Aplikasi Program Nonlinear Multi Tujuan Interaktif dengan Fungsi Tujuan Fuzzy Pada Optimalisasi Dosis Pemberian Pupuk Npk Tanaman Padi

Ukuran: px
Mulai penontonan dengan halaman:

Download "Aplikasi Program Nonlinear Multi Tujuan Interaktif dengan Fungsi Tujuan Fuzzy Pada Optimalisasi Dosis Pemberian Pupuk Npk Tanaman Padi"

Transkripsi

1 Aplkas Program Nonlnear Mult Tujuan Interaktf dengan Fungs Tujuan Fuzzy Pada Optmalsas Doss Pemberan Pupuk Npk Tanaman Pad Wdodo Jurusan Matematka FMIPA Unverstas Gadjah Mada Yogyakarta Indonesa. E-mal: Hertomo Heroe Staf Ahl Menter Bdang Ekonom dan Ketenagakerjaan Kementran Pemberdayaan Perempuan. Jl.Merdeka Barat No.5 Jakarta Pusat. Abstrak Dalam peneltan n dseldk doss pemberan pupuk NPK yang tepat pada tanaman pad, yang mamaksmalkan dan/atau memnmalkan semua varable respons, dengan metode optmas nonlnear mult tujuan nteraktf dengan fungs tujuan fuzzy. Hasl peneltan menunjukkan bahwa pemberan pupuk NPK sebesar 2,4% merupakan solus optmal pareto yang mamaksmalkan 8 fungs tujuan dan memnmalkan 2 fungs tujuan. Kata-kata kunc: program nonlnear mult tujuan nteraktf fuzzy, solus optmal pareto, doss NPK tanaman pad.. PENDAHULUAN Dewasa n dalam banyak masalah pengamblan keputusan, tdak lag berusaha mengoptmumkan satu fungs tujuan (sngle objectve saja, sepert memaksmumkan produks atau memnmumkan baya, tetap telah berkembang menjad banyak tujuan (mult objectve, msalnya memaks-mumkan produks, memaks-mumkan kualtas, memaksmumkan efsens, memnmumkan baya, memnumkan resdu dalam tanah atau dalam tanaman pad, memnmalkan polus/lmbah, memnmalkan resko, dan lan sebaganya, yang dtnjau secara serentak/smultan. Tujuan-tujuan dalam mult tujuan basanya salng bertentangan (conflct antara satu tujuan dengan tujuan yang lan, dan tdak dapat dukur dengan satuan yang sama (noncommensurable. Penyelesaan mult tujuan secara serentak n sangat cocok dengan kenyataan, karena masalah nyata, msalnya dalam lmu-lmu pertanan, fungs-fungs tujuan tersebut mempunya resources yang sama, sehngga kendala-kendalanya pun sama. Dalam peneltan Heroe (24, telah dketahu hubungan fungsonal antara takaran/doss NPK yang dgunakan dalam tanaman pad (sebaga varable keputusan dengan varable-varabel respons (sebaga fungs tujuan yang harus dmaksmalkan, yatu hasl gabah kerng glng, persentase beras pecah kult, kandungan N-NH 4 + terseda dalam tanah pada 23 HST (Har Setelah Tanam, fase anakan aktf, kandungan fosfat terseda dalam tanah pada 7 HST (awal pengsan gabah, kandungan fosfat Dpresentaskan dalam Semnar Nasonal MIPA 27 dengan tema Penngkatan Keprofesonalan Penelt, Penddk & Prakts MIPA yang dselenggarakan oleh Fakultas MIPA UNY Yogyakarta pada tanggal 25 Agustus 27

2 Wdodo, Hertomo Heroe terseda dalam tanah pada 5 HST, konsentras K terseda dalam tanah pada 7 HST, kandungan K terseda dalam tanah pada 5 HST, kandungan karbofuran dalam tanaman pada 7 HST, dengan kendala rendemen beras glng 8 dan fosfat dalam ar <. Sedangkan varable-varabel respons (sebaga fungs tujuan yang harus dmnmalkan, yatu konsentras karbofuran dalam ar pada 43 HST dan konsentras resdu karbofuran d tanah pada 43 HST, dengan kendala karbofuran<,2. Dalam peneltan Wdodo dan Heroe (27 telah dpelajar optmalsas doss pemberan pupuk NPK dengan metode optmas nonlnear mult tujuan nteraktf (tanpa tujuan fuzzy. Sebaga kelanjutannya, dalam peneltan n dseldk doss pemberan pupuk NPK yang tepat pada tanaman pad, yang mamaksmalkan dan/atau memnmalkan semua varable respons d atas, dengan metode optmas nonlnear mult tujuan nteraktf dengan fungs tujuan fuzzy. Hasl peneltan menunjukkan bahwa pemberan pupuk NPK sebesar 2,4% merupakan solus optmal pareto yang mamaksmalkan 8 fungs tujuan dan memnmalkan 2 fungs tujuan (fuzzy. 2. KAJIAN PUSTAKA Konsep dan penyelesaan masalah optmas nonlnear satu tujuan sudah banyak dbahas oleh para ahl, antara lan oleh Bazaraa dan Shetty (3, dan Chong dan Zaks (6. Sedangkan konsep dan penyelesaan masalah optmas nonlnear mult tujuan telah dbahas oleh Ignzo (82, dan Sakawa (3. Optmas lnear mult tujuan dengan tujuan fuzzy sudah dbahas oleh Chrster dan Robert (4, Fajar dan Wdodo (22, Gasmov dan Yenlmez (22, dan Sakawa (3. Aplkas Metoda Subgraden untuk Menyelesakan Program Lnear Fuzzy telah dbahas oleh Kharudn (24. Aplkas Metoda Subgraden untuk Menyelesakan Program Nonlnear Nonkonveks dbcarakan oleh Kharudn dan Wdodo (24. Untuk menentukan solus komprom dapat dlakukan dengan cara pendekatan Goal Programmng dan pendekatan nteractve programmng. Pendekatan Goal Programmng telah dbahas oleh Charnes dan Chopper (6, dan dlanjutkan oleh Ignzo (82. Pendekatan nteraktf yang dbahas dalam peneltan n merupakan suatu cara menentukan solus komprom dengan asums pengambl keputusan (decson maker dapat menentukan ttk referens (reference pont untuk fungs-fungs tujuan yang mencermnkan nlanla fungs tujuan yang dngnkan dan dapat mengubah ttk referens secara nteraktf untuk memperbak solus. Setelah ttk referens dtentukan, masalah program 44 Semnar Nasonal MIPA 27

3 M : Aplkas Program Nonlnear Mult Tujuan Interaktf... nonlnear mult tujuan dselesakan dengan masalah mnmax, kemudan dreduks menjad masalah program nonlnear dengan fungs tujuan tunggal (snggle objectve. Wdodo dan Heroe (27 telah mempelajar optmalsas doss pemberan pupuk NPK dengan metode optmas nonlnear mult tujuan nteraktf (tanpa tujuan fuzzy. 3. PENINJAUAN ULANG PENELITIAN SEBELUMNYA Dalam peneltan Heroe (24, jka x varabel keputusan yang menyatakan prosentase doss pemberan pupuk NPK pada tanaman pad, maka dengan analss regres ganda dperoleh hubungan-hubungan fungsonal yang harus dmaksmalkan, yatu optmas pemberan pupuk terhadap produks, kualtas beras dan kadar hara tanah dengan memaksmalkan fungs tujuan sebaga berkut:. Hasl Gabah Kerng Glng (GKG: Z (x37,4+28,377x,763 x 2 2. Persentase beras pecah kult (BPK Z 2 (x7,8+,3x,2 x 2 3. Kandungan N-NH 4 + terseda dalam tanah pada 23 HST (fase anakan aktf : Z 3 (x,5683 +,34 x 4. Kandungan fosfat terseda dalam tanah pada 7 HST (awal pengsan gabah: Z 4 (x28,787,782x+,4 x 2 5. Kandungan fosfat terseda dalam tanah pada 5 HST (saat panen : Z 5 (x2,35+,546x+, x 2 6. Konsentras K terseda dalam tanah pada 7 HST (awal pengsan gabah: Z 6 (x34,283+,382 x,8 x 2 7. Kandungan K terseda dalam tanah pada 5 HST(saat panen : Z 7 (x52,587+,256 x 8. Kandungan karbofuran dalam tanaman pada 7 HST (awal pengsan gabah: Z 8 (x,45-,x+,x 2, dengan fungs kendala:. g (x,2x 2 +,3 x+7,85 8 (rendemen beras glng 8 2. g 2 (x,2x 2,3x+,5< (fosfat dalam ar <, dan x menyatakan prosentase doss pemberan pupuk NPK, 5 x 25. Optmas konsentras karbofuran dalam ar dan tanah dlakukan dengan mengurang konsentras karbofuran agar tdak melampau ambang batas yang dperbolehkan (<,2 ppm dan efektf dalam mengendalkan hama, namun tdak menmbulkan pencemaran Matematka 45

4 Wdodo, Hertomo Heroe lngkungan. Fungs tujuan dengan memnmumkan kendala yang ada drumuskan sebaga berkut:. Konsentras karbofuran dalam ar pada 43 HST (promorda Z (x,7x 2,4x+, Konsentras resdu karbofuran d tanah pada 43 HST (promorda: Z (x,2x 2 +,3x+,3, dengan fungs kendala: g 3 (x7e-6x 2 -,4x+,284 <,2 (karbofuran <,2. Mudah dpaham bahwa sepuluh ( fungs tujuan tersebut d atas salng konflk. Karena tu harus dcar solus komprom agar ke fungs tujuan tersebut terakomodr dengan bak. Caranya adalah dengan optmas nonlnear mult tujuan bak dengan fungs tujuan fuzzy maupun tanpa tujuan fuzzy. Dalam peneltan Wdodo dan Heroe (27 telah dpelajar optmalsas doss pemberan pupuk NPK dengan metode optmas nonlnear mult tujuan nteraktf (tanpa tujuan fuzzy. Dalam makalah n, dsajkan hasl peneltan yang mrp dengan peneltan Wdodo dan Heroe (27, tetap dengan fungs tujuan fuzzy. 4. HASIL PENELITIAN 4.. Program Nonlnear Mult Objektf dengan Fungs Objektf/Tujuan Fuzzy Apabla untuk setap fungs objektf Z ( x,, K, k dar masalah program nonlnear mult objektf, dasumskan bahwa pengambl keputusan mempunya fuzzy goal fungs objektf (x Z secara substansal lebh kecl atau sama dengan suatu nla p, maka dsebut Program Nonlnear Mult Objektf/Tujuan Fuzzy, yang dapat dformulaskan sebaga berkut : memnm ~ alkan Z( x : dengan kendala x X : x. ( Z ( x, Z ( x, K, Z ( x 2 n { x R g ( x, j 2,, K, m} j k T (. dengan memn m ~ alkan menyatakan memnmalkan vers fuzzy dar k fungs sasaran dan memenuh kendala-kendala yang dberkan. Fuzzy Goal dapat dtentukan dar fungs keanggotaan ( ( x,, K, k, dar pengambl keputusan untuk setap fungs Z 46 Semnar Nasonal MIPA 27

5 M : Aplkas Program Nonlnear Mult Tujuan Interaktf... objektf Z ( x,, K, k. Secara umum, dalam masalah mnmsas, fuzzy goal yang dtetapkan oleh pengambl keputusan secara substansal lebh kecl atau sama dengan suatu nla p dan pengambl keputusan harus menentukan fungs keanggotaan lnear atau nonlnear untuk setap fungs objektf Z ( x,, K, k yang merupakan fungs turun monoton tegas terhadap Z (x dan memenuh aturan : ( Z ( x d( x, jka Z ( x Z, jka Z Z ( x Z, jka Z ( x Z. (.2 Fungs keanggotaan nonlnear fungs objektf ( ( x,, K, k, dapat dgambarkan: Z ( ( x Z Z (x. Z Gambar : Fungs keanggotaan turun monoton tegas dengan Z atau Z masng-masng menyatakan nla Z sehngga derajat dar fungs Z keanggotaan atau. Untuk fungs ntermedate, nla monoton tegas (x terhadap Z. d Z dtunjukkan oleh fungs turun Untuk memperoleh fungs keanggotaan ( ( x,, K k dar setap fungs Z, objektf Z (x, pengambl keputusan dapat menggunakan pendekatan sebaga berkut: pertama, dhtung mnmum ndvdu Z mn mn Z x X ( x dan maksmum ndvdu Z max max Z x X ( x. Kemudan pengambl keputusan memlh fungs keanggotaan dantara lma tpe fungs keanggotaan, yatu : lnear, exponensal, hperbolk, nvers hperbolk, atau lnear sepotong-sepotong. Nla parameter dtentukan melalu nteraks Matematka 47

6 Wdodo, Hertomo Heroe dengan pengambl keputusan. Selan untuk fungs keanggotaan hperbolk, dasumskan bahwa : ( Z ( x jka Z ( x Z Untuk fungs keanggotaan lnear dberkan oleh: dan Z ( x jka Z ( x Z. ( Z ( x Z ( Z ( x. (.3 Z Z Untuk fungs keanggotaan lnear dapat dtentukan oleh pengambl keputusan dengan max mn menetapkan dua ttk dan yang nlanya d antara dan. Z Z Berkut n, dkenalkan Solus Optmal Pareto Fuzzy atau Solus Optmal M- Pareto kemudan ddefnskan fungs keanggotaan sebaga penggant dar fungs objektf Z (x. Z Z Defns 4... ( Solus Optmal M-Pareto Vektor x * X dkatakan sebaga Solus Optmal M-Pareto untuk Program Nonlnear Mult Objektf/Tujuan Fuzzy (., jka tdak ada * x X yang lan ( x x sehngga * * ( Z ( x ( Z ( x,,2, K, k dan ( ( x ( ( x dpenuh palng sedkt untuk satu j. j Z j j Z j 4.2. Penyelesaan Program Nonlnear Mult Objektf dengan Fungs Objektf Fuzzy dengan Metode Interaktf Dengan metoda nteraktf Sakawa,Yano, dan Yumne (87, pengambl keputusan dapat menentukan tngkat keanggotaan referens (,..., T k. Solus optmal M-Pareto dperoleh dengan menyelesakan masalah mnmaks berkut : mn mumkan maksmumkan( ( Z ( x x X,..., k (.4 atau ekvalen dengan mnmumkan v (.5 dengan kendala : ( Z ( x v,,..., k, x X. Jka fungs keanggotaan (Z (x,,.., k sudah dtentukan, maka masalah mnmaks menjad masalah program nonlnear basa, dan dapat dselesakan secara 48 Semnar Nasonal MIPA 27

7 M : Aplkas Program Nonlnear Mult Tujuan Interaktf... langsung dengan metode yang sudah banyak dkenal sepert metode Newton, dll. Berdasarkan 2 teorema berkut n, untuk mencar solus M-optmal pareto program nonlnear mult tujuan fuzzy dengan metode nteraktf, cukup dkerjakan masalah mnmaks (.5 dengan varabel bantu v. Teorema Jka x * solus optmal tunggal dar masalah mnmaks (.5 untuk suatu ttk referens: (,..., T k, maka x * adalah solus Optmal M-Pareto untuk Program Nonlnear Mult Objektf/Tujuan Fuzzy (.. Theorema Jka x * adalah solus Optmal M-Pareto untuk Program Nonlnear Mult Objektf/Tujuan Fuzzy (. dengan < ( ( x f * < untuk setap,2,,k, maka terdapat suatu ttk referens (,..., T k sehngga x * solus optmal tunggal dar masalah mnmaks (.5. Algortma Program nonlnear mult objektf fuzzy nteraktf : Langkah : Htung mnmum dan maksmum ndvdu untuk setap fungs objektf terhadap kendala yang dberkan. Langkah 2: Tentukan fungs keanggotaan dar pengambl keputusan untuk setap fungs objektf Langkah 3: Tentukan tngkat keanggotaan referens awal sama dengan. Langkah 4: Untuk nla keanggotaan referens, selesakan masalah mnmaks untuk mendapatkan solus optmal M-Pareto dan nla fungs keanggotaan bersama dengan nformas tradeoff antara fungs-fungs objektf. Langkah 5: Jka pengambl keputusan merasa puas dengan solus optmal M-Pareto, maka proses berhent. Jka tdak, tanyakan kepada pengambl keputusan untuk memperbak nla referens dan kembal ke Langkah Hasl Pemrograman Nonlnear Masng-Masng Fungs Tujuan (Indvdu Terlebh dahulu masalah Optmalsas Doss Pemberan Pupuk NPK Tanaman Pad dkonverskan ke bentuk standar mnmum: Mnmumkan fungs tujuan:. -Z (x -(37,4+28,377x,763 x Z 2 (x -(7,8+,3x,2x 2 Matematka 4

8 Wdodo, Hertomo Heroe 3. -Z 3 (x - (,5683 +,34 x 4. -Z 4 (x -(28,787,782x+,4x Z 5 (x -(2,35+,546x+,x Z 6 (x -(34,283+,382x,8 x Z 7 (x -(52,587+,256 x 8. -Z 8 (x -(,45-,x+,x 2. Z (x,7x 2,4x+,284. Z (x,2 x 2 +,3 x +,3 dengan fungs kendala: g (x,2x 2 +,3x+7,85 8 (rendemen beras glng 8 g 2 (x,2x 2 -,3x+,5 < (fosfat dalam ar <, g 3 (x 7E-6x 2 -,4x+,284<, (karbofuran <,2 dan x menyatakan prosentase doss pemberan pupuk NPK, 5 x 25. Dengan program Quanttatve System (QS vers 3., dperoleh Hasl Pemrograman Nonlnear Masng-Masng Fungs Tujuan (Indvdu sbb: Fungs tujuan Mnmum Indvdu Pemnmal Nla mnmal (x mn Z ( Maksmum Indvdu Pemaks mal Nla Maksmal (x max Z ( Z (x 86, -6352, ,4 Z 2 (x 237,5-8,6 5-7,6 (x 24-2,8 5 -,2 Z 3 Z 4 (x 24,3-33, 8-25 (x 24,3-3, 5-5 Z 5 Z 6 (x 237,5-7, 5-5,4 Z 7 (x 24,2-82,7 5-58,6 (x , Z 8 Z (x,3,6 24,3,2 Z (x 5,4 24, Hasl Pemrograman Nonlnear Mult Tujuan Interaktf dengan Fungs Tujuan Fuzzy 5 Semnar Nasonal MIPA 27

9 M : Aplkas Program Nonlnear Mult Tujuan Interaktf... Fungs keanggotaan (Membershp Functon nonlnear fungs objektf ( ( x,, K, k, dapat dgambarkan sebaga berkut : Z Z ( ( Z Mn Z ( Z Gambar :Fungs keanggotaan turun monoton tegas Z ( x ( Z ( Z ( x Mn ( Z ( Z,,, jka Z ( x ( Z jka ( Z jka Z ( x ( Z Mn Z ( x ( Z Mn untuk,2,3,...,8, dan Z( x Z Z( x Mn Z Z, jka, jka Z ( x Z Mn (, jka Z Z( x Z Z ( x Z Mn, Z ( x Z, jka, jka Z ( x Z ( x Z Mn ( Z, jka Z Z( x Z Mn Z Z ( x Z Mn. Dengan ttk referens,3 2,4 3,4 4,4 5,4 6,4 7,5 8,4,5,5; maka menurut masalah mnmaks (.5, perhtungan penyelesaan Pareto optmal dlakukan dengan: memnmalkan v, dengan kendala: Matematka 5

10 Wdodo, Hertomo Heroe. g (x -,2 x 2 +,3 x + 7, g 2 (x,2 x 2,3 x +,5 <, 3. g 3 (x,7 x 2,4 x +,284 <,2 4.,3-( ,377 x+,763 x ,4/(-6352,7+442,4 v 5.,4-(-7,8-,3 x+,2 x 2 +7,6/(-8,6+7,6 v 6.,4-(-,5683-,34x+,2/(-2,8+,2 v 7.,4-(-28,787+,782x-,4 x 2 +25/(-33,+25 v 8.,4-(-2,35-,546x-, x 2 +5/(-3,+5 v.,4-(-34,283-,382x+,8 x 2 +5,4/(-7,+5,4 v.,5-(-52,587-,256x+58,6/(-82,7+58,6 v.,4-(-,45+,x-, x 2 +,/(-,5+, v 2.,5-(,7 x 2 -,4x+,284-,2/(,6-,2 v 3.,5-(,2x 2 +,3x+,3-,2/(,4-,2 v 4. 5 x 25 dan v. Dengan program Quanttatve System (QS, masalah d atas dperoleh hasl solus Pareto optmal yatu x 2,4% mengoptmalkan ke 8 fungs tujuan yang dmasmalkan dan 2 fungs tujuan yang dmnmalkan dengan tga fungs kendala. 5. KESIMPULAN Dar Kajan n, dengan metode optmas monlnear mult tujuan nteraktf fungs tujuan fuzzy, dperoleh kesmpulan bahwa doss optmal pemberan pupuk NPK tanaman pad adalah x 2,4%. Doss n akan menghaslkan: a. Nla maksmal Gabah Kerng Glng (GKG sebanyak Z (2,4% 6.8,3 kg per hektar b. Nla maksmal Prosentase beras pecah kult (BPK sebesar Z 2 (2,4% 8,2% c. Nla maksmal Kandungan N-NH4+ terseda dalam tanah pada 23 HST (fase anakan aktf Z 3 (2,4%,3 ppm. d. Nla maksmal Kandungan fosfat terseda dalam tanah pada 7 HST (awal pengsan gabah Z 4 (2,4% 25,37 ppm e. Nla maksmal Kandungan fosfat terseda dalam tanah pada 5 HST Z 5 (2,4% 2,77 ppm 52 Semnar Nasonal MIPA 27

11 M : Aplkas Program Nonlnear Mult Tujuan Interaktf... f. Nla maksmal Konsentras K terseda dalam tanah pada 7 HST Z 6 (2,4% 7,32 ppm g. Nla maksmal Kandungan K terseda dalam tanah pada 5 HST Z 7 (2,4% 68,84 ppm h. Nla maksmal Kandungan karbofuran dalam tanaman pada 7 HST Z 8 (2,4%,2 ppm. Nla mnmal Konsentras karbofuran dalam ar pada 43 HST Z (2,4%,6 ppm j. Nla mnmal Konsentras resdu karbofuran d tanah pada 43 HST Z (2,4%, ppm. REFERENSI Bazaraa, M.S. and Shetty, C.M.,3, Nonlnear Programmng, Theory and Algorthms, John Wley & Sons, Sngapore. Charnes, A. and Chopper, W.W., 6, Management Models and Industral Applcatons of Lnear Programmng, Vols. I and II, Wley. Chong, E.K.P. and Zak, S.H., 6, An Introducton to Optmzaton, John Wley & Sons,Inc., New York. Chrster, C. and Robert, F., 4, Fuzzy Reasonng for Solvng Fuzzy Multple Objectve Lnear Programmng, Proceedng of Twelfth European Meetng on Cybernetcs and System Research, World Scentfcs, London, Vol., Fajar, M.Y. dan Wdodo, PROGRAM LINEAR MULTI OBJEKTIF FUZZY, Berkala Ilmah MIPA (BIMIPA: Majalah Ilmah Matematka dan Ilmu Pengetahuan Alam FMIPA UGM, Eds Khusus (22 memuat makalah terseleks pada Semnar Nasonal dalam Des Natals ke-47 FMIPA UGM, 2 September, 22. ISSN : SK Drjen DIKTI Akredtas Jurnal No.5/O/I/8 tgl 3 Januar Gasmov, R.N. and Yenlmez, K., 22, Solvng Fuzzy Lnear Programmng Problems wth Lnear Membershp Functons, Turk J.Math, 26, Matematka 53

