RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2)

Ukuran: px
Mulai penontonan dengan halaman:

Download "RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2)"

Transkripsi

1 RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS I Putu Eratama 1), I Gede Arya Utama ) 1) ) Jurusa Sstem Iformas. Sekolah Tgg Maajeme Iformatka & Tekk Komputer Surabaya, 1) Emal: adjust_boys@yahoo.com, ) Emal: arya@stkom.edu Abstract: Decso Support System to cultvate telecommucato provder use method of Aalytcal Herarchy Process (AHP) ad Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) determes the sequece of choce alteratve prorty about telecommucato provder based o crtera of evromet codto that s eeded by the user. From ths method explot, the result sequece prorty of telecommucato provder ca be cotued by advatages estmato process cultvato process tself. Thus, the users kow about other sequece prorty of telecommucato provder based o evromet codto that has bee put. The user also ca predct the proft that wll be gotte by busess cultvato about telecommucato provder. Hopefully, ths system ca help the user to determe prorty of telecommucato provder based o evromet codto that s eeded ad ca estmato proft who wll be gotte by ths busess cultvato of telecommucato provder. Keyword: Decso Support System, Telecommucato Provder, AHP, TOPSIS D jama yag serba moder maka tgkat kebutuha mausa juga semak berkembag, salah satuya adalah kebutuha aka petgya telekomukas. Walaupu telah bayak operator telekomukas yag ada d egara kta, tetap sebaga besar masyarakat/kosume mash susah ddalam memlh salah satu dar semua operator telekomukas yag ada da berkembag d egara kta. Tdak dapat dpugkr lag bahwa kebutuha aka petgya formas membuat semua orag membutuhka sebuah keyamaa ddalam melakuka komukas. Dega keadaa yag ada saat, dapat dpastka muculya sebuah pertayaa dar para kosume ddalam meetuka sebuah plha yag tepat agar dapat berkomukas dega lacar. Pada saat hampr semua operator telekomukas melakuka promos besar-besara utuk dapat merebut pagsa pasar yag luas, yatu dega melakuka perag tarf. Sebaga salah satu cotoh yatu operator XL da IM3, dmaa operator melakuka suatu promos utuk dapat bersag dtegah bayakya operator yag ada, yatu dega megeluarka suatu layaa yag dapat meggurka para kosume, tetap kosume past megalam suatu kebgugga dalam meetuka plha yag sesua dega berbaga krtera yag dmlkya. Utuk tu, dperluka suatu sstem yag dapat memperhtugka segala krtera yag medukug dalam pegambla keputusa. Metode yag dguaka dalam pegambla keputusa pemlha operator telekomukas adalah Aalytcal Herarchy Process (AHP) da Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS). Kedua metode tersebut merupaka baga dar metode Multple Crtera Decso Makg (MCDM) (Kusumadew dkk, 006). Kedua metode tersebut dplh karea metode AHP merupaka suatu betuk model pedukug keputusa d maa peralata utamaya adalah sebuah hrark fugsoal dega put utamaya perseps mausa (Permad, 199). Kedua metode dguaka dega salg melegkap dega cara, pada saat megguaka metode AHP setelah medapatka Local prorty selajutya megguaka metode TOPSIS, dmaa matrks terormalsasya ddapatka dar Local Prorty pada tahap pegguaa AHP, dmaa TOPSIS merupaka suatu betuk metode pedukug keputusa yag ddasarka pada kosep bahwa alteratf yag terbak tdak haya memlk jarak terpedek dar solus deal postf tetap juga memlk jarak terpajag dar solus deal egatf. Perlu dracag sebuah tekolog yag dapat megatas permasalaha d atas, yatu dega 93

2 membuat sebuah sstem yag dapat memberka solus yag tepat dalam meetuka pegguaa layaa jasa operator telekomukas yag sesua dega krtera da kebutuha kosume. METODE Mult Crtera Decso Makg (MCDM) Multple Crtera Decso Makg (MCDM) adalah suatu metode pegambla keputusa utuk meetapka alteratf berdasarka beberapa krtera tertetu. Krtera basaya berupa ukura-ukura, atura-atura atau stadar yag dguaka dalam pegambla keputusa. Berdasarka tujuaya, MCDM dapat dbag mejad model yatu Mult Attrbute Decso Makg (MADM) da Mult Objectve Decso Makg (MODM). Serg kal MCDM da MADM d guaka utuk meeragka kelas atau kategor yag sama. MADM dguaka utuk meyelesaka masalah-masalah dalam ruag dskret. Oleh karea tu, pada MADM basaya dguaka utuk melakuka pelaa atau seleks terhadap beberapa alteratf dalam jumlah yag tak terbatas. Sedagka MODM dguaka utuk meyelesaka masalahmasalah pada ruag kotyu (sepert permasalaha pada pemrograma matemats). Secara umum dapat dkataka bahwa, MADM meyeleks alteratf terbak dar sejumlah alteratf, sedagka MODM meracag alteratf terbak. Perbedaa tersebut dapat dlhat pada Tabel 1. MADM MODM Crtera Attrbutes Objectve (defed by) Objectves Implct Explct Attrbutes Explct Implct Alteratf Fte umber, Ifte umber, cotuous dscrete Usage Selecto Desg Beberapa cr yag selalu ada dalam MCDM adalah : 1. Alteratf Kemugka-kemugka yag dapat dplh oleh pegambl keputusa. Jumlah alteratf adalahl terbatas.. Atrbut Basaya merupaka karakterstk, kompoe atau krtera keputusa. 3. Pembobota Pembera bobot pada setap krtera. 4. Matrk keputusa Metode MCDM dapat dyataka dalam betuk matrk. Sebuah matrk X adalah matrk ( m x ) d maa eleme x j, dega mewakl alteratf, yatu A (utuk =1,,3,..,m) da j mewakl krtera, yatu C j ( utuk =1,,3,..,). A, =1,,3,...,m dotaska dega: 94 a = (a 1,a,..,a ) da vektor kolomya adalah a j = (a 1j,a j,...,a mj ) yag memperhatka perbedaa atar setap alteratf adalah la dar atrbut yag dmlk oleh alteratf tersebut j, yatu C j. Utuk meggambarka petgya hubuga atara atrbut-atrbut yag ada maka weghted vector dberka dega W = ( w 1,w,...,w ). 5. Pertetaga atar krtera Dalam krtera majemuk basaya terjad pertetaga kepetga atara satu krtera dega krtera yag laya. Aalytcal Herarchy Process (AHP) Karakterstk Aalytcal Herarchy Process Aalytcal Herarchy Process (AHP) adalah salah satu betuk metode pegambla keputusa yag pada dasarya berusaha meutup semua kekuraga dar metode sebelumya. Peralata utama dar metode AHP adalah sebuah hrark fugsoal dega put utamaya adalah perseps mausa. Dega hrark, suatu yag komplek da tdak terstruktur dpecahka ke dalam kelompok da kemuda kelompok tersebut datur mejad suatu betuk hrark(permad, 199:5). Perbedaa mecolok atara metode AHP dega metode pegambla keputusa laya terletak pada jes putya. Metode yag sudah ada umumya memaka put yag kuattatf. Otomats metode tersebut haya dapat megolah hal kuattatf pula. Metode AHP megguaka perseps mausa yag daggap expert sebaga put utamaya. Krtera expert ds buka berart bahwa orag tersebut haruslah jeus, ptar, bergelar doktor da sebagaya tetap lebh megacu pada orag yag megert bear permasalaha yag dajuka, merasaka akbat suatu masalah atau puya kepetga terhadap masalah tersebut. Karea megguaka put yag kualtatf (perseps mausa) maka AHP dapat megolah juga hal kuattatf dsampg hal yag kualtatf. Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) TOPSIS ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk jarak terpajag dar solus deal egatf (Kusumadew, 006:87). Kosep bayak dguaka pada beberapa model MADM utuk meyelesaka masalah keputusa secara prakts. Hal dsebabka karea kosepya sederhaa da mudah dpaham, komputasya efse, da memlk kemampua utuk megukur kerja relatf dar alteratf-alteratf keputusa dalam betuk matemats yag sederhaa.

3 Secara umum, prosedur TOPSIS megkut lagkah-lagkah sebaga berkut: a. Membuat matrks keputusa yag terormalsas; b. Membuat matrks keputusa yag terormalsas terbobot; c. Meetuka matrks solus deal postf da matrks solus deal egatf; d. Meetuka jarak atara la setap alteratf dega matrks solus deal postf da matrks solus deal egatf; e. Meetuka la preferes utuk setap alteratf. TOPSIS membutuhka ratg kerja setap alteratf A pada setap krtera C j yag terormalsas, sepert terlhat pada rumus (.4). x j r j = ; m x 1 dega =1,,...,m; da j=1,,..., dmaa : r j = matrks terormalsas [][j] x j = matrks keputusa [][j] Solus deal postf A + da solus deal egatf A - dapat dtetuka berdasarka ratg bobot terormalsas (y j ) sebaga : y j = w r j ; dega =1,,...,m; da j=1,,..., A + = (y + 1, y +,..., y + ); A - = (y - 1, y -,..., y - ); dmaa : y j = matrks terormalsas terbobot [][j] w = vektor bobot[] + y j = max y j, jka j adalah atrbut keutuga m y j, jka j adalah atrbut baya - y j = m y j, jka j adalah atrbut keutuga max y j, jka j adalah atrbut baya j = 1,,..., Jarak atara alteratf A dega solus deal postf dapat dlhat pada rumus (.5). D + = 1 j ( y y j ) ; =1,,...,m dmaa : + D = jarak alteratf A dega solus deal postf + y = solus deal postf[] y j = matrks ormalsas terbobot[][j] Jarak atara alteratf A dega solus deal egatf dapat dlhat pada rumus (.6). D - = j 1 ( y y ) ; j =1,,...,m dmaa : - D = jarak alteratf A dega solus deal egatf y - = solus deal postf[] y j = matrks ormalsas terbobot[][j] Nla preferes utuk setap alteratf (V ) dapat dlhat pada rumus (.7). V = D ; =1,,...,m D D dmaa : V = kedekata tap alteratf terhadap solus deal + D = jarak alteratf A dega solus deal postf - D = jarak alteratf A dega solus deal egatf Nla V yag lebh besar meujukka bahwa alteratf A lebh dplh. Skala Pelaa Perbadga Berpasaga Secara alur mausa dapat megestmas besara sederhaa melalu deraya. Proses yag palg mudah adalah membadgka dua hal yag keakurata perbadga tersebut dapat dpertaggugjawabka. Utuk tu dtetapka skala kuattatf 1 sampa dega 9 utuk mela perbadga tgkat kepetga suatu eleme terhadap eleme yag la. Skala pelaa perbadga tu dapat dlhat pada Gambar 1. 95

4 Gambar 1 Skala pelaa perbadga pasaga Lagkah dalam metode Aalytcal Herarchy Process Lagkah yag harus dlakuka dalam meyelesaka persoala dega AHP (Mulyoo, 1996:108) yatu: a. Decomposto Decomposto adalah proses megaalsa permasalaha rl dalam struktur hrark atas usur usur pedukugya. Struktur hrark secara umum dalam metode AHP yatu: Jejag 1 : Goal atau Tujua, Jejag : Krtera, Jejag 3 : Subkrtera (optoal), Jejag 4 : Alteratf. b. Comperatve judgmet Comperatve judgmet adalah berart membuat suatu pelaa tetag kepetga relatf atara dua eleme pada suatu tgkat tertetu yag dsajka dalam betuk matrks dega megguaka skala prortas sepert pada Tabel 1 d atas. Jka terdapat eleme, maka aka dperoleh matrks parwse comparso (matrks perbadga) berukura x da bayakya pelaa yag dperluka adalah (-1)/. Cr utama dar matrks perbadga yag dpaka dalam metode AHP adalah eleme dagoalya dar kr atas ke kaa bawah adalah satu karea eleme yag dbadgka adalah dua eleme yag sama. Sela tu, sesua dega sstmatka berpkr otak mausa, matrks perbadga yag terbetuk aka bersfat matrks resprokal dmaa apabla eleme A lebh dsuka dega skala 3 dbadgka eleme B, maka dega sedrya eleme B lebh dsuka dega skala 1/3 dbadg eleme A. Dega dasar kods kods d atas da skala stadar put AHP dar 1 sampa 9, maka dalam matrks perbadga tersebut agka teredah yag mugk terjad adalah 1/9, sedagka agka tertgg yag mugk terjad adalah 9/1. Agka 0 tdak dmugkka dalam matrks, sedagka pemakaa skala dalam betuk desmal dmugkka sejauh s expert memag meggka betuk tersebut utuk perseps yag lebh akurat. c. Sythess of prorty Setelah matrks perbadga utuk sekelompok eleme selesa dbetuk maka lagkah berkutya adalah megukur bobot prortas setap eleme tersebut. Hasl akhr dar peghtuga bobot prortas tersebut adalah suatu blaga desmal d bawah satu (msalya 0.01 sampa 0.99) dega total prortas utuk eleme eleme dalam satu kelompok sama dega satu. Bobot prortas dar masg masg matrks dapat meetuka prortas lokal da dega melakuka stesa d atara prortas lokal, maka aka ddapat prortas global. Usaha utuk memasukka kata atara eleme yag satu dega eleme yag la dalam meghtug bobot prortas secara sederhaa dapat dlakuka dega cara berkut: 1. Jumlahka eleme pada kolom yag sama pada matrks perbadga yag terbetuk. Lakuka hal yag sama utuk setap kolom.. Baglah setap eleme pada setap kolom dega jumlah eleme kolom tersebut (hasl dar lagkah 1). Lakuka hal yag sama utuk setap kolom sehgga aka terbetuk matrk yag baru yag eleme elemeya berasal dar hasl pembaga tersebut. 3. Jumlahka eleme matrk yag baru tersebut meurut barsya. 4. Baglah hasl pejumlaha bars (hasl dar lagkah 3) dega total alteratf agar ddapatka prortas terakhr setap eleme dega total bobot prortas sama dega satu. Proses yag dlakuka utuk membuat total bobot prortas sama dega satu basa dsebut proses ormalsas. d. Logcal cosstecy Salah satu asums utama metode AHP yag membedakaya dega metode yag laya adalah tdak adaya syarat kosstes mutlak. Dega metode AHP yag memaka perseps mausa sebaga putaya maka ketdakkosstea tu mugk terjasd karea mausa mempuya keterbatasa dalam meyataka persepsya secara kosste terutama kalau membadgka bayak eleme. Berdasarka koss maka mausa dapat 96

5 meyataka persepsya dega bebas tapa harus berpkr apakah persepsya tersebut aka kosste atya atau tdak. Perseps yag 100 % kosste belum tetu memberka hasl yag optmal atau bear da sebalkya perseps yag tdak kosste peuh mugk memberka gambara keadaa yag sebearya atau yag terbak. Peetua la preferas atar eleme harus secara kosste logs, yag dapat dukur dega meghtug Cosstecy Idex (CI) da Cosstecy Rato (CR) t CI CI CR 1 RI dmaa t = egevalue, = ukura matrks, RI = Radom Idex Utuk medapatka la t dguaka rumus berkut: (A).(w T T 1 elemeke pada ( A )( w ) t ( ) T 1 elemeke padaw Berkut Tabel adalah Tabel Radom Idex utuk matrk berukura 1 sampa 15 : Tabel Radom dex utuk matrk berukura 1 sampa 15 Utuk metode AHP, tgkat kosstes yag mash bsa dterma adalah sebesar 10% ke bawah. Jad apabla la CR 0.1 maka hasl preferes cukup bak da sebalkya jka CR>0.1 hasl proses AHP tdak vald sehgga harus dadaka revs pelaa karea tgkat kosstes yag terlalu besar dapat mejurus pada suatu kesalaha. e. Peetua prortas global Tahap terakhr dalam AHP adalah proses perhtuga prortas global utuk meetuka uruta prortas dega cara melakuka operas perkala matrk prortas lokal yag dmula dega megalka matrk gabuga prortas dar level terbawah dega level d atasya sampa pada level hrark teratas. Peracaga Sstem. Utuk membagu aplkas Sstem Pedukug Keputusa dguaka Cotext Dagram da ERD secara coceptual da physcal. Baga alr proses metode AHP da TOPSIS Utuk memperjelas alur dar perhtuga metode AHP da TOPSIS dapat kta lhat pada gambar berkut. 97

6 S C S 1 1 j a 1 j 1 w ( v v ) ( v v ) S /( S S ) Cotext Dagram j a j j j j ' r x / j j A (max vj j J ), (m vj j J '), 1,,3,..., m { v1, v,..., v } A (m vj j J ), (max vj j J '), 1,,3,..., m { v1, v,..., v } Gambar. Baga alr proses metode AHP da TOPSIS Gambar 3. Cotext Dagram Pada Cotext Dagram tampak alra data yag bergerak dar sstem ke masg-asg ettas. m 1 x j 98 Gambar 4. DFD Level 0

7 Dar pembuata cotext dagram maka dapat dlakuka proses break dow yag basa dsebut sebaga Data Flow Dagram (DFD) level 0 utuk megetahu proses secara keseluruha. Etty Relatoshp Dagram (ERD) Gambar 5. Coceptual Data Model (CDM) Gambar 6. Physcal Data Model (PDM) HASIL DAN PEMBAHASAN 1. Form pemlha alteratf Gambar 7. Form pemlha alteratf. Form pemlha alteratf bergua utuk melakuka pemlha alteratf operator telekomukas yag dgka oleh kosume, yag atya hasl plha dar kosume aka dperguaka dalam proses perbadga tgkat kepetga.. Form pemlha krtera Gambar 8. Form pemlha krtera. Form pemlha krtera bergua utuk melakuka pemlha krtera yag sesua dega tgkat kepetga kosume, yag atya hasl plha dar kosume aka dperguaka dalam proses perbadga tgkat kepetga. 3. Form perbadga berpasaga Gambar 9. Form perbadga Berpasaga. D dalam form perbadga berpasaga kosume harus memberka la perbadga kepetga dar tap-tap alteratf da krtera yag mereka plh, yag maa la-la yag dberka oleh kosume tad sagat bergua ddalam proses perhtuga. 99

8 4. Form hasl perhtuga Gambar 7. Form hasl perhtuga. Form hasl perhtuga mucul setelah semua proses dlalu oleh kosume, dmaa pada form sstem aka memberka sara kepada kosume utuk memlh operator telekomukas tertetu yag sesua dega krtera yag mereka plh pada form pemlha krtera. Dar hasl pegolaha data yag ada dega megghuaka AHP ddapatka hasl Local Prorty sebaga berkut: Hasl Local Prorty dega AHP XL Bebas 0.6 Smpat 0. IM3 0. Dar Local Prorty yag ddapatka dguaka sebaga awal utuk melajutka pemecaha dega megguaka TOPSIS dega hasl sebaga berkut: Hasl Local Prorty dega AHP XL Bebas Smpat IM SIMPULAN Setelah dlakuka aalss, peracaga da pembuata aplkas pemlha operator telekomukas serta evaluas hasl peeltaya, maka dapat dambl kesmpula sebaga berkut: a. Aplkas dapat memberka uruta prortas solus alteratf operator telekomukas berdasarka krtera da alteratf yag dplh oleh kosume. Berdasarka hasl evaluas yag telah dlakuka, ddapatka rekomedas pertama dega XL Bebas, rekomedas kedua dega Smpat da rekomedas ketga dega kode IM3. b. Aplkas dapat meaga pembobota matrk perbadga berpasaga lebh dar satu ( bersfat dams ). c. Jumlah krtera da alteratf dapat dtambah da dkurag sesua dega kebutuha. Tetap perubaha tersebut harus dkut dega melakuka pembobota ulag agar kekossteya tetap terjaga. DAFTAR RUJUKAN Hasa, I., 00, Pokok Pokok Mater Teor Pegambla Keputusa, Ghala Idoesa, Jakarta. Kedall da Kedall, 003, Aalss da Peracaga Sstem Eds Kelma, PT Prehalldo, Jakarta. Kusumadew, Sr dkk.,006, Fuzzy Mult-Attrbute Decso Makg (Fuzzy MADM), Graha Ilmu, Yogyakarta. Mulyoo, S., 1996, Teor Pegambla Keputusa, Fakultas Ekoom Uverstas Idoesa, Jakarta. Permad, B., 199, AHP, Pusat Atar Uverstas Stud Ekoom Uverstas Idoesa, Jakarta. 300

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, Tahu 015, Halama 67-76 Ole d: http://ejoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTI-ATTRIBUTE DECISION MAKING (MADM) TECHNIQUE

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 20-928X A-7 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Subcha, Suhud Wahyud Jurusa Matematka, Fakultas

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL TEKNIK POMITS Vol., No., (202) -5 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Suhud Wahyud, Subcha Jurusa Matematka, Fakultas Matematka da Ilmu Pegetahua

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal)

PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahu 2016, Halama 663-672 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

PEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS

PEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS emar Nasoal APTIKOM (EMNATIKOM), Hotel Lombok Raya Mataram, - Oktober PEMILIHAN MAHAIWA BERPRETAI DIPLOMA MENGGUNAKAN METODE TOPI Dyah Herawate,, Eto Wuryato () Program tud D stem Iformas Fakultas Vokas

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit) Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN

ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN Semar Nasoal Iformatka 2013 (semasif 2013) ISSN: 1979-2328 UPN Vetera Yogyakarta, 18 Me 2013 ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN Gregorus

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah)

KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah) ISSN: 339-54 JURNAL GAUSSIAN, Volume 5, Nomor, Tahu 6, alama 89-98 Ole d: http://eoural-s.udp.ac.d/dex.php/gaussa KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIAN JENIS OBJEK WISATA

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 21 Sstem Pedukug Keputusa Meurut Prof Dr Praud Atmosudro, SH, keputusa adalah suatu pegakhra darpada proses pemkra tetag suatu masalah atau problema utuk meawab pertayaa apa yag harus

Lebih terperinci

Sistem Pendukung Keputusan dalam Pemilihan Internet Service Provider Dengan Metode TOPSIS

Sistem Pendukung Keputusan dalam Pemilihan Internet Service Provider Dengan Metode TOPSIS Sstem Pedukug Keputusa dalam Pemlha Iteret Servce Provder Dega Metode TOPSIS Galh Hedro Martoo 1, D Satoso 2 Jurusa Tekk Iformatka STMIK Bumgora Mataram Mataram, Idoesa Emal : galh.hedro@stmkbumgora.ac.d,

Lebih terperinci

Pemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo)

Pemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo) 1 Pemlha Terbak dega Metode TOPSIS Fuzzy MCDM (Stud Kasus : CV. Bek Joyo) Sedy Pradaa Putra, Soy Suaryo Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

Sistem Pendukung Keputusan Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar

Sistem Pendukung Keputusan Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 Sstem Pedukug Keputusa Peetua Prortas Desa Peerma Program Desa Saga pada Das Kesehata Kota Baar Ira Yuar, Mahmud Imroa 2, Reto Nov Dayawat

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup: PENDAULUAN D dalam modul Ada aka mempelajar teor gaggua bebas waktu yag mecakup: teor gaggua tak degeeras bebas waktu, teor gaggua degeeras bebas waktu, da efek Stark. Oleh karea tu, sebelum mempelajar

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Waktu da tempat peelta Dalam upaya pelaksaaa peelta,maka peelt melakukaya pada : 1. Tempat Peelta Gua memperoleh data yag dperluka dalam peulsa Skrps yag berjudul Pembetuka

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci