

BAB VI Program Linear Bilangan Bulat

BAB VI Program Linear Bilangan Bulat BAB VI Program Linear Bilangan Bulat Permasalahan program linear bilangan bulat muncul ketika kita harus memutuskan jumlah barang yang kita perlukan berbentuk bilangan bulat, seperti menentukan banyaknya

Lebih terperinci

Dasar-dasar Optimasi

Dasar-dasar Optimasi Dasar-dasar Optimasi Optimasi Linier Interpretasi Hasil Lindo diambil dari buku Introduction to Operations Research, Sixth Edition, Frederick S. Hillier, Gerald J. Lieberman, McGraw-Hill, Inc., International

Lebih terperinci

SOAL LATIHAN. Kerjakan soal-soal berikut ini dengan singkat dan jelas!

SOAL LATIHAN. Kerjakan soal-soal berikut ini dengan singkat dan jelas! SOAL LATIHAN Kerjakan soal-soal berikut ini dengan singkat dan jelas! 1. Suatu perusahaan mempunyai tiga lokasi gudang yaitu F a, F b dan F c yang akan didistribusikan ke 3 kota yaitu W 1, W 2 dan W 3.

Lebih terperinci

LINDO. Lindo dapat digunakan sampai dengan 150 kendala dan 300 variabel

LINDO. Lindo dapat digunakan sampai dengan 150 kendala dan 300 variabel LINDO Pegertian: Lindo (Linear Interactive Discrete Optimize) adalah paket program siap pakai yang digunakan untuk memecahkan masalah linear, integer dan quadratic programming. Kemampuan: Lindo dapat digunakan

Lebih terperinci

Formulasi dengan Lindo. Dasar-dasar Optimasi. Hasil dengan Lindo 1. Hasil dengan Lindo 2. Interpretasi Hasil. Interpretasi Hasil.

Formulasi dengan Lindo. Dasar-dasar Optimasi. Hasil dengan Lindo 1. Hasil dengan Lindo 2. Interpretasi Hasil. Interpretasi Hasil. Formulasi dengan Lindo Dasar-dasar Optimasi Optimasi Linier Interpretasi Hasil Lindo diambil dari buku Introduction to Operations Research, Sixth Edition, Frederick S Hillier, Gerald J Lieberman, McGraw-Hill,

Lebih terperinci

Lampiran 1 Syntax Program LINGO 11.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch-and-Bound beserta Hasil yang Diperoleh

Lampiran 1 Syntax Program LINGO 11.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch-and-Bound beserta Hasil yang Diperoleh LAMPIRAN 26 27 Lampiran 1 Syntax Program LINGO 11.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch-and-Bound beserta Hasil yang Diperoleh 1) LP-relaksasi masalah (6) Max z = 3x1+ 5x2

Lebih terperinci

Bagaimana cara menyelesaikan persoalan Linier Programming and Integer Programming dengan

Bagaimana cara menyelesaikan persoalan Linier Programming and Integer Programming dengan I. Pendahuluan A. Latar Belakang (Min. 1 lembar) B. Rumusan Masalah Rumusan masalah yang ada pada modul 1 ini adalah : Bagaimana cara menyelesaikan persoalan Linier Programming and Integer Programming

Lebih terperinci

Tabel 1. Soal Lapres. Benang Pewarna Harga Jual Permasalahan tersebut dimodelkan sebagai berikut : X2 = Sarung Anak

Tabel 1. Soal Lapres. Benang Pewarna Harga Jual Permasalahan tersebut dimodelkan sebagai berikut : X2 = Sarung Anak 2. Soal Laporan Resmi Sebuah pabrik sarung tenun ANGGUR memproduksi 2 jenis sarung, yaitu sarung dewasa dan sarung anak. Untuk membuat sebuah sarung dewasa dibutuhkan 25 gulung benang dan 18 kaleng pewarna.

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Pengumpulan Data

BAB 3 PEMBAHASAN. 3.1 Pengumpulan Data BAB 3 PEMBAHASAN 3.1 Pengumpulan Data Pengumpulan data dilaksanakan selama 1 bulan, terhitung mulai tanggal 28 Mei 2013 sampai 28 Juni 2013, sesuai dengan izin yang diberikan oleh Kepala Cabang PT. Mega

Lebih terperinci

2. Metode MODI (Modified Distribution) / Faktor Pengali (Multiplier)

2. Metode MODI (Modified Distribution) / Faktor Pengali (Multiplier) 2. Metode MODI (Modified Distribution) / Faktor Pengali (Multiplier) Metode MODI disebut juga metode Faktor Pengali atau Multiplier. Cara iterasinya sama seperti Metode Batu Loncatan. Perbedaan utama terjadi

Lebih terperinci

Modul 8. PENELITIAN OPERASIONAL INTEGER PROGRAMMING. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI

Modul 8. PENELITIAN OPERASIONAL INTEGER PROGRAMMING. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI Modul 8. PENELITIAN OPERASIONAL INTEGER PROGRAMMING Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA 2007 2 PENDAHULUAN Salah

Lebih terperinci

BAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016.

BAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016. BAB IV ANALISIS DAN PEMBAHASAN 4.1 Pengumpulan dan Pengolahan Data Untuk menganalisi permasalahan pengoptimalan produksi, diperlukan data dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan

Lebih terperinci

Daerah fisibel untuk masalah IP di atas diberikan pada gambar berikut :

Daerah fisibel untuk masalah IP di atas diberikan pada gambar berikut : L A M P I R A N 3 4 Lampiran Contoh penyelesaian suatu LP dengan metode branch and bound Dari LP pada Contoh Misalkan diberikan integer programming berikut: Maksimumkan z = 7x + 5x () Terhadap : x + x

Lebih terperinci

Pengolahan Data Merubah variabel linguistik menjadi bilangan fuzzy

Pengolahan Data Merubah variabel linguistik menjadi bilangan fuzzy Pengolahan Data Merubah variabel linguistik menjadi bilangan fuzzy Skala Linguistik Nilai Kepentingan pada ANP Bilangan fuzzy untuk fuzzy ANP Skala TFN (l, m, u) Fungsi Keanggotaan Contoh Kuesioner Sama

Lebih terperinci

a. Menyelesaikan Masalah Penugasan dengan Algoritma Hungaria

a. Menyelesaikan Masalah Penugasan dengan Algoritma Hungaria BAB IV Penugasan dan Transshipment 1. Penugasan Masalah penugasan bermula dari penempatan para pekerja pada bidang yang tersedia agar biaya yang ditanggung pemberi tugas/perusahaan dapat diminimalkan.

Lebih terperinci

Dualitas Dalam Model Linear Programing

Dualitas Dalam Model Linear Programing Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c Dualitas Dalam Model Linear Programing Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi KONSEP

Lebih terperinci

MAKSIMALISASI PROFIT DALAM PERENCANAAN PRODUKSI

MAKSIMALISASI PROFIT DALAM PERENCANAAN PRODUKSI MAKSIMALISASI PROFIT DALAM PERENCANAAN PRODUKSI Tri Hernawati Staf Pengaar Kopertis Wilayah I Dpk Fakultas Teknik Universitas Islam Sumatera Utara Medan Abstrak Profit yang maksimal merupakan tuuan utama

Lebih terperinci

LAMPIRAN PENENTUAN KRITERIA PENGEMBAGAN SEKTOR PERDAGANGAN DAN JASA SEBAGAI PENUNJANG INDUSTRI KREATIF DI KECAMATAN MAJALAYA

LAMPIRAN PENENTUAN KRITERIA PENGEMBAGAN SEKTOR PERDAGANGAN DAN JASA SEBAGAI PENUNJANG INDUSTRI KREATIF DI KECAMATAN MAJALAYA LAMPIRAN LAMPIRAN A KUISIONER PENENTUAN KRITERIA PENGEMBAGAN SEKTOR PERDAGANGAN DAN JASA SEBAGAI PENUNJANG INDUSTRI KREATIF DI KECAMATAN MAJALAYA Pengembangan Majalaya sebagai salah satu kawasan industri

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI Bab 2 LANDASAN TEORI 2.1 Linear Programming Linear Programming (LP) merupakan metode yang digunakan untuk mencapai hasil terbaik (optimal) seperti keuntungan maksimum atau biaya minimum dalam model matematika

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program Linier Program linier adalah suatu cara untuk menyelesaikan persoalan pengalokasian sumber-sumber yang terbatas di antara beberapa aktivitas yang bersaing, dengan cara

Lebih terperinci

Lampiran 1 Gambar rancang bangun alat penangkap ikan tuna longline. Sumber: 30 Desember 2010

Lampiran 1 Gambar rancang bangun alat penangkap ikan tuna longline. Sumber:  30 Desember 2010 Lampiran 1 Gambar rancang bangun alat penangkap ikan tuna longline Sumber: http://www.t2.gstatic.com/images, 30 Desember 2010 78 Lampiran 2 Peta lokasi kantor dan fishing ground PT Perikanan Nusantara

Lebih terperinci

Global optimal solution found. Objective value: Infeasibilities: Total solver iterations: 1

Global optimal solution found. Objective value: Infeasibilities: Total solver iterations: 1 LAMPIRAN 24 Lampiran 1 Penyelesaian Contoh 1 dengan Preemptive Goal Programming (Prioritas Pertama) MODEL: 1]Min = 8*x1+11*x2+10*x3+12*x4; 2]x1+x2+x3+x4=300; 3]x1

Lebih terperinci

PANDUAN WAWANCARA PENELITIAN OPTIMASI PENGADAAN SAYURAN ORGANIK. : Optimasi Pengadaan Sayuran Organik

PANDUAN WAWANCARA PENELITIAN OPTIMASI PENGADAAN SAYURAN ORGANIK. : Optimasi Pengadaan Sayuran Organik LAMPIRAN 98 99 Lampiran 1. Panduan Wawancara PANDUAN WAWANCARA PENELITIAN OPTIMASI PENGADAAN SAYURAN ORGANIK Nama Mahasiswa : Prestilia Ningrum NPM : 150310080098 Jurusan Hal Sumber Informasi : Agribisnis

Lebih terperinci

Metode Simpleks dengan Big M dan 2 Phase

Metode Simpleks dengan Big M dan 2 Phase Metode Simpleks dengan Big M dan 2 Phase Metode Simpleks Vs. Simpleks Big-M Perbedaan metode simpleks dengan metode simpleks Big-M adalah munculnya variabel artificial (variabel buatan), sedangkan metode

Lebih terperinci

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS) Maximize or Minimize Subject to: Z = f (x,y) g (x,y) = c S1 60 4 2 1 0 S2 48 2 4 0 1 Zj 0-8 -6 0 0 PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS) Prof. Dr. Ir. ZULKIFLI ALAMSYAH,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program Linier Program linier merupakan suatu model matematika untuk mendapatkan alternatif penggunaan terbaik atas sumber-sumber yang tersedia. Kata linier digunakan untuk menunjukkan

Lebih terperinci

Lampiran 1. Peta Lokasi Peneliti. Peta Teluk Levun Kabupaten Maluku Tenggara

Lampiran 1. Peta Lokasi Peneliti. Peta Teluk Levun Kabupaten Maluku Tenggara 123 123 Lampiran 1. Peta Lokasi Peneliti Peta Teluk Levun Kabupaten Maluku Tenggara 124 124 125 125 Lampiran.2. Sarana Input Produksi Budidaya Ikan Kerapu dan Rumput Laut di Kawasan Teluk Levun Unit Budidaya

Lebih terperinci

Metode Simpleks M U H L I S T A H I R

Metode Simpleks M U H L I S T A H I R Metode Simpleks M U H L I S T A H I R PENDAHULUAN Metode Simpleks adalah metode penentuan solusi optimal menggunakan simpleks didasarkan pada teknik eliminasi Gauss Jordan. Penentuan solusi optimal dilakukan

Lebih terperinci

Fakultas Pertanian Unlam ABSTRACT

Fakultas Pertanian Unlam ABSTRACT Optimalisasi Kombinasi Cabang Usahatani Tanaman Pangan untuk Memperoleh Pendapatan Maksimum di Wilayah Transmigrasi Km 38 Kelurahan Sei Gohong Kecamatan Bukit Batu Provinsi Kalimantan Tengah Masniati,

Lebih terperinci

PERTEMUAN 9 JARINGAN KERJA (NETWORK)

PERTEMUAN 9 JARINGAN KERJA (NETWORK) PERTEMUAN 9 JARINGAN KERJA (NETWORK) PENGERTIAN suatu alat yang digunakan untuk merencanakan, menjadwalkan, dan mengawasi kemajuan dari suatu proyek. Jaringan dikembangkan dari informasi yang diperoleh

Lebih terperinci

RISET OPERASIONAL MINGGU KE-2. Disusun oleh: Nur Azifah., SE., M.Si. Linier Programming: Formulasi Masalah dan Model

RISET OPERASIONAL MINGGU KE-2. Disusun oleh: Nur Azifah., SE., M.Si. Linier Programming: Formulasi Masalah dan Model RISET OPERASIONAL MINGGU KE- Linier Programming: Formulasi Masalah dan Model Disusun oleh: Nur Azifah., SE., M.Si Pengertian Linear Programming Linear Programming (LP) adalah salah satu teknik riset operasi

Lebih terperinci

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c PROGRAM MAGISTER AGRIBISNIS UNIVERSITAS JAMBI Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Metode Simpleks adlh suatu metode yg secara matematis dimulai

Lebih terperinci

PERBANDINGAN ANALISIS SENSITIVITAS MENGGUNAKAN PARTISI OPTIMAL DAN BASIS OPTIMAL PADA OPTIMASI LINEAR MIRNA SARI DEWI

PERBANDINGAN ANALISIS SENSITIVITAS MENGGUNAKAN PARTISI OPTIMAL DAN BASIS OPTIMAL PADA OPTIMASI LINEAR MIRNA SARI DEWI PERBANDINGAN ANALISIS SENSITIVITAS MENGGUNAKAN PARTISI OPTIMAL DAN BASIS OPTIMAL PADA OPTIMASI LINEAR MIRNA SARI DEWI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

PROPOSAL PROGRAM HIBAH PENULISAN BUKU AJAR TAHUN 2017

PROPOSAL PROGRAM HIBAH PENULISAN BUKU AJAR TAHUN 2017 DI KTI 2017 PROPOSAL PROGRAM HIBAH PENULISAN BUKU AJAR TAHUN 2017 MANAJEMEN SAINS: Pemanfaatan Matematika untuk Optimasi Bisnis SUSANA LIMANTO, S.T., M.SI (0706117203) ENDAH ASMAWATI, S.SI., M.SI. (0714057602)

Lebih terperinci

TUGAS BESAR RISET OPERASI PROGRAM QM

TUGAS BESAR RISET OPERASI PROGRAM QM TUGAS BESAR RISET OPERASI PROGRAM QM Dosen Pengampu : Ika Atsari Dewi, STP., MP Nama Anggota : Dian Fatmawati (115100300111021) Saundra Rosallina L. (115100300111043) Ita Winda Sari H. (115100300111063)

Lebih terperinci

Analisis Sensitifitas DALAM LINEAR PROGRAMING

Analisis Sensitifitas DALAM LINEAR PROGRAMING Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c Analisis Sensitifitas DALAM LINEAR PROGRAMING Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Magister Agribisnis Universitas Jambi Suatu analisis

Lebih terperinci

Analisis Sensitifitas. Analsis sensitifitas

Analisis Sensitifitas. Analsis sensitifitas Analisis Sensitifitas Analsis sensitifitas Dasar analisis sensitifitas Permasalahan matematika merupakan permasalahan pendekatan (model) Optimasi juga merupakan masalah pendekatan dengan menggunakan sebuah

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1. Kerangka Penelitian Dalam setiap perusahaan berusaha untuk menghasilkan nilai yang optimal dengan biaya tertentu yang dikeluarkannya. Proses penciptaan nilai yang optimal dapat

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Penelitian Model Pemilihan Skema Kerjasama Pemerintah dan Swasta dalam Investasi Air Minum Menggunakan Proses Jaringan Analitis (ANP) ini merupakan penelitian yang bersifat

Lebih terperinci

DAFTAR ISI. Halaman judul... Lembar Pengesahan Pembimbing. Lembar Pengesahan Penguji. Halaman Persembahan.. Halaman Motto. Kata Pengantar..

DAFTAR ISI. Halaman judul... Lembar Pengesahan Pembimbing. Lembar Pengesahan Penguji. Halaman Persembahan.. Halaman Motto. Kata Pengantar.. DAFTAR ISI Halaman judul... Lembar Pengesahan Pembimbing. Lembar Pengesahan Penguji. Halaman Persembahan.. Halaman Motto. Kata Pengantar.. Daftar Isi... Daftar Tabel.. Daftar Gambar... Abstraksi... i ii

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Konseptual PT Saung Mirwan melihat bahwa sayuran Edamame merupakan salah satu sayuran yang memiliki prospek yang cerah. Peluang pasar luar dan dalam negeri

Lebih terperinci

PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS)

PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS) PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS) A. Tujuan Praktikum 1. Memahami bagaimana merumuskan/ memformulasikan permasalahan yang terdapat dalam dunia nyata. 2. Memahami dan dapat memformulasikan

Lebih terperinci

PENELITIAN OPERASIONAL I (TIN 4109)

PENELITIAN OPERASIONAL I (TIN 4109) PENELITIAN OPERASIONAL I (TIN 4109) Lecture 4 LINEAR PROGRAMMING Lecture 4 Outline: Simplex Method References: Frederick Hillier and Gerald J. Lieberman. Introduction to Operations Research. 7th ed. The

Lebih terperinci

BAB III ANP DAN TOPSIS

BAB III ANP DAN TOPSIS BAB III ANP DAN TOPSIS 3.1 Analytic Network Process (ANP) Analytic Network Process atau ANP adalah teori matematis yang memungkinkan seorang pengambil keputusan menghadapi faktor-faktor yang saling berhubungan

Lebih terperinci

OPTIMALISASI ALOKASI DISTRIBUSI PESTISIDA DENGAN MENGGUNAKAN METODE LINEAR PROGRAMMING (Study Kasus CV. Jayanty Banyumas )

OPTIMALISASI ALOKASI DISTRIBUSI PESTISIDA DENGAN MENGGUNAKAN METODE LINEAR PROGRAMMING (Study Kasus CV. Jayanty Banyumas ) OPTIMALISASI ALOKASI DISTRIBUSI PESTISIDA DENGAN MENGGUNAKAN METODE LINEAR PROGRAMMING (Study Kasus CV. Jayanty Banyumas ) Skripsi Untuk Memenuhi Sebagai Persyaratan Mencapai Derajat Sarjana S-1 Program

Lebih terperinci

BAB III METODE PENELITIAN. 1. Konsep dan Variabel Penelitian Metode yang digunakan dalam penelitian ini adalah metode kualitatif

BAB III METODE PENELITIAN. 1. Konsep dan Variabel Penelitian Metode yang digunakan dalam penelitian ini adalah metode kualitatif 43 BAB III METODE PENELITIAN A. Metode Penelitian 1. Konsep dan Variabel Penelitian Metode yang digunakan dalam penelitian ini adalah metode kualitatif deskriptif dengan pendekatan kuantitatif. Metode

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 22 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Sektor pertanian memiliki peran penting dalam pembangunana nasional. Sayuran adalah salah satu komoditas pertanian yang memiliki potensi pengembangan pasar

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN 4.1. Analisis Model Matematika Kebutuhan air irigasi ditentukan oleh berbagai faktor seperti cara penyiapan lahan, kebutuhan air untuk tanaman, perkolasi dan rembesan, pergantian

Lebih terperinci

UNIVERSITAS MERCU BUANA PROGRAM PASKA SARJANA PROGRAM STUDI MAGISTER MANAJEMEN

UNIVERSITAS MERCU BUANA PROGRAM PASKA SARJANA PROGRAM STUDI MAGISTER MANAJEMEN UNIVERSITAS MERCU BUANA PROGRAM PASKA SARJANA PROGRAM STUDI MAGISTER MANAJEMEN N a m a : Suminadhono NIM : 55108110181 Mata Kuliah/SKS : Manajemen Operasi / 3 SKS 1. Jaringan toko serba ada The Biggs menyewa

Lebih terperinci

METODE SIMPLEKS (MS)

METODE SIMPLEKS (MS) METODE SIMPLEKS (MS) Teori LP: solusi optimal di titik pojok (sudut) daerah solusi feasible. Metode Simpleks memeriksa titik-titik sudut secara sistematik (iteratif), menggunakan konsep aljabar dasar,

Lebih terperinci

METODE PENELITIAN. Kata Kunci analytical hierarchy process, analytic network process, multi criteria decision making, zero one goal programming.

METODE PENELITIAN. Kata Kunci analytical hierarchy process, analytic network process, multi criteria decision making, zero one goal programming. PENENTUAN MULTI CRITERIA DECISION MAKING DALAM OPTIMASI PEMILIHAN PELAKSANA PROYEK Chintya Ayu Puspaningtyas, Alvida Mustika Rukmi, dan Subchan Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

PENGALOKASIAN PESANAN BAHAN BAKU YANG OPTIMUM PADA PT. GOLD COIN INDONESIA DENGAN METODE ANALYTIC NETWORK PROCESS (ANP) DAN GOAL PROGRAMMING

PENGALOKASIAN PESANAN BAHAN BAKU YANG OPTIMUM PADA PT. GOLD COIN INDONESIA DENGAN METODE ANALYTIC NETWORK PROCESS (ANP) DAN GOAL PROGRAMMING PENGALOKASIAN PESANAN BAHAN BAKU YANG OPTIMUM PADA PT. GOLD COIN INDONESIA DENGAN METODE ANALYTIC NETWORK PROCESS (ANP) DAN GOAL PROGRAMMING TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat

Lebih terperinci

MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS]

MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS] MATA KULIAH MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT011215 / 2 SKS] LINIER PROGRAMMING Formulasi Masalah dan Pemodelan Pengertian Linear Programming Linear Programming (LP) adalah salah satu teknik

Lebih terperinci

LAMPIRAN: Daftar Kuesioner & Hasil Olah Data. Analisis keberadaan..., Marthin Hadi Juliansah, FE UI, 2010.

LAMPIRAN: Daftar Kuesioner & Hasil Olah Data. Analisis keberadaan..., Marthin Hadi Juliansah, FE UI, 2010. LAMPIRAN: Daftar Kuesioner & Hasil Olah Data Daftar Kuesioner Model Analytical Hierarchy Process (AHP) Analisis Keberadaan Tempat Pengolahan Sampah Terpadu (TPST) Bantar Gebang Bekasi A. Penjelasan singkat

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI Bab 2 LANDASAN TEORI 2.1 Program Linear Menurut Sitorus, Parlin (1997), Program Linier merupakan suatu teknik penyelesaian optimal atas suatu problema keputusan dengan cara menentukan terlebih dahulu suatu

Lebih terperinci

PENELITIAN OPERASIONAL I (TIN 4109)

PENELITIAN OPERASIONAL I (TIN 4109) PENELITIAN OPERASIONAL I (TIN 4109) Lecture 3 LINEAR PROGRAMMING Lecture 3 Outline: Simplex Method References: Frederick Hillier and Gerald J. Lieberman. Introduction to Operations Research. 7th ed. The

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Perencanaan Produksi

BAB 2 LANDASAN TEORI 2.1 Perencanaan Produksi BAB 2 LANDASAN TEORI 21 Perencanaan Produksi Produksi yang dalam bahasa inggris disebut production adalah keseluruhan proses yang dilakukan untuk menghasilkan produk atau jasa Produk yang dihasilkan sebagai

Lebih terperinci

12/15/2014. Apa yang dimaksud dengan Pemrograman Bulat? Solusi yang didapat optimal, tetapi mungkin tidak integer.

12/15/2014. Apa yang dimaksud dengan Pemrograman Bulat? Solusi yang didapat optimal, tetapi mungkin tidak integer. 1 PEMROGRAMAN LINEAR BULAT (INTEGER LINEAR PROGRAMMING - ILP) Apa yang dimaksud dengan Pemrograman Bulat? METODE SIMPLEKS Solusi yang didapat optimal, tetapi mungkin tidak integer. 2 1 INTEGER LINEAR PROGRAMMING

Lebih terperinci

KUESIONER PENELITIAN

KUESIONER PENELITIAN LAMPIRAN Lampiran 1. Kuesioner Penelitian KUESIONER PENELITIAN STRATEGI PENINGKATAN DAYA SAING PT SAUNG MIRWAN DENGAN PENDEKATAN ANALYTIC NETWORK PROCESS (ANP) IDENTITAS RESPONDEN Nama :.. Jabatan :..

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. BPK-RI Perwakilan Provinsi Lampung didirikan pada tanggal 7 Juni 2006, berdasarkan Surat

BAB 3 METODOLOGI PENELITIAN. BPK-RI Perwakilan Provinsi Lampung didirikan pada tanggal 7 Juni 2006, berdasarkan Surat BAB 3 METODOLOGI PENELITIAN 3.1. Gambaran Umum BPK RI Perwakilan Provinsi Lampung BPK-RI Perwakilan Provinsi Lampung didirikan pada tanggal 7 Juni 2006, berdasarkan Surat Keputusan BPK RI Nomor 23/SK/

Lebih terperinci

BAB VI KESIMPULAN DAN SARAN

BAB VI KESIMPULAN DAN SARAN 75 BAB VI KESIMPULAN DAN SARAN Bab ini berisi kesimpulan dari serangkaian perhitunganperhitungan dan analisa-analisa yang telah dilakukan sesuai dengan permasalahan yang ada. Disamping itu disampaikan

Lebih terperinci

Penerapan Analytical Hierarchy Process (AHP) Dalam Evaluasi Agen Pangkalan LPG 3 kg

Penerapan Analytical Hierarchy Process (AHP) Dalam Evaluasi Agen Pangkalan LPG 3 kg Prosiding INSAHP5 Semarang,14 Mei 2007 ISBN :... Penerapan Analytical Hierarchy Process (AHP) Dalam Evaluasi Agen Pangkalan LPG 3 kg Evi Yuliawati Jurusan Teknik Industri Institut Teknologi Adhi Tama Surabaya

Lebih terperinci

Matematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM.

Matematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM. (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM. www.febriyanto79.wordpress.com - Linear Programming Linear programing (LP) adalah salah satu metode matematis yang digunakan untuk

Lebih terperinci

BAB II KAJIAN LITERATUR

BAB II KAJIAN LITERATUR DAFTAR ISI HALAMAN JUDUL HALAMAN PENGAKUAN... ii LEMBAR PENGESAHAN PEMBIMBING... iii LEMBAR PENGESAHAN PENGUJI... iv HALAMAN PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii ABSTRAK... ix DAFTAR ISI...

Lebih terperinci

UJM 3 (2) (2014) UNNES Journal of Mathematics.

UJM 3 (2) (2014) UNNES Journal of Mathematics. UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm IMPLEMENTASI ALGORITMA BRANCH AND BOUND PADA 0-1 KNAPSACK PROBLEM UNTUK MENGOPTIMALKAN MUATAN BARANG Arum Pratiwi,

Lebih terperinci

Pertemuan 2 Metode Simplex

Pertemuan 2 Metode Simplex Pertemuan 2 Metode Simplex Objektif : 1. Mahasiswa dapat mengidentifikasi tujuan pokok dari masalah. 2. Mahasiswa dapat mendefinisikan variabel keputusan. 3. Mahasiswa dapat menentukan fungsi tujuan apakah

Lebih terperinci

BAB 6 KESIMPULAN DAN SARAN

BAB 6 KESIMPULAN DAN SARAN BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan Berdasarkan hasil penelitian dan perhitungan yang telah dilakukan, maka dapat diambil beberapa kesimpulan sebagai berikut: a) Pada permasalahan pemilihan order

Lebih terperinci

DAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR TABEL...

DAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR TABEL... DAFTAR ISI Halaman HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... INTISARI... ABSTRACT...

Lebih terperinci

VII. KESIMPULAN DAN SARAN

VII. KESIMPULAN DAN SARAN VII. KESIMPULAN DAN SARAN 7.1 Kesimpulan Berdasarkan hasil dan pembahasan optimalisasi pada Mill MNO, maka kesimpulan yang dapat dijabarkan adalah sebagai berikut : 1. Dari hasil pencarian solusi terbaik

Lebih terperinci

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi Merupakan salah satu bentuk dari model jaringan kerja (network). Suatu model yang berhubungan dengan

Lebih terperinci

Diajukan Oleh: Sadiq Ardo Wibowo

Diajukan Oleh: Sadiq Ardo Wibowo TUGAS AKHIR PENENTUAN PEMILIHAN SUPPLIER DAN ALOKASI JUMLAH PEMBELIAN BAHAN BAKU DENGAN MENGGUNAKAN METODE ANALYTIC NETWORK PROCESS (ANP) DAN GOAL PROGRAMMING (Studi kasus di PT. Guna Kemas Indah, Tangerang,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program Linier Menurut Aminudin (2005), program linier merupakan suatu model matematika untuk mendapatkan alternatif penggunaan terbaik atas sumber-sumber yang tersedia. Kata linier

Lebih terperinci

BAB IV PENGEMBANGAN METODA PEMILIHAN SKEMA KPS

BAB IV PENGEMBANGAN METODA PEMILIHAN SKEMA KPS BAB IV PENGEMBANGAN METODA PEMILIHAN SKEMA KPS Pengelolaan air minum pada beberapa daerah di Indonesia saat ini dilaksanakan secara kerjasama antara PDAM dan pihak swasta. Meskipun begitu, PDAM dan swasta

Lebih terperinci

PEMILIHAN KONTRAKTOR PERBAIKAN ROTOR DI PEMBANGKIT LISTRIK PT XYZ DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN GOAL PROGRAMMING

PEMILIHAN KONTRAKTOR PERBAIKAN ROTOR DI PEMBANGKIT LISTRIK PT XYZ DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN GOAL PROGRAMMING PEMILIHAN KONTRAKTOR PERBAIKAN ROTOR DI PEMBANGKIT LISTRIK PT XYZ DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN GOAL PROGRAMMING Akhmad Rusli 1, *), dan Udisubakti Ciptomulyono 2) 1, 2) Program

Lebih terperinci

Integer Programming (Pemrograman Bulat)

Integer Programming (Pemrograman Bulat) Integer Programming (Pemrograman Bulat) Pemrograman bulat dibutuhkan ketika keputusan harus dilakukan dalam bentuk bilangan bulat (bukan pecahan yang sering terjadi bila kita gunakan metode simpleks).

Lebih terperinci

MDH Gamal, Zaiful Bahri

MDH Gamal, Zaiful Bahri Jurnal Natur Indonesia 5(): -8 () ISSN -979 Pendekatan Program Linear untuk Persoalan Pemotongan Stok (Pola Pemotongan Satu Dimensi) MDH Gamal, Zaiful Bahri Jurusan Matematika, FMIPA, Universitas Riau

Lebih terperinci

Pemilihan Supplier Menggunakan Metode Fuzzy Analytic Network Process (FANP) pada PT Putra Gunung Kidul

Pemilihan Supplier Menggunakan Metode Fuzzy Analytic Network Process (FANP) pada PT Putra Gunung Kidul Pemilihan Supplier Menggunakan Metode Fuzzy Analytic Network Process (FANP) pada PT Putra Gunung Kidul Nama : Dewi Wilianti NPM : 31412968 Jurusan : Teknik Industri Pembimbing : Rossi Septy Wahyuni, ST.,

Lebih terperinci

MASALAH PENUGASAN METODE KUANTITATIF MANAJEMEN

MASALAH PENUGASAN METODE KUANTITATIF MANAJEMEN MASALAH PENUGASAN METODE KUANTITATIF MANAJEMEN Disusun sebagai Tugas Akhir Triwulan I Mata Kuliah Metode Kuantitatif Manajemen Disusun Oleh : TEDY SAPUTRA (P056132391.51) YUNIAR ENDAH PALUPI (P056132441.51)

Lebih terperinci

BAB III Transportasi

BAB III Transportasi BAB III Transportasi 1. Metode Transportasi Metode transportasi adalah suatu metode yang digunakan untuk mengatur distribusi dari sumber-sumber yang menyediakan produk yang sama atau sejenis ke tempat

Lebih terperinci

LAMPIRAN 1 DAFTAR PUBLIKASI ILMIAH PENULIS (TESIS) Bagoes Maulana. Pembimbing: Prof. Dr. Opim Salim Sitompul, Prof. Dr. Tulus

LAMPIRAN 1 DAFTAR PUBLIKASI ILMIAH PENULIS (TESIS) Bagoes Maulana. Pembimbing: Prof. Dr. Opim Salim Sitompul, Prof. Dr. Tulus 55 LAMPIRAN 1 DAFTAR PUBLIKASI ILMIAH PENULIS (TESIS). Judul Artikel 1 Analisis Penentuan Prioritas Penunjukan Pejabat Struktural Menggunakan Metode Analytic Hierarchy Process (AHP) (Studi Kasus YP. Shafiyyatul

Lebih terperinci

Dualitas Dalam Model Linear Programing

Dualitas Dalam Model Linear Programing Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c Dualitas Dalam Model Linear Programing Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi KONSEP

Lebih terperinci

PENENTUAN STRATEGI UNTUK MENINGKATKAN KAPASITAS PRODUKSI KOPI ORGANIK (Studi Kasus di PT. Aries Kencana International)

PENENTUAN STRATEGI UNTUK MENINGKATKAN KAPASITAS PRODUKSI KOPI ORGANIK (Studi Kasus di PT. Aries Kencana International) PENENTUAN STRATEGI UNTUK MENINGKATKAN KAPASITAS PRODUKSI KOPI ORGANIK (Studi Kasus di PT. Aries Kencana International) Wilson Kosasih 1, Iwan A.Soenandi 2, Eunike Hazael 1 1 Program Studi Teknik Industri

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pengertian Manajemen Produksi dan Operasi Manajemen Produksi dan Operasi terdiri dari kata manajemen, produksi dan operasi. Terdapat beberapa pengertian untuk kata manajemen

Lebih terperinci

DECISION SUPPORT DALAM PEMILIHAN STAF TERBAIK DENGAN METODE ANP

DECISION SUPPORT DALAM PEMILIHAN STAF TERBAIK DENGAN METODE ANP DECISION SUPPORT DALAM PEMILIHAN STAF TERBAIK DENGAN METODE ANP Edy Victor Haryanto Universitas Potensi Utama Jl. KL. Yos Sudarso, Km. 6,5 No. 3A Tanjung Mulia Medan Abstrak Staf atau Pegawai adalah salah

Lebih terperinci

PEMILIHAN SUPPLIER ALUMINIUM OLEH MAIN KONTRAKTOR DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS

PEMILIHAN SUPPLIER ALUMINIUM OLEH MAIN KONTRAKTOR DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS PEMILIHAN SUPPLIER ALUMINIUM OLEH MAIN KONTRAKTOR DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS Mohamad Aulady 1) dan Yudha Pratama 2) 1,2) Program Studi Teknik Sipil FTSP ITATS Jl. Arief Rahman

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi penelitian ini adalah Pamella Swalayan 1. Jl. Kusumanegara

BAB III METODE PENELITIAN. Lokasi penelitian ini adalah Pamella Swalayan 1. Jl. Kusumanegara 30 BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Lokasi penelitian ini adalah Pamella Swalayan 1. Jl. Kusumanegara 135-141 Yogyakarta. 3.2 Penentuan Kriteria Identifikasi kriteria menurut Verma dan Pullman

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN Pada bab ini, akan dijelaskan metode-metode yang penulis gunakan dalam penelitian ini. Adapun metode yang akan digunakan dalam penelitian ini adalah Metode Simpleks dan Metode Branch

Lebih terperinci

BAB III METODE FUZZY ANP DAN TOPSIS

BAB III METODE FUZZY ANP DAN TOPSIS BAB III METODE FUZZY ANP DAN TOPSIS 3.1 Penggunaan Konsep Fuzzy Apabila skala penilaian menggunakan variabel linguistik maka harus dilakukan proses pengubahan variabel linguistik ke dalam bilangan fuzzy.

Lebih terperinci

Prosiding Seminar Nasional Manajemen Teknologi XX Program Studi MMT-ITS, Surabaya 1 Februari 2014

Prosiding Seminar Nasional Manajemen Teknologi XX Program Studi MMT-ITS, Surabaya 1 Februari 2014 EVALUASI KINERJA PEMASOK BERDASARKAN ADAPTASI DARI DICKSON S VENDOR SELECTION CRITERIA DENGAN PENDEKATAN TERINTEGRASI DEMATEL DAN ANP (STUDI KASUS: Online Shop X) Rizky Amelia 1) dan Suparno 2) 1) Program

Lebih terperinci

BAB IV. METODE SIMPLEKS

BAB IV. METODE SIMPLEKS BAB IV. METODE SIMPLEKS Penentuan solusi optimal menggunakan simpleks didasarkan pada teknik eliminasi Gauss Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim (ingat kembali solusi

Lebih terperinci

PEMILIHAN SUPPLIER DENGAN MENGINTEGRASIKAN CLUSTER ANALYSIS, ANP DAN TOPSIS SERTA ALOKASI ORDER DENGAN BEBERAPA FUNGSI TUJUAN

PEMILIHAN SUPPLIER DENGAN MENGINTEGRASIKAN CLUSTER ANALYSIS, ANP DAN TOPSIS SERTA ALOKASI ORDER DENGAN BEBERAPA FUNGSI TUJUAN Sidang Tesis PEMILIHAN SUPPLIER DENGAN MENGINTEGRASIKAN CLUSTER ANALYSIS, ANP DAN TOPSIS SERTA ALOKASI ORDER DENGAN BEBERAPA FUNGSI TUJUAN Disusun oleh : Ivan Angga Shodiqi NRP : 2509 203 011 Dibimbing

Lebih terperinci

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling)

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling) Mata Kuliah :: Riset Operasi Kode MK : TKS 4019 Pengampu : Achfas Zacoeb Sesi XIV PEMODELAN (Modeling) e-mail : zacoeb@ub.ac.id www.zacoeb.lecture.ub.ac.id Hp. 081233978339 Pemodelan dalam RO Outline:

Lebih terperinci

PENERAPAN PERBANDINGAN METODE AHP-TOPSIS DAN ANP-TOPSIS MENGUKUR KINERJA SUMBER DAYA MANUSIA DI GORONTALO

PENERAPAN PERBANDINGAN METODE AHP-TOPSIS DAN ANP-TOPSIS MENGUKUR KINERJA SUMBER DAYA MANUSIA DI GORONTALO PENERAPAN PERBANDINGAN METODE AHP-TOPSIS DAN ANP-TOPSIS MENGUKUR KINERJA SUMBER DAYA MANUSIA DI GORONTALO Moh Ramdhan Arif Kaluku 1, Nikmasari Pakaya 2 1 aliaskaluku@gmail.com, 2 nikmasaripakaya@gmail.com

Lebih terperinci

IMPLEMENTASI METODE AHP UNTUK REKOMENDASI TEMPAT KOST PADA APLIKASI KOST ONLINE

IMPLEMENTASI METODE AHP UNTUK REKOMENDASI TEMPAT KOST PADA APLIKASI KOST ONLINE IMPLEMENTASI METODE AHP UNTUK REKOMENDASI TEMPAT KOST PADA APLIKASI KOST ONLINE Galang Bogar Santos 1, Hendra Pradipta 2, Mungki Astiningrum 3 1,2 Program Studi Teknik Informatika, Jurusan Teknologi Informasi,

Lebih terperinci

Lampiran 1. Denah Pabrik MT KPBS Pangalengan

Lampiran 1. Denah Pabrik MT KPBS Pangalengan Lampiran 1. Denah Pabrik MT KPBS Pangalengan 140 Lanjutan Lampiran 1. Keterangan: 1. Milk Reception Scale 2. Milk Reception Vat 3. Prepack Machine 4. Auto Cup Sealling Machine 5. Lempeng Penukar Panas

Lebih terperinci

RIWAYAT HIDUP ABSTRAK ABSTRACK KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN

RIWAYAT HIDUP ABSTRAK ABSTRACK KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN DAFTAR ISI RIWAYAT HIDUP... i ABSTRAK... ii ABSTRACK... iii KATA PENGANTAR... iv DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... xi DAFTAR LAMPIRAN... x BAB I PENDAHULUAN 1.1 Latar Belakang... 1

Lebih terperinci

DECISION SUPPORT DALAM PEMILIHAN STAF TERBAIK DENGAN METODE ANP

DECISION SUPPORT DALAM PEMILIHAN STAF TERBAIK DENGAN METODE ANP DECISION SUPPORT DALAM PEMILIHAN STAF TERBAIK DENGAN METODE ANP Edy Victor Haryanto Universitas Potensi Utama Jl. K. L. Yos Sudarso Km 6,5 No 3 A Tanjung Mulia - Medan Email: edy@potensi-utama.ac.id, edyvictor@gmail.com

Lebih terperinci

PEMILIHAN ALTERNATIF PENYEDIAAN BBK DI PT X DENGAN METODE ANP (ANALYTIC NETWORK PROCESS)-BOCR (BENEFIT, OPPORTUNITY, COST DAN RISK)

PEMILIHAN ALTERNATIF PENYEDIAAN BBK DI PT X DENGAN METODE ANP (ANALYTIC NETWORK PROCESS)-BOCR (BENEFIT, OPPORTUNITY, COST DAN RISK) PEMILIHAN ALTERNATIF PENYEDIAAN BBK DI PT X DENGAN METODE ANP (ANALYTIC NETWORK PROCESS)-BOCR (BENEFIT, OPPORTUNITY, COST DAN RISK) Didien Suhardini, Adhitya Tuhagono Jurusan Teknik Industri Fakultas Teknologi

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI Bab 2 LANDASAN TEORI 2.1 Perencanaan Produksi Perencanaan produksi merupakan perencanaan tentang produk apa dan berapa yang akan diproduksi oleh perusahaan yang bersangkutan dalam satu periode yang akan

Lebih terperinci

PENERAPAN METODE ANP DALAM MELAKUKAN PENILAIAN KINERJA KEPALA BAGIAN PRODUKSI (STUDI KASUS : PT. MAS PUTIH BELITUNG)

PENERAPAN METODE ANP DALAM MELAKUKAN PENILAIAN KINERJA KEPALA BAGIAN PRODUKSI (STUDI KASUS : PT. MAS PUTIH BELITUNG) PENERAPAN METODE ANP DALAM MELAKUKAN PENILAIAN KINERJA KEPALA BAGIAN PRODUKSI (STUDI KASUS : PT. MAS PUTIH BELITUNG) Frans Ikorasaki 1 1,2 Sistem Informasi, Tehnik dan Ilmu Komputer, Universitas Potensi

Lebih terperinci