12 Wdodo, Hertomo Heroe Ignzo, James P., 82, Lnear Programmng n Sngle and Multple Objectve Systems, Prentce-Hall Inc., Englewood Clffs, London. Heroe, H. (24, KARAKTERISASI, DINAMIKA DAN OPTIMASI PEMBERIAN UNSUR HARA SERTA INSEKTISIDA PADA SISTEM PRODUKSI PADI BAGI PEMANFAATAN LAHAN SAWAH BERKELANJUTAN: Stud Kasus d Sukamand, Kabupaten Subang, Propns Jawa Barat, Dsertas S3, SEKOLAH PASCASARJANA, INSTITUT PERTANIAN BOGOR. Kharudn, Aplkas Metoda Subgraden untuk Menyelesakan Program Lnear Fuzzy, Tess S2, Program Pascasarjana, Unverstas gadjah Mada, 24. Kharudn dan Wdodo, Metoda Subgraden untuk Menyelesakan Program Nonlnear Nonkonveks, Forum MIPA (Jurnal Peneltan dan Kajan Ilmah MIPA, Vol. 3 No., Jun 24. Sakawa, Masatosh, 3, Fuzzy Sets and Interactve Mult Objectve Optmzaton, Plenum Press, New York. Wdodo dan Heroe, H. 27. OPTIMALISASI DOSIS PEMBERIAN PUPUK NPK TANAMAN PADI DENGAN METODE PROGRAM NONLINEAR MULTI TUJUAN INTERAKTIF, akan terbt d JPMS, UNY. 54 Semnar Nasonal MIPA 27

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

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

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka

Lebih terperinci

BAB IV PEMBAHASAN MODEL

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

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

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

MODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA

MODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA MAKARA, TEKOLOGI, VOL. 6, O. 3, DESEMBER 2002 MODEL OPTIMASI PERECAAA IVESTASI GALAGA KAPAL DEGA PEDEKATA PROGRAMASI TUJUA GADA Al Azhar Jurusan Teknk Perkapalan, Insttut Teknolog Adh Tama Surabaya Jl.

Lebih terperinci

OPTIMASI MASALAH PENUGASAN. Siti Maslihah

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

Lebih terperinci

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

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

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

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

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

DIMENSI PARTISI GRAF GIR

DIMENSI PARTISI GRAF GIR Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,

Lebih terperinci

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

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

Lebih terperinci

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka

Lebih terperinci

BAB 2 KAJIAN PUSTAKA

BAB 2 KAJIAN PUSTAKA BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB I PENDAHULUAN Latar Belakang dan Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang

Lebih terperinci

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K Jurnal Matematka Murn dan Terapan Vol. 3 No. Desember 009: 4-6 APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH Yun Yulda dan Muhammad Ahsar K Program Stud Matematka Unverstas

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama

Lebih terperinci

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

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

Bab V Aliran Daya Optimal

Bab V Aliran Daya Optimal Bab V Alran Daya Optmal Permasalahan alran daya optmal (Optmal Power Flow/OPF) telah menjad bahan pembcaraan sejak dperkenalkan pertama kal oleh Carpenter pada tahun 196. Karena mater pembahasan tentang

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. bulan November 2011 dan direncanakan selesai pada bulan Mei 2012.

BAB III METODOLOGI PENELITIAN. bulan November 2011 dan direncanakan selesai pada bulan Mei 2012. BAB III METODOLOGI PENELITIAN 1.1. Tempat dan waktu Peneltan Peneltan dlakukan pada Perusahaan Daerah Ar Mnum Kabupaten Gorontalo yang beralamat d jalan Gunung Bolyohuto No. 390 Kelurahan Bolhuangga Kecamatan

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

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

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

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

Lebih terperinci

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral

Lebih terperinci

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP) Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

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

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

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant) PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS

MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut

Lebih terperinci

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL

Lebih terperinci

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

Lebih terperinci

Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu

Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan

Lebih terperinci

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA A-3 Dan Aresta Yuwanngsh 1 1 Mahasswa S Matematka UGM dan.aresta17@yahoo.com Abstrak Dberkan R merupakan rng dengan elemen satuan, M R-modul kanan, dan R S End

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

Oleh : Fifi Fisiana

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka

Lebih terperinci

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

Preferensi untuk alternatif A i diberikan

Preferensi untuk alternatif A i diberikan Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses

Lebih terperinci

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

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci