SISTEM PENGAMBILAN KEPUTUSAN UNTUK PEMILIHAN TEKNISI LAB DENGAN MULTI KRITERIA MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS)

Ukuran: px
Mulai penontonan dengan halaman:

Download "SISTEM PENGAMBILAN KEPUTUSAN UNTUK PEMILIHAN TEKNISI LAB DENGAN MULTI KRITERIA MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS)"

Transkripsi

1 SISTEM PENGAMBILAN KEPUTUSAN UNTUK PEMILIHAN TEKNISI LAB DENGAN MULTI KRITERIA MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS) Oleh : Adri Suryadi Dia Nurdiaa Abstrak Dalam proses perekruta calo pegawai ada beberapa kategori kemampua diambil utuk medapatka calo pegawai yag terbaik. Kategori kemampua yag dimaksud adalah kemampua hardskills da softskills. Namu, dega adaya kategori tersebut mejadi sulit bagi tim seleksi utuk medapatka keputusa yag terbaik terutama dalam relasi atar kategori yaitu kolaborasi hardskills da softskills. Oleh karea itu dibutuhka suatu metode utuk dapat meyelesaika pegambila keputusa dega bayak kategori. AHP (aalytic hierarchy process) merupaka metode yag dapat meyelesaika masalah pegambila keputusa berdasarka bayak kategori. Kemampua hardskills da softskills dapat dikolaborasika megguaka AHP (aalytic hierarchy process) sehigga keterkaita atara kategori mejadika proses perekruta mejadi optimal. Kata kuci : sistem pedukug keputusa,hardskills, softskills, AHP (aalytic hierarchy process). PENDAHULUAN. Latar Belakag Perkembaga tekologi iformasi yag semaki hari semaki pesat membuat mausia harus dapat megikuti perkembaga tekologi iformasi tersebut. Begitupu dega proses perekruta dalam sebuah orgaisasi yag membutuhka suatu cara yag efektif da efisie demi medapatka pegawai yag cocok dega orgaisasi tersebut. Di dalam sebuah orgaisasi kebutuha aka proses perekruta yag baik aka berdampak terhadap kierja orgaisasi itu sediri. Dalam proses perekruta calo pegawai ada beberapa kategori kemampua diambil utuk medapatka calo pegawai yag terbaik. Kategori kemampua yag dimaksud adalah kemampua hardskills da softskills. Hardskills merupaka kemampua yag lebih kepada ilmu pegetahua seperti kemampua programmig, jariga komputer da lai sebagaiya. Sedagka kemampua softskills merupaka kemampua lebih kearah kemampua kehidupa sosial seperti komuikasi, kedisiplia, kemaua da lai sebagaiya. Perekruta yag baik adalah perekruta yag meggabugka atara hardskills da softskills. Gabuga keduaya aka mejadika perekruta mejadi lebih optimal. Namu, dega adaya kategori tersebut mejadi sulit bagi tim seleksi utuk medapatka keputusa yag terbaik terutama dalam relasi atar ISSN 086-4

2 kategori yaitu kolaborasi hardskills da softskills. Oleh karea itu dibutuhka suatu metode utuk dapat meyelesaika pegambila keputusa dega bayak kategori. AHP (aalytic hierarchy process) merupaka metode yag dapat meyelesaika masalah pegambila keputusa berdasarka bayak kategori. Kemampua hardskills da softskills dapat dikolaborasika megguaka AHP (aalytic hierarchy process) sehigga keterkaita atara kategori mejadika proses perekruta mejadi optimal. Dalam implemetasi perekruta ii aka di lakuka terhadap perekruta utuk mecari tekisi lab di ligkuga program studi TIK STKIP Garut. Proses perekruta berdasarka dari kemampua hardskills da softskills dari beberapa kadidat calo tekisi lab. Dega adaya proses perekruta tekisi lab megguaka metode AHP diharapka keputusa yag diambil oleh tim peyeleksi mejadi lebih optimal.. Rumusa Masalah Peelitia ii membahas bagaimaa implemetasi metode AHP (aalytic hierarchy process) dalam proses pegambila keputusa utuk perekruta calo tekisi lab dega multi kriteria sehigga dapat membuat sebuah ragkig yag dapat mejadi rekomedasi tim peyeleksi.. Tujua Peelitia Tujua peelitia ii adalah sebagai berikut: a. Megetahui implemetasi metode AHP (aalytic hierarchy process) dalam perekruta calo tekisi lab dega multi kriteria. b. Membuat ragkig calo tekisi lab megguaka metode AHP (aalytic hierarchy process)..4 Mamfaat Peelitia Beberapa mamfaat dari peelitia ii adalah: a. Membuat kemudaha tim peyeleksi dalam hal perekruta tekisi lab yag dibutuhka. b. Megetahui keguaa metode AHP (aalytic hierarchy process) dalam sistem pedukug keputusa c. Perekruta tekisi lab lebih yata (real) karea berdasarka bayak kategori.. LANDASAN TEORI. Pegertia AHP AHP merupaka suatu model pedukug keputusa yag dikembagka oleh Thomas L. Saaty. Model pedukug keputusa ii aka meguraika masalah multi faktor atau multi kriteria yag kompleks mejadi suatu hirarki, meurut Saaty (), hirarki didefiisika sebagai suatu represetasi dari sebuah permasalaha yag kompleks dalam suatu struktur multi level dimaa level pertama adalah tujua, yag diikuti level faktor, kriteria, sub kriteria, da seterusya ke bawah higga level terakhir dari alteratif. Dega hirarki, suatu masalah yag kompleks dapat diuraika ke dalam kelompokkelompokya yag kemudia diatur mejadi suatu betuk hirarki sehigga permasalaha aka tampak lebih terstruktur da sistematis. AHP serig diguaka sebagai metode pemecaha masalah dibadig dega metode yag lai karea alasa-alasa sebagai berikut :. Struktur yag berhirarki, sebagai kosekuesi dari kriteria yag ISSN 086-4

3 dipilih, sampai pada subkriteria yag palig dalam.. Memperhitugka validitas sampai dega batas tolerasi ikosistesi berbagai kriteria da alteratif yag dipilih oleh pegambil keputusa.. Memperhitugka daya taha output aalisis sesitivitas pegambila keputusa.. Prisip AHP Dalam meyelesaika persoala dega metode AHP ada beberapa prisip dasar yag harus dipahami atara lai :. Decompositio Pegertia decompositio adalah memecahka atau membagi problema yag utuh mejadi usur usurya ke betuk hirarki proses pegambila keputusa, dimaa setiap usur atau eleme salig berhubuga. Utuk medapatka hasil yag akurat, pemecaha dilakuka terhadap usur - usur sampai tidak mugki dilakuka pemecaha lebih lajut, sehigga didapatka beberapa tigkata dari persoala yag hedak dipecahka. Struktur hirarki keputusa tersebut dapat dikategorika sebagai complete da icomplete. Suatu hirarki keputusa disebut complete jika semua eleme pada suatu tigkat memiliki hubuga terhadap semua eleme yag ada pada tigkat berikutya, semetara hirarki keputusa icomplete kebalika dari hirarki complete. Betuk struktur dekomposisiyaki : Tigkat pertama: Tujua keputusa (Goal) Tigkat kedua : Kriteria kriteria Tigkat ketiga : Alteratif alterative Kriteria Tujua Kriteria Kriteria alteratif alteratif alteratif Gambar. Struktur hirarki. Comparative Judgemet Comparative judgemet dilakuka dega peilaia tetag kepetiga relatif dua eleme pada suatu tigkat tertetu dalam kaitaya dega tigkata diatasya. Peilaia ii merupaka iti dari AHP karea aka berpegaruh terhadap uruta prioritas dari eleme elemeya. Hasil dari peilaia ii lebih mudah disajika dalam betuk matriks pairwise comparisos yaitu matriks perbadiga berpasaga memuat tigkat preferesi beberapa alteratif utuk tiap kriteria. Skala preferesi yag diguaka yaitu skala yag meujukka tigkat yag palig redah (equal importace) sampai dega skala yag meujukka tigkata palig tiggi (extreme importace).. Sythesis of Priority Sythesis of priority dilakuka dega megguaka eige vector method utuk medapatka bobot relatif bagi usur usur pegambila keputusa. 4. Logical Cosistecy Logical cosistecy merupaka karakteristik petig AHP. Hal ii dicapai dega megagresika seluruh eige vector yag diperoleh dari berbagai tigkata hirarki da selajutya diperoleh suatu vektor ISSN 086-4

4 composite tertimbag yag meghasilka uruta pegambila keputusa.. Peyusua prioritas Setiap kriteria yag sudah ditetuka maka harus diketahui bobotya. Hal ii bertujua utuk megetahui tigkat kepetiga terhadap kriteria yag ada. Lagkah pertama adalah meyusu perbadiga berpasaga dega cara membadigka setiap kriteria yag ada. Misalka terhadap sub sistem hirarki dega kriteria C da sejumlah alteratif dibawahya, sampai. Perbadiga atar alteratif utuk sub sistem hirarki itu dapat dibuat dalam betuk matris x, seperti pada dibawah ii. Tabel. Tabel matriks berpasaga C A A A A A A A A A A A A A A A A A A A A m A m A m A m A m Nilai A adalah ilai perbadiga eleme A (baris) terhadap A (kolom) yag meyataka hubuga : a. Seberapa jauh tigkat kepetiga A (baris) terhadap kriteria C dibadigka dega A (kolom) atau b. Seberapa jauh domiasi A (baris) terhadap A (kolom) atau c. Seberapa bayak sifat kriteria C terdapat pada A (baris) dibadigka dega A (kolom). Nilai umerik yag dikeaka utuk seluruh perbadiga diperoleh dari skala perbadiga sampai yag telah ditetapka oleh Saaty, seperti pada tabel berikut ii : = Kedua eleme sama petigya, Dua eleme mempuyai pegaruh yag sama besar = Eleme yag satu sedikit lebih petig daripada eleme yaga laiya, Pegalama da peilaia sedikit meyokog satu eleme dibadigka eleme yag laiya 5 = Eleme yag satu lebih petig daripada yag laiya, Pegalama da peilaia sagat kuat meyokog satu eleme dibadigka eleme yag laiya. 7 = Satu eleme jelas lebih mutlak petig daripada eleme laiya, Satu eleme yag kuat disokog da domia terlihat dalam praktek. = Satu eleme mutlak petig daripada eleme laiya, bukti yag medukug eleme satu terhadap eleme lai memiliki tigkat peegasa tertiggi yag mugki meguatka.,4,6,8 = Nilai-ilai atara dua ilai pertimbaga-pertimbaga yag berdekata, Nilai ii diberika bila ada dua kompromi di atara piliha Kebalika = Jika utuk aktivitas i medapat satu agka dibadig dega aktivitas j, maka j mempuyai ilai kebalikaya dibadig dega i.4 Eige Value da eige vektor Jika A adalah matriks x maka vector tak ol x di dalam R diamaka Eige Vector dari A jika Ax kelipata skalar λ, yaki: Ax = λx Skalar λ diamaka eige value dari A da x dikataka eige vektor yag bersesuaia dega λ. Utuk mecari eige valuedari matriks A yag berukura x ISSN

5 maka dapat ditulis pada persamaa berikut : Ax = λx Atau secara ekivale (λi A)x = 0 Agar λ mejadi eige value, maka harus ada pemecaha tak ol dari persamaa ii. Aka tetapi, persamaa diatas aka mempuyai pemecaha tak ol jika da haya jika : det(λi A)x = 0 Ii diamaka persamaa karakteristik A, skalar yag memeuhi persamaa ii adalah eige value dari A..5 Uji Kosistesi ideks rasio Pegukura kosistesi dari suatu matriks itu sediri didasarka atas eige value maksimum. Thomas L. Saaty telah membuktika bahwa ideks kosistesi dari matriks berordo dapat diperoleh dega rumus sebagai berikut : CI = Rasio Peyimpaga (deviasi) kosistesi (cosistecy ideks) λmaks = Nilai eige terbesar dari matriks berordo = Orde matriks Apabila CI berilai ol, maka matriks pair wise compariso tersebut kosiste. Batas ketidakkosistea (icosistecy) yag telah ditetapka oleh Thomas L. Saaty ditetuka dega megguaka Rasio Kosistesi (CR), yaitu perbadiga ideks kosistesi dega ilai Radom Ideks (RI) yag didapatka dari suatu eksperime oleh Oak Ridge Natioal Laboratorykemudia dikembagka oleh Wharto School da diperlihatka seperti tabel.. Nilai ii bergatug pada ordo matriks. Dega demikia, Rasio Kositesi dapat dirumuska sebagai berikut : CR RI = Rasio Kositesi = Ideks Radom Tabel. Tabel Radom Kosistesi RI 0,00 0,00 0,58 0,0,,4,, RI,45,4,5,48,56,57,5 Bila matriks pair - wise compariso dega ilai CR lebih kecil dari 0,00 maka ketidakkosistea pedapat dari decisio maker masih dapat diterima jika tidak maka peilaia perlu diulag.. HASIL PENELITIAN. Meetua jeis kriteria Tahapa pertama dalam peelitia ii adalah meetuka jeis kriteria yag aka dijadika dasar dalam proses perekruta tekisi lab oleh tim seleksi. Kriteria ii diambil oleh tim peyeleksi berdasarka kemampua hardskills da softskills. Hardskills yag aka diujika berupa ilmu pegetahua tetag tekologi iformasi dalam hal ii adalah peguasaa jariga komputer da troubleshootig. Hardskills ii aka diujika melalui tes tertulis yag atiya aka didapatka agka setiap oragya. Dalam pegujia kemampua hardskills ii diharapka dapat megetahui kemampua megeai bagaimaa jariga komputer da troubleshootig karea dalam sebuah lab komputer biasaya komputer yag ada sudah salig terhubug atara ISSN

6 satu dega yag laiya. Utuk kemampua troubleshootig dibutuhka karea jika ada masalah pada komputer yag sudah terhubug maka diharapka dapat dega cepat meyelesaikaya. Sedagka softskills yag aka diujika berupa moti (visi) kedepa, disipli da komuikasi. Softskills diujika melalui tes wawacara oleh tim peyeleksi kepada calo tekisi lab. merupaka salah satu kriteria pertama yag diujika karea calo tekisi lab harus mempuyai moti / visi yag tiggi selai kemampuaya. Kemudia kriteria selajutya adalah disipli, disipli dalam hal ii adalah disipli dalam bertaggug jwb, tegar dlm meghadapi segala situasi, lebih meghargai orag lai da waktu, tidak mudah putus asa da melatih kejujura. Kemudia kriteria terakhir adalah komuikasi. Seorag calo tekisi lab harus dapat berkomuikasi dega baik kepada dose peaggug jawab, kepada program studi ataupu kepada mahasiswa.. Struktur hirarki Dari beberapa kriteria yag telah ditetuka sebelumya maka dapat dibuat struktur hirarki sebagai dasar peetua pegambila keputusa megguaka AHP. Struktur hirarki yag dapat dibuat adalah sebagai berikut: Pegetahua jariga da troubleshooti Tekisi Lab / visi Disipli Komuikasi Alteratif Alteratif Alteratif Alteratif Gambar. Struktur Peelitia.4 Matriks perbadiga berpasaga Matriks perbadiga berpasaga dilakuka utuk peilaia perbadiga atara keriteria satu dega yag laiya, seperti pegetahua jariga da troubleshootig, moti, disipli da komuikasi Berikut tabel matriks perbadiga berpasaga peyeleksia calo tekisi lab. Tabel. Matriks perbadiga berpasaga Kriteria Pege tahua Komu ikasi Disip li Pegetah 4 5 ua / Komui /5 / kasi Disipli /5 / /.5 Meetuka ilai eige Lagkah pertama utuk meghitug ilai eige setiap kriteria adalah dega megubah matriks kriteria pada tabel. mejadi bilaga desimal. Berikut tabel matriks kriteria setelah diubah mejadi bilaga desimal. Tabel. Matriks kriteria Kriteria Pege tahua Komu ikasi Disip li Pegetah 4 5 ua 0, Komui 0,00 0,50 kasi 0 Disipli 0,00 0,50 0 0, Selajutya mejumlahka setiap kolom pada masig-masig kriteria. Kriteria pada kolom pegetahua ISSN

7 pejumlahaya sebagai berikut : +0,+0,00+0,00. Begitupu sama dega kriteria laiya sehigga meghasilka tabel berikut: Tabel. Jumlah matriks perbadiga kriteria Krite Peget Komu Disipl ria Peg etahu a Kom uika si Disip li Juml ah ahua ikasi i 4 5 0, 0,00 0,50 0 0,00 0,50 0, 0,4 5 7, Setelah medapatka jumlah pada masig-masig kolom kriteria maka lagkah selajutya adalah dega membagi ilai masig-masig kriteria dega hasil jumlah kolom kriteria. Berikut tabel yag dihasilka. Tabel.4 Matriks hasil pembagia Kriteri a Peget ahua Komu ikasi Disi pli Peget ahua 0,68 0,6 0,545 0,45 4 va si 0, 0, 0,7 0,8 Komu 0, 0, 0,6 0,7 ikasi Disipli 0, 0, 0,045 0,0 Perhituga diatas didapat dari pembagia atara kolom setiap kriteria dega hasil jumlah setiap kolom. Cotoh ilai 0,68 adalah hasil dari pembagia dega,4. Lagkah selajutya adalah meghitug jumlah baris pada masig-masig kriteria. berikut tabel hasil pejumlaha baris setiap kriteria. Krit eria Pe geta hua Ko mu ikasi Disi pli Tabel.5 Jumlah kolom Matriks perbadiga Peg etah ua 0,6 8 0, 0, 0, Kom uik asi 0,6 0,54 5 0, 0,7 0, 0, 6 0, 0,04 5 Disip li 0,45 4 0,8 0,7 0,0 Juml ah, 7 0,88 7 0,64 0 0,7 5 Lagkah terakhir adalah meghitug ilai eige pada masig-masig kriteria. ilai eige didapat dega cara pembagia jumlah baris dega bayakya kriteria ( = 4). Berikut tabel hasil eige pada masig-masig kriteria. Tabel.6 Nilai eige kriteria Kriteria Eige Pegetahua 0,574 0, Komuikasi 0,6 Disipli 0,04 Hasil dari eige tersebut merupaka data yag aka dijadika ilai pembadig pada masig-masig kriteria..6 Meguji kosistesi Setelah didapatka ilai eige maka selajutya adalah meguji kosistesi pembobota pada masigmasig kriteria. pegujia ii berfugsi sebagai validitas data pembobota yag diberika utuk setiap kriteria. uji validitas ii berdasarka tabel ideks Radom kosistesi (RI)..6. Meetuka ilai eige maksimum (λmaks) ISSN

8 λmaks diperoleh dega cara mejumlahka hasil jumlah kolom ke betuk desimal dega ilai eige pada masig-masig kriteria. λmaks = (,4 x 0,574) + (5 x 0,) + (7, x 0,6) + ( x 0,04) = 0,8 +, +,88 +,04 = 4,55 Nilai 4,55 merupaka ilai λmaks yag diperoleh..6. Meghitug ideks kosistesi (CI) Rumus utuk mecari CI adalah: CI = 0,05 Hasil akhir perhituga CI adalah 0, Meghitug Rasio kosistesi (CR) Lagkah terakhir dalam pegujia adalah meghitug CR. Jika CR < 0, maka pembobota pada setiap kriteria dapat diyataka kosiste. Rumus meghitug CR adalah sebagai berikut: RI berilai 0,0 berdasarka tabel.8 dega bayakya kriteria = 4 adalah 0,0. CR = 0,058 Dega ilai CR adalah 0,058 maka pembobota pada setiap kriteria dapat dikataka kosiste karea CR < 0,. kriteria dapat dikataka kosiste karea CR < 0,..7 Meghitug ilai eige setiap hirarki Meghitug ilai eige pada setiap hirarki disii adalah meghitug ilai dari masig-masig kriteria. Nilai hirarki yag telah ditetapka adalah Sagat Baik, Baik da Cukup. Berikut pembobota utuk setiap hirarki. Tabel.7 Tabel matriks hirarki Kriteria Sagat Baik Cukup baik Sagat Baik 5 Baik 0, Cukup 0, 0, Sama seperti meghitug ilai eige kriteri lagkah selajutya adalah dega mejumlahka kolom pada masig-masig hirarki. Tabel.8 Jumlah matriks hirarki Kriteria Sagat Baik Cukup baik Sagat Baik 5 Baik 0, Cukup 0, 0, Jumlah,5 4, Lagkah selajutya adalah dega membagi masig-masig ilai hirarki dega hasil dari pejumlaha. Berikut hasil yag didapat: Tabel. Matriks hirarki hasil pembagia Kriteria Sagat Baik Cukup baik Sagat 0,65 0,6 0,556 Baik Baik 0,7 0, 0, Cukup 0,0 0,077 0, Hasil dari tabel. kemudia dijumlahka setiap barisya. Sehigga meghasilka tabel berikut ii: ISSN

9 Tabel.0 hasil jumlah matriks hirarki Kriteria Sagat Baik Cukup baik Sagat 0,65 0,6 0,556 Baik Baik 0,7 0, 0, Cukup 0,0 0,077 0, Selajutya adalah meghitug ilai eige. Nilai eige didapat dega cara membagi hasil jumlah baris dega bayakya kriteria ( = ). Maka hasil akhir yag didapatka adalah sebagai berikut: Tabel. Nilai eige hirarki Kriteria Nilai eige Sagat Baik 0,6 Baik 0,60 Cukup 0,06 5 Sati Juliaw ati 6 Ade Zaeal Mutaqi 7 M.Fitr a 8 Gia Rahay u Dede Alams yah 0 Arif Saepul Rohma Soi Muha mmad Sidik Megitug hasil Dari hasil perhituga sebelumya maka diperoleh ilai eige pada tabel.6 da ilai eige pada skala hirarki pada tabel. maka lagkah selajutya adalah dega cara meguji data pada setiap ilai masig-masig calo tekisi lab. Berikut data uji yag telah diterima oleh tim peyeleksi dega obser dari tes tulis da wawacara: Tabel. Hasil seleksi calo tekisi lab No Nama Iptek Abdul Mimar Arif Samsul Elsa Erliat y 4 Redi Firma syah Kom uika si Disi pli Ilmu pegetahua (iptek) didapat melalui tes seleksi yag dilakuka terhadap calo tekisi lab. Tes iptek ii berupa kemampua dalam jariga komputer da troubleshootig. Tes moti da komuikasi dilakuka melalui proses wawacara terhadap calo tekisi lab. Da yag terakhir kriteria disipli didapat berdasarka kehadira pada saat proses belajar megajar calo tekisi lab. Lagkah selajutya adalah megubah ilai dari setiap kriteria kedalam skala hirarki dega ketetua sebagai berikut : Tabel. Ketetua Nilai Skala Kriteria Nilai Keteraga Sagat Baik 80 Lebih besar dari Baik 70 < Baik Lebih besar dari 70 da kurag dari atau sama dega 80 Cukup 70 Kurag dari 70 Lagkah berikutya adalah megkoversi tabel. megguaka ISSN 086-4

10 tabel.. Lagkah terakhir adalah meghitug masig-masig ilai eige calo tekisi lab dega cara perkalia ilai eige vector kriteria dega vector sub kriteria kemudia hasil dari perkalia tersebut dijumlahka. Hasil pejumlaha tersebut yag merupaka ilai akhir dari perhituga. Cotoh calo tekisi lab Abdul Mimar. Nilai yag didapat Abdul Mimar adalah Iptek = C, = SB, Komuikasi = SB da Disipli = B. Maka ilai yag didapat abdul mimar adalah: Eige = (Nilai eige C x Nilai eige Iptek)+(Nilai eige SB x Nilai eige moti) + (Nilai eige SB x Nilai eige komuikasi) + (Nilai eige B x Nilai eige Disipli) Eige = (0,06 x 0,574 )+(0,6 x 0,)+(0,6 x 0,6)+(0,60 x 0,04) Eige = 0,06 + 0,40 + 0,0 + 0,04 Eige = 0,7 Maka ilai akhir Abdul Mimar adalah 0,7. Begitupu dega ilai calo tekisi laiya. Berikut tabel hasil perhituga keseluruha calo tekisi lab. Berikut ragkig calo tekisi lab terurut dari yag terbesar. Tabel.5 Ragkig calo tekisi lab No Ipte Kom Disip Eige k uika si li No Ipte k Kom uika si Disip li Eige Dari tabel.5 dapat dilihat ragkig terbesar ke terkecil maka dapat dilihat kadidat yag palig layak utuk megisi tekisi lab adalah Dede Alamsyah disusul oleh Arif M.Fitra, Gia Rahayu da selajutya. 4. KESIMPULAN DAN SARAN 4. Kesimpula AHP (aalytic hierarchy process) merupaka metode pemiliha berdasarka bayak kriteria. Berdasarka peelitia dalam perekruta calo tekisi lab ii, AHP membuat ragkig pada setiap calo tersebut. Ragkig yag palig tiggi didapat oleh Dede Alamsyah dega ilai eige disusul berikutya M.Fitra dega ilai 0.6 da selajutya. Berdasarka data yag ada maka Dede Alamsyah merupaka kadidat terkuat mejadi tekisi lab disusul ragkig dibawahya. 4. Sara Sara dalam peelitia ii adalah sebagai berikut:. Dari peelitia yag telah dilakuka maka disaraka utuk melakuka peelitia megguaka metode AHP dega kriteria lebih bayak. Hal ii berfugsi supaya ilai akhir yag didapat sagat bervariasi. ISSN

11 . Dalam membuat pembobota diusahaka CR = 0 supaya ilai validitasya 00%.. Diharapka dilakuka peelitia serupa dega hirarki kriteria lebih bayak. 5. DAFTAR PUSTAKA DAFTAR PUSTAKA Husa, Jazimatul arba i. (0) Peerapa Soft Skill Bagi Pustakawa Dalam Meigkatkamutu Perpustakaa Kartika, Azariah.(0). Hubuga Atara Hardskills Da Softskills. Guadharma Simri, waya wicaksaa (0). Softskills.Guadharma Turba, 005, Decisio Support Systems ad Itelliget Systems ( Sistem pedukugkeputusa da system cerdas ) Jilid, Adi Offset, Yogyakarta. Saaty, T.L., 004. Decisio makigthe aalytic hierarichal process ad the aalytic etwork process. Joural of Systems Sciece ad Systems Egieerig. Vol () : 5. Pare, Selfia; Kati, Oktaviaus, 0. Sistem pedukug keputusa pemiliha program studi pada pergurua tiggi. USAMUS Merauke. Setiawa, A.,dkk, 0, peracaga da pembuata aplikasi decisio support system pada departeme HRD da pembelia dega megguaka metode aalytical hierarchy process (AHP), jural Fakultas Tekologi Idustri, Jurusa Tekik Iformatika Uiversitas Kriste Petra Maharrai, R.H., dkk, 00, Peerapa metode aalytical hierarchy Process dalam peerimaa karyawa pada PT. PASIR BESI INDONESIA.Jural Tekologi Iformasi, Volume 6 Nomor, April 00, ISSN 44- Astuti, Yuli. Ahp Utuk Pemodela Spk. Stikik Amikom Yogyakarta Riwayat Peulis: Adri Suryadi : Lahir di Garut, Mei 87. Alumus SDN Malagbog (). SMPN Malagbog (00). SMAN Malagbog (005). Uiversitas Pedidika Idoesia (00). Uiversitas Komputer Idoesia Badug (0) Dia Nurdiaa: Lahir di Garut, 0 Oktober 88. Alumus SDN Mekarsari (000). SMPN Cikajag (00).SMAN Cikajag (006). Uiversitas Pedidika Idoesia (00). Uiversitas Komputer Idoesia Badug (0) Fatih, D.R., dkk 0, DSS utuk rekomedasi pemiliha jurusa pada pergurua tiggi bagi siswa SMU. Jural Politekik Elektroika Negeri Surabaya ISSN 086-4

Pemilihan Ketua BEM Fakultas Teknik UN PGRI Kediri menggunakan Metode ELECTRE

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

Lebih terperinci

ABSTRAK. Kata Kunci : Sistem pendukung keputusan, AHP, Penilaian Karyawan.

ABSTRAK. Kata Kunci : Sistem pendukung keputusan, AHP, Penilaian Karyawan. Jural Ilmiah INFOTEK, Vol, No, Februari 6 ISSN -6968 (Media Cetak) SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KARYAWAN TELADAN DENGAN MENGGUNAKAN METODE ANALITYCAL HIERARCHY PROCESS (STUDI KASUS : PT

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

PEMERINGKATAN PEGAWAI BERPRESTASI MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS) DI PT. XYZ

PEMERINGKATAN PEGAWAI BERPRESTASI MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS) DI PT. XYZ Jurnal Matematika Vol. 16, No. 2, November 2017 ISSN: 1412-5056 / 2598-8980 http://ejournal.unisba.ac.id Diterima: 10/07/2017 Disetujui: 12/10/2017 Publikasi Online: 28/11/2017 PEMERINGKATAN PEGAWAI BERPRESTASI

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Permasalahan

BAB I PENDAHULUAN Latar Belakang Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 13. VEKTOR dalam R 3 PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

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

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

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Peelitia ii merupaka studi kasus di Lembaga Pertaia Sehat yag terletak di Jl. Racamaya No 22 Harjasari, Bogor Selata. Pemiliha lokasi dilakuka secara

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1. Keragka Pemikira Percetaka LAI adalah sebuah percetaka di bawah Yayasa Lembaga Alkitab Idoesia. Percetaka ii adalah perusahaa irlaba yag mecetak Alkitab khususya ijil yag dipasarka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Multi-Criteria Decisio Makig (MCDM) Multi-Criteria Decisio Makig (MCDM) adalah suatu metode pegambila keputusa utuk meetapka alteratif terbaik dari sejumlah alteratif berdasarka

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

III METODE PENELITIAN

III METODE PENELITIAN III METODE PENELITIAN 3. Tempat da Waktu Peelitia Peelita ii dilaksaaka dibeberapa desa elaya da pusat pemsara di Kecamata Tobelo, Kabupate Halmahera, Provisi Maluku Utara. Lokasi peelitia dapat dilihat

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

PENERAPAN ALGORITMA ANALITYCAL HIRACY PROCESS DALAM PEMILIHAN BEASISWA PADA SMA KALUKUBULA

PENERAPAN ALGORITMA ANALITYCAL HIRACY PROCESS DALAM PEMILIHAN BEASISWA PADA SMA KALUKUBULA Semiar Nasioal Tekologi Iformasi da Multimedia 207 STMIK AMIKOM Yogyakarta, 4 Februari 207 PENERAPAN ALGORITMA ANALITYCAL HIRACY PROCESS DALAM PEMILIHAN BEASISWA PADA SMA KALUKUBULA Dewi Kusumawati ) )

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

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

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1. Peelitia Terdahulu Aloii dkk (2014) memiliki permasalaha dalam memilih mesi Vertical Form Fill ad Seal (VFFS) utuk Double Square Bottom Bag (DSBB). Pemiliha mesi yag tepat ditetuka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

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

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT Jural Iformatika Mulawarma Vol. 10 No. 2 September 2015 20 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT Necy Nurjaah 1), Zaial Arifi 2), Dya Marisa Khairia 3) 1,2,3)

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan. 9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEGAWAI TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS: PARKIR INAP MOTOR P-24 YOGYAKARTA)

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEGAWAI TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS: PARKIR INAP MOTOR P-24 YOGYAKARTA) ISBN: 978-602-73690-8-5 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEGAWAI TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS: PARKIR INAP MOTOR P-24 YOGYAKARTA) Clara Hetty Primasari* Program

Lebih terperinci

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

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

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 26 BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Kegiata dilakuka di Divisi Tresuri Bak XYZ dari bula Jauari - April 2011. Pegambila data dilakuka di beberapa wilayah pemasara yaitu di wilayah Jakarta,

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

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

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

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

BAB II LANDASAN_TEORI. Menurut Dhanta (2009: 32), aplikasi adalah software yang dibuat oleh

BAB II LANDASAN_TEORI. Menurut Dhanta (2009: 32), aplikasi adalah software yang dibuat oleh BAB II LANDASAN_TEORI 1.1 Defiisi Aplikasi Meurut Dhata (2009: 32), aplikasi adalah software yag dibuat oleh suatu perusahaa komputer utuk megerjaka tugas-tugas tertetu. Sedagka meurut Aisyah (2000: 30),

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI

BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI Bab 2 berisi tetag studi pustaka yag dilakuka utuk medapatka gambara tetag metode yag tepat utuk megatasi permasalaha yag dihadapi, serta dasar-dasar teori yag diguaka

Lebih terperinci

BAB III METODE PENELITIAN

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis peelitia Peelitia ii merupaka jeis peelitia eksperime. Karea adaya pemberia perlakua pada sampel (siswa yag memiliki self efficacy redah da sagat redah) yaitu berupa layaa

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

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

Lebih terperinci

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas. BAB 1 PENDAHUUAN 1.1 atar Belakag Pada dasarya masalah optimisasi adalah suatu masalah utuk membuat ilai fugsi tujua mejadi maksimum atau miimum dega memperhatika pembatas pembatas yag ada. Dalam aplikasi

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester

Lebih terperinci

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

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

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia dilaksaaka di Kawasa Agropolita Koto Baru, Keagaria Aie Agek, Kabupate Taah Datar pada Istitut Pertaia Orgaik (IPO) Aie Agek Koto Baru Kecamata

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

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

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan 47 III. METODOLOGI PENELITIAN A. Metodelogi Peelitia Keberhasila dalam suatu peelitia sagat ditetuka oleh ketepata pegguaa metode peelitia. Oleh karea itu, metode yag aka diguaka haruslah sesuai dega data

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa

Lebih terperinci

Sistem Pendukung Keputusan Penentuan Calon Penerima Beasiswa BBP- PPA Menggunakan Metode AHP-PROMETHEE I

Sistem Pendukung Keputusan Penentuan Calon Penerima Beasiswa BBP- PPA Menggunakan Metode AHP-PROMETHEE I Jural Pegembaga Tekologi Iformasi da Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 7, Juli 2018, hlm. 2780-2788 http://j-ptiik.ub.ac.id Sistem Pedukug Keputusa Peetua Calo Peerima Beasiswa BBP- PPA Megguaka

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di 4 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah siswa kelas VIII (delapa) semester gajil di SMP Xaverius 4 Badar Lampug tahu ajara 0/0 yag berjumlah siswa terdiri dari

Lebih terperinci

IV. METODE PENELITIAN

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

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

Bab 3 Kerangka Pemecahan Masalah

Bab 3 Kerangka Pemecahan Masalah Bab 3 Keragka Pemecaha Masalah 3.1. Metode Pemecaha Masalah Peelitia ii disajika dalam lagkah-lagkah seperti ag terdapat pada gambar dibawah ii. Peajia secara sistematis dibuat agar masalah ag dikaji dalam

Lebih terperinci

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

BAB III PROSEDUR PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode 8 BAB III PROSEDUR PENELITIAN A. Metode Peelitia Metode peelitia yag diguaka dalam peelitia ii adalah metode ex post facto. Ada dua variabel dalam proses peelitia ii yaitu variabel bebas (variabel ) adalah

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan, BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TELEPON SELULER MENGUNAKAN METODE ANALYTIC NETWORK PROCESS (ANP)

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TELEPON SELULER MENGUNAKAN METODE ANALYTIC NETWORK PROCESS (ANP) SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TELEPON SELULER MENGUNAKAN METODE ANALYTIC NETWORK PROCESS (ANP) Oleh: Arief Geta Aldiasyah Tekik Iformatika Uiversitas Dia Nuswatoro Semarag 111201005304@mhs.dius.ac.id

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 37 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii termasuk peelitia pegembaga, yaitu pegembaga buku teks matematika. Model pegembaga yag diguaka adalah model 4-D (four D models) dari Thigaraja

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI Diajuka Utuk Memeuhi Sebagia Syarat Gua Memperoleh Gelar Sarjaa Komputer (S.Kom) Pada

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam 19 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMP Negeri 1 Seputih Agug. Populasi dalam peelitia ii adalah seluruh siswa kelas VII SMP Negeri 1 Seputih Agug sebayak 248 siswa

Lebih terperinci

ANALISA KEPUTUSAN PEMINDAHAN MESIN ZEHNTEL DI PT INTI (PERSERO) DENGAN MENGGUNAKAN METODA ANALYTICAL HIERARCHY PROCESS (AHP)

ANALISA KEPUTUSAN PEMINDAHAN MESIN ZEHNTEL DI PT INTI (PERSERO) DENGAN MENGGUNAKAN METODA ANALYTICAL HIERARCHY PROCESS (AHP) ANALISA KEPUTUSAN PEMINDAHAN MESIN ZEHNTEL DI PT INTI (PERSERO) DENGAN MENGGUNAKAN METODA ANALYTICAL HIERARCHY PROCESS (AHP) Asep Toto Kartama, Yogi Yogaswara, Zulfikar Jurusa Tekik da Maajeme Idustri

Lebih terperinci

A. Pengertian Hipotesis

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

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Dalam peelitia ii, pegambila da peroleha data dilakuka di UKM. Bakso Solo, Bakauhei, Lampug Selata. Utuk pegukura kualitas pelayaa, objek yag diteliti adalah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

METODE PENELITIAN. Penelitian ini dilakukan di wilayah Kampus Institut Pertanian Bogor (IPB)

METODE PENELITIAN. Penelitian ini dilakukan di wilayah Kampus Institut Pertanian Bogor (IPB) IV. METODE PENELITIAN 4. 1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di wilayah Kampus Istitut Pertaia Bogor (IPB) Dramaga. Peelitia ii merupaka survei terhadap kosume miuma supleme bereergi merek

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN ASISTEN DOSEN PADA PERGURUAN TINGGI TEKNOKRAT MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS(AHP)

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN ASISTEN DOSEN PADA PERGURUAN TINGGI TEKNOKRAT MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS(AHP) SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN ASISTEN DOSEN PADA PERGURUAN TINGGI TEKNOKRAT MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS(AHP) AULIYA RAHMAN ISNIAN 1), SUAIDAH 2), YOHANA TRI UTAMI 3) STMIK Pergurua

Lebih terperinci

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

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

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

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

Lebih terperinci