MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT)
|
|
- Vera Tedjo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) Asmara Iriani Tarigan Sitta Alief Farihati Jurusan Matematia FMIPA, Universitas Terbua ABSTRAK Universitas Terbua (UT) sebagai perguruan tinggi yang menerapan sistem belajar jara jauh menyusun uriulum program pendidiannya berbeda dengan perguruan tinggi yang mempunyai sistem belajar tatap mua. Mahasiswa UT diberian ebebasan dalam memilih dan menentuan mata uliah untu diregistrasian pada satu semester. Dalam uriulum program studi di UT terlihat bahwa terdapat mata uliah yang mempunyai hubungan eteraitan materi antarmata uliah. Hubungan tersebut digambaran sebagai hubungan prasyarat antarmata uliah. Untu membuat rencana studi, mahasiswa perlu mengetahui hubungan eteraitan materi antarmata uliah tersebut sehingga dapat menentuan mata uliah yang aan diregistrasi pada suatu semester. Artiel ini mengidentifiasi eteraitan materi antarmata uliah untu dipetaan dalam rencana studi. Untu memetaan mata uliah berprasyarat tersebut perlu dilauan optimasi pemetaan mata uliah. Tujuan pengembangan model optimasi ini adalah untu memasimalan hubungan eteraitan materi dengan memetaan mata uliah berprasyarat secara berurutan. Hal ini juga berarti meminimalan jara antarsemester urutan mata uliah berprasyarat. Model optimasi yang diembangan berupa Integer Linear Programming. Model tersebut emudian diimplementasian pada uriulum Program Studi Matematia FMIPA UT. Hasil simulasinya berupa rencana studi bagi mahasiswa Program Studi tersebut. Dari analisis hasil simulasi diperoleh rencana studi dengan jumlah masimal 21 dan 23 SKS per semester merupaan pilihan terbai bagi mahasiswa. Kata unci: eteraitan materi mata uliah, model matematis, pemetaan mata uliah, rencana studi ABSTRACT Universitas Terbua (UT) as an open and distance learning institution has curriculum that different from face to face universities. UT s students can tae any course since UT offers all courses in any semester. Some courses are prerequisite for some other courses. Students need to be careful in taing the courses because some courses also have same schedule in examination. Besides, they also need to consider the courses that have prerequisite. This article identifies the relationship between some courses that need to be considered by the students when they register the courses. A map of courses was developed by using Integer Linear Programming. This map was intended to maximize the information of interrelationship between courses in rows. The distance between prerequisite courses was minimized for some semesters. This model was implemented on Mathematics study program at Faculty of Mathematics and Science in UT. The result of simulation was a study planning for
2 Jurnal Matematia, Sains, dan Tenologi, Volume 14 Nomor 2, September 2013, Mathematics students in taing courses in every semester. The optimal number of credits semester that need to be registered was 21 or 23 credits. Key words: course mapping, interrelationship between courses, mathematical model, study planning Untu memberian pelayanan epada mahasiswa yang tersebar di seluruh Indonesia, UT sebagai perguruan tinggi yang menganut sistem Pendidian Terbua Jara Jauh (PTJJ) menyediaan beberapa modus layanan. Salah satunya layanan bimbingan aademi yang meliputi onsultasi mengenai strategi belajar, cara belajar, pemilihan program studi, pemilihan mata uliah, dan onsultasi Tugas Ahir Program (TAP). Mahasiswa yang membutuhan bimbingan aademi dapat menghubungi faultas terait dan/atau staf aademi melalui surat, telepon, , atau datang langsung e antor UPBJJ-UT atau e UT Pusat. Karena onsep sistem PTJJ pula lah UT menawaran semua mata uliah di setiap masa registrasi (semester) bagi mahasiswa Program Non Pendidian Dasar. Mahasiswa mempunyai ebebasan dalam memilih mata uliah untu diregistrasian pada suatu semester. Namun ebebasan tersebut dibatasi oleh sistem yang sudah ditetapan, seperti ujian ahir semester dilasanaan hanya selama dua hari dan setiap hari hanya tersedia untu lima mata uliah. Hal ini berarti jumlah mata uliah yang dapat diregistrasian dalam satu semester masimal sebanya 10 mata uliah. Selain itu, UT juga menetapan watu pelasanaan ujian untu setiap mata uliah. Apabila mahasiswa meregistrasi mata uliah yang mempunyai jam ujian yang sama/bentro maa mahasiswa hanya diperbolehan mengiuti ujian salah satu mata uliah yang bentro tersebut. Namun bila mahasiswa ingin mengiuti ujian online maa mahasiswa dapat meregistrasian mata uliah yang bentro. Agar mahasiswa terhindar dari masalah dalam memilih mata uliah pada setiap semester, beberapa Program Studi (PS) di UT memberian layanan bimbingan aademi dengan menyediaan rencana studi bagi mahasiswa. Tujuan layanan ini adalah membantu mahasiswa dalam memilih mata uliah pada setiap semester. Rencana studi tersebut dirancang secara husus dalam bentu tabel yang berisi daftar mata uliah yang dapat diregistrasian mahasiswa selama mengiuti pendidian di UT, mulai dari semester pertama hingga semester ahir yang ditetapan PS. Rencana studi mahasiswa tersebut dapat disusun dengan menggunaan model optimasi. Model optimasi adalah model matematis yang mengoptimalan suatu tujuan tertentu. Untu mendapatan hasil yang optimal maa model matematis tersebut diberian batasan berupa persyaratan tertentu. Artiel ini membahas tentang model optimasi pemetaan mata uliah berprasyarat. Pengoptimalan mata uliah tersebut dilauan dengan cara memasimalan hubungan eteraitan materi sehingga terpetaan mata uliah berprasyarat secara berurutan dalam tabel rencana studi mahasiswa. Mata uliah berprasyarat adalah mata uliah yang mempunyai prasyarat mata uliah lain yang ditempuh di semester sebelumnya dan mempunyai hubungan eteraitan materi antarmata uliah secara langsung. METODE Pengembangan model dilauan melalui empat tahap, yaitu (1) pendesripsian dan formulasi masalah, (2) pemodelan, (3) solusi model dan (4) implementasi model. Pada tahap pertama, diperoleh informasi tentang hubungan eteraitan materi antarmata uliah yang meliputi 74
3 Tarigan, Model Optimasi Pemetaan Mata Kuliah Berprasyarat data mata uliah, jam ujian setiap mata uliah, dan hasil pemetaan mata uliah berprasyarat. Masalah tersebut emudian diformulasian dalam bentu model matematis berupa Integer Linear Programming (ILP). Untu menentuan solusi model optimasi tersebut maa model diselesaian dengan metode branch and bound pada perangat luna LINGO. Pada tahapan implementasi dilauan simulasi model dengan menggunaan data mata uliah Program Studi Matematia FMIPA UT tahun Dalam proses simulasi tersebut dilauan juga verifiasi model yang berfungsi untu memerisa validitas model yang dihasilan. Model optimasi untu penjadwalan mata uliah sudah sering dilauan oleh para peneliti. Dasalai et al. (2004) mengembangan model optimasi penjadwalan peruliahan di universitas. Model yang dihasilan aan meminimalan fungsi ongos yang membutuhan dua syarat yaitu ongos penempatan mata uliah pada suatu periode dalam suatu hari dan penempatan mata uliah harus pada satu jam yang berurutan dalam suatu hari dan dalam satu minggu. Yang menjadi parameter model adalah data tentang mata uliah, peserta, pengajar, hari, periode watu, dan ruang elas. Dasalai memodelan masalah tersebut dalam bentu ILP dan menetapan persyaratan model sesuai dengan persyaratan yang ditetapan institusi. Selain itu, ada Hinin & Thompson (2002) yang melauan review uriulum mata uliah inti School of Hotel Administration di Cornell University. Model penjadwalan yang diembangannya lebih omples arena lamanya watu peruliahan setiap mata uliah berbeda-beda. Sedangan Ng & Martin (2002) mengembangan model yang menjadwalan mata uliah sesuai dengan ebutuhan pengajar seperti: watu peruliahan sesuai dengan watu pengajar, peruliahan yang menggunaan omputer dilauan di ruang yang mempunyai fasilitas omputer, beberapa mata uliah dijadwalan lebih dari satu periode setiap minggu, mata uliah yang pesertanya melebihi apasitas ruangan tida dialoasian pada ruangan tersebut, setiap mata uliah harus dialoasian tepat pada satu ruangan pada setiap watu, terdapat mata uliah yang tida dapat diselenggaraan pada periode watu tertentu arena peserta uliah diprioritasan mengiuti mata uliah lain, beberapa mata uliah tida dapat dijadwalan berurutan, beberapa mata uliah tingat awal harus dijadwalan pada watu tertentu. Permasalahan ini juga dimodelan dalam bentu ILP dan diselesaian dengan metode branch and bound. Pengembangan model optimasi jam ujian pada mata uliah PS Matematia FMIPA-UT telah dilauan sebelumnya oleh Tarigan et al. (2009). Pada penelitian tersebut mata uliah dibagi menjadi 3 elompo yaitu Mata Kuliah Dasar Umum (MKDU), mata uliah PS Matematia, dan mata uliah bersama. Kelompo MKDU dan mata uliah dipetaan sesuai dengan jam ujian yang sudah ditetapan. Sedangan mata uliah dalam elompo mata uliah PS Matematia dipetaan berdasaran hubungan eteraitan materi antarmata uliah yang digambaran sebagai pasangan mata uliah berprasyarat. Jam ujian dari setiap pasangan mata uliah tersebut dipetaan pada watu yang sama. Dari data uriulum PS Matematia tahun 2008 diperoleh 34 pasang mata uliah berprasyarat secara langsung. Hasil yang diperoleh adalah terdapat sebanya 18 pasang mata uliah yang jam ujiannya dapat dipetaan pada watu yang sama. Berdasaran hasil penelitian tersebut, Tarigan dan Suroyo (2011) melauan pengembangan model optimasi yang memasimalan pemetaan semua mata uliah dalam paet arahan mata uliah. Paet arahan mata uliah adalah bentu layanan yang disediaan UT untu mengarahan mahasiswa dalam merencanaan studinya. Persyaratan pemetaan mata uliah terbatas pada sistem yang berlau di UT antara lain semua mata uliah dipetaan pada jam ujian yang sudah ditentuan, terbatasnya hari ujian yang tersedia, dan menetapan lamanya masa studi yang dapat ditempuh mahasiswa. Hasilnya 44 mata uliah dalam uriulum PS Matematia terpetaan dan memenuhi semua batasan yang ditetapan. Hasil penelitian ini belum optimal arena 75
4 Jurnal Matematia, Sains, dan Tenologi, Volume 14 Nomor 2, September 2013, masih ada persyaratan yang ditentuan oleh PS seperti menetapan jumlah SKS dalam satu semester dan memperhatian hubungan antara mata uliah berprasyarat. HASIL DAN PEMBAHASAN Dengan mengombinasian hasil penelitian Tarigan et al. (2009) dan Tarigan dan Suroyo (2011), maa dilauan pengembangan model optimasi pemetaan mata uliah berprasyarat. Mata uliah dielompoan menjadi dua yaitu elompo mata uliah yang materinya tida beraitan dengan mata uliah lain dan elompo mata uliah yang materinya beraitan dengan mata uliah lain. Keteraitan materi antarmata uliah dilihat melalui desripsi setiap mata uliah (Tim Pengembang Desripsi Mata Kuliah UT, 2012). Hubungan eteraitan materi antarmata uliah didefinisian sebagai suatu relasi antarmata uliah yang menunjuan hubungan secara langsung. Batasan yang digunaan adalah ombinasi dari beberapa batasan yang sudah diembangan dalam penelitian sebelumnya. Selain itu diberian batasan tambahan untu mencapai tujuan optimasi seperti membatasi jumlah semester, membatasi jumlah mata uliah setiap jam ujian, membatasi jumlah SKS setiap semester, dan memetaan mata uliah TAP pada semester tujuh. Model Secara matematis, pemetaan mata uliah untu rencana studi mahasiswa Program Studi Matematia FMIPA UT diformulasian dalam suatu ILP. Didefinisian: I : himpunan mata uliah, dengan indes i +, i 1,..., 44 J : himpunan jam ujian, dengan indes j +, j 1,...,10 K : himpunan semester yang direncanaan, dengan indes +. n : nilai SKS setiap mata uliah, i n = 2,3,4,6. i IP : himpunan elompo mata uliah yang memilii eteraitan materi. IB : himpunan elompo mata uliah yang tida memilii eteraitan materi. IR : himpunan pasangan mata uliah yang saling terait materinya secara langsung, dengan indes ( i, l), i l ; i, l IP Variabel eputusan untu memetaan mata uliah pada jam ujian dan semester tertentu adalah: 1, jia mata uliah i terjadwalan pada jam e jdan semester e x i,j, = 0, lainnya Variabel eputusan yang memetaan mata uliah pada semester tertentu untu menentuan fungsi objetif adalah: 1, jia mata uliah i terjadwalan padasemester e y i, = 0,lainnya 76
5 Tarigan, Model Optimasi Pemetaan Mata Kuliah Berprasyarat Fungsi objetif untu menunjuan jumlah jara antarsemester dari pasangan mata uliah yang berprasyarat adalah: minimalan z * yl, * yi,. i, l, Batasan-batasan yang dipergunaan untu membuat rencana studi adalah: 1. Setiap mata uliah dipetaan tepat pada satu jam ujian dan satu semester. x i, j, = 1,"i dengan i Î I. j, 2. Mata uliah dipetaan pada jam ujian yang sudah ditentuan. x i, j, 1, i, j dengan i I dan j J. 3. Mata uliah TAP dipetaan pada semester tujuh j x i, j, 1, i, dengan i 44 dan Setiap mata uliah dipetaan pada jam ujian dan semester yang berbeda i j i x,, 1, j, dengan i I. 5. Setiap semester paling banya N SKS i, j, i, j x * n N, dengan K,20 N 24. i 6. Setiap semester dipetaan mata uliah paling banya 10 mata uliah i, j, i, j x 10, dengan K. 7. Setiap jam ujian dipetaan mata uliah paling banya 8 mata uliah i, j, i, x 8, j dengan j J. 8. Jara antarsemester dari pasangan mata uliah yang mempunyai eteraitan materi minimal satu semester. x i, j, yi,. j l, i, * y * y 1 dengan ( i, l) IR 77
6 Jurnal Matematia, Sains, dan Tenologi, Volume 14 Nomor 2, September 2013, Variabel eputusan x i, j, dan y i, adalah variabel biner. xi, j, 0,1, i, j,. yi, 0,1, i,. Implementasi Model Simulasi model optimasi pemetaan mata uliah prasyarat ini menggunaan 44 mata uliah dalam uriulum PS Matematia FMIPA UT tahun 2012 (Tim Pengembang Katalog UT, 2012). Berdasaran desripsi mata uliah PS Matematia dietahui hubungan eteraitan materi antarmata uliah seperti yang digambaran dalam Tabel 1. Tabel 1. Mata Kuliah dan Mata Kuliah Prasyarat Mata uliah Mata uliah Prasyarat Pengantar Matematia I II I I Aljabar Linear Elementer I Pengantar Matematia Aljabar Linear Elementer II Aljabar Linear Elementer I I Pengantar Matematia II I Geometri Pengantar Matematia Pemrograman Linear Riset Operasional I Pemrograman Linear Jaringan Riset Operasional II Riset Operasional I Pemodelan I Riset Operasional I Jaringan Himpunan Kabur Aljabar Linear Elementer I Persamaan Diferensial Biasa Aljabar Linear Elementer I I I Persamaan Diferensial Biasa II I Persamaan Diferensial Biasa Aljabar Linear Elementer II 78
7 Tarigan, Model Optimasi Pemetaan Mata Kuliah Berprasyarat Tabel 1. Lanjutan Mata uliah I Matematia Finansial Fungsi Komples Statistia I Peramalan Pengantar Probabilitas Pengantar Statistia I Tugas Ahir Program Mata uliah Prasyarat I I Statistia I Statistia I Statistia I Pengantar Probabilitas II Pengantar Statistia Matematia I Persamaan Diferensial Biasa Dari Tabel 1 terlihat ada sebanya 30 mata uliah yang mempunyai mata uliah prasyarat dan terdapat 38 pasang mata uliah yang mempunyai hubungan prasyarat. Data lain yang diperluan untu simulasi adalah jam ujian. UT menetapan Ujian Ahir Semester dilasanaan selama 2 hari dan setiap hari tersedia 5 jam ujian yang dinyataan dengan jam ujian e-1, jam ujian e-2, jam ujian e-3, jam ujian e-4, dan jam ujian e-5. Untu memudahan pemodelan maa jumlah jam ujian dibagi menjadi 10 jam ujian, hari pertama jam e-1 diberi indes 1, hari pertama jam e-2 diberi indes 2 sampai dengan hari pertama jam e-5 diberi indes 5. Pada hari edua jam e-1 diberi indes 6, sampai dengan jam e 5 diberi indes 10, sehingga watu ujian tersedia sebanya 10 jam ujian. Verifiasi Model Model optimasi pemetaan mata uliah berprasyarat diverifiasi untu memastian bahwa model yang diembangan sudah valid dan sesuai dengan masalahnya. Verifiasi model dilauan dengan metode branch and bound pada perangat luna LINGO. Verifiasi model menunjuan semua mata uliah terpetaan dalam suatu rencana studi dan urutan prasyarat antarmata uliah terpenuhi. Simulasi Model Simulasi model dilauan pada mata uliah PS Matematia dengan memberian batasan jumlah masimal SKS per semester yang bervariasi, yaitu 20, 21, 22, 23, dan 24 SKS per semester. Nilai fungsi objetif dengan jumlah masimal 20 SKS per semester adalah 60, sedangan untu yang lain nilainya 59. Hal ini berarti bahwa 38 pasang mata uliah yang mempunyai hubungan prasyarat dapat terpetaan dan terurut dalam tabel rencana studi. Kondisi terurut tersebut dapat dietahui dari tabel 2 sampai dengan tabel 6. Kelima tabel tersebut memperlihatan bahwa terdapat jara antarsemester untu setiap pasang mata uliah dan jara tersebut minimal. 79
8 Jurnal Matematia, Sains, dan Tenologi, Volume 14 Nomor 2, September 2013, Tabel 2. Rencana Studi Masimal 20 SKS per Semester Jam Ujian Semester Komputer I I 2 Elementer I Riset Opr. I Komuniasi 3 Geometri I Pers. Dif. Biasa Pemodelan Kimia 4 ISBD Penelitian Mat. Finansial 5 Asas-asas Manajemen Agama Jaringan Riset Opr. II 6 Pengantar Matematia Eonomi II II Biologi Umum 7 Inggris Elementer II Himpunan Kabur Peng. Probabilitas Peramalan I Jumlah SKS Indonesia Kewargane garaan I I II Pemrogram an Linear Statisti I Fungsi Komples Peng. Stat. Mat I Tugas Ahir Program Tabel 3. Rencana Studi Masimal 21 SKS Jam Ujian Semester Komputer I 2 3 Kimia 4 ISBD Jumlah SKS Agama Pengantar Matematia Inggris Indonesia Kewargane garaan Elementer I Geometri Asas-asas Manajemen Biologi Umum Eonomi Elementer II I I I Himpunan Kabur Pemrogram an Linear II Statisti I Pers. Dif. Biasa Mat. Finansial II Peng. Probabilitas Fungsi Komples I Pemodelan Jaringan Peng. Stat. Mat I Riset Opr. I II I Tugas Ahir Program Komuniasi Penelitian Riset Opr. II Peramalan
9 Tarigan, Model Optimasi Pemetaan Mata Kuliah Berprasyarat Tabel 4. Rencana Studi Masimal 22 SKS Jam Ujian Semester Komputer I Jumlah SKS Komuniasi Kimia Penelitian Asas-asas Manajemen Pengantar Matematia Indonesia Kewargane garaan Elementer I Geometri Eonomi Inggris ISBD Biologi Umum Elementer II I I Agama Himpunan Kabur Pemrogram an Linear I Statisti I Pers. Dif. Biasa Mat. Finansial II Peng. Probabilitas Fungsi Komples I Pemodelan Jaringan Peng. Stat. Mat I II Riset Opr. I II I Tugas Ahir Program Riset Opr. II Peramalan Tabel 5. Rencana Studi Masimal 23 SKS Jam Ujian Semester Komputer I 2 Komuniasi Elementer I 3 Geometri Jumlah SKS Asas-asas Manajemen Pengantar Matematia Inggris Indonesia Kewargane garaan ISBD Agama I I Kimia Eonomi Elementer II II I Jaringan Biologi Umum Himpunan Kabur Pemrogram an Linear Statisti I Pers. Dif. Biasa Mat. Finansial II Peng. Probabilitas Fungsi Komples I Pemodelan Peng. Stat. Mat I Riset Opr. I Penelitian II Peramalan Tugas Ahir Program Riset Opr. II I Tabel 2 merupaan hasil simulasi untu jumlah masimal 20 SKS per semester dengan SKS minimal terdapat pada semester 3 yaitu 14 SKS. Rencana studi dengan jumlah masimal 21 SKS per semester dapat dilihat pada Tabel 3 dengan jumlah SKS minimal sebesar 13 SKS pada semester 3. 81
10 Jurnal Matematia, Sains, dan Tenologi, Volume 14 Nomor 2, September 2013, Sedangan untu 22 SKS per semester dapat dilihat pada Tabel 4 dengan jumlah SKS minimal sebesar 10 SKS pada semester 8. Tabel 5 merupaan rencana studi untu jumlah masimal 23 SKS per semester dengan jumlah SKS minimal sebesar 11 SKS pada semester 8. Sedangan pada Tabel 6 dapat dilihat rencana studi dengan SKS masimal 24 per semester dan diperoleh minimal 8 SKS pada semester 3. Dari rencana studi yang dihasilan (Tabel 2 sampai dengan Tabel 6) dapat dilihat bahwa model optimasi dapat memetaan mata uliah berprasyarat sesuai dengan batasan-batasan yang diberian. Namun demiian, simulasi dilauan dengan jumlah SKS masimal yang bervariasi. Tabel 6. Rencana Studi Masimal 24 SKS Jam Ujian Semester Komputer I Jumlah SKS Komuniasi Kimia Penelitian Asas-asas Manajemen Pengantar Matematia Inggris Indonesia Kewargane garaan Elementer I Geometri Agama Eonomi I Biologi Umum Elementer II I ISBD Himpunan Kabur Pemrogra man Linear Statisti I Pers. Dif. Biasa Mat. Finansial II Peng. Probabilitas Fungsi Komples II I Pemodelan Jaringan Peng. Stat. Mat I Riset Opr. I II Peramalan Tugas Ahir Program Riset Opr. II I I Hasil Pemetaan Mata Kuliah Berprasyarat Untu menganalisis hasil simulasi model tersebut, didefinisian bahwa rencana studi diategorian bai jia memenuhi ebutuhan mahasiswa dan pengambil ebijaan institusi (PS Matematia FMIPA UT). Dalam hal ini, elima rencana studi hasil simulasi model sudah memenuhi batasan-batasan yang diberian meliputi jumlah masimal SKS, urutan eteraitan materi, dan esesuaian jam ujian yang diberian. Pemetaan terhadap mata uliah yang mempunyai eteraitan materi sesuai dengan yang diinginan, yaitu mata uliah yang menjadi prasyarat bagi mata uliah lainnya dipetaan terlebih dahulu pada semester sebelum mata uliah yang mempunyai mata uliah prasyarat. Dari elima rencana studi yang dihasilan, dapat dilihat bahwa rencana studi dengan jumlah SKS masimal 21 dan 23 per semester lebih bai dari pada 20, 22, dan 24 SKS per semester. Hal ini diarenaan pada rencana studi dengan jumlah SKS masimal 20 per semester mata uliah Kimia 82
11 Tarigan, Model Optimasi Pemetaan Mata Kuliah Berprasyarat dan Biologi Umum dipetaan pada semester 8. Pada rencana studi masimal 22 SKS per semester mata uliah Metodologi Penelitian dipetaan pada semester 1. Untu rencana studi masimal 24 SKS, mata uliah Metodologi Penelitian dipetaan pada semester 1 serta dan I dipetaan pada semester 7 dan 8. Pemetaan mata uliah tersebut urang tepat arena mata uliah Kimia, Biologi Umum,, dan I merupaan mata uliah yang tida mempunyai mata uliah prasyarat dan tida menjadi prasyarat bagi mata uliah lainnya, sehingga mata uliah ini disaranan diregistrasi pada tahun pertama (semester 1 atau 2). Sedangan mata uliah Metodologi Penelitian merupaan mata uliah yang tida mempunyai eteraitan materi dengan mata uliah lain dan biasanya bermanfaat bagi mahasiswa untu membuat suatu penelitian atau arya ilmiah, sehingga sebainya diregistrasi pada tahun e empat (semester 7 atau 8). Hasil pemetaan mata uliah pada rencana studi dengan jumlah masimal 21 dan 23 SKS per semester lebih bai arena mata uliah umum (ISBD, Pendidian Kewarganegaraan, Pendidian Agama, Inggris, Indonesia) dan mata uliah dasar (Kimia,, dan Biologi Umum) dipetaan pada tahun pertama dan e dua. Sedangan mata uliah Metodologi Penelitian dipetaan pada semester 7 bersamaan dengan Tugas Ahir Program. SIMPULAN Masalah pemetaan mata uliah berprasyarat pada rencana studi mahasiswa di Universitas Terbua, hususnya PS Matematia dapat diselesaian dengan model matematis. Dengan menetapan batasan jumlah masimal SKS per semester, hubungan eteraitan materi mata uliah, dan esesuaian jam ujian maa penelitian ini menghasilan model optimasi yang memasimalan hubungan eteraitan materi dengan memetaan mata uliah berprasyarat secara berurutan. Hasil simulasinya berupa lima rencana studi bagi mahasiswa PS Matematia. Dari analisis hasil simulasi tersebut ditunjuan bahwa rencana studi dengan jumlah masimal 21 dan 23 SKS per semester lebih bai dari pada 20, 22, dan 24 SKS per semester. Rencana studi ini dapat digunaan sebagai bahan reomendasi untu memberian layanan bimbingan aademi bagi mahasiswa PS Matematia. REFERENSI Dasalai S, Birbas T, & Housos E. (2004). An integer programming formulation to a case study in University Timetabling. Eur J Operat Res, 153, Hinin TR, & Thompson GM. (2002). Schedul expert: Scheduling courses in Cornell University School of hotel administration. Interfaces, 32, Ng PH, & Martin LM. (2002). Classroom scheduling problems: A discrete optimization approach. UMAP J, 23(1), Tarigan AI. (2009). Model optimasi jadwal ujian dan implementasinya pada Universitas Terbua. Tesis Master yang tida dipubliasian. Institut Pertanian Bogor, Bogor. Tarigan AI, & Suroyo. (2011). Pengembangan model optimasi paet arahan mata uliah di Program Studi Matematia FMIPA-UT. Hasil penelitian yang tida dipubliasian. Tangerang Selatan: Universitas Terbua. Tim Pengembang Desripsi Mata Kuliah UT. (2012). Desripsi Mata Kuliah UT Tahun Tangerang Selatan: Universitas Terbua. Tim Pengembang Katalog UT. (2012). Katalog UT Tahun Tangerang Selatan: Universitas Terbua. 83
OPTIMASI JADWAL UJIAN DI PERGURUAN TINGGI DENGAN METODE BRANCH AND BOUND
OPTIMASI JADWAL UJIAN DI PERGURUAN TINGGI DENGAN METODE BRANCH AND BOUND Asmara Iriani Tarigan Program Studi Matematika, FMIPA Universitas Terbuka, Tangerang Banten asmara@mail.ut.ac.id ABSTRAK Pengunaan
Lebih terperinciMODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN
MODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciMODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN
MODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciANALISIS MODEL DISTRIBUSI BAHAN AJAR TERPUSAT AKIBAT DARI PERUBAHAN BIAYA PENGIRIMAN ABSTRAK
ANALISIS MODEL DISTRIBUSI BAHAN AJAR TERPUSAT AKIBAT DARI PERUBAHAN BIAYA PENGIRIMAN Sitta Alief Farihati, Zulmahdi Dailami 2, 2 Jurusan Matematia Universitas Terbua, Tangerang Selatan, 658 sitta@ ut.ac.id
Lebih terperinci1. Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) a. Sebaran Beban Studi
50 Katalog Universitas Terbuka 2010 1. Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) a. Sebaran Beban Studi No. Jurusan/Program Studi MKKU MKKP TAP Jml. 1. Matematika 76 62 6 144 2. Statistika
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciPEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER
PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya
Lebih terperinciPENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK
PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tempat dan Watu Penelitian Penelitian ini dilauan di Jurusan Matematia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Lampung. Watu penelitian dilauan selama semester
Lebih terperinciBAB 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 terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciI. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan
I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA
PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperincia. Sebaran Beban Studi b. Deskripsi Kurikuler 1) Jurusan Matematika Program Studi Matematika (S1)
4 Katalog Kurikulum Program Non Pendas Universitas Terbuka 2015 2. Mengkaji, mengembangkan, dan memanfaatkan hasil kajian bidang matematika, ilmu pengetahuan alam, dan teknologi untuk proses pembelajaran..
Lebih terperinciMAT. 12. Barisan dan Deret
MAT.. Barisan dan Deret i Kode MAT. Barisan dan Deret U, U, U3,..., Un,... Un a + (n-)b U + U +..., Un +... n?? Sn? BAGIAN PROYEK PENGEMBANGAN KURIKULUM DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN DIREKTORAT
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciSUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA
SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciJurusan Matematika Program Studi Matematika (S1)
Katalog Kurikulum FE FHISIP FKIP FMIPA UT 2017/2018 269 Jurusan Matematika Program Studi Matematika (S1) Visi Menjadi Program Studi Matematika yang berkualitas dengan sistem pendidikan tinggi terbuka dan
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciAPLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK
APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK
Lebih terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciPENJADWALAN KEGIATAN PERKULIAHAN MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI PROGRAM STUDI S1 MATEMATIKA FMIPA IPB PENDAHULUAN
PENJADWALAN KEGIATAN PERKULIAHAN MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI PROGRAM STUDI S1 MATEMATIKA FMIPA IPB RUHIYAT 1, F. HANUM 1, R. A. PERMANA 2 Abstrak Jadwal mata kuliah mayor-minor yang tumpang
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciMENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL
MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Pemrograman Linier Kode/ss : MAS 4141/3 Semester : III Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS
Lebih terperinciSOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)
Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan
Lebih terperinciPERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU
PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinciPERANCANGAN APLIKASI UJIAN SARINGAN MASUK PERGURUAN TINGGI SECARA ONLINE BERBASIS ANDROID (STUDI KASUS UNIVERSITAS POTENSI UTAMA MEDAN)
Techno.COM, Vol. 15, No. 3, Agustus 2016: 217-223 PERANCANGAN APLIKASI UJIAN SARINGAN MASUK PERGURUAN TINGGI SECARA ONLINE BERBASIS ANDROID (STUDI KASUS UNIVERSITAS POTENSI UTAMA MEDAN) Deny Adhar 1, Labuhan
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Metode Simulasi Kode/ss : MAS 4243/2 Semester : Genap Status (Wajib/Pilihan) : P Prasyarat : MAS 4211, MAS
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan
Lebih terperinciBEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.
Lebih terperinciFUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL
Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperincimungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing
. DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciDESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO
DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO 1 Selvia Hana, Tohap Manurung 1 Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Abstra Antrian merupaan
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Teni Optimasi Kode/ss : MAS 4146/2 Semester : V Status (Wajib/Pilihan) : Pilihan (P) Prasyarat : MAS 4216
Lebih terperinciKata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan
Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro
Lebih terperinciPELABELAN SUPER SISI AJAIB PADA GRAF MULTI STAR
LAPORAN PENELITIAN BERSAMA DOSEN-MAHASISWA PELABELAN SUPER SISI AJAIB PADA GRAF MULTI STAR Ketua Tim: ABDUSSAKIR, M.Pd FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG
Lebih terperinciPenggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan
Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:
Lebih terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
Lebih terperinciALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)
ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) Igusta Wibis Vidi Abar Purwanto 2 FMIPA Universitas Negeri Malang E-mail: wibis.roccity@gmail.com Abstra: Multi Depot Vehicle Routing
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciPENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA
PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia
Lebih terperinciBAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciMATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor
MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Kapita Seleta Ilmu Eonomi Kode/ss : Mas 4152/2 Semester : Genap Status (Wajib/Pilihan) : Pilihan (P) Prasyarat
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER(RPS) PROGRAM STUDI STATISTIKA
A. MATA KULIAH RENCANA PEMBELAJARAN SEMESTER(RPS) PROGRAM STUDI STATISTIKA Nama Mata Kuliah : Statistia Pengendalian Mutu Kode/ss : MAS 4232 / 3 Semester : IV Status (Wajib/Pilihan) : Wajib (W) Prasyarat
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciMENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT
MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciSifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus
J. Sains Dasar () Sifat-sifat Nilai Eigen dan Vetor Eigen Matris atas ljabar Maxplus (The Properties of Eigen Value and Eigen Vector of Matrices Over Maxplus lgebra) Musthofa * dan Nienasih inatari * Jurusan
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciHUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG
Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian yang aan dilauan meruju epada beberapa penelitian terdahulu yang sudah pernah dilauan sebelumnya, diantaranya: 1. I Gst. Bgs. Wisuana (2009)
Lebih terperinci4. 1 Spesifikasi Keadaan dari Sebuah Sistem
Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Analisis Deret Watu Non Linier Kode/ss : MAS 4233/2 Semester : Genap Status (Wajib/Pilihan) : Pilihan (P)
Lebih terperinciMASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS
Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya
Lebih terperinciPengaruh Masuknya Penambahan Pembangkit Baru kedalam Jaringan 150 kv pada Kapasitas Circuit Breaker
Pengaruh Masunya Penambahan Pembangit Baru edalam Jaringan 150 V pada Kapasitas Circuit Breaer Emelia, Dian Yayan Suma Jurusan Teni Eletro Faultas Teni Universitas Riau Kampus Binawidya Km 12,5 Simpang
Lebih terperinciAnalisis Varians = Analysis of Variance = ANOVA
. Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.
Lebih terperinciBAB IV Solusi Numerik
BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
Lebih terperinciPERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV
PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : 1207 100 011 Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl.
Lebih terperinciMANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI (STUDI KASUS DI PT THAMRIN BROTHERS)
Seminar Nasional Apliasi Tenologi Informasi 2011 (SNATI 2011) ISSN: 1907-5022 Yogyaarta, 17-18 Juni 2011 MANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI
Lebih terperinciSISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES
Pelita Informatia Budi Darma, Volume : IV, Nomor: 3, Agustus 203 ISSN : 230-425 SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES Sri Rahayu 044) Mahasiswa Program Studi
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Apliasi Pada tahap implementasi ini merupaan penerapan apliasi dari hasil perancangan sistem yang ada untu mencapai suatu tujuan yang diinginan. Implementasimelasanaan
Lebih terperinciRINGKASAN SKRIPSI MODUL PERKALIAN
RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN
Lebih terperinci