PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV"

Transkripsi

1 PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl. Sc, M. Phil ABSTRAK Perencanaan Sumber Daya Manusia (PSDM) atau perencanaan tenaga erja,dienal atas metode nonilmiah dan metode ilmiah. Metode nonilmiah diartian bahwa perencanaan SDM hanya didasaran atas pengalaman, imajinasi, dan periraan-periraan dari perencanaanya saja. Rencana SDM semacam ini risionya cuup besar, misalnya ualitas dan uantitas tenaga erja tida sesuai ebutuhan perusahaan. Aibatnya timbul mismanajemen dan pemborosan yang merugian perusahaan. Dalam penelitian ini dilauan perencanaan jumlah tenaga perawat di RSUD Pameasan menggunaan Rantai Marov, agar peerjaan yang ada dapat terselesaian bai. sedangan proses yang dijalanan adalah penentuan state, menghitung nilai probabilitas antar state, pembentuan matris probabilitas transisi, peramalan ebutuhan tenaga perawat RSUD Pameasan untu dua tahun edepan,dan menentuan jumlah omposisi tenaga perawat di RSUD Pameasan serta dilauan simulasi program MATLAB. Berdasaran perhitungan probabilitas transisi antar state pada tenaga perawat menunjuan perawat yang tida mengalami enaian jabatan relatif lebih tinggi daripada perawat yang mengalami enaian pangat. Predisi jumlah perawat yang dibutuhan untu menggantian perawat yang eluar pada tahun 2011 adalah 4 oarang dan pada tahun 2012 adalah 4 orang. Predisi jumlah perawat terbanya pada tahun 2011 dan 2012 adalah perawat jabatan. Kata unci : perencanaan jumlah tenaga perawat, Rantai Marov, state 1. PENDAHULUAN Rantai marov adalah suatu metode yang mempelajari sifat-sifar suatu variabel pada masa searang yang didasaran pada sifatsifatnya di masa lalu dalam mempredisi sifatsifat tersebut dimasa yang aan datang. Rantai marov adalah suatu proses stoasti state space dan parameter space disrit dimana ejadian searang hanya di pengaruhi ejadian emarin, dan ejadian beso tida di pengaruhi ejadian emarin, atau hanya bergantung pada suatu langah ebelaang [1]. Dengan metode ini probabilitas yang terjadi antar jabatan dapat di analisis melalui matri probabilitas transisi. Dalam penelitian ini aan dilauan perencanaan jumlah tenaga erja di RSUD Pameasan hususnya tenaga perawat. RSUD Pameasan merupaan salah satu rumah sait terbesar di Pulau Madura yang memilii peranan dalam pelayanan esehatan masyaraat. Di satu sisi, RSUD Pameasan mempunyai suatu tujuan yang harus dicapai sesuai rencana yang telah dibuat. Namun untu mencapai tujuan tersebut, RSUD Pameasan mengalami endala yaitu urangnya tenaga ahli dan terampil di setor tenaga perawat untu menunjang pelasanaan tugas dinas. Oleh arena itu perlu dibuat suatu perencanaan mengenai jumlah tenaga erja yang dibutuhan. Jumlah tenaga perawat yang tersedia di setiap jabatan dan yang eluar dapat diperiraan menggunaan rantai marov. Karena menggunaan rantai marov dapat ditentuan berapa probabilitas yang terjadi antar jabatan dilihat dari data-data tenaga perawat tahun yang lalu, sehingga nantinya dapat di predisi jumlah tenaga parawat dan susunan jumlah omposisi tenaga perawat yang aan datang. Selain itu dalam tugas ahir ini dilauan perhitungan predisi jumlah perawat program MATLAB yang bisa digunaan untu perhitungan selanjutnya dan RSUD yang lainnya. Pada penelitian sebelumnya telah dilauan oleh Whie Ayuning Sari (2009) pada tugas ahirnya, yaitu Perencanaan Jumlah Tenaga Kerja di RSUD Dr. Soetomo

2 Menggunaan Rantai Marov. Dalam penelitian tersebut dilauan penghitungan dan peramalan tentang perencanaan tenaga erja pada RSUD Dr. Soetomo yang mengalami endala arena urangnya tenaga ahli dan terampil, yaitu tenaga perawat untu menunjang pelasanaan tugas dinas menggunaan metode rantai marov. Dengan mengangat topi yang sama yang telah dilauan sebelumnya Tugas Ahir ini mengangat judul Perencanaan Jumlah Tenaga di RSUD Pameasan Menggunaan Rantai Marov di sertai simulasi perhitungan menggunaan program MATLAB. 2. TINJAUAN PUSTAKA 2.1 Pengertian perencanaan Tenaga Kerja Perencanaan SDM merupaan proses analisis dan identifiasi tersedianya ebutuhan aan sumber daya manusia sehingga organisasi tersebut dapat mencapai tujuannya. Sumber daya manusia adalah emampuan terpadu dari daya piir dan daya fisi yang dimilii individu, perilau dan sifatnya ditentuan oleh eturunan dan lingungannya, sedangan prestasi erjanya dimotivasi oleh einginan untu memenuhi epuasannya. 2.2 Proses Aca Pengelompoan tipe populasi dari proses aca bisa digambaran sebagai jia X adalah proses aca, maa populasi dari proses aca adalah semua nilai yang mungin yang bisa dimasuan dalam suatu proses contohnya S = {y: X t = y, untu t T} Jia X adalah proses aca yang menggambaran suatu persamaan, maa populasi dari X dapat digambaran sebagai suatu nilai yang memenuhi persamaan tersebut. Jia populasi dari S dari suatu proses aca X dapat dihiting (contoh S={1,2,3,...}), dalam hal ini X disebut Discrete Time Random Process perubahan state terjadi pada titi-titi integer. Jia populasi dari S dari suatu proses aca X tida dapat dihitung ( contoh S = ) maa X disebut Continuous Time Random Process perubahan state (discrete state) terjadi pada sembarang watu. 2.3 Konsep Dasar Marov Chain Marov Chain adalah sebuah Proses Marov populasi yang disrit (dapat dihitung) yang berada pada suatu discrete state (position) dan diizinan ut berubah state pada time discrete. Sebuah rantai Marov adalah suatu urutan dari variabel-variabel aca X 1, X 2, X 3,... sifat Marov yaitu, mengingat eadaan masa depan dan masa lalu eadaan yang independen, ata lain: Pr X t+1 = x X 1 = x 1, X 2 = x 2, X n = x n = Pr X t+1 = x X t = x n (2.1) Nilai yang mungin untu membentu X i S disebut ruang eadaan rantai. Salah satu rantai marov yang aan dibahas dalam Tugas Ahir ini yaitu Rantai Marov Disrit. Rantai marov disrit adalah suatu proses Stoasti state space disrit dan parameter space (watu proses) disrit. Dalam rantai marov probabilitas suatu state pada watu e (n+1) hanya tergantung pada ondisi state pada watu e-n dan tida tergantung pada ondisi-ondisi dari watu-watu sebelumnya. Definisi Suatu proses stoasti {Xn,n>=0} state space S={0,1,2, } dan disebut rantai marov disrit jia untu semua I dan j dalam S. Pr X n +1 = j X n = i, X n 1,, X 0 = x n = Pr X n+1 = j X n = i (2.2) Suatu marov chain disrit disebut homogen terhadap watu jia untu semua n=1,2, Pr X n+1 = j X n = i = Pr X 1 = j X 0 = i (2.3) Perhatian bahwa persamaan 2.2 mempunyai arti bahwa probabilitas suatu ejadian pada langah e-(n+1) hanya tergantung pada ejadian e-n atau satu langah sebelumnya dan tida tergantung pada langah-langah sebelumnya. Pr X n+1 = j X n = i disebut probabilitas transisi satu langah dari rantai marov disrit pada watu n. Persamaan 2.3 mempunyai arti bahwa probabilitas satu langah tergantung pada state i dan j dan tida tergantung pada watu dimasa proses terjadi (watu yang homogen). Rantai marov disrit yang homogen state space S berhingga, S={1,2,...,N}. Untu probabilitas satu langah yang bersifat homogen dapat ditulis:

3 p ij = Pr X n+1 = j X n = i ; i, j = 1,2,, N (2.4) Matri stoastinya ditulis sebagai: P = p 11 p 1N p N1 p NN Dua arateristi penting dari matri stoasti teorema debagai beriut: Teorema (Sifat-sifat matri stoasti) Misal P=(Pij) adalah matri stoasti beruuran NxN dari suatu rantai marov disrit {Xn,n>=0} state space S={0,1,2,...,N}, maa: 1. p ij 0,1 i, j N N 2. j =1 p ij = 1,1 i N Buti: p ij non negatif merupaan aibat langsung dari probabilitas bersyarat. Untu mambutian yang edua sebagai beriut: N j =1 p ij = Pr X n+1 = j X n = i = Pr X n+1 S X n = i Karena X n+1 pasti mengambil nilai tertentu dalam S, tida tergantung pada nilai Xn, maa nilai probabilitasnya adalah 1 (satu) Hubungan antara state-state dari rantai marov ditentuan ole sema lasifiasi sebagai beriut: 1. Reachable State Status j reachable dari status i apabila dalam rantai dpat terjadi transisi dari status i e status j melalui sejumlah transisi berhingga terdapat n, 0 n, sehingga P n ij > 0 2. Irreduceable Chain Jia dalam suatu rantai Marov setiap status reachable dari setiap status lainnya, rantai tersebut adalah irreduceable. 3. Periodic State Suatu status i disebut periodic peroda d > 1, jia p n ii>0, hanya untu n = d, 2d, 3d,...; sebalinya jia p n ii > 0, hanya untu n = 1, 2, 3,... maa status tersebut disebut aperiodic. 4. Probability of First Return Probabilitas embali pertama alinya e status i terjadi dalam n transisi setelah meninggalan i. f i (n) = P(X n = i, X i untu = 1,2,, n 1 X 0 = i) (note: f i (0) didefinisian = 1 untu semua i) 5. Probability of Ever Return Probabilitas aan embalimya e status i setelah sebelumnya meninggalan i. ( n ) f i f i n 1 6. Transient State Suatu status disebut transient jia probabilitas f i < 1; yaitu bahwa setelah dari i melalui sejumlah transisi terdapat emunginan tida dapat embali e i. 7. Recurrent State Suatu status disebut recurrent jia probabilitas f i = 1; yaitu bahwa setelah dari i melalui sejumlah transisi selalu ada emunginan untu embali e i. 8. Mean Recurrent Time of State Untu suatu status recurrent, jumlah step ratarata untu embali e status i ( n ) m i nf i n 1 9. Null Recurrent State Suatu Recurrent State disebut recurrent null jia m i = 10. Positive Recurrent State Suatu recurrent state disebut positive recurrent atau recurrent nonnull jia m i < 11. Communicate State Dua status, i dan j, diataamn beromuniasi jia i reachable dari j dan juga reachable dari i ; ditulis notasi i j 12. Ergodic Rantai Marov disebut ergodic jia, irreduceable, aperiodic, dan seluruh status positive recurrent 2.4 Predisi Jumlah Tenaga Jia jumlah perawat pada jabatan i pada saat t dinotasian oleh n i (t), sehingga jumlah tenaga erja yang eluar pada saat t+1 adalah sebagai beriut: t + 1 = N n i (t) w i (2.5) Dengan t + 1 adalah jumlah pegawai yang eluar pada saat t+1. w i adalah probabilitas meninggalan perusahaan pada saat jabatan e i. Sedangan jia R t + 1 adalah total rerut pada saat t+1, maa susunan jumlah pegawai yang direrut untu masing-masing jabatan j, j=1,2,, adalah sebagai beriut: m j t + 1 = R t + 1 r j (2.6) r j adalah probabilitas rerut masu e jabatan j

4 2.5 Model Perencanaan Tenaga Kerja Model perencanaan tenaga erja diperoleh dari matri probabilitas transisi dari rantai marov. Model ini dipergunaan untu menggambaran geran antar jabatan yang masu dan eluar dari perusahaan, dan diasumsian bahwa seluruh pegawai dalam jabatan yang sama mempunyai peluang yang sama untu promosi dan eluar dari perusahaan. Jia jumlah perpindahan pegawai dari jabatan i e jabatan j pada saat t dinotasian oleh n ij (t), sehingga jumlah pegawai dalam jabatan j pada saat t+1 dapat ditulis sebagai beriut: n j t + = n ij t + R t + 1 j = 1,2,,..(2.7) R(t+1) : total rerut pada t+1 r j : probabilitas rerut masu pada jabatan j : jumlah banyanya jabatan Jumlah perpindahan pegawai dari jabatan i e jabatan j pada saat t, n ij t adalah peralian antara jumlah pegawai pada jabatan i pada saat t probabilitas perpindahan dari jabatan i e jabatan j yang dinyataan pada persamaan beriut: n ij t = n i t p ij. (2.8) p ij adalah probabilitas pegawai berpindah secara internal dari jabatan i e jabatan j. sub:situsi persamaan (2.8) e persamaan (2.5) sehingga menjadi n j t + = n i t p ij + R t + 1 j = 1,2,,..(2.9) Dalam notasi matri persamaan (2.9) menjadi n t + 1 = n t P + R t + 1 r P matri transisi elemen p ij Persamaan 2.8 adalah dasar dari analisis rantai marov untu tenaga erja, catatan bahwa pegawai yang eluar tida secara langsung termasu dalam persamaan (2.7), tetapi sebagai probabilitas yang eluar dari jabatan i dan dinotasian w i dan berhubungan elemen baris dari matri transisi P, sehingga: j =1 P ij + w i = 1; i = 1,2,, (2.10) w i probabilitas meninggalan perusahaan pada saat jabatan e i probabilitas mennggalan perusahaan pada saat jabatan i adalah penjumlahan dari probabilitas pindah perusahaan (mutasi ) pada saat jabatan i dan probabilitas yang tida beerja lagi di perusahaan saat jabatan i, yang dinyataan persamaan beriut: w i =v i +l i ;,2,, v i : probabilitas pindah dari perusahaan (mutasi) pada saat jabatan e i l i : probabilitas tida beerja lagi di perusahaan (pensiun) pada jabatan e i sedangan probabilitas masunya pegawai baru sama satu sehingga: j =1 r j = 1 (2.11) r j adalah probabilitas masunya pegawai baru e jabatan j, j=1,2,,. Nilai R(t+1) dari persamaan 2.7 dinyataan sebagai beriut: R t + 1 = N t + 1 N t + N t = i= n i (t) i= n i (t)w i (2.12) (2.13) Subsitusi persamaan 2.10 e persamaan 2.9, sehingga jumlah jabatan j, j=1,2,, pada saat t+1 adalah: n j t + 1 = n i t p ij + π j v i n i t + r i l i n i t + N t + 1 r j (2.14) Dengan N t + 1 = N t + 1 N(t) π j adalah probabilitas masunya pegawai dari perusahaan lain e jabatan j Jia jumlah pegawai tiap periode tetap, maa N t + 1 = 0 sehingga n j t + 1 = n i t p ij + + r i l i n i t π j v i n i t. (2.15)

5 Dalam notasi matri persamaan tersebut menjadi: n t + 1 = n t P + πvn t + rln (t).(2.16) Dengan P=(p ij ) adalah matri transisi, vetor olom w=(w 1,w 2,,w ) adalah vetor olom yang meninggalan perusahaan, v=(v 1,v 2,,v ) adalah vetor pindah perusahaan, l=(l 1,l 2,,l ) adalah vetor yang tida beerja lagi (pensiun). Vetor baris r=(r 1,r 2,,r ) adalah vetor rerutmen, dan vetor π=(π 1, π 2,, π ) adalah vetor masunya pegawai dariperusahaan lain. Persamaan 2.10 dapat ditulis menjadi: n t + 1 = n t A (2.17) Dengan A = P + πv + rl 3. METODE PENELITIAN 3.1Penentuan Obje Obje penelitian yang dipilih dalam Tugas Ahir ini adalah data jumlah tenaga erja perawat tiap instalasi di RSUD Pameasan. 3.2 Pembentuan model Pada Tugas Ahir ini Perencanaan Tenaga Kerja Keperawatan dilauan menggunaan Metode Rantai Marov. Metode ini didapatan state yang di tinjau dari tingat golongan erja yang nantinya aan digunaan untu mempredisi ebutuhan tenaga erja dan susunan jumah omposisi tenaga erja di RSUD Pameasan tahun 2011 dan Pengolahan data Langah-langah perencanaan tenaga erja menggunaan rantai marov : a. Penentuan state Pendefinisian state ditinjau dari tingat golongan erja. State yang diembangan terdiri dari tiga elompo, yaitu : 1. State tingat jabatan. 2. State penambahan pegawai (state 6). Ada beberapa hal yang menyebaban terjadinya penambahan tenaga perawat di RSUