BAB II LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II LANDASAN TEORI"

Transkripsi

1 BAB II LANDASAN TEORI 2.1 Peyajia Data Perumusa ilmu statistik juga bergua dalam pegedalia persediaa, khususya dalam tulisa ii guaya utuk membuat daftar distribusi frekwesiya. Utuk membuat daftar ii, ada beberapa istilah yag diguaka yaitu: a. Kelas iterval adalah bayakya objek yag dikumpulka dalam kelompokkelompok berbetuk a b. b. Frekwesi (f) meyataka bayakya jumlah data yag terdapat dalam tiaptiap kelas iterval. c. Ujug bawah adalah bilaga-bilaga di sebelah kiri kelas iterval da ujug atas adalah bilaga-bilaga di sebelah kaaya. d. Pajag kelas iterval adalah selisih positif atara tiap dua ujug bawah yag beruruta. e. Batas bawah kelas iterval sama dega ujug bawah kelas iterval dikuragi 0,5 da batas atasya sama dega ujug atas kelas iterval ditambah 0,5 di maa data yag dicatat, teliti higga satua. Utuk data dicatat higga satu desimal, ujug bawah kelas itervalya dikuragi 0.05 da ujug atas kelas itervalya ditambah 0.05 da begitu seterusya. Utuk membuat daftar distribusi frekwesi dega pajag kelas yag sama, maka dilakuka lagkah-lagkah sebagai berikut: a. Tetuka retag (R) yaitu data terbesar dikuragi data terkecil. b. Tetuka bayak kelas iterval (C) yag diperluka. Meetuka kelas ii megguaka atura Sturges, yaitu:

2 C log 7 c. Tetuka pajag kelas iterval (p). Mecari ilai dari p ii ditetuka oleh atura: p R bayak kelas Harga p diambil sesuai dega ketelitia satua data yag diguaka. d. Pilih ujug bawah kelas iterval pertama. Hal ii sama dega megambil data terkecil atau ilai data yag lebih kecil dari data terkecil dega ketetua itervalya tidak lebih besar dari pajag kelas (p). e. Buat tabel distribusi frekwesi berdasarka lagkah-lagkah di atas. 2.2 Teori Umum Ivetory Cotrol Berbagai defeisi persediaa telah bayak dikemukaka oleh para ahli amu pada dasarya persediaa merupaka sumber daya yag megaggur da meuggu proses lajuta. Proses lajuta di sii artiya dapat berupa kegiata produksi seperti pada sistem maufaktur, kegiata pemasara pada sistem produksi distribusi da kegiata kosumsi yag dijumpai pada sistem rumah tagga. Pegedalia terhadap persediaa atau ivetory cotrol merupaka suatu aktivitas mempertahaka jumlah persediaa pada tigkat yag dikehedaki. Da bila dikaji lebih lajut, jumlah persediaa yag dikehedaki sebearya terbetuk akibat mekaisme pemeuha atas permitaa. Selai mekaisme ii, bayak alasa megapa persediaa sagat dibutuhka dalam proses produksi, yaitu meghidari ketidakpastia dari berbagai faktor seperti permitaa, waktu pembuata da waktu teggag (lead time). Persediaa juga dibutuhka utuk meghidari keterlambata pegirima, meghidari material yag rusak, megatisipasi keaika harga, medapatka disko apabila membeli dalam jumlah tertetu da alasa yag palig petig adalah mejami kelagsuga produksi bagi perusahaa tersebut. Sebab lai

3 8 timbulya persediaa adalah keigia produse ataupu distributor utuk melakuka spekulasi (peimbua), yag tujuaya utuk memperoleh keutuga lebih dari keaika harga barag di masa yag aka datag. Pada umumya, permasalaha yag dihadapi dalam pegedalia persediaa terbagi dalam 2 (dua) kategori, yaitu: a. Permasalaha kwatitatif merupaka hal-hal yag berkaita dalam peetua jumlah barag yag aka dibuat, waktu pembuata maupu jumlah persediaa pegamaya (buffer stock). Permasalaha ii dikeal dega peetua kebijaka persediaa (ivetory policy). b. Permasalaha kwalitatif merupaka semua hal yag berhubuga dega sistem operasi persediaa termasuk pegorgaisasia, mekaisme da prosedur, admiistrasi da sistem operasi persediaa. Maka dari itu, pegedalia persediaa merupaka segala tidaka yag dilakuka utuk megusahaka tersediaya persediaa dalam jumlah tertetu. Karea baik peimbua persediaa maupu kekuraga persediaa, kedua sama-sama membutuhka biaya maka pegedalia persediaa dimaksudka utuk meetapka jumlah persediaa yag megakibatka kedua jeis biaya tersebut mejadi sekecil mugki. 2.3 Jeis-Jeis Persediaa Persediaa merupaka kompoe, material maupu produk jadi yag tersedia da siap utuk disalurka. Persediaa adalah baha metah, barag dalam proses (work i process), barag jadi, baha pembatu, baha pelegkap, kompoe yag disimpa dalam atisipasiya terhadap pemeuha permitaa. (Riggs,1976). Defeisi persediaa iilah yag aka diguaka, karea hal ii berkaita dega metode pegedalia persediaa yag aka dibahas yaitu metode pegedalia persediaa utuk item fisik.

4 9 Secara fisik, pegelompokka item persediaa ii dibagi atas 5 (lima) kategori, yaitu sebagai berikut: a. Baha metah (raw materials) yaitu barag-barag berwujud seperti baja, kayu, taah liat atau baha-baha metah laiya yag diperoleh dari sumber daya alam, atau dibeli dari pemasok, maupu diolah sediri oleh perusahaa utuk diguaka perusahaa dalam proses produksiya sediri. b. Kompoe, yaitu barag-barag yag terdiri atas bagia-bagia yag diperoleh dari perusahaa lai atau hasil produksi sediri utuk diguaka dalam pembuata barag jadi atau barag setegah jadi. c. Barag setegah jadi (work i process), yaitu barag-barag keluara dari tiap operasi produksi atau perakita yag telah memiliki betuk lebih kompleks dari pada kompoe, amu masih perlu proses lebih lajut utuk mejadi barag jadi. d. Barag jadi (fiished good), adalah barag-barag yag telah selesai diproses da siap utuk didistribusika ke kosume. e. Baha pembatu, adalah barag-barag yag diperluka dalam proses pembuata atau perakita barag, amu buka merupaka kompoe barag jadi. Yag termasuk baha pembatu ii adalah baha bakar, pelumas, listrik da lai-lai. 2.4 Atura Kerja Ivetory Cotrol Maajer operasi memiliki tujua yag kompleks seperti bagaimaa mecapai pegoperasia pabrik yag efisie, memiimumka ivestasi dalam bagia persediaa, da memaksimumka pelayaa kepada kosume. Dalam megelola persediaa, ada beberapa pertimbaga yag dijadika dasar pemikira. Tetapi pertimbaga yag palig medasar di dalam pegedalia

5 10 persediaa adalah berupa biaya da tigkat permitaa. Kedua faktor iilah yag meyebabka timbulya prsediaa dalam suatu proses produksi. Seperti sudah dijelaska, bahwa kebijaka dalam pegedalia persediaa meliputi dua keputusa yaitu kapa pembuata dilakuka (reorder poit) da jumlah yag harus dibuat (reorder quatity). Kebijaka tetag kedua keputusa ii disebut atura kerja pegedalia persediaa (ivetory cotrol operatig doctrie) Klasifikasi Biaya Persediaa Salah satu diatara pertimbaga yag berhubuga dega atura kerja di atas biayabiaya persediaa (ivetory costs), yaitu semua biaya yag timbul akibat dari pegadaa persediaa. Adapu kompoe biaya-biaya tersebut terdiri atas: Biaya produksi/ pembelia Biaya Simpa/ Carryig cost Biaya Pesa/ Set-up cost Biaya Stock-out Biaya Persediaa Total Gambar 2.1 Biaya-Biaya dalam Persediaa a. Biaya pembelia atau produksi Biaya pembelia merupaka harga pembelia atau produksi yag terbagi dalam dua jeis biaya, yaitu: 1. Jika harga pembelia tetap, maka ogkos per satua juga tetap tapa memadag jumlah yag dibeli. 2. Jika disko tersedia, maka harga per satua merupaka variabel yag bergatug pada jumlah pembelia.

6 11 b. Biaya pegadaa produksi (Set-up costs) Karea peelitia ii bersifat produksi maka biaya pegadaaya disebut Setup costs. Biaya pegadaa mecakup semua biaya yag berhubuga dega proses produksi. Biaya-biaya tersebut meliputi: 1. Biaya perbaika mesi 2. Peambaha mesi baru 3. Biaya pembelia baha baku 4. Biaya utuk memperoleh teaga kerja 5. Da lai-lai. Pada umumya, jumlah set-up costs meuru ataupu meigkat sesuai dega jumlah putara produksiya. Artiya, dalam beberapa hal berlaku aggapa yag meyataka bahwa jika jumlah barag yag diproduksi lebih bayak setiap putara produksi maka biaya yag timbul akibat produksi tersebut aka lebih murah, karea hal ii dapat memperkecil jumlah putara produksi. Aka tetapi, hal ii aka meimbulka kasus baru yaitu berupa bertambahya biaya peyimpaa. c. Biaya peyimpaa (Carryig cost) Biaya peyimpaa terdiri dari semua ogkos yag berhubuga dega biaya peyimpaa barag dalam stock. Biaya-biaya ii meliputi: 1. Buga modal yag tertaam 2. Sewa gudag 3. Asurasi, pajak 4. Ogkos bogkar muat 5. Harga peyusuta da harga kerusaka 6. Peurua harga 7. Da lai-lai. Biasaya biaya-biaya ii sebadig dega jumlah persediaa di dalam stock.

7 12 d. Biaya stock-out (Shortage costs) Biaya stock-out timbul akibat tidak terpeuhiya kebutuha pelagga pada periode tertetu. Begitu bayak kerugia yag disebabka permitaa yag tidak terpeuhi, seperti kehilaga pejuala, kehilaga pelagga, biaya pemesaa khusus, adaya selisih harga, tergagguya proses produksi, da bertambahya pegeluara dari kegiata maajerial. Hubuga atara tigkat persediaa da jumlah biaya persediaa, dapat diilustrasika pada gambar berikut: Keteraga: 1. Total biaya persediaa 2. Carryig cost 3. Set-up cost Gambar 2.2 Biaya Total Miimum Dari ilustrasi di atas terlihat bahwa biaya peyimpaa (carryig costs) berbadig lurus dega tigkat persediaa, sedagka biaya pegadaa persediaa (set-up costs) berbadig terbalik dega tigkat persediaa.

8 2.4.2 Pola Permitaa 13 Hal laiya yag juga harus dipertimbagka dalam pegelolaa persediaa adalah permitaa terhadap suatu barag. Pegelolaa persediaa aka sagat berbeda bila permitaa tergatug atau tidak tergatug pada kodisi pasar. a. Persediaa barag jadi biasaya tergatug pada permitaa pasar atau merupaka idepedet demad ivetory. Idepedet demad ivetory merupaka permitaa pasar yag kadagkadag terpegaruh oleh permitaa yag acak atau keigia pelagga yag berubah-ubah. b. Persediaa barag setegah jadi (work i process) da baha metah (raw materials) ditetuka oleh tututa proses produksi da buka pada keigia pasar da merupaka depedet demad ivetory. Depedet demad ivetory memiliki pola permitaa yag bergejolak atau yag ada da tidak ada atau o-off, karea peyelesaia barag jadi dijadwalka dalam paket atau lot. Kedua pola permitaa di atas diilustrasika seperti gambar berikut: Jumlah permitaa Jumlah Permitaa waktu waktu a. Idepedet Ivetory b. Depedet Ivetory Gambar 2.3 Pola Idepedet da Depedet Ivetory

9 14 Karea perbedaa pola permitaa ii, maka peetua jumlah persediaa da kapa dilakuka pemesaa aka berbeda, yaitu: a. Pada sistem idepedet demad ivetory, maka model yag tepat adalah pegisia kembali persediaa disesuaika dega jumlah yag dibutuhka atau merupaka peggatia atau repleishmet. Pada saat persediaa mulai berkurag, kodisi ii memacu utuk segera melakuka produksi sebagai gati persediaa yag telah diguaka. b. Pada sistem depedet demad ivetory, apabila persediaa berkurag maka pemesaa belum dapat dilakuka. Pemesaa baru aka dilakuka jika ada permitaa barag dari tahapa proses produksi berikutya. 2.5 Model Ivetory Cotrol Di dalam persediaa terdapat berbagai jeis model yag dapat diguaka. Dari berbagai model yag tersedia, perusahaa dapat memilih satu atau beberapa model yag sesuai dega keadaa yag serig dihadapiya. Adapu lagkah-lagkah yag perlu dilakuka utuk dapat membagu atau membetuk model persediaa yag sesuai dega kebutuha adalah sebagai berikut: a. Pelajari keadaa yag berkaita dega persediaa da kemudia merumuska sifat-sifat atau ciri-ciri keadaa tersebut. b. Merumuska asumsi-asumsi yag dibutuhka. c. Membuat rumus atau persamaa biaya persediaa. d. Megoptimumka rumus atau persamaa tersebut dega meetuka titik atau waktu pemesaa serta jumlah pemesaa. Model persediaa dibetuk berdasarka karakteristik yag terdapat dalam persediaa, meliputi:

10 15 a. Kebutuha Pola kebutuha terhadap suatu barag dapat memiliki sifat determiistik (diketahui dega pasti) atau probabilistik (tidak pasti). Kebutuha determiistik dapat bersifat statis, yaitu sifat yag mempuyai laju pemakaia kosta setiap saat. Atau kebutuha determiistik yag bersifat diamis, yaitu kebutuha yag diketahui dega pasti amu bervariasi dari periode ke periode. b. Sistem Pemesaa Sistem pemesaa yag dikeal dalam persediaa terbagi atas 2 (dua) sistem, yaitu: 1. Pemesaa Tuggal Sistem ii diguaka utuk jagka waktu yag tidak terlalu lama (jagka pedek), karea kebutuha utuk satu periode dapat dipeuhi walau haya dalam satu kali pemesaa. 2. Pemesaa Berulag Dalam sistem ii kebutuha utuk satu periode waktu dapat dipeuhi dega melakuka pemesaa atau pembuata berulag kali. Sistem ii dapat dibagi dua, yaitu: sistem pemesaa dega ukura pemesaa tetap da sistem pemesaa dega selag waktu tetap. c. Waktu Teggag (Lead Time) Waktu teggag dapat juga bersifat determiistik (diketahui dega pasti) atau probabilistik (tidak pasti). Metode ivetory cotrol yag diguaka utuk melakuka perhituga yaki tigkat persediaa optimal dega laju produksi tertetu. Da variabel-variabel yag diperluka utuk melakuka perhituga adalah sebagai berikut: m kecepata produksi per satua waktu jumlah yag dibutuhka per satua waktu S tigkat persediaa pada awal produksi

11 t waktu satu putara produksi T waktu dalam satu periode Q tigkat produksi optimal tiap putara produksi Cc biaya peyimpaa CPO per kilogram Cs biaya pegadaa produksi CPO 16 Utuk memodelka ataupu merumuska model persediaa yag aka diuraika dalam tulisa ii, maka diberika asumsi-asumsi sebagai berikut: a. Kecepata permitaa, kg per satua waktu da diadaka segera sebelum persediaa habis. b. Kecepata pegadaa persediaa, m kg per satua waktu. c. Kuru waktu atara dua putara produksi adalah tetap. d. Tigkat persediaa adalah sama utuk tiap putara produksi. e. Tidak terjadi kehabisa persediaa (stock-out). Pada umumya, pegedalia persediaa selalu berasumsi bahwa melakuka pegadaa persediaa kembali selalu bisa dilakuka dalam waktu yag bersamaa di saat persediaa habis. Tetapi keyataaya kodisi ii tidaklah ada, pihak perusahaa tetu saja mempertimbagka tetag kapasitas mesi produksi yag pada umumya terbatas sehigga tidak mugki pegadaa persediaa dilakuka dega seketika. Ide di atas iilah yag aka dijadika dasar pemiliha model pegedalia persediaa. Dega megguaka otasi-otasi da asumsi-asumsi yag sudah dipaparka sebelumya utuk meuruka rumus sehigga diperoleh tigkat persediaa optimal dega biaya miimum. Asumsika produksi berjala kotiu, dega kecepata produksi m kg per satua waktu. Jika jumlah permitaa kg per satua waktu, maka persediaa dalam gudag (stock) aka sama dega (m-) kg per satua waktu. Da jika produksi berheti, maka persediaa berkurag dega kecepata kg per satua waktu. Situasi persediaa seperti ii dapat dilihat pada gambar berikut:

12 17 Gambar 2.4 Grafik Model Ivetory Cotrol Dari gambar 2.4 terlihat bahwa dalam setiap putara produksi, yaitu ketika t 1, persediaa bertambah dega kecepata (m-) kg per satua waktu. Namu ketika t 2, persediaa berkurag dega kecepata kg per satua waktu. Misalka ketika akhir dari bagia t 1, persediaaya adalah S. Maka: ( m ) S t1. da S t2. atau S S t1 da t 2 (1) m Jika Q adalah tigkat persediaa pada satu putara produksi, maka: Q t1. S (2) Subsitusi persamaa (1) ke dalam persamaa (2), sehigga diperoleh:

13 S Q. S m m S. Q (3) m 18 Biaya peyimpaa (Carryig cost) utuk satu putara produksi dapat dilihat dari luas OBC da ABC, yaitu: St 1 +. St2. Cc ( t t ). S Cc Sehigga diperoleh biaya peyimpaa per satua waktu, yaitu: 1. 2 ( t + t ) 1 t t. S. Cc 2 1. S. Cc 2 (4) Substitusi persamaa (3) ke dalam persamaa (4), sehigga diperoleh: 1 1 m. S. Cc.. Q. Cc 2 2 m (5) Biaya pegadaa (Set-up costs) satu putara produksi adalah: Cs t 1 t 2 (6) Substitusika persamaa (1) ke dalam persamaa (6), maka: Cs t t S m Cs + S Cs S + Sm S ( m ).

14 ( ) m.. Cs (7) Sm 19 Substitusika persamaa (3) ke dalam persamaa (7) da diperoleh: ( m ).. Cs ( m ) Sm m. m ( m ). Q Maka diperoleh biaya pegadaa (Set-up costs) per satua waktu adalah: Q (8) Maka diperoleh seluruh total biaya per satua waktu, yaitu: 1 m Cs. C( Q ).. Q + 2 (9) Q C ( Q) optimal jika turua pertama aka sama dega ol da ( Q) C aka miimum dilihat pada turua kedua. Dalam hal ii yag di cari dari persediaa adalah tigkat produksi optimalya. dc Q d ( ) ( Q) 1 Cs Cc m Q Q m Q Cs. 2. Cs. 1 m Sehigga persediaa optimal utuk setiap putara produksiya adalah:

15 20 Q 2. Cs. 1 m (10) Waktu optimal yag dibutuhka utuk satu putara produksi adalah: Q t 0 0 (11) Substitusika persamaa (10) ke dalam persamaa (11) da diperoleh waktu optimalya, yaitu: 2. Cs t0 (12). 1 m Meetuka total biaya miimum dilakuka dega cara mesubstitusika ilai Q 0 pada persamaa (9) sehigga mejadi: 1 m Cs. C( Q ).. Q m Q0 1 m.. 2 m 2. Cs. + 1 m Cs. 2. Cs. 1 m 2. Cs.. C 1 m 1 m 2Cs. Cc 2 m Cc 1 m ( Q )... Cs Cs.

16 C Q 0 ( ) 2. Cs. 2. Cs. 1 m Cs.. 1 m Sehigga diperoleh persamaa utuk biaya miimum per satua waktu,yaitu: C( Q ) 2. Cs.. 1 (13) 0 m

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

IV. METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala

Lebih terperinci

IV. METODE PENELITIAN

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

Lebih terperinci

Pemrograman Dinamis (Dynamic Programming) Materi

Pemrograman Dinamis (Dynamic Programming) Materi 0/8/009 Pemrograma Diamis (Dyamic Programmig) Kuliah 04-05 TI Peelitia Operasioal II Materi Pegatar Masalah pemrograma diamis determiistik Masalah pemrograma diamis probabilistik TI Peelitia Operasioal

Lebih terperinci

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

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

Lebih terperinci

FORECASTING (Peramalan)

FORECASTING (Peramalan) FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian

BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian BAB I PENDAHULUAN. Latar Belakag Peelitia Keadaa perekoomia yag terus berubah-ubah aka mempegaruhi tigkat pertumbuha perusahaa-perusahaa yag ada di Idoesia. Utuk itu, perusahaa yag ada di Idoesia harus

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Peelitia Perkembaga zama yag meutut setiap idividu baik dari segi kemampua maupu peampila. Boss Parfum yag bergerak di bidag isi ulag miyak wagi didirika

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

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

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

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

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

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

Bab III Metoda Taguchi

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

Lebih terperinci

Industrial Management Pengendalian Persedian Bahan Baku Pada Pabrik Batako dan Paving Block

Industrial Management Pengendalian Persedian Bahan Baku Pada Pabrik Batako dan Paving Block Malikussaleh Idustrial Egieerig Joural Vol.5.1 (2016) 41-46 ISSN 2302 934X Idustrial Maagemet Pegedalia Persedia Baha Baku Pada Pabrik Batako da Pavig Block Chalirafi *, Ristati Jurusa Maajeme, Fakultas

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

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

Lebih terperinci

kesimpulan yang didapat.

kesimpulan yang didapat. Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka Itegral etu Jika fugsi kotiu yag didefiisika utuk, kita bagi selag mejadi selag bagia berlebar sama Misalka berupa titik ujug selag bagia ii da pilih titik sampel di dalam selag bagia ii, sehigga terletak

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum, 32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata

Lebih terperinci

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

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

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

BAB IV PENGUMPULAN DAN PERHITUNGAN DATA

BAB IV PENGUMPULAN DAN PERHITUNGAN DATA BAB IV PENGUMPULAN DAN PERHITUNGAN DATA 4.1 Meetuka udara masuk (efisiesi volumetrik) da efisiesi pegirima pada hasil uji 4.1.1 Rumus udara masuk (efisiesi volumetrik) da efisiesi pegirima Jumlah volume

Lebih terperinci

Ramadhan, et al, Analisis Pengendalian Bahan Baku Tembakau Madura Pada Pabrik Rokok..

Ramadhan, et al, Analisis Pengendalian Bahan Baku Tembakau Madura Pada Pabrik Rokok.. Aalisis Pegedalia Baha Baku Tembakau Madura Pada Pabrik Rokok Gagak Hitam Bodowoso (Aalysis of Madura Tobacco Raw Material Cotrol o Gagak Hitam Cigarette Factory Bodowoso ) Marza Ramadha, Hadi Wahyoo,

Lebih terperinci

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

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

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

Jurnal Ilmiah Universitas Batanghari Jambi Vol.8 N0. 2 Juli 2008 ANALISIS PERENCANAAN PERSEDIAAN BAHAN BAKU (STUDY KASUS PD.

Jurnal Ilmiah Universitas Batanghari Jambi Vol.8 N0. 2 Juli 2008 ANALISIS PERENCANAAN PERSEDIAAN BAHAN BAKU (STUDY KASUS PD. Jural Ilmiah Uiversitas Bataghari Jambi Vol.8 N0. 2 Juli 2008 ANALISIS PERENCANAAN PERSEDIAAN BAHAN BAKU (STUDY KASUS PD. GUNUNG MAS JAMBI) PENDAHULUAN Perusahaa yag didirika pada umumya mempuyai tujua

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

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

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data permitaa Dalam meramalka permitaa produk lever cable utuk kebutuha PT. Kyoda Mas Mulia sediri. data yag diambil utuk perhituga peramala permitaa yaitu dega

Lebih terperinci

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

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

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

Lebih terperinci

ANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT

ANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT Jural Sais da Tekologi Vol 7 o 2, Desember 27 ANALISIS SISTEM ANTRIAN ADA LOKET ENDAFTARAN ASIEN DI USKESMMAS ADANG ASIR KECAMATAN ADANG BARAT Ali Suta Nasutio, Seira Mutia 2 Tekik Idustri Sekolah Tiggi

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

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

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PERSEDIAAN BAHAN BAKU (STUDI KASUS : PT. MAKASSAR MEGAPRIMA) Kurnia Yahya 1, Nasaruddin 2 ABSTRACT

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PERSEDIAAN BAHAN BAKU (STUDI KASUS : PT. MAKASSAR MEGAPRIMA) Kurnia Yahya 1, Nasaruddin 2 ABSTRACT 64. IfoSys Joural, Vol.2 No. Februari 203, hlm. 64-79 SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PERSEDIAAN BAHAN BAKU (STUDI KASUS : PT. MAKASSAR MEGAPRIMA) Kuria Yahya, Nasaruddi 2 STMIK Profesioal, Jl. A.

Lebih terperinci

III. METODOLOGI KAJIAN

III. METODOLOGI KAJIAN 39 III. METODOLOGI KAJIAN A. Lokasi da Waktu Kajia Kajia telah dilakuka di PD. Augerah Hero, suatu idustri kecil sepatu yag beralamat di Kampug Sawah Ilir RT.02 RW.03 Mekarjaya, Kecamata Ciomas, Kabupate

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

Lampiran 1 Bukti Kas Masuk

Lampiran 1 Bukti Kas Masuk Lampira 1 Bukti Kas Masuk Lampira 2 Bukti Kas Keluar Lampira 3 Struktur Orgaisasi Lampira 3 Tabel Jawaba Respode Lampira 4 Tabel Hasil Pegujia Data dega SPSS N A1 N A2 N A3 N A4 N A5 N A6 N A7 Pearso TOTAL

Lebih terperinci

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1 Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga

Lebih terperinci

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

SISTEM PERSEDIAAN OBAT-OBATAN MENGGUNAKAN METODE PERIODIC REVIEW DAN SERVICE LEVEL DI INSTALASI FARMASI RUMAH SAKIT

SISTEM PERSEDIAAN OBAT-OBATAN MENGGUNAKAN METODE PERIODIC REVIEW DAN SERVICE LEVEL DI INSTALASI FARMASI RUMAH SAKIT SISTEM PERSEDIAAN OBAT-OBATAN MENGGUNAKAN METODE PERIODIC REVIEW DAN SERVICE LEVEL DI INSTALASI FARMASI RUMAH SAKIT Ayu Bidiawati J.R [*] [*] Laboratorium Peracaga Sistem Kerja da Ergoomi Jurusa Tekik

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research)

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research) BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia

Lebih terperinci

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING

PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING PERANCANGAN SISTEM INFORMASI PREDIKSI PEMESANAN STOK ALAT- ALAT MUSIK PADA CV GRAHA MUSIC & LIGHTING Moch Arifi 1, Rizal Cahya Pratama 1 Sekolah Tiggi Maajeme Iformatika Da Tekik Komputer Surabaya Jl.

Lebih terperinci

Barisan Aritmetika dan deret aritmetika

Barisan Aritmetika dan deret aritmetika BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

Lebih terperinci

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

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

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

Lebih terperinci

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian TEORI ANTRIAN Teori atria merupaka studi matematis megeai atria atau waitig lies yag di dalamya disediaka beberapa alteratif model matematika yag dapat diguaka utuk meetuka beberapa karakteristik da optimasi

Lebih terperinci

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

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

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Distribusi Distribusi merupaka suatu proses kegiata alira atau peyalura barag dari produse sampai ke taga kosume. Distribusi memerluka perecaaa, da pegedalia yag baik utuk meciptaka

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

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

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1 BARISAN DAN DERET 05//06 Matematika Tekik BARISAN Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 05//06 Matematika Tekik Barisa Tak Higga Secara sederhaa, barisa merupaka

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

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

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

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

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

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

MATERI 10 ANALISIS EKONOMI

MATERI 10 ANALISIS EKONOMI MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

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

Lebih terperinci

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

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

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

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

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

IV. METODE PENELITIAN. lain meliputi data kependudukan dan ketenagakerjaan Kota bandung, Produk Domestik

IV. METODE PENELITIAN. lain meliputi data kependudukan dan ketenagakerjaan Kota bandung, Produk Domestik 3 IV. METODE PENELITIAN 4.. Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di Kota Badug, Jawa Barat. Pemiliha lokasi di Kota Badug megigat posisi kota tersebut yag sagat strategis dalam meopag pembagua

Lebih terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER

PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER ISSN : 2338-4018 PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER Agik Damai Istato (agik_damai@yahoo.co.id) Muhammad Hasbi (mhasbi@sius.ac.id)

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Kegiata peelitia ii dilaksaaka pada bula Mei 2011 bertempat di Dusu Nusa Bakti, Kecamata Serawai da Dusu Natai Buga, Kecamata Melawi yag merupaka

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci