SISTEM PENGENDALIAN PERSEDIAAN MODEL PROBABILISTIK DENGAN BACK ORDER POLICY. Yutik Ernawati 1 dan Sunarsih 2

Ukuran: px
Mulai penontonan dengan halaman:

Download "SISTEM PENGENDALIAN PERSEDIAAN MODEL PROBABILISTIK DENGAN BACK ORDER POLICY. Yutik Ernawati 1 dan Sunarsih 2"

Transkripsi

1 Jural atematka Vol., No., Agustus 008: 87-93, ISSN: SISTE PENGENDAIAN PERSEDIAAN ODE PROBABIISTIK DENGAN BACK ORDER POICY Yutk Erawat da Suarsh, Jurusa atematka, FIPA UNDIP Jl. Prof. H. Soedarto, SH., Tembalag, Semarag 5075 ABSTRACT. Ivetory represets the amout of reserved raw materal to meet demad of cosumers certa perod. If the demad s ucerta, the stock cuold be suffcet or becamg excessve. Therefore, t s requred to devce a optmal vetory rule whch cocerg all posble factors. I ths paper, a probablty vetory model wth costrat wll be appled o a case of back order polcy. The costras cosdered are budget costrat ad storage capacty costrat. agrage ultplers method wth Kuh-Tucker codto wll be used to solve the model. Usg ths model, the compay ca determe the order quatty (, reorder pot (r ad safety stock (Ss at the optmal pot by accomodatg purchasg budget ad storage capactes of exstg raw materal. The result of comparso study betwee ths model wth the vetory polcy by compay shows that ths model s able to gves a optmal soluto. So applyg the model, the compay s able to save vetory cost,4 % every year wth cosderato storage area capactes. Keywords : Ivetory Cotrol, Probablstc odel, Back Orders Polcy.. PENDAHUUAN Setap perusahaa, sepert perusahaa perdagaga, dustr atau jasa selalu megadaka persedaa. Kebutuha aka sstem pegedala persedaa pada dasarya mucul karea adaya permasalaha yag mugk dhadap oleh perusahaa berupa terjadya kelebha atau kekuraga persedaa [8]. Jka perusahaa megalam kelebha persedaa maka dapat merugka, karea meyebabka terhetya perputara uag atau modal da muculya baya-baya tambaha yag tdak dperluka. Jka perusahaa kekuraga persedaa, maka perusahaa tdak dapat memeuh permtaa dalam jumlah besar, sehgga utuk dapat memeuh permtaa kosume, perusahaa harus memesa barag lebh serg, yag berart aka megkatka baya pemesaa. Terkat dega uraa datas, pada umumya setap perusahaa selalu mempuya persedaa baha baku dalam keadaa da jumlah yag berbeda-beda utuk medukug kelacara proses produksya [] da [0]. Hal-hal yag mempegaruh dalam megadaka persedaa yatu ketersedaa modal atau aggara pembela, pola permtaa dar kosume, serta kebjaka dar perusahaa. Sekarag mash bayak perusahaa melakuka persedaa tapa memperhtugka perecaaa sehgga dapat mempegaruh baya operasoal. Peetua jumlah persedaa da persedaa cadaga (safety stock utuk megatspas tmbulya lojaka jumlah permtaa da jumlah cacat produks haya dtetuka dega perkraa. Hal tersebut aka berpegaruh terhadap total baya yag dkeluarka utuk megadaka persedaa. Dalam tulsa, dbahas tetag model persedaa probablstk utuk kasus back order tapa kedala da dega kedala. odel dapat membatu utuk meetuka jumlah baha baku da safety stock yag harus dsapka setap dlakuka pemesaa kepada suppler secara lebh optmal dega memmalka total baya pembela. 87

2 Jural atematka Vol., No., Agustus 008: ODE PERSEDIAAN Ivetor probablstk jumlah permtaa barag tap-tap perodeya tdak dketahu secara past [7] da []. Iformas tetag permtaa dapat dketahu dar pola permtaa yag dperoleh berdasarka data masa lalu. Persedaa model (,r dtada dega dua hal yag medasar yatu:. Besarya pemesaa selalu tetap utuk setap kal pemesaa dlakuka.. Saat pemesaa dlakuka apabla jumlah persedaa yag dmlk telah mecapa ttk pemesaa kembal (reorder pot.. odel Persedaa Probablstk Tapa Kedala (odel (,r Dega Back Order Polcy Dalam mecar la pemesaa ( optmal da reorder pot (r, fugs tujua dar model (,r adalah memmumka baya total persedaa (Tc. Jka permtaa bersfat probablstk, maka kompoeya berupa la ekspektas. Ekspektas baya total persedaa yag dmaksud ds terdr dar empat eleme yatu ekspektas baya pembela (E{Cp}, ekspektas baya pemesaa (E{Co}, ekspektas baya peympaa (E{Ch}, da ekspektas baya kekuraga persedaa atau stockout (E{Cs}, sehgga utuk kasus mult tem dapat dyataka sebaga berkut: E{Tc} = ( E { Cp} E{ Co } E { Ch } E{ } Cs ( E{Tc} = B. D D. p So. D h r µ ( dmaa: : tem ke-, =,,..., p : Baya pembela tap baha baku per ut h : Baya peympaa baha baku per tahu B : Baya setap kal melakuka pemesaa So : Baya kekuraga persedaa D : Jumlah permtaa selama satu tahu µ : Rata-rata permtaa selama lead tme σ : Stadar devas permtaa selama lead tme : Probabltas stockout Jka persamaa (. dturuka terhadap kemuda dsama degaka ol dmaa f(x merupaka dstrbus permtaa yag dasumska berdstrbus ormal maka:.d ( B So. * = (3 h Jka persamaa ( dturuka terhadap r kemuda dsama degaka ol maka h. α = ; α merupaka la crtcal So. D rato yag dapat dlhat pada tabel dstrbus komulatf ormal stadar. r = Zα. σ µ ; SS = Zα. σ ; = σ f Z ( r G( Z ( α µ α * D T = ; f = dega la Z α dapat D * dlhat pada tabel dstrbus ormal stadar. eurut [5] la * da r* dhtug secara smulta dega melalu beberapa teras dega prosedur peghtuga sebaga berkut :. ula-mula dhtug dega rumus.d.b = h. Htug la dar r dega memasukka pada persamaa : h. α = ; r = Z α. σ µ So.D 3. Htug la (r, masukka la r ke persamaa r µ µ r r µ ( r = σ f σ G σ σ σ 88

3 Yutk Erawat da Suarsh (Sstem Pegedala Persedaa odel Probablstk dega Back Order Polcy Guaka (r utuk medapatka dalam persamaa : D ( B So. * = h 4. Htug la r sepert pada lagkah ke dua. 5. ajutka cara sampa la da r meuju satu harga tertetu yag tdak berubah, artya meuju kekoverge. Sehgga ddapat * da r* optmal.. odel Persedaa Probablstk Berkedala (odel (,r,λ dega Back Order Polcy odel persedaa probablstk dega kedala secara gars besar terdr dar dua fugs yatu fugs tujua da fugs kedala. Dalam kasus fugs tujuaya adalah memmalka total baya persedaa sedagka fugs aggara pembela yag terbatas da kapastas peympaa yag terbatas [3] da [9], model peyelesaa permasalaha aka duraka sebaga berkut : Fugs tujua : B. D E{Tc } = D. p h r µ So. D. (4 Fugs pembatas:. f = k K (5 = d maa: k : Kebutuha area peympaa utuk setap ut baha baku tem K : Kapastas area peympaa yag terseda : Jumlah pemesaa tem. g = p A (6 = d maa p : Baya pembela utuk setap ut baha baku tem A : Aggara pembela yag terseda : Jumlah pemesaa tem salka Pegal agrage adalah λ maka tga persamaa datas jka dselesaka dega metode Pegal agrage aka mejad [] : B. D (, r, λ, λ = D. p So. D h r µ λ f K λ p A = = (7 [] da [6] Dega megguaka syarat Kuh-Tucker sehgga: a. λ 0 (8 (,r, λ, λ b. = 0 sehgga ddapatka D ( B So * = h λ k λ p (9 c. d. e. r f ( r, λ, λ ( x, = 0 ddapatka r h h. dx = atau α = So D So.D (,, λ, λ r λ = k = K (,, λ, λ r λ = p = A = 0 ddapatka = 0 ddapatka (0 ( ( f. λ k K = 0 = (3 g. λ k K = 0 = (4 89

4 Jural atematka Vol., No., Agustus 008: SIUASI ODE PERSEDIAAN Utuk smulas dlakuka stud pada CV. Surya Tarra adr d maa perusahaa bergerak dbdag geeral maufacture. Adapu problem yag dhadap oleh perusahaa adalah memmalka baya persedaa tahua dega kedala kapastas area sebesar 0 m da aggara pembela sebesar Rp.5 juta. Data data yag dperoleh dar perusahaa secara rgkas dapat dlhat pada Tabel 3.. Utuk meyelesaka problem, pertama-tama dlakuka peguja data permtaa d maa hasl peguja dapat dlhat pada Tabel 3. [4]. Dar data kemuda dsmulaska dega model persedaa tapa kedala. Hasl da r yag telah ddapat merupaka solus semetara yag selajutya aka dperksa apakah hasl peghtuga memeuh kedala atau tdak. Jka da r memeuh kedala maka pemasalaha selesa, hasl yag semetara tad mejad solus yag optmal. Sebalkya apabla solus semetara da r yag ddapat tdak memeuh kedala maka hasl peghtuga tersebut tdak terpaka. 3. Hasl peghtuga model persedaa probablstk tapa kedala (odel (,r Dar seluruh peghtuga dega model (,r tapa kedala utuk semua baha baku maka dperoleh jumlah kuattas pemesaa optmal ( serta peghtuga total baya pembela da kapastas area yag dapat dlhat pada Tabel 3.3 sebagamaa terlampr. Dar peghtuga dperoleh total baya pembela utuk seluruh baha baku sebesar Rp ,00 da kebutuha area peympaa sebesar cm dmaa la tersebut lebh besar dar aggara pembela da kapastas area yag terseda. Hal berart solus yag dperoleh tdak terpaka, sehgga utuk meyelesaka permasalaha dguaka model persedaa berkedala utuk medapatka solus yag optmal. 3. Hasl peghtuga model persedaa probablstk dega kedala (odel (,r,λ Proses peghtuga model persedaa berkedala detk dega peghtuga model persedaa tapa kedala. Utuk proses peghtugaya yatu pertama-tama mecar la λ dega tral ad error, karea terdapat dua kedala maka la λ yag dcar ada dua yatu λ da λ. Dega megguaka tral ad error maka ddapatka la λ yag memeuh yatu λ = 0,0 da λ = 0,045. Hasl peghtuga selegkapya dapat dlhat pada Tabel 3.4 sebagamaa terlampr. Dar hasl peghtuga dega model persedaa berkedala ddapatka total baya pembela sebesar Rp ,00 da total kebutuha area peympaa sebesar cm d maa la tersebut lebh kecl dar kedala yag ada, sehgga hasl peghtuga yag ddapat merupaka solus yag optmal. Jka dbadgka dega perecaaa persedaa perusahaa maka model meghaslak total baya persedaa tahua lebh kecl. Total baya persedaa per tahu dega model (,r,λ sebesar Rp ,00 sedagka total baya persedaa perusahaa sebesar Rp ,00 sehgga ddapat total peghemata baya sebesar Rp ,00 atau,4% per tahu. Dega demka perusahaa dapat megguaka model persedaa probablstk berkedala dega back orders polcy utuk medapatka hasl yag lebh bak da optmal. 4. KESIPUAN Pegedala persedaa dega megguaka model persedaa probablstk berkedala (,r,λ dega back orders polcy pada perusahaa teryata meujukka hasl yag lebh 90

5 Yutk Erawat da Suarsh (Sstem Pegedala Persedaa odel Probablstk dega Back Order Polcy bak dbadgka dega perecaaa yag dguaka perusahaa selama. Hal dapat dlhat dar hasl peghtuga ddapatka kuattas pemesaa (, reorder pot (r, da safety stock (Ss yag optmal. Sela tu juga adaya peghemata pada beberapa jes baha baku yag dpesa. Total peghemata yag dperoleh dega megguaka metode adalah sebesar,4% per tahu, sehgga metode optmas dapat dguaka sebaga baha pertmbaga bag maajeme perusahaa dalam megadaka persedaa. 5. DAFTAR PUSTAKA [] Assaur, S. (993, aajeme Produks da Operas, Eds keempat, Jakarta, PFE-UI. [] tal, K.V. (983, Optmzato ethods I Operato Research ad System Aalyss, Secod Edto, New Delh, Wley Easter mted. [3] ulyoo, Sr. (00, Operatos Research, Jakarta. PFE-UI [4] ustafd, (003, Buku Ajar Statstka Elemeter etode da Aplkas Dega SPSS, Jurusa atematka FIPA UNDIP, Semarag. [5] Phlps, Do T., A. Ravdra & James Solberg (994, Operatos Research Prcples ad Practc, New York, Joh Wlley & Sos. [6] Purcel, dkk, (987, Kalkulus da Geometr Aalts (Terjemaha : I Nyoma Susla, dkk, Jakarta, Erlagga. [7] Rahmade, S. (007, Optmas Perecaaa Sstem Persedaa Baha Baku Berdasarka Kedala Kapastas Area Peympaa, Tugas Akhr Jurusa atematka FIPA Uverstas Dpoegoro. [8] Sutarma (003, Perecaaa Persedaa Baha Baku dega odel Backorder, FTI Uverstas Pasuda Badug. [9] Taha, Hamdy A. (996, Rset Operas Suatu : Pegatar, Jakarta, Ba Rupa Aksara. [0] Terse, Rchard J. (994, Prcples Of Ivetory ad aterals aagemet, Fourth Edto, New Jersey, Pretce-Hall Iteratoal, Ic. [] Waters, C D J. (99, Ivetory Cotrol ad aagemet, Chcester, Joh Wley & Sos. td. 9

6 Jural atematka Vol., No., Agustus 008:87-93 ampra Tabel 3. Data Jes Baha Baku Perusahaa No Jes Harga Barag B smpa B.Stockout Demad µ σ Kebutuha Baha Baku p h So D Area (cm Squre(Ppa perseg Assetal(Bes As Plate Hose(Selag Ifraboard Caster(Roda Cat ter Chael UNP Agle Bars(Bes 9 Sku Adjuster Carbo steel ppe Bearg Damo motor Gear & Rata PVC Belt Bes SKD Tabel 3. Hasl peguja data dega α : 5% No Baha Baku Assmp.Sg (Pvalue ea Stadar Devas Kesmpula Squre(Ppa perseg Data berdstrbus ormal Assetal(Bes As Data berdstrbus ormal 3 Plate Data berdstrbus ormal 4 Hose(Selag Data berdstrbus ormal 5 Ifraboard Data berdstrbus ormal 6 Caster(Roda Data berdstrbus ormal 7 Cat Data berdstrbus ormal 8 Chael UNP Data berdstrbus ormal 9 Agle Bars(Bes Sku Data berdstrbus ormal 0 Adjuster Data berdstrbus ormal Carbo steel ppe Data berdstrbus ormal Bearg Data berdstrbus ormal 3 Damo motor Data berdstrbus ormal 4 Gear & Rata Data berdstrbus ormal 5 PVC Belt Data berdstrbus ormal 6 Bes SKD Data berdstrbus ormal 9

7 Yutk Erawat da Suarsh (Sstem Pegedala Persedaa odel Probablstk dega Back Order Polcy Tabel 3.3 Peghtuga Total Baya Pembela da Kapastas Area Nama baha baku Baya Kebutuha Kebutuha Pembela (p baya (p. area (k. Rp Rp cm Square(Ppa perseg 96 50, ,000, Assetal(Bes As 046 5, ,690, Plate 3 400,000.00,800, Hose(Selag 65 00, ,000, Ifraboard , ,580, Caster(Roda , ,850, Cat 96 30, ,880, Chael UNP 4 450, ,300, Agle Bars(Bes Sku 75, ,850, Adjuster 40 75, ,000, Carbo steel ppe 3 75, ,45, Bearg 67 0, ,340, Damo motor 4 3,500, ,000, Gear & Rata 50, ,000, PVC Belt 3 3,800,000.00,400, Bes SKD 7, ,048, Jumlah 65,63, Tabel 3.4 Hasl peghtuga model (,r,λ Baha Baku berdasar Kebutuha KebArea Total baya r Ss f T satua m baya (p. (k. persedaa (kal (tahu pemesaa Rp cm Rp Square batag 8,500, ,99,06 Assetal batag,80, ,780,43 Plate lembar 9,600, ,736,349 Hose(Selag roll 0,000, ,753,46 Ifraboard lembar 4,460, ,570,4 Caster(Roda box,50, ,837,097 Cat kaleg 4,60, ,775,493 Chael UNP batag 4,950, ,73,6 Agle Bars batag,975, ,63,7 Adjuster set,400, ,898,4 Carbosteel ppe batag 4,00, ,96,494 Bearg box 3,40, ,44,474 Damo motor ut 0,500, ,836,350 Gear & Rata set,500, ,79,88 PVC Belt ut,400, ,830,06 Bes SKD kg,36, ,835,80 Jumlah 4,957, ,69,503,005 93

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

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 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

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

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 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

Optimasi Persediaan Bahan Bakar Minyak (BBM) di Yogyakarta Menggunakan Goal Programming

Optimasi Persediaan Bahan Bakar Minyak (BBM) di Yogyakarta Menggunakan Goal Programming Optmas Persedaa Baha Bakar Myak (BBM) d Yogyakarta Megguaka Goal Programmg Oleh: Dw Lestar, M.Sc, Emugroho R, M.Sc, da Rosta K, M.Sc. Jurusa Peddka Matematka FMIPA UNY Emal: dwlestar@uy.ac.d emugroho@uy.ac.d,

Lebih terperinci

Industry Using The Fixed Order Quantity Method

Industry Using The Fixed Order Quantity Method Jural Tekolog Pertaa, Vol. 6 No. 3 (Desember 2005) 170 179 STUDI KASUS PENGENDALIAN PERSEDIAAN KEDELAI SEBAGAI BAHAN BAKU UTAMA TAHU TAKWA TAKWA MENGGUNAKAN FIXED ORDER QUANTITY DISCOUNT A Study o Ivetory

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

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

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

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

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

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

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

Rancangan Sistem Pengendalian Persediaan Bahan Baku Multi Item Single Supplier di PT. Pertamina (Persero)

Rancangan Sistem Pengendalian Persediaan Bahan Baku Multi Item Single Supplier di PT. Pertamina (Persero) Semar Nasoal Teko 20 ISBN 978-979-96964-8-9 acaga Sstem Pegedala Persedaa Baha Baku Mult Item Sgle Suppler d PT. Pertama (Persero) Ff Her Mustofa, ST., MT. ) Hedro Prassetyo, ST., MT. 2) Djauhary Syaref

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. 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

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

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

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

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

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

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

PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EO UNTUK MULTIITEM DENGAN ALL UNIT Q DISCOUNT

PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EO UNTUK MULTIITEM DENGAN ALL UNIT Q DISCOUNT PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EO UNTUK MULTIITEM DENGAN ALL UNIT Q DISCOUNT Much. Djuad Jurusa Tekk Idustr Uverstas Muhammadyah Surakarta Jl. Ahmad Ya Trml Ps Pabela Surakarta

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

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

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

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

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

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

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 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

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

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

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Persedaa... Tujua Pegedala Persedaa Memperoleh tgkat persedaa optmal dega mejaga kesembaga atara baya karea persedaa yag terlalu bayak dega baya karea persedaa yag terlalu sedkt....

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

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 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

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

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

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

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

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

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

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 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

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

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN INCREMENTAL RODUCTION COST YANG SAMA. (Al Imra) OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN

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

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

* 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

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

PEMECAHAN MASALAH OPTIMASI BERSIFAT PROBABILISTIK MENGGUNAKAN CHANGE- CONSTRAINED PROGRAMMING

PEMECAHAN MASALAH OPTIMASI BERSIFAT PROBABILISTIK MENGGUNAKAN CHANGE- CONSTRAINED PROGRAMMING Jural Tekk da Ilmu Komputer PEMECAHAN MASALAH OPTIMASI BERSIFAT PROBABILISTIK MENGGUNAKAN CHANGE- CONSTRAINED PROGRAMMING (Soluto of Probablstcally Optmzato Problems Usg Chage-Costraed Programmg) Bud Marpaug

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

PERANCANGAN SISTEM INFORMASI PERSEDIAAN KOMPONEN SEPEDA MOTOR DI SULAWESI SELATAN

PERANCANGAN SISTEM INFORMASI PERSEDIAAN KOMPONEN SEPEDA MOTOR DI SULAWESI SELATAN PERANCANGAN SISTEM INFORMASI PERSEDIAAN KOMPONEN SEPEDA MOTOR DI SULAWESI SELATAN Idr Hapsar 1, Amela Satoso 2, Fke 3 1,2,3 Jurusa Tekk Idustr, Uverstas Surabaya Raya Kalrugkut, Surabaya 60293, Idoesa

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

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

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Perawata (Mateace) Meurut Assaur (999, p95) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peyesuaa, atau peggata yag dperluka

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

Optimalisasi Biaya Total Perencanaan dan Pengendalian Persediaan Menggunakan Program Dinamik (Studi Kasus : Nabila Bakery SPMA Kalasey Manado)

Optimalisasi Biaya Total Perencanaan dan Pengendalian Persediaan Menggunakan Program Dinamik (Studi Kasus : Nabila Bakery SPMA Kalasey Manado) Optmalsas Baya Total Perecaaa da Pegedala Persedaa Megguaka Program Damk (Stud Kasus : Nabla Bakery SPMA Kalasey Maado) 1 Putr Delfada, 2 Hay Komalg, 3 Tohap Maurug 1 Program Stud Matematka, FMIPA, UNSRAT,

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

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

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

Sudaryatno Sudirham. Permutasi dan Kombinasi

Sudaryatno Sudirham. Permutasi dan Kombinasi Sudaryato Sudrham Permutas da Kombas Permutas Permutas adalah bayakya peelompoka sejumlah tertetu kompoe ya dambl dar sejumlah kompoe ya terseda; dalam setap kelompok uruta kompoe dperhatka Msalka terseda

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

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

Analisis Kriteria Investasi

Analisis Kriteria Investasi Uverstas Guadarma TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft. Pelaa

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

USULAN ACCEPTANCE SAMPLING PLAN UNTUK TAPE YARN PRODUK GEOTEX 250 Studi kasus: PT. Unggul Karya Semesta - Bogor

USULAN ACCEPTANCE SAMPLING PLAN UNTUK TAPE YARN PRODUK GEOTEX 250 Studi kasus: PT. Unggul Karya Semesta - Bogor USULAN ACCEPTANCE SAMPLING PLAN UNTUK TAPE YARN PRODUK GEOTE 50 Stud kasus: PT. Uggul Karya Semesta - Bogor Prudesy F. Opt, Jaquele N. Mokogta Program Stud Tekk Idustr Fakultas Tekk Uka De La Salle Maado

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

Model Persediaan dengan Batasan Kapasitas Gudang dan Modal pada Kasus Backorder dan Lost Sales

Model Persediaan dengan Batasan Kapasitas Gudang dan Modal pada Kasus Backorder dan Lost Sales odel ersedaa dega atasa Kapastas Gudag da odal pada Kasus acorder da ost Sales Valeraa utosar urusa atemata Isttut Teolog Sepuluh Nopember Surabaya bstra ada model persedaa terdapat seragaa ebjaa memotor

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 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

MODEL PERENCANAAN SAFETY STOCK TERINTEGRASI UNTUK SISTEM MANUFAKTUR DENGAN FREKUENSI PENGIRIMAN TINGGI

MODEL PERENCANAAN SAFETY STOCK TERINTEGRASI UNTUK SISTEM MANUFAKTUR DENGAN FREKUENSI PENGIRIMAN TINGGI Semar Nasoal Logstk II : Streamlg Itegrated Suly Cha Maagemet as the New Froter of Comettve Advatage MODEL PERENCANAAN SAFETY STOCK TERINTEGRASI UNTUK SISTEM MANUFAKTUR DENGAN FREKUENSI PENGIRIMAN TINGGI

Lebih terperinci