Implementasi Algoritma Kunang-Kunang Untuk Penjadwalan Mata Kuliah di Universitas Ma Chung

Ukuran: px
Mulai penontonan dengan halaman:

Download "Implementasi Algoritma Kunang-Kunang Untuk Penjadwalan Mata Kuliah di Universitas Ma Chung"

Transkripsi

1 Seiawan, Implemenasi Algorima Kunang-Kunang unu Penjadwalan Maa Kuliah di Universias Ma Chung 269 Implemenasi Algorima Kunang-Kunang Unu Penjadwalan Maa Kuliah di Universias Ma Chung Hendry Seiawan 1, Lo Hanjaya Hanafi 2, Kesrilia Rega Priliani 3 Program Sudi Teni Informaia, Faulas Sains dan Tenologi, Universias Ma Chung Jl. Villa Punca Tidar N-01, Malang 65151, Jawa Timur 1 hendry.seiawan@machung.ac.id, 2 lo_hanjaya@yahoo.com, 3 esrilia.rega@machung.ac.id Masu: 9 April 2015; Direvisi: 30 April 2015; Dierima: 4 Mei 2015 Absrac. Course scheduling is considered as a complex maer because he generaed schedule mus guaranee ha here are no clashes of classes, lecurers, and sudens schedules. A Ma Chung Universiy, course scheduling is sill accomplished manually. Due o he limied number of rooms and lecurers r, resource sharing sysem is applied. This causes complicaion in manual scheduling. Firefly algorihm is implemened in his applicaion o schedule he course auomaically. A schedule soluion is represened as a firefly. Firefly wih lower ligh inensiy will move oward firefly wih higher ligh inensiy, so ha a beer soluion is found. Based on a scheduling es, he bes ligh inensiy value of firefly is reached when firefly algorihm s parameers, β 0 and γ, are given 1 and 10 wih ligh inensiy value of 0, Keywords: course, firefly algorihm, scheduling Absra. Penjadwalan maa uliah merupaan hal yang omples arena jadwal yang dihasilan ida hanya menjamin jadwal peremuan semua elas dan dosen ida benro, eapi juga menjamin jadwal peremuan semua mahasiswa ida benro. Penjadwalan maa uliah di Universias Ma Chung masih dilauan secara manual. Karena jumlah elas dan dosen yang dimilii erbaas, maa dierapan sisem resource sharing. Sisem resource sharing ini membua proses penjadwalan yang dilauan secara manual menjadi lebih rumi. Algorima yang digunaan unu penjadwalan maa uliah pada apliasi ini adalah algorima unang-unang. Sebuah solusi jadwal maa uliah dalam algorima unang-unang direpresenasian sebagai seeor unang-unang. Kunangunang dengan inensias cahaya yang lebih rendah aan bergera menuju unangunang yang lebih erang sehingga mampu didapaan solusi jadwal maa uliah yang lebih bai. Berdasaran hasil uji coba, nilai inensias cahaya erbai didapaan eia parameer algorima unang-unang, β 0 dimasuan 1 dan γ dimasuan 10 hingga didapaan inensias sebesar 0, Kaa Kunci: algorima unang-unang, maa uliah, penjadwalan 1. Pendahuluan Penjadwalan maa uliah merupaan peerjaan ruin dalam sisem aademi perguruan inggi yang dilauan seiap awal semeser yang baru. Penjadwalan maa uliah merupaan hal yang omples arena jadwal yang dihasilan ida hanya menjamin jadwal peremuan semua elas dan dosen ida mengalami benro, eapi juga menjamin jadwal peremuan semua mahasiswa ida mengalami benro. Penjadwalan maa uliah di Universias Ma Chung masih dilauan secara manual oleh serearis seiap faulas. Serearis faulas menjadwalan maa uliah dari semua program sudi yang berada di bawah naungan faulas. Jadwal peruliahan dialoasian pada senin sampai juma dengan jam peruliahan puul , dengan wau isiraha puul Penjadwalan yang dilauan pada seluruh program sudi di Universias Ma Chung hanya aan menjadwalan maa uliah semeser ganjil husus unu semeser ganjil dan sebalinya. Unu maa uliah pilihan memilii eleluasaan dibua pada semeser genap aaupun semeser ganjil. Karena jumlah ruangan dan dosen yang dimilii seiap faulas erbaas, maa dierapan sisem resource sharing, di mana ruangan dan dosen yang dimilii faulas bisa digunaan oleh semua program sudi yang berada di bawah naungan

2 270 Jurnal Buana Informaia, Volume 6, Nomor 4, Oober 2015: faulas ersebu. Sisem resource sharing ini membua proses penjadwalan yang dilauan secara manual oleh serearis faulas menjadi lebih rumi, arena harus senaniasa melauan pengecean erhadap wau yang dialoasian dosen unu mengajar maupun eersediaan ruang elas yang dimilii. Penjadwalan erhadap maa uliah yang memilii bobo iga maupun empa ss dapa dipisahan menjadi beberapa sesi peremuan. Unu maa uliah berbobo iga ss, dosen pengampu dapa mengajuan pemoongan e dalam dua sesi yaiu dua ss dan sau ss aaupun sau ss dengan iga ss sealigus. Karena inga omplesias yang cuup inggi, maa dibuuhan sebuah apliasi penjadwalan maa uliah oomais unu membanu serearis faulas melauan penjadwalan. Algorima opimasi yang elah digunaan unu melauan penjadwalan maa uliah secara oomais anara lain algorima geneia (Puspaningrum, d., 2013), algorima Paricle Swarm Opimizaion aau PSO (Wai & Rochman, 2013), algorima An (Saragih, d., 2012), algorima evolusi (Syarif & Gunawan, 2013), dan algorima pewarnaan Graf Welch Powel (Asui, 2011). Algorima unang-unang sebagai salah sau jenis algorima opimasi elah digunaan dalam memecahan permasalahan anrian dan penjadwalan. Kwicien & Filipowicz (2012) menggunaan algorima unang-unang unu mengopimasi sisem anrian, Chalac, d. (2014) menggunaan algorima unang-unang unu memecahan permasalahan job scheduling, dan Sayadi, d. (2010) menggunaan algorima unang-unang unu memecahan permasalahan flow shop scheduling. Dari beberapa penelii erdahulu elah menggunaan algorima unang-unang unu memecahan berbagai permasalahan penjadwalan, maa pada pembuaan apliasi penjadwalan maa uliah ini algorima unang-unang ersebu aan digunaan unu menjadwalan beberapa program sudi yang berada di bawah Faulas hsusunya Faulas Sains dan Tenologi Universias Ma Chung. 2. Tinjauan Pusaa Algorima unang-unang aau firefly algorihm diembangan perama ali oleh Yang mulai ahir ahun 2007 hingga ahun 2008 di Universias Cambridge. Menuru Yang (2014), algorima unang-unang erinspirasi oleh perilau dan pola beredip unang-unang. Namun, beberapa araerisi edipan dari unang-unang elah diidealan unu menyusun algorima unang-unang, yaiu: (1) Kunang-unang dianggap unisex, sehingga seeor unang-unang aan erari pada unang-unang yang lain dengan ida mempedulian jenis elaminnya. (2) Daya ari sebanding dengan inga eerangan, dan sama-sama menurun eia jara semain besar. Oleh arena iu, unu sepasang unang-unang yang sedang beredip, unang-unang yang lebih ida erang aan bergera menuju unang-unang yang lebih erang. Jia ida ada yang lebih erang, unang-unang aan bergera secara aca. (3) Tinga eerangan unangunang dienuan oleh ondisi dari fungsi objeif. Karena daya ari unang-unang sebanding dengan inensias cahaya yang diliha oleh unang-unang di deanya, dapa dirumusan daya ari (araciveness) β dengan jara r menggunaan Persamaan 1. β 0 adalah daya ari pada r = 0 (Yang, 2014) dan γ adalah oefisien penyerapan cahaya yang mengonrol penurunan inensias cahaya (Kwiecien & Filipowicz, 2012). Jara anara dua unang-unang i dan j, diwaili oleh x i dan x j dirumusan menggunaan Persamaan 2. X i, merupaan omponen e dari oordina spasial x i dari unang-unang i dan d menyaaan jumlah dimensi (Kwicien & Filipowicz, 2012). Pergeraan unang-unang i yang erari epada unang-unang j yang lebih erang dirumusan menggunaan Persamaan 3. 0e r 2 d 2 ij xi x j ( xi, x j, ) 1 r (2) x 1 i x i e 0 r 2 i, j ( x j x i) (1) (3)

3 Seiawan, Implemenasi Algorima Kunang-Kunang unu Penjadwalan Maa Kuliah di Universias Ma Chung 271 Penggalan rumus perama (x i ) adalah posisi unang-unang i sebelum berpindah, 2 r j, penggalan rumus edua [ 0e i ( x j x i) ] menyaaan araciveness dari unang-unang, dan penggalan rumus eiga (α ɛ i) adalah pergeraan aca unang-unang (Kwiecien & Filipowicz, 2012). α adalah bilangan random anara 0 sampai 1 (Kwiecien & Filipowicz, 2012), nilai β 0 bervariasi anara 0 sampai 1 (Farahani, d., 2011), dan γ bervariasi anara 0.1 sampai 10 (Kwiecien & Filipowicz, 2012). Parameer γ menggambaran variasi daya ari (variaion of araciveness) dan mempengaruhi ecepaan onvergensi algorima unang-unang (Kwiecien & Filipowicz, 2012). Sedangan, ɛ i adalah veor bilangan aca yang didapaan dari disribusi Gaussian aau disribusi Uniform pada wau (Yang, 2014). Algorima unang-unang memilii benu pseudo-code seperi yang diunjuan pada Kode 1. Kode 1. Pseudo-code algorima unang-unang Menginisialisasi parameer algorima unang-unang, yaiu jumlah unang-unang (n), β0, γ, α, dan jumlah masimum generasi (ierasi, MaxGen). Meneapan fungsi objeif f(x), x = (x1,,xd) T. Membangian populasi awal unang-unang xi (i = 1,2,,n) While < MaxGen //( = 1:MaxGen) For i = 1 : n //semua n unang-unang For j = 1 : n If (Ij > Ii) memindahan unang-unang i menuju unang-unang j pada dimensi d menuru persamaan 3 Else memindahan unang-unang i secara aca End If Mendapaan nilai araciveness, yang bervariasi dengan jara r menuru persamaan 1 Temuan solusi baru dan perbarui nilai inensias cahaya End for j End for i Me-raning unang-unang dan menemuan curren bes. End While Menemuan unang-unang dengan inensias cahaya eringgi 3. Meodologi Peneliian Tahapan peneliian ini adalah menganalisis ebuuhan, perancangan/pemodelan sisem penjadwalan dengan algorima unang-unang, dilanjuan dengan pemrograman, pengujian sofware dan pengujian. Flowchar alur peneliian ini dapa diliha pada Gambar 1. Gambar 1. Alur Peneliian

4 272 Jurnal Buana Informaia, Volume 6, Nomor 4, Oober 2015: Analisis ebuuhan dilauan dengan menggali informasi erai dengan penjadwalan manual yang dilauan oleh serearis FST, ermasu di dalamnya daa program sudi, daa dosen, daa maa uliah, daa ruangan. Perancangan desain penjadwalan disusun berdasaran dari langah-langah serearis FST menyusun jadwal, dengan memperhaian variabel yang paling berperan dalam penyusunan jadwal. Variabel ersebu emudian direpresenasian dalam evaluasi pada inensias cahaya unang-unang. Pada pengembangan sofware, abel-abel dibenu dan dilauan pemrograman erhadap sisem penjadwalan yang elah dierjaan sebelumnya. Hasil program dievaluasi unu mengeahui esesuaiannya dengan algorima unang-unang dan melauan beberapa uji erhadap beberapa parameer algorima-unang Perancangan Desain Penjadwalan dengan Algorima Kunang-Kunang Pada asus penjadwalan maa uliah dengan menggunaan algorima unang-unang, erdapa sedii modifiasi pada ahapan algorima, yaiu unang-unang ida aan bergera secara aca eia inensias cahaya unang-unang pembandingnya sama aau ida lebih dari dirinya sendiri. Pergeraan aca ini dihilangan supaya unang-unang dengan inensias cahaya aau nilai inensias cahaya yang bai dapa diperahanan Represenasi Kunang-Kunang Penjadwalan maa uliah dengan algorima unang-unang merepresenasian sebuah solusi jadwal sebagai seeor unang-unang yang erdiri dari slo wau sebanya n buah, seperi yang diunjuan pada Gambar 2. Masing-masing slo wau erbagi dalam array empa dimensi. Dimensi perama berfungsi unu menampung id sesi maa uliah yang dijadwalan, dimensi edua berfungsi unu menyimpan ode ruangan, dimensi eiga berfungsi unu menyimpan apasias ruangan, dan dimensi eempa berfungsi unu menyimpan jenis ruangan (elas aau laboraorium). Ruangan Kelas 1 Ruangan Kelas 2 Ruangan Kelas x Slo 1 Slo 2 Slo 20 Slo 21 Ruangan Laboraorium y Ruangan Laboraorium n Slo n Kunang-Kunang Gambar 2. Represenasi Kunang-Kunang Dengan n Slo Wau Slo wau digolongan dengan uruan yang diawali jenis ruangan elas dari apasias ecil hingga besar, emudian diiui jenis ruangan laboraorium dari apasias ecil hingga besar. Represenasi array empa dimensi dalam slo wau diunjuan pada Gambar 3.

5 Seiawan, Implemenasi Algorima Kunang-Kunang unu Penjadwalan Maa Kuliah di Universias Ma Chung 273 Sau sesi maa uliah merepresenasian sau peremuan dalam seminggu unu sau maa uliah. Jia dimensi perama slo wau ida erisi id sesi maa uliah, maa aan bernilai osong aau empy. Jumlah dimensi posisi dari seeor unang-unang sama dengan jumlah id sesi maa uliah yang aan dijadwalan, seperi yang dinyaaan dengan simbol d pada Persamaan 2. Indes sesi maa uliah aan berpindah-pindah di dalam slo wau yang ersedia hingga didapaan sebuah jadwal yang opimal. Toal jumlah slo wau dari seeor unangunang didapaan dengan rumus jumlah ruangan yang didafaran dalam basis daa dialian empa slo dalam sehari (sau slo wau seara dengan bobo dua SKS) dialian lima hari aif peruliahan. Gambar 3. Represenasi Array 4 Dimensi dalam Slo Wau Inisialisasi Kunang-Kunang Kunang-unang ida diinisialisasi secara aca, melainan dengan diberian arahan erenu. Inisialisasi unang-unang dilauan dengan mengarahan penempaan sesi maa uliah pada slo wau yang memilii jenis ruangan sesuai ebuuhan, dimana maa uliah eori diempaan di ruangan elas dan maa uliah praium diempaan di ruangan laboraorium. Penempaan sesi maa uliah juga diarahan pada slo wau yang memilii apasias ruangan sesuai ebuuhan. Pengarahan dalam proses inisialisasi unang-unang berujuan unu memperecil emunginan erjadinya pelanggaran erhadap consrain yang aan mempengaruhi nilai inensias cahaya dari unang-unang Kualias Kunang-Kunang Kualias unang-unang diliha dari besar nilai inensias cahayanya. Semain besar nilai inensias cahaya maa semain bai ualias dari seeor unang-unang. Nilai inensias cahaya berasal dari nilai objecive funcion aau fungsi finess. Inensias cahaya unang-unang dihiung menggunaan Persamaan 4. Toal penali adalah penjumlahan nilai semua jenis penali. Keia jadwal ida melanggar consrain sama seali, maa oal penali aan bernilai nol. Sedangan, α adalah nilai yang sanga ecil, yang pada rancang bangun ini diberi nilai 0,001. α berfungsi unu menghindari pembagian dengan nol. I 1 oalpenal i (4) Penali diberian apabila ada omponen jadwal yang melanggar consrain. Jia melanggar hard consrain maa penali yang diberian besar. Sedangan, jia melanggar sof consrain, maa penali yang diberian ecil. Hard consrain yang digunaan dalam rancang bangun ini adalah: (1) Penali aloasi dosen, diberian jia jadwal maa uliah ida sesuai dengan aloasi wau dosen pengampu. Penali yang diberian sebesar 100. (2) Penali jadwal dosen, diberian jia erdapa benro jadwal mengajar dosen. Penali yang diberian sebesar 100. (3) Penali pemoongan sesi maa uliah, diberian jia erdapa sesi maa uliah yang waunya erpoong. Penali yang diberian sebesar 100. (4) Penali semeser, diberian jia erdapa benro jadwal maa uliah dengan semeser dan program sudi yang sama. Penali yang diberian sebesar 100. Sedangan, sof consrain dalam rancang bangun ini adalah penali sesi maa uliah. Penali ini diberian jia sebuah elas yang sama dengan maa uliah yang

6 274 Jurnal Buana Informaia, Volume 6, Nomor 4, Oober 2015: sama memilii sesi lebih dari sau ali dalam hari yang sama maa penali yang diberian sebesar 10. Unu penenuan semua hard consrain dieapan sebuah nilai penali yang sama yaiu 100 arena eempa consrain memilii inga epeningan yang sama dan ida boleh dilanggar. Unu jadwal yang melanggar sof consrain diberian penali sebesar 10 arena masih dapa dioleransi. Toal penali didapaan dengan mengalian jumlah pelanggaran dengan bobo unu masing-masing penali dan emudian seluruhnya dijumlahan. Toal penali dihiung menggunaan Persamaan 5. a adalah jumlah pelanggaran erhadap consrain aloasi dosen, b adalah jumlah pelanggaran erhadap consrain jadwal dosen, c adalah jumlah pelanggaran erhadap consrain pemoongan sesi maa uliah, d adalah jumlah pelanggaran erhadap consrain semeser, dan e adalah jumlah pelanggaran erhadap consrain sesi maa uliah. oalpenal i a 100 b 100 c 100 d 100 e 10 (5) Posisi Kunang-Kunang Kunang-unang yang memilii nilai inensias cahaya lebih rendah aan bergera menuju unang-unang yang nilai inensias cahayanya lebih inggi. Pada asus penjadwalan maa uliah, posisi unang-unang diwaili oleh semua posisi id sesi maa uliah yang ada pada slo-slo wau. Langah perama unu memindahan posisi unang-unang adalah menghiung jara anara dua unang-unang, misalan unang-unang i dan j dengan menggunaan Persamaan 2. Langah beriunya adalah memindahan semua indes sesi maa uliah aau dimensi posisi unang-unang dengan menggunaan Persamaan 3. Namun, arena seiap id sesi maa uliah masing-masing memilii nilai posisi (x) dan perpindahannya harus disri, maa rumus perpindahan pada Persamaan 2 dimodifiasi menjadi Persamaan 6. x 1 i, x i, e 0 r 2 i, j ( x j, x i, ) i,, 10 (6) Id sesi maa uliah hanya berpindah dalam region slo wau dengan jenis ruangan yang sesuai dan apasias ruangan yang cuup unu sesi maa uliah ersebu. Jia perpindahan id sesi maa uliah elah melebihi baas aas region slo wau, maa dierapan sisem roasi, di mana jia perpindahan id sesi maa uliah elah melebihi baas aas region slo wau, maa perpindahan beriunya aan dimulai dari baas bawah region slo wau. Ilusrasi sisem roasi diunjuan pada Gambar 4. Gambar 4. Ilusrasi Sisem Roasi Posisi Kondisi Terminasi Proses ierasi algorima unang-unang aan berheni eia oal penali bernilai nol aau jumlah ierasi mencapai nilai erenu yang dieapan oleh user Oupu Apliasi Oupu dari apliasi penjadwalan maa uliah pada rancang bangun ini adalah file Microsof Excel yang erdiri dari halaman aau shee jadwal maa uliah global inga

7 Seiawan, Implemenasi Algorima Kunang-Kunang unu Penjadwalan Maa Kuliah di Universias Ma Chung 275 universias, jadwal maa uliah seiap program sudi, jadwal seiap dosen, dan rincian semua maa uliah yang erena seiap jenis penali. 4. Hasil dan Pembahasan Uji coba dilauan dengan mengubah nilai dari parameer algorima unang-unang, yaiu β 0 dan γ. Hasil uji coba mengubah nilai β 0 diunjuan pada Tabel 1. Dari Tabel 1 nampa nilai inensias erbai 0, didapaan pada saa penjadwalan erdapa ujuh jadwal yang ida sesuai dengan einginan wau dosen mengajar, iga jadwal benro, sau jadwal yang iga ss erdiri dari sau sesi erpoong e dalam hari yang berbeda mesipun memilii slo yang beruruan, masih erjadi benro unu 15 maa uliah pada semeser yang sama dan program sudi yang sama, sera sau maa uliah yang erpisah menjadi dua sesi yang erjadwalan pada hari yang sama dan elas yang sama. Hasil uji coba dengan mengubah nilai β 0 menunjuan bahwa dengan meninganya nilai β 0, inensias cahaya dari unang-unang cenderung semain meninga. Hal ini diunjuan oleh grafi perbandingan inensias cahaya erhadap β 0 pada Gambar 5. Sedangan, hasil uji coba mengubah nilai γ diunjuan pada Tabel 2. Hasil uji coba aurasi dengan mengubah parameer γ menunjuan bahwa pengubahan nilai γ ida memberian pengaruh erhadap enaian aau penurunan nilai inensias cahaya. Hal ini diunjuan oleh grafi perbandingan inensias cahaya erhadap γ pada Gambar 6. Dari seluruh hasil uji coba, inensias cahaya erbai dari unang-unang didapaan eia dimasuan nilai parameer β0 bernilai sau dan parameer γ bernilai 10 dengan nilai inensias cahaya Tabel 1. Uji Coba dengan Mengubah Nilai β0 Jumlah Jumlah Toal Jumlah Penali β0 γ Firefly Ierasi a b c d e I , , , , a = penali aloasi dosen; b = penali jadwal dosen; c = penali pemoongan sesi maa uliah; d = penali semeser; e = penali sesi maa uliah Tabel 2. Uji Coba dengan Mengubah Nilai γ Jumlah Jumlah Toal Jumlah Penali β0 γ Firefly Ierasi a b c d e I , , , , , , , , , a = penali aloasi dosen; b = penali jadwal dosen; c = penali pemoongan sesi maa uliah; d = penali semeser; e = penali sesi maa uliah

8 276 Jurnal Buana Informaia, Volume 6, Nomor 4, Oober 2015: Gambar 5. Grafi Perbandingan Nilai Inensias Cahaya Terhadap β0 Gambar 6. Grafi Perbandingan Nilai Inensias Cahaya Terhadap γ 5. Hasil Jadwal Maa uliah yang dijadwalan pada rancang bangun ini berasal dari empa program sudi yang berada di bawah naungan Faulas Sains dan Tenologi (FST) Universias Ma Chung, yaiu Teni Informaia, Sisem Informasi, Teni Indusri, dan Desain Komuniasi Visual. Semua maa uliah diempaan pada 22 ruangan yang erdiri dari 14 ruang elas dan delapan ruang laboraorium dari hari Senin sampai Juma dengan jam peruliahan dari jam sampai seiap hari. Hasil jadwal dari percobaan dengan inensias cahaya erbai (I=0, ) diunjuan pada cuplian jadwal pada Tabel 3. Tabel 3 menunjuan cuplian sebagian jadwal maa uliah yang dibenu dengan menggunaan algorima unang-unang. Jadwal berisi pasangan maa uliah dengan dosen pengajarnya. Perbedaan warna unu seiap maa uliah menunjuan idenias program sudi. Warna biru adalah eni informaia, hijau adalah eni indusri, dan ungu adalah sisem informasi. Beberapa maa uliah seperi logia digial dan pemrograman mobile yang erdapa pada eni infomaia masing-masing bernilai empa ss, sehingga pada penjadwalan ini maa uliah yang bernilai empa ss dapa dipisahan e dalam dua sesi.

9 Seiawan, Implemenasi Algorima Kunang-Kunang unu Penjadwalan Maa Kuliah di Universias Ma Chung 277 Tabel 3. Cuplian Jadwal Maa Kuliah Hari Jam Chlamydomonas Phycocianin Lab. Krysen Nygard Pemrograman Mobile SUB Pemrograman Mobile Senin SUB Saisi MEI Ergonomi & Perancangan Kerja Saisi SUN MEI Sisem Operasi OES Juma Logia Digial HEN Logia Digial HEN Organisasi & Manajemen Perusahaan Indusri PUR Organisasi & Manajemen Perusahaan Indusri PUR Sisem Operasi RUD 6. Kesimpulan Berdasaran rancang bangun dan uji coba yang elah dilauan, esimpulan yang dapa diambil adalah: (1) Penjadwalan maa uliah dengan menggunaan algorima unang-unang elah berhasil dilauan dengan eenuan-eenuan beriu. (a) Seeor unang-unang melambangan sebuah solusi jadwal, di mana unang-unang direpresenasian sebagai sebuah senarai (array) slo wau dengan empa dimensi. Dimensi perama slo berfungsi unu menampung id sesi maa uliah yang dijadwalan, dimensi edua slo berfungsi unu menyimpan ode ruangan, dimensi eiga slo berfungsi unu menyimpan apasias ruangan, dan dimensi eempa slo berfungsi unu menyimpan jenis ruangan (elas aau laboraorium). (b) Pada wau inisialisasi awal unang-unang dan pergeraan unang-unang, penempaan sesi maa uliah diarahan pada slo wau yang memilii jenis dan apasias ruangan yang sesuai dengan ebuuhan. (2) Inensias cahaya erbai unang-unang dicapai eia parameer β 0 bernilai sau dan parameer γ bernilai 10. Referensi Asui, S Penyusunan Jadwal Ujian Maa Kuliah Dengan Algorima Pewarnaan Graf Welch Powell. Jurnal Dian, XI (1): Chalac, S.A., Razavi, S.N. & Harounabadi, A Job Scheduling on he Grid Environmen Using Max-Min Firefly Algorihm. Inernaional Journal of Compuer Applicaions Technology and Research, III (1): Farahani, S. M., Abshouri, A.A. & Meybodi, M.R A Gaussian Firefly Algorihm. Inernaional Journal of Machine Learning and Compuing, I (5): Kwicien, J. & Filipowicz, B Firefly Algorihm in Opimizaion of Queueing Sysems. Bullein of he Polish Academy of Sciences Technical Science, VX (2): Puspaningrum, W.A., Djunaidy, A. & Vinari, R.A Penjadwalan Maa Kuliah Menggunaan Algorima Geneia di Jurusan Sisem Informasi ITS. Jurnal Teni Pomis, II (1): Saragih, H., Hoendaro, G., Reza, B. & Seiyadi, D Apliasi Sisem Peranga Luna Menggunaan Algorima An unu Mengaur Penjadwalan Kuliah. Jurnal Teni dan Ilmu Kompuer I (3): Sayadi, M.K., Ramezanian, R. & Nasab N.G A Discree Firefly Mea-Heurisic wih

10 278 Jurnal Buana Informaia, Volume 6, Nomor 4, Oober 2015: Local Search for Maespan Minimizaion in Permuaion Flow Shop Scheduling Problems. Inernaional Journal of Indusrial Engineering Compuaion, I (1): Syarif, A.C. & Gunawan, F.H Penerapan Algorima Evolusi dengan Meode Generaion Replacemen pada Apliasi Penjadwalan Maa Kuliah. Jurnal Temaia, I (2): Wai, D.A.R. & Rochman, Y.A Model Penjadwalan Maa Kuliah Secara Oomais Berbasis Algorima Paricle Swarm Opimizaion (PSO). Jurnal Reayasa Sisem Indusri, II (1): Yang, X.S Cucoo Search and Firefly Algorihm. London: Springer. _

BAB IV SIMULASI MODEL

BAB IV SIMULASI MODEL 21 BAB IV SIMULASI MODEL Pada bagian ini aan diunjuan simulasi model melalui pendeaan numeri dengan menggunaan ala banu peranga luna Mahemaica. Oleh arena iu dienuan nilai-nilai parameer seperi yang disajian

Lebih terperinci

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI 4. ALIDITAS DA RELIABILITAS DALAM MEMBUAT EALUASI Tujuan : Seelah mempelajari modul ini mahasiswa mampu membua ala evaluasi bau unu program pembelajaran Evaluasi pembelajaran adalah ahap ahir dalam prosedur

Lebih terperinci

KINETIKA REAKSI HOMOGEN SISTEM BATCH

KINETIKA REAKSI HOMOGEN SISTEM BATCH KINETIK REKSI HOMOGEN SISTEM BTH SISTEM REKTOR BTH OLUME TETP REKSI SEDERHN (SERH/IREERSIBEL Beberapa sisem reasi sederhana yang disajian di sini: Reasi ireversibel unimoleuler berorde-sau Reasi ireversibel

Lebih terperinci

ANALISIS SURVIVAL LAJU INDEKS KINERJA DOSEN STKIP PGRI TULUNGAGUNG DENGAN MODEL REGRESI COX

ANALISIS SURVIVAL LAJU INDEKS KINERJA DOSEN STKIP PGRI TULUNGAGUNG DENGAN MODEL REGRESI COX Seminar Nasional Maemaia dan Apliasinya, 1 Oober 17 ANALISIS SURVIVAL LAJU INDEKS KINERJA DOSEN STKIP PGRI TULUNGAGUNG DENGAN MODEL REGRESI COX Maylia Hasyim 1), Dedy Dwi Prasyo ) 1) Program Sudi Pendidian

Lebih terperinci

PERBANDINGAN METODE CAMPBELL DUDEK AND SMITH (CDS) DAN PALMER DALAM MEMINIMASI TOTAL WAKTU PENYELESAIAN Studi Kasus : Astra Konveksi Pontianak

PERBANDINGAN METODE CAMPBELL DUDEK AND SMITH (CDS) DAN PALMER DALAM MEMINIMASI TOTAL WAKTU PENYELESAIAN Studi Kasus : Astra Konveksi Pontianak Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 04, No. 3 (2015), hal 181 190. PERBANDINGAN METODE CAMPBELL DUDEK AND SMITH (CDS) DAN PALMER DALAM MEMINIMASI TOTAL WAKTU PENYELESAIAN Sudi Kasus

Lebih terperinci

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Vol. 7. No. 3, 36-44, Desember 004, ISSN : 1410-8518 UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Budi Warsio, Dwi Ispriyani Jurusan Maemaia FMIPA Universias Diponegoro Absra Tulisan ini membahas

Lebih terperinci

PENGEMBANGAN LEMBAR KEGIATAN SISWA (LKS) INKUIRI BERBASIS BERPIKIR KRITIS PADA MATERI DAUR BIOGEOKIMIA KELAS X

PENGEMBANGAN LEMBAR KEGIATAN SISWA (LKS) INKUIRI BERBASIS BERPIKIR KRITIS PADA MATERI DAUR BIOGEOKIMIA KELAS X PENGEMBANGAN LEMBAR KEGIATAN SISWA (LKS) INKUIRI BERBASIS BERPIKIR KRITIS PADA MATERI DAUR BIOGEOKIMIA KELAS X Saviri Herdianawai, Herlina Firihidajai, Tarzan Purnomo Biologi, FMIPA, Universias Negeri

Lebih terperinci

ADAPTIVE SMOOTHING NEURAL NETWORK UNTUK PERAMALAN NILAI TUKAR MATA UANG

ADAPTIVE SMOOTHING NEURAL NETWORK UNTUK PERAMALAN NILAI TUKAR MATA UANG ADAPTIVE SMOOTHIG EURAL ETWORK UTUK PERAMALA ILAI TUKAR MATA UAG Wiwi Anggraeni Jurusan Sisem Infomasi, Faulas Tenologi Informasi, Insiu Tenologi Sepuluh opember Surabaya Gedung Tenologi Informasi, Jalan

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012 InfiniyJurnal Ilmiah Program Sudi Maemaia STKIP Siliwangi Bandung, Vol 1, No.2, Sepember 2012 GRUP PERMUTASI SIKLIS DALAM PERMAINAN SUIT Oleh: Bagus Ardi Sapuro Jurusan Pendidian Maemaia, IKIP PGRI Semarang

Lebih terperinci

( ) r( t) 0 : tingkat pertumbuhan populasi x

( ) r( t) 0 : tingkat pertumbuhan populasi x III PEMODELAN Model Perumbuan Koninu Terbaasnya sumber-sumber penyoong (ruang, air, maanan, dll) menyebaban populasi dibaasi ole suau daya duung lingungan Perumbuan populasi lamba laun aan menurun dan

Lebih terperinci

Analisis Model dan Contoh Numerik

Analisis Model dan Contoh Numerik Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini aan diemuaan beberapa onsep dasar yang beraian dengan analisis runun wau, dianaranya onsep enang esasioneran, fungsi auoorelasi dan fungsi auoorelasi parsial, macam-macam

Lebih terperinci

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer Vol. 2, No. 5, Mei 2018, hlm. 1856-1865 e-issn: xxx-xxx hp://j-piik.ub.ac.id Klasifikasi Keminaan Menggunakan Algorime Exreme Learning Machine dan

Lebih terperinci

METODE NUMERIK STEPEST DESCENT TERINDUKSI NEWTON

METODE NUMERIK STEPEST DESCENT TERINDUKSI NEWTON Uomo, R. B. Jurnal Pendidian Maemaia STKIP Garu METODE NUMERIK STEPEST DESCENT TERINDUKSI NEWTON DALAM PEMECAHAN MASALAH OPTIMISASI TANPA KENDALA INDUCTED NEWTON STEEPEST DESCENT AS A NUMERICAL METHOD

Lebih terperinci

Model GSTAR Termodifikasi untuk Produktivitas Jagung di Boyolali

Model GSTAR Termodifikasi untuk Produktivitas Jagung di Boyolali Prosiding Semnar Nasional VIII UNNES, 8 Nov 4 Semarang Hal.4-5 Model GSTAR Termodifiasi unu Produivias Jagung di Boyolali Prisa Dwi Apriyani ), Hanna Arini Parhusip ), Lili Linawai ) ))) Progdi Maemaia,

Lebih terperinci

Bab 5 BEBERAPA HUBUNGAN DASAR DALAM FISIKA

Bab 5 BEBERAPA HUBUNGAN DASAR DALAM FISIKA Bab 5 BEBERAPA HUBUNGAN DASAR DALAM FISIKA 5. Pendahuluan Keia memodelan sisem fisis, ia enu harus mulai dengan pengeahuan mengenai fisia. Dalam bab ini ia aan merangum hubungan hubungan paling umum dalam

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

INVESTIGASI FORENSIKA PADA LOG WEB SERVER UNTUK MENEMUKAN BUKTI DIGITAL TERKAIT DENGAN SERANGAN MENGGUNAKAN METODE HIDDEN MARKOV MODELS

INVESTIGASI FORENSIKA PADA LOG WEB SERVER UNTUK MENEMUKAN BUKTI DIGITAL TERKAIT DENGAN SERANGAN MENGGUNAKAN METODE HIDDEN MARKOV MODELS INVESTIGASI FORENSIKA PADA LOG WEB SERVER UNTUK MENEMUKAN BUKTI DIGITAL TERKAIT DENGAN SERANGAN MENGGUNAKAN METODE HIDDEN MARKOV MODELS Triawan Adi Cahyano 1 Magiser Teni Informaia Faulas Tenologi Indusri

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN BAB PENDAHUUAN. ATAR BEAKANG Seringali ara enelii aau saisiawan melauan enganalisaan erhada suau eadaan/masalah dimana eadaan yang dihadai adalah besarnya jumlah variabel samel yang diamai. Unu iu erlu

Lebih terperinci

Unjuk Kerja Call Admission Control Berbasis SIR pada Sistem Seluler CDMA

Unjuk Kerja Call Admission Control Berbasis SIR pada Sistem Seluler CDMA 55 Unju Kerja Call Admission Conrol Berbasis SR pada Sisem Seluler CDMA Suwadi Mulimedia Telecommunicaion Research Group, Dep of Elecrical Engineering, TS Surabaya ndonesia 60111, email: suwadi@eeisacid

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

Optimasi Filter Kalman dengan Metode Steepest Descent dan Least Mean Square pada Rekonstruksi Citra Dinamis

Optimasi Filter Kalman dengan Metode Steepest Descent dan Least Mean Square pada Rekonstruksi Citra Dinamis Proceeding of NIONL CONFNC ON COMPU SCINC & INFOMION CHNOLOGY 007 January 9-30, 007, Faculy of Compuer Science, Universiy of Indonesia Opimasi Filer Kalman dengan Meode Seepes Descen dan Leas Mean Square

Lebih terperinci

ANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ)

ANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ) hp://jurnal.upnyk.ac.id/index.php/opsi OPSI Jurnal Opimasi Sisem Indusri ANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ) Ahmad Muhsin, Ichsan Syarafi Jurusan

Lebih terperinci

MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH)

MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Journal Indusrial Servicess Vol. No. Okober 0 MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Abdul Gopar ) Program Sudi Teknik Indusri Universias

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

PENJADWALAN PEMBUATAN BOX ALUMININUM UNTUK MEMINIMUMKAN MAKESPAN (Studi Kasus di Perusahaan Karoseri ASN)

PENJADWALAN PEMBUATAN BOX ALUMININUM UNTUK MEMINIMUMKAN MAKESPAN (Studi Kasus di Perusahaan Karoseri ASN) B PENJADWALAN PEMBUATAN BOX ALUMININUM UNTUK MEMINIMUMKAN MAKESPAN (Sudi Kasus di Perusahaan Karoseri ASN) Firiya Gemala Dewi, Bobby O.P. Soepangka, Nurhadi Siswano Program Pasca Sarjana Magiser Manajemen

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA)

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) I Wayan Supriana Program Pascasarjana Ilmu Kompuer Fakulas MIPA Universias Gadjah Mada

Lebih terperinci

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju

Lebih terperinci

Optimasi Support Vector Regression (SVR) Menggunakan Algoritma Improved-Particle Swarm Optimization (IPSO) untuk Peramalan Curah Hujan

Optimasi Support Vector Regression (SVR) Menggunakan Algoritma Improved-Particle Swarm Optimization (IPSO) untuk Peramalan Curah Hujan Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn : 2548-964X Vol. 1, No. 11, November 217, hlm. 1142-1151 hp://j-piik.ub.ac.id Opimasi Suppor Vecor Regression (SVR) Menggunakan Algorima

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di Tempa Pelayanan Koperasi (TPK) Cibedug, Kecamaan Lembang, Kabupaen Bandung, Jawa Bara. Pemilihan lokasi dilakukan secara

Lebih terperinci

ADAPTIVE BACKGROUND DENGAN METODE GAUSSIAN MIXTURE MODELS UNTUK REAL-TIME TRACKING

ADAPTIVE BACKGROUND DENGAN METODE GAUSSIAN MIXTURE MODELS UNTUK REAL-TIME TRACKING ADAPTIVE BACKGROUND DENGAN METODE GAUSSIAN MIXTURE MODELS UNTUK REAL-TIME TRACKING Silvia Rosianingsih 1, Rudy Adipranaa, Fredy Seiawan Wibisono Jurusan Teni Informaia, Faulas Tenologi Indusri, Universias

Lebih terperinci

Optimasi Fuzzy Time Series Menggunakan Algoritma Particle Swarm Optimization Untuk Peramalan Jumlah Penduduk Di Kabupaten Probolinggo

Optimasi Fuzzy Time Series Menggunakan Algoritma Particle Swarm Optimization Untuk Peramalan Jumlah Penduduk Di Kabupaten Probolinggo Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: 2548-964X Vol. 2, No. 8, Agusus 218, hlm. 2791-2799 hp://j-piik.ub.ac.id Opimasi Fuzzy Time Series Menggunakan Algorima Paricle Swarm Opimizaion

Lebih terperinci

RANK DARI MATRIKS ATAS RING

RANK DARI MATRIKS ATAS RING Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1. Kerangka Pemikiran Poensi sumberdaya perikanan, salah saunya dapa dimanfaakan melalui usaha budidaya ikan mas. Budidaya ikan mas yang erus berkembang di masyaraka, kegiaan budidaya

Lebih terperinci

Optimasi Komposisi Makanan Bagi Penderita Hipertensi Menggunakan Metode Particle Swarm Optimization

Optimasi Komposisi Makanan Bagi Penderita Hipertensi Menggunakan Metode Particle Swarm Optimization Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: 2548-964X Vol. 1, No. 10, Okober 2017, hlm. 1158-1166 hp://j-piik.ub.ac.id Opimasi Komposisi Makanan Bagi Penderia Hiperensi Menggunakan

Lebih terperinci

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN EORI.. Dasar Dari ransfer Panas Ilmu pengeahuan ermodinamia ang berhubungan dengan jumlah ransfer panas sebagai suau sisem ang menjalanan suau proses dari sau ii sabil e ii sabil lainna, dimana

Lebih terperinci

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami 11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga

Lebih terperinci

VARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE

VARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE VARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE Indra Nurhadi Program Sudi Manajemen Ekonomi, Fakulas Ekonomi, Universias Gunadarma Jl. Akses Kelapa Dua Cimanggis,

Lebih terperinci

Investigasi Forensika Pada Log Web Server untuk Menemukan Bukti Digital Terkait dengan Serangan Menggunakan Metode Hidden Markov Models

Investigasi Forensika Pada Log Web Server untuk Menemukan Bukti Digital Terkait dengan Serangan Menggunakan Metode Hidden Markov Models Invesigasi Forensia Pada Log Web erver unu Menemuan Bui Digial Terai dengan erangan Menggunaan Meode Hidden Marov Models Triawan Adi Cahyano Magiser Teni Informaia Faulas Tenologi Indusri UII leman, Yogyaara

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi

Lebih terperinci

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN M-6 PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN Enny Suparini 1) Soemarini 2) 1) & 2) Deparemen Saisika FMIPA UNPAD arhinii@yahoo.com 1) ine_soemarini@yahoo.com 2) Absrak

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk) Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias

Lebih terperinci

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 842-848 hp://j-piik.ub.ac.id Opimasi Muliple Travelling man Problem Pada Pendisribusian Air Minum

Lebih terperinci

HUMAN CAPITAL. Minggu 16

HUMAN CAPITAL. Minggu 16 HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan

Lebih terperinci

KLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5)

KLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5) KLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5) Dwi Seyowai, Yuliana Susani, Supriyadi Wibowo Program Sudi Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan

BAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan BAB III METODOLOGI PENELITIAN A. Jenis dan Desain Peneliian Peneliian ini adalah peneliian Quasi Eksperimenal Design dengan kelas eksperimen dan kelas conrol dengan desain Prees -Poses Conrol Group Design

Lebih terperinci

PELABELAN TOTAL (a, d)-sisi ANTIAJAIB SUPER PADA K 1,m K 1,n untuk d = 1 atau d = 2

PELABELAN TOTAL (a, d)-sisi ANTIAJAIB SUPER PADA K 1,m K 1,n untuk d = 1 atau d = 2 Jurnal Maemaika UNAND Vol. No. 1 Hal. 3 36 ISSN : 303 910 c Jurusan Maemaika FMIPA UNAND PELABELAN TOTAL (a, d)-sisi ANTIAJAIB SUPER PADA K 1,m K 1,n unuk d = 1 aau d = DINA YELNI Program Sudi Maemaika,

Lebih terperinci

III. KERANGKA PEMIKIRAN

III. KERANGKA PEMIKIRAN III. KERANGKA PEMIKIRAN 3.1. Kerangka Teoriis 3.1.1 Daya Dukung Lingkungan Carrying capaciy aau daya dukung lingkungan mengandung pengerian kemampuan suau empa dalam menunjang kehidupan mahluk hidup secara

Lebih terperinci

ANALISA PERENCANAAN TRAFO SISIPAN T. 416 PADA TRAFO HL. 017 DI JARINGAN TEGANGAN RENDAH DESA GUYANGAN KECAMATAN BAGOR KABUPATEN JOMBANG

ANALISA PERENCANAAN TRAFO SISIPAN T. 416 PADA TRAFO HL. 017 DI JARINGAN TEGANGAN RENDAH DESA GUYANGAN KECAMATAN BAGOR KABUPATEN JOMBANG ANALISA PERENCANAAN TRAFO SISIPAN T. 416 PADA TRAFO HL. 017 DI JARINGAN TEGANGAN RENDAH DESA GUYANGAN KECAMATAN BAGOR KABUPATEN JOMBANG Oleh: Muhlasin, Machrus Ali Teni Elero, Faulas Teni-Undar muhlasin.g@gmail.com,

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

Kontrol Optimal pada Model Economic Order Quantity dengan Inisiatif Tim Penjualan

Kontrol Optimal pada Model Economic Order Quantity dengan Inisiatif Tim Penjualan Jurnal Teknik Indusri, Vol. 19, No. 1, Juni 17, 1- ISSN 111-5 prin / ISSN 7-739 online DOI: 1.97/ji.19.1.1- Konrol Opimal pada Model Economic Order Quaniy Inisiaif Tim Penjualan Abdul Laif Al Fauzi 1*,

Lebih terperinci

KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK

KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS Wulan Fain Nasyuha¹, Husaini 2 dan Mursyidah 3 1,2,3 Teknologi Informasi dan Kompuer, Polieknik Negeri Lhokseumawe, Jalan banda Aceh-Medan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi

Lebih terperinci

EFISIENSI WAKTU PRODUKSI ES BATU SEBAGAI IMPLIKASI URUTAN PENJADWALAN KEDATANGAN JOB YANG TEPAT

EFISIENSI WAKTU PRODUKSI ES BATU SEBAGAI IMPLIKASI URUTAN PENJADWALAN KEDATANGAN JOB YANG TEPAT Jurnal Ilmiah Teknik Indusri, Vol. 11, No. 1, Juni 2012 ISSN 1412-6869 EISIENSI WKTU PRODUKSI ES BTU SEBGI IMPLIKSI URUTN PENJDWLN KEDTNGN JOB YNG TEPT Hendy Tannady 1 dan Seven 2 bsrak: Efisiensi adalah

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis dan Pendekaan Peneliian Jenis peneliian yang digunakan dalam peneliian ini adalah peneliian evaluasi dan pendekaannya menggunakan pendekaan kualiaif non inerakif (non

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 23 III. METODE PENELITIAN 3.1 Waku dan Lokasi Peneliian dilaksanakan di iga empa berbeda. Unuk mengeahui ingka parisipasi masyaraka penelii mengambil sampel di RT 03/RW 04 Kelurahan Susukan dan RT 05/RW

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN

BAB 4 METODOLOGI PENELITIAN BAB 4 METODOLOGI PENELITIAN 4.1. Model Rumusan Masalah dan Pengambilan Kepuusan Model rumusan masalah dan pengambilan kepuusan yang digunakan dalam menyelesaikan skripsi ini dimulai dari observasi lapangan

Lebih terperinci

BAB IV ANALISIS DAN PERANCANGAN SISTEM

BAB IV ANALISIS DAN PERANCANGAN SISTEM 44 BAB IV ANALISIS DAN PERANCANGAN SISTEM 4.1 Analisis Sisem ang berjalan Analisis Sisem adalah penguraian dari suau sisem Informasi ke dalam bagian-bagian, komponen-komponen, dengan maksud unuk mendefenisikan

Lebih terperinci

PERBANDINGAN METODE TIME SERIES REGRESSION DAN ARIMAX PADA PEMODELAN DATA PENJUALAN PAKAIAN DI BOYOLALI ABSTRAK

PERBANDINGAN METODE TIME SERIES REGRESSION DAN ARIMAX PADA PEMODELAN DATA PENJUALAN PAKAIAN DI BOYOLALI ABSTRAK PERBANDINGAN METODE TIME SERIES REGRESSION DAN ARIMAX PADA PEMODELAN DATA PENJUALAN PAKAIAN DI BOYOLALI Ardia Suma Perdana (1308 100 503 Dosen Pembimbing: Ir. Dwiamono A. W., M.Iom JURUSAN STATISTIKA Faulas

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PEELITIA Salah sau komponen peneliian yang mempunyai ari pening dalam kaiannya dengan proses sudi secara komprehensif adalah komponen meode peneliian. Meode peneliian menjelaskan bagaimana

Lebih terperinci

Hubungan Karakteristik Perawat Dengan Tingkat Kepatuhan Perawat Melakukan Cuci Tangan di Rumah Sakit Columbia Asia Medan

Hubungan Karakteristik Perawat Dengan Tingkat Kepatuhan Perawat Melakukan Cuci Tangan di Rumah Sakit Columbia Asia Medan ` Hubungan Karaerisi Perawa Dengan Tinga Kepauhan Perawa Melauan Cuci Tangan di Rumah Sai Columbia Asia Medan Rosia Saragih SKM, MKes 1, Naalina Rumapea 2 1 Dosen Faulas Ilmu Keperawaan Universias Darma

Lebih terperinci

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.

Lebih terperinci

PENERAPAN PERHITUNGAN FISHER-SNEDECOR UNTUK UJI F

PENERAPAN PERHITUNGAN FISHER-SNEDECOR UNTUK UJI F PENERAPAN PERHITUNGAN FISHER-SNEDECOR UNTUK UJI F Zihaul Haq 1, Bowo Nurhadiono, S.Si, M.Kom 2 1 Mahasiswa Teknik Informaika, Universias Dian Nuswanoro Semarang 2 Dosen Pembimbing Teknik Informaika, Universias

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :

Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn : Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME

Lebih terperinci

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Seminar Nasional Informaika 24 PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D3 Manajemen Informaika, STMIK Poensi Uama

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein

BAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein BAB 2 TINJAUAN TEORITIS 2.1 Pengerian Demografi Keadaan penduduk sanga era kaiannya dengan demografi. Kaa demografi berasal dari bahasa Yunani yang berari Demos adalah rakya aau penduduk,dan Grafein adalah

Lebih terperinci

III METODE PENELITIAN

III METODE PENELITIAN III METODE PENELITIAN 3.1 Waku dan Tempa Peneliian Peneliian mengenai konribusi pengelolaan huan rakya erhadap pendapaan rumah angga dilaksanakan di Desa Babakanreuma, Kecamaan Sindangagung, Kabupaen Kuningan,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 19 BAB III METODOLOGI PENELITIAN 3.1 Waku dan Lokasi Peneliian Peneliian ini dilakukan pada bulan Juni hingga Juli 2011 yang berlokasi di areal kerja IUPHHK-HA PT. Mamberamo Alas Mandiri, Kabupaen Mamberamo

Lebih terperinci

PENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 2012/2013

PENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 2012/2013 Jurnal Lensa Kependidikan Fisika Vol. 1 Nomor 1, Juni 13 ISSN: 338-4417 PENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 1/13

Lebih terperinci

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA ISSN 5-73X PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR ISIKA SISWA Henok Siagian dan Iran Susano Jurusan isika, MIPA Universias Negeri Medan Jl. Willem Iskandar, Psr V -Medan

Lebih terperinci

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai

Lebih terperinci

ASSESSMENT TECHNOLOGY DI DEPARTEMEN WORKSHOP PADA PT.TRIPANDU JAYA DENGAN METODE TEKNOMETRIK

ASSESSMENT TECHNOLOGY DI DEPARTEMEN WORKSHOP PADA PT.TRIPANDU JAYA DENGAN METODE TEKNOMETRIK ASSESSMENT TECHNOLOGY DI DEPARTEMEN WORKSHOP PADA PT.TRIPANDU JAYA DENGAN METODE TEKNOMETRIK Reno Indriariningias, Nachnul Anshori, dan R.Andi Surya Kusuma Teknik Indusri Universias Trunojoyo Madura Email:

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

Perbandingan Algoritma Bee Colony dengan Algoritma Bee Colony Tabu List dalam Penjadwalan Flow Shop

Perbandingan Algoritma Bee Colony dengan Algoritma Bee Colony Tabu List dalam Penjadwalan Flow Shop Jurnal Meris, 14 (2013): 113 120 Jurnal Meris ISSN: 1411-3287 Perbandingan Algorima Bee Colony dengan Algorima Bee Colony Tabu Lis dalam Penjadwalan Flow Shop Andre Sugioko Deparmen of Indusrial Engineering,

Lebih terperinci

IDENTIFIKASI POLA DATA TIME SERIES

IDENTIFIKASI POLA DATA TIME SERIES IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya

Lebih terperinci

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs

Lebih terperinci

PERHITUNGAN PARAMETER DYNAMIC ABSORBER

PERHITUNGAN PARAMETER DYNAMIC ABSORBER PERHITUNGAN PARAMETER DYNAMIC ABSORBER BERBASIS RESPON AMPLITUDO SEBAGAI KONTROL VIBRASI ARAH HORIZONTAL PADA GEDUNG AKIBAT PENGARUH GERAKAN TANAH Oleh (Asrie Ivo, Ir. Yerri Susaio, M.T) Jurusan Teknik

Lebih terperinci

Penentuan Kelayakan Lokasi Wifi.Id Corner Dengan AHP-PSO (Studi Kasus: Telkom Kota Kediri)

Penentuan Kelayakan Lokasi Wifi.Id Corner Dengan AHP-PSO (Studi Kasus: Telkom Kota Kediri) Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 21-28 hp://-piik.ub.ac.id Penenuan Kelayakan Lokasi Wifi.Id Corner Dengan AHP-PSO (Sudi Kasus:

Lebih terperinci

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Seminar Nasional Informaika PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D Manajemen Informaika, STMIK Poensi Uama evrie9@gmail.com

Lebih terperinci

BAB 3 LANDASAN TEORI. 3.1 Pengertian dan Kegunaan Peramalan (Forecasting)

BAB 3 LANDASAN TEORI. 3.1 Pengertian dan Kegunaan Peramalan (Forecasting) BAB 3 LANDAAN TEORI 3.1 Pengerian dan Kegunaan Peramalan (Forecasing) Dalam melakukan analisis dibidang ekonomi, sosial dan sebagainya, kia memerlukan suau perkiraan apa yang akan erjadi aau gambaran enang

Lebih terperinci