Analisa dan Perancangan Sistem Pendukung Keputusan Pemilihan Kendaraan dengan menggunakan Metode TOPSIS

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisa dan Perancangan Sistem Pendukung Keputusan Pemilihan Kendaraan dengan menggunakan Metode TOPSIS"

Transkripsi

1 Aalsa da Peacaga Sstem Pedukug Keputusa Pemlha Kedaaa dega megguaka Metode TOPSIS ah Afah P. Pogam Stud Tekk Ifomatka, STIKI, Malag Abstact Taspotato vehcle s used b humas to ca out the actvtes ad ot fequetl egaded as a basc equemet. At ths tme so ma tpes of cas fom dffeet bads ad tpes. Each tpe of ca has dffeet techcal specfcatos, ad eve ca cetal has ts advatages ad dsadvatages. Ad ths, wll esult the pospectve ca bues fd t dffcult to choose the ght ca ad accodg to desed ctea due to a potetal bue faced wth a umbe of ctea, such as the pce of the ca, teo accessoes, exteo accessoes, passege capact, ea of poducto, etc. Ths sstem s desged to help pospectve bues make decsos the selecto of vehcles, especall cas, so the decso was obtaed accodace wth the desed ctea. methods used fo ths decso s the method TOPSIS ( Techque fo Ode Pefeece b Smlat to Ideal Soluto ). Ths eseach was caed out b fdg the value of each of the alteatves pefeece ad akg pocess coducted whch wll deteme the optmal alteatve, e cas that ft the ctea of the cosume. The ctea used ae ( ) Ca Pce ( C ), ( ) Iteo Accessoes ( C ), ( ) Exteo Accessoes ( C ), ( ) Yea of Poducto ( C ) ad ( ) Passege Capact ( C ). PENAHULUAN.. Lata Belakag Peelta Kedaaa meupaka alat taspotas ag dguaka oleh mausa utuk melaksaaka segala aktftasa da tdak jaag daggap sebaga kebutuha pokok. Mobl adalah salah satu cotoh kedaaa ag umum dguaka da daggap sebaga kebutuha pokok. Pada saat jes mobl begtu baak da bebaga mek da jes. Setap jes mobl memlk spesfkas teks ag bebeda, da setap mobl pasta memlk kelebha da kekuaga. a hal, aka megakbatka paa calo pembel mobl megalam kesulta utuk memlh mobl ag tepat da sesua dega ctea ag dgka dkaeaka calo pembel dhadapka pada baaka ktea, sepet haga mobl, aksesos teo, aksesos eksteo, kapastas peumpag, tahu poduks da la-la. Sejala dega pekembaga tekolog fomas ag ada, kompute semak betambah kemampuaa utuk membatu meelesaka pemasalaha, salah satua adalah membatu dalam pegambla keputusa. Sstem dacag utuk membatu calo pembel megambl keputusa dalam pemlha kedaaa, khususa mobl, sehgga keputusa ag dpeoleh sesua dega ctea ag dgka. a metode ag dguaka utuk pegambla keputusa adalah metode TOPSIS (Techque fo Ode Pefeece b Smlat to Ideal Soluto) Adapu tujua da peelta adalah utuk meacag suatu sstem pegambla keputusa dega megguaka metode TOPSIS, sehgga dapat membatu calo pembel utuk memlh kedaaa sesua dega ctea ag dgka. alam peelta, ctea ag dguaka adalah : () Haga Mobl; () Aksesos Iteo; () Aksesos Eksteo; () Tahu Poduks; () Kapastas Peumpag.. Tjaua Pustaka Sstem Pedukug Keputusa Sstem pedukug keputusa dapat membeka dukuga dalam membuat keputusa dalam semua tgkata level maajeme, bak dvdual maupu gup,

2 teutama dalam stuas sem testuktu da tdak testuktu, membawa kepada keputusa besama da fomas ag objektf. (Tuba, 00)[] Tujua da pembuata sstem pedukug keputusa atu (Tuba, 00) []:. Membatu maaje membuat keputusa utuk memecahka masalah ag sepeuha testuktu da tdak testuktu.. Medukug pelaa maaje buka mecoba meggatkaa. Sstem pedukug keputusa tdak dmaksudka utuk meggatka maaje. Kompute dapat dteapka dalam meelesaka masalah ag testuktu. Utuk masalah ag tdak testuktu, maaje betaggug jawab meeapka pelaa, da melakuka aalss.kompute da maaje bekejasama sebaga tm pemecaha masalah dalam memecahka masalah ag beada d aea sem testuktu.. Megkatka efektvtas pegambla keputusa maaje da pada efsesa. Tujua utama sstem pedukug keputusa bukalah poses pegambla keputusa seefse mugk, tetap seefektf mugk.. KAJIAN LITERATUR Metode TOPSIS TOPSIS adalah sebuah metode MAM ag ddasaka pada kosep dmaa alteatf teplh ag tebak haa memlk jaak tepedek da solus deal postf, amu juga memlk jaak tepajag da solus deal egatve []. Kosep baak dguaka pada bebeapa model MAM utu meelesaaka masalah keputusa secaa pakts. Hal dsebabka kaea kosepa sedehaa da mudah dpaham, komputasa efse, da memlk kemampua utu meguku keja elatve da alteatvealteatf keputusa dalam betuk matemats ag sedehaa Secaa umum, lagkah-lagkah peelesaa dega megguaka metode TOPSIS []:. Membuat matks keputusa ag teomalsas Matk keputusa teomalsas dhtug bedasaka : xj ; dega =,..m da j m x j j=,, (.). Membuat matks keputusa ag teomalsas tebobot Matks keputusa omalsas tebobot dhtug bedasaka : j w j j, dmaa =,..m da j=,, (.). Meetuka matks solus deal postf da matks solus deal egatf Solus deal postf A + da solus deal egatve A - dapat dtetuka bedasaka atg tebobot teomalsas ( j ), atu : A,,..., A,,...,. (.) maa : max ; jka j adalahatbutkeutuga j j m ; jka j adalahatbut baa j j m ; jka j adalahatbut keutuga j max ; jka j adalahatbut baa j. Meetuka jaak ataa la setap alteatf dega matks solus deal postf da matks solus deal egatf Jaak ataa la setap alteatf dega matks solus deal postf dumuska sebaga : j, dmaa =,, j m (.)..

3 Jaak ataa la setap alteatf dega matks solus deal egatf dumuska sebaga : j, dmaa =,, j m (.)... Meetuka la pefees utuk setap alteatve Nla pefees utuk setap altebatf (V ) dumuska sebaga : V, dmaa =,, m.. (.6). METOE PENELITIAN Pada peelta megguaka metode TOPSIS, dmaa dalam tahapa peeltaa melput:. Membuat matks keputusa ag teomalsas. Membuat matks keputusa ag teomalsas tebobot. Meetuka matks solus deal postf da matks solus deal egatf. Meetuka jaak ataa la setap alteatf dega matks solus deal pos tf da matks solus deal egatf. Meetuka la pefees utuk setap alteatf alam peelta megguaka ktea,atu :. Haga mobl (C). Aksesos Iteo (C) alam la aksesos teo aka dbag mejad bebeapa la ktea dega bobot masg-masg la sepet bekut : Tabel. Nla Ktea da Bobot da Aksesos Iteo NO Nla Ktea Bobot. Basa.. Sagat. Akseso Eksteo (C) alam la aksesos eksteo aka dbag mejad bebeapa la ktea dega bobot masg-masg la sepet bekut : Tabel. Nla Ktea da Bobot da Aksesos Iteo NO Nla Ktea Bobot. Basa.. Sagat. Tahu Poduks (C). Kapastas Peumpag (C) Setap ktea tesebut, aka memlk bobot ktea sepet dbawah : Tabel. Bobot Ktea NO Nla Ktea Bobot. Tdak Petg. Kuag Petg. Cukup Petg. Petg. Sagat Petg 6. HASIL AN PEMBAHASAN alam peelta, dambl satu cotoh data dmaa kosume membutuhka kedaaa keluaga dega haga ataa Rp ,- sampa dega Rp ,-. Bedasaka kebutuha tesebut, maka dbeka sample data sepet dbawah : Tabel. ata Ktea da bebaga alteatve ag ada Ktea N O Alteat f Haga Mobl (C) (juta) Akseso s Iteo (C) Akses os Ekste o (C) Tahu Poduks (C) Kapasta s Peump ag (C). Splash 7, 0. Bo Basa Sagat 0. Avaza Sagat Basa 0 7. Xea Sagat 0 7. Hoda Jazz 0 Sagat Sagat 00

4 Bedasaka table datas, maka tgkat kepetga pada masg-masg ktea, sepet tesebut dalam table dbawah : Tabel. Pembobota utuk setap ctea : Ktea Plha Peggua Nla (Bobot) Haga Mobl (C) Sagat petg Aksesos Iteo Petg (C) Aksesos Cukup petg Eksteo (C) Tahu Poduks (C) Kuag Petg Utuk meetuka plha alteatf tebak da bebaga alteatf ag ada, maka lagkahlagkah ag dlakuka dalam metode TOPSIS adalah :. Membuat matks keputusa ag teomalsas xj j m Rumus : x j

5 Bedasaka da data datas, maka dpeoleh : NO Alteatf Haga Mobl (C) (juta) Akse sos Ite o (C) Akseso s Eksteo (C) Ktea Tahu Poduks (C). Splash 7, 0. Bo 0. Avaza 0 7. Xea 0 7. Hoda Jazz 0 00 ega caa ag sama utuk ktea (C), ktea (C) da ktea (C), maka dpeoleh matks keputusa Kapastas teomalsas bekut : Peumpag (C) 0,9 0, 0,7 0,0 0, 0, 0,0 0,6 0,60 0, 0,6 0,6 0,6 0, 7 0, 0,7 0, 7 0,0 0,0 0,0 0,0 0, 0,6 0,6 0, Matks keputusa teomalsas dpeoleh da pehtuga : Utuk ctea (C):. Membuat matks keputusa ag teomalsas tebobot Rumus : w j j x 7, 0 697, : matk keputusa teomalsas tebobot 7, 0,9 697, 0, 697, 0,0 697, 0,6 697, 0 0,60 697, Utuk ktea (C): x 0, 0, 0,6 0,6 0,6 w Ktea Haga Mobl (C) Aksesos Iteo (C) Aksesos Eksteo (C) Tahu Poduks (C) Kapastas Peumpag (C) : bobot ktea Bobot (w) utuk masg-masg ktea: Plha Peggua Nla Bobot (Bobot) (w ) Sagat petg Petg Cukup petg Kuag Petg Cukup Petg Pehtuga matk keputusa teomalsas tebobot adalah sebaga bekut : Utuk ktea (C), dpeoleh : w * w * w * w * w * * 0,9,9 * 0,, * 0,0,9 * 0,6,9 * 0,60,990

6 Utuk ktea (C), dpeoleh : w * w * w * w * w * * 0,.668 * 0, 0.8 * 0,6,0 * 0,6,0 * 0,6,0 Solus Ideal postf : M Max Max Max Max.90;.;.9;.9; ;0.8;.0;.0;.0.0.;.;0.707;.; ;0.00;0.00;0.00; ;.0;.8;.8;.0. 8 ega caa ag sama utuk ktea (C), ktea (C) da ktea (C), maka dpeoleh matks keputusa teomalsas tebobot bekut : Matk solus deal postf : A,,0, 0,00,8,9,,9,9,990,668 0,8,0,0,0,, 0, 707,, 0,00 0,00 0,00 0,00 0,98,0,0,8,8,0. Meetuka matks solus deal postf da matks solus deal egatf Rumus : A,,..., A,,..., A + A - : Solus deal postf : Solus deal egatve Solus deal (A + ) postf adalah : Haga Mobl (C) Aksesos Iteo (C) Aksesos Eksteo (C) Tahu Poduks (C) Kap asta s Peu mpa g (C) Nla M Max Max Max Max Solus deal (A - ) egatf adalah : Haga Mobl (C) Aksesos Iteo (C) Aksesos Eksteo (C) Tahu Poduks (C) Kapast as Peum pag (C) Nla Max M M M M Solus Ideal egatf : Max M M M M.90;.;.9;.9; ;0.8;.0;.0; ;.;0.707;.; ;0.00;0.00;0.00; ;.0;.8;.8;.0. 0 Matk solus deal egatf (A - ) adalah : A,990 0,8 0, 707 0,98,0. Meetuka jaak ataa la setap alteatf dega matks solus deal postf da matks solus deal egatf.990 a. Jaak ataa la setap alteatf dega matks solus deal postf Rumus : j j

7 Jaak ataa la setap alteatf dega matks solus deal postf dhtug : b. Jaak ataa la setap alteatf dega matks solus deal egatf Rumus : j j Jaak ataa la setap alteatf dega matks solus deal egatf dhtug : Jad, jaak ataa la tebobot setap alteatf tehadap solus deal postf adalah : Jad, jaak ataa la tebobot setap alteatf tehadap solus deal egatf adalah : Meetuka la pefees utuk setap alteatf Rumus : V Nla pefees ag dpeoleh : V V V V V a la pefees tesebut, telhat bahwa V memlk la palg besa, atu : 0.76, sehgga dapat dsmpulka bahwa alteatf ke - (Mobl Xea)ag aka dplh. Racaga Sstem Racaga utuk sstem pedukug keputusa adalah sebaga bekut : Hasl pehtuga la pefees adalah:.09 V V V V V Gamba. Use case dagam admstato dega sstem

8 Gamba. Use case dagam peggua dega sstem Gamba. Class agam Sste, Gamba. Actvt dagam log adm 7. KESIMPULAN a has peelta dapat dsmpulka :. Metode TOPSIS (Techque fo Ode Pefeece b Smlat to Ideal Soluto) dapat dguaka utuk membatu dalam pegambla keputusa pemlha kedaaa teutama mobl. ega Metode TOPSIS (Techque fo Ode Pefeece b Smlat to Ideal Soluto) kosume dapat meetuka alteatf mobl apa saja ag ata aka dposes dalam pehtuga sehgga meghaslka peekomedasa ag tebak atau sesua dega kega use. [] Kusumadew, S, dkk. Fuzz Mult- ttbute ecso makg Fuzz (Fuzz-MAM), Jakata, Gaha Ilmu, 006 []Kus, M.Kom. Kosep da Aplkas Pedukug Keputusa, (Ad Publshe, 007). [] ada Uma aha, 00, Sstem Pedukug Keputusa, Peebt Elex Meda Komputdo, Jakata. AFTAR PUSTAKA [] Tuba. 00. Ifomato Techolog Fo Maagemet. Tasfomg Ogaztos the gtal Ecoom:th Edto.

ANALISA DAN PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KENDARAAN MENGGUNAKAN METODE TOPSIS

ANALISA DAN PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KENDARAAN MENGGUNAKAN METODE TOPSIS ANALISA AN PERANCANGAN SISTEM PENUKUNG KEPUTUSAN PEMILIHAN KENARAAN MENGGUNAKAN METOE TOPSIS ah Afah P. Pogam Stud Tekk Ifomatka Sekolah Tgg Ifomatka & Kompute Idoesa Jl. Raa Tda 00 Malag dah@stk.ac.d

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

PENGAMBILAN KEPUTUSAN PEMILIHAN PROGRAM STUDI DI FAKULTAS ILMU KOMPUTER MENGGUNAKAN FUZZY MULTI-ATTRIBUTE DECISION MAKING

PENGAMBILAN KEPUTUSAN PEMILIHAN PROGRAM STUDI DI FAKULTAS ILMU KOMPUTER MENGGUNAKAN FUZZY MULTI-ATTRIBUTE DECISION MAKING SEMINR NSIONL ELECTRICL, INFORMTICS, ND IT S EDUCTIONS 29 PENGMBILN KEPUTUSN PEMILIHN PROGRM STUDI DI FKULTS ILMU KOMPUTER MENGGUNKN FUZZY MULTI-TTRIBUTE DECISION MKING Da Palup R, Des Stawa, Novya aa

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian 3 III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMAN Teusa Nuya. Populas dalam peelta adalah seluuh sswa kelas X SMAN Teusa Nuya semeste geap tahu pelajaa / yag bejumlah lma kelas. Kemampua

Lebih terperinci

Sistem Pendukung Keputusan untuk Rekomendasi Wirausaha Menggunakan Metode AHP-TOPSIS (Studi Kasus Kab. Probolinggo)

Sistem Pendukung Keputusan untuk Rekomendasi Wirausaha Menggunakan Metode AHP-TOPSIS (Studi Kasus Kab. Probolinggo) Jual Pegembaga Tekolog Ifomas da Ilmu Kompute e-issn: 548-964X Vol., No., Novembe 07, hlm. 04-4 http://-ptk.ub.ac.d Sstem Pedukug Keputusa utuk Rekomedas Wausaha Megguaka Metode AHP-TOPSIS (Stud Kasus

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Bulet Ilmah Mat. Stat. da eapaa (Bmaste) Volume 0, No. (0), hal 79-86. ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI PRODUKSI ANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Zaal Ap, Muhlasah Novtasa Maa, Neva Satahadew

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMA YP Ula Badalampug yag belokas d Jl. Jedal R. Supapto No.88 Tajug Kaag Badalampug. Populas yag dguaka dalam peelta adalah seluuh sswa kelas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai BAB III MATERI DAN METODE Peelta tetag hubuga ataa bobot potog dega bobot kakas da o kakas kambg Jawaadu beta dlaksaaka pada bula Jul sampa dega Oktobe 2016 d tempat pemotoga hewa (TPH) Bustama d Jala

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

ANALISIS HUBUNGAN MULTI CHANNEL LEARNING DENGAN INDEKS PRESTASI MAHASISWA MENGGUNAKAN VARIABEL UTAUT DAN ANALISIS LINTASAN

ANALISIS HUBUNGAN MULTI CHANNEL LEARNING DENGAN INDEKS PRESTASI MAHASISWA MENGGUNAKAN VARIABEL UTAUT DAN ANALISIS LINTASAN ANALII HUBUNGAN MULTI HANNEL LEARNING DENGAN INDEK PRETAI MAHAIWA MENGGUNAKAN VARIABEL UTAUT DAN ANALII LINTAAN utato Halm Paata; Ngaap Im Mak Mathematcs & tatstcs Depatmet, chool of ompute cece, Bus Uvesty

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

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

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2) RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS I Putu Eratama 1), I Gede Arya Utama ) 1) ) Jurusa Sstem Iformas. Sekolah Tgg Maajeme Iformatka

Lebih terperinci

MODEL PENGENDALIAN PERSEDIAAN MULTI ITEM DENGAN KEDATANGAN SUPPLY BERTAHAP SERTA MEMPERHITUNGKAN KENDALA ANGGARAN PEMBELIAN BARANG YANG TERBATAS

MODEL PENGENDALIAN PERSEDIAAN MULTI ITEM DENGAN KEDATANGAN SUPPLY BERTAHAP SERTA MEMPERHITUNGKAN KENDALA ANGGARAN PEMBELIAN BARANG YANG TERBATAS Jual ekolog Idust Vol. IV No. 1 Jaua 000 : 3-34 MODEL PENGENDALIAN PERSEDIAAN MULI IEM DENGAN KEDAANGAN SUPPLY BERAHAP SERA MEMPERHIUNGKAN KENDALA ANGGARAN PEMBELIAN BARANG YANG ERBAAS RZ Abdul Azz Juusa

Lebih terperinci

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

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

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN BUAH RAMBUTAN DENGAN KUALITAS TERBAIK MENGGUNAKAN METODE WEIGHTED PRODUCT (WP)

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN BUAH RAMBUTAN DENGAN KUALITAS TERBAIK MENGGUNAKAN METODE WEIGHTED PRODUCT (WP) ISSN 2548-8368 (meda ole) SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN BUAH RAMBUTAN DENGAN KUALITAS TERBAIK MENGGUNAKAN METODE WEIGHTED PRODUCT (WP) Yosa aro Za, Mesra 2, Efor Buulolo 3 Mahasswa Tekk Iformatka

Lebih terperinci

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

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

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB III METODOLOGI. Identifikasi masalah. Program kerja Survei pendahuluan. Karakteristik sosio ekonomi: - PDRB - Data lain yang terkait

BAB III METODOLOGI. Identifikasi masalah. Program kerja Survei pendahuluan. Karakteristik sosio ekonomi: - PDRB - Data lain yang terkait BAB III METODOLOGI Idetfkas masalah Pogam keja Suve pedahulua Stud pustaka Kaaktestk jalu taspotas: - Data sekude kods eksstg jalu - Data la ag tekat Kaaktestk soso ekoom: - PDRB - Data la ag tekat Suve

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

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

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

Lebih terperinci

PEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS

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

Lebih terperinci

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX ORBITH VOL. 9 NO. JULI 03 : 78 83 ETODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEILIHAN DISTRO LINUX Oleh : Ahad Sabq Tekk Iforatka Poltekk Purbaya Tegal Jl. Pacakarya No. Talag Tegal 593 Abstrak Pada peelta

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Estimasi Parameter Data Tersensor Tipe I Berdistribusi Loglogistik Menggunakan Maximum Likelihood Estimate dan Iterasi Newton-Rhapson

Estimasi Parameter Data Tersensor Tipe I Berdistribusi Loglogistik Menggunakan Maximum Likelihood Estimate dan Iterasi Newton-Rhapson Estmas Paamete Data Teseso Tpe I Bedstbus Loglogstk Megguaka Maxmum Lkelhood Estmate da Iteas Newto-Rhapso Alfes Fauk Fakultas MIPA, Uvestas Swjaya; emal: alfesfauk@us.ac.d Abstact: Suvval aalyss s oe

Lebih terperinci

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

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

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1 68 BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN A. Hasl Peelta Adapu hasl peelta aka djelaska sebaga bekut : TABEL 4. Tabel IQ, Iteleges Gada da Tes Hasl Belaja pada Pokok Bahasa Kesebagua Kelas

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB 2 KAJIAN TEORITIS

BAB 2 KAJIAN TEORITIS 9 BAB KAJIAN TEORITIS. Deskps Teo.. Kosep Dasa Rekayasa Pat Luak... Pegeta Rekayasa Pat Luak Pegeta ekayasa pat luak petama kal dpekealka oleh Ftz Baue sebaga peetapa da pegguaa psp-psp ekayasa dalam usaha

Lebih terperinci

JURNAL DASI ISSN: Vol. 14 No. 2 JUNI 2013

JURNAL DASI ISSN: Vol. 14 No. 2 JUNI 2013 IMPLEMENTASI METODE FUZZY C-MEANS DAN TOPSIS DALAM MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN SMA (STUDI KASUS : PENENTUAN JURUSAN DI SMA NEGERI WONOSARI) Anta Bud Hastut ), Ema Utam 2), Emha

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

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

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

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

Lebih terperinci

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS Semar Nasoal Iformatka 01 (semasif 01) ISSN: 1979-38 UPN Vetera Yogyakarta, 30 Ju 01 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS Jamla Akaem

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PENILAIAN KINERJA DEPARTEMEN PRODUKSI DALAM MENERAPKAN REVERSE LOGISTICS

PENILAIAN KINERJA DEPARTEMEN PRODUKSI DALAM MENERAPKAN REVERSE LOGISTICS PENILAIAN KINERJA DEPARTEMEN PRODUKSI DALAM MENERAPKAN REVERSE LOGISTICS DENGAN PENDEKATAN ANALYTICAL HIERARCHY PROCESS DAN DATA ENVELOPMENT ANALYSIS (Stud Kasus D Pt Sa Soso Kato Pabk Mooketo) PERFORMANCE

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

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

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

Lebih terperinci

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 97 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS 4. Hasl da Pegumpula Data 4.. Peetua L Krts DATA Berdasarka hasl peelta da observas dlapaga secara lagsug pada lata produks PT. Fajar It Plasdo yag meghaslka

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAKALAH SEMINAR TERBAIK

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAKALAH SEMINAR TERBAIK SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAKALAH SEMINAR TERBAIK Deborah Kurawat 1), Azhar S.N. 2) 1) Program stud Sstem Iformas STMIK AKAKOM Jl. Raya Jat No 143 Karagjambe Yogyakarta 2) Jurusa Ilmu Komputer

Lebih terperinci

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

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

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

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

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

Sistem Pendukung Keputusan dalam Pemilihan Internet Service Provider Dengan Metode TOPSIS

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

Lebih terperinci

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18 ANALISA WAKTU BAKU PRODUKSI DOMPET DENGAN PENDEKATAN PETA TANGAN KIRI DAN TANGAN KANAN PADA CV. XYZ DI PASURUAN Hasa Bashor 1), Rosyatul Umam ) 1) Dose Tekk dustr Fakultas Tekk Uverstas Yudharta Pasurua

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

Lebih terperinci

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi Koferes Nasoal Sstem & Iformatka 017 STMIK STIKOM Bal, 10 Agustus 017 Peerapa Metode TOPSIS utuk Peetua Varabel Settg Pada Optmsas Multrespo Taguch I Ketut Putu Suatara 1), I Gede Eka Watara Putra ) STMIK

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini bertujuan mengetahui hubungan intensitas kegiatan

III. METODE PENELITIAN. Penelitian ini bertujuan mengetahui hubungan intensitas kegiatan III. METODE PENELITIAN A. Metode Peelta Peelta betujua megetahu hubuga testas kegata ekstakulkule Pamuka, da PMR pada sswa Kelas VIII SMP Nege Guug Labuha Way Kaa dega pestas belaja IPS semeste gajl tahu

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

LAMPIRAN. Lampiran 1. Bagan alir pembuatan gel sebelum ditambah minyak nilam dan minyak lavender. Aquades. Panaskan aquades sampai mendidih

LAMPIRAN. Lampiran 1. Bagan alir pembuatan gel sebelum ditambah minyak nilam dan minyak lavender. Aquades. Panaskan aquades sampai mendidih LAMPIRAN Lampra 1. Baga alr pembuata gel sebelum dtambah myak lam da myak laveder Aquades Paaska aquades sampa meddh Agar agar, xatha gum, sodum bezoat Aduk hgga homoge Turuka suhu hgga 65 0 C Prople glkol

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

Lebih terperinci

Xplore, 2013, Vol. 1(1):e7(1-8) c 2013 Departemen Statistika FMIPA IPB

Xplore, 2013, Vol. 1(1):e7(1-8) c 2013 Departemen Statistika FMIPA IPB Xplore, 2013, Vol. 1(1):e7(1-8) c 2013 Departeme Statstka FMIPA IPB PEETUA ILAI PEMBOBOTA DA PEDUGA RAGAM UTUK PEARIKA COTOH BERTAHAP (Stud Kasus : Surve Pra Pemlha Guberur da Wakl Gubeur Jawa Barat d

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

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

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

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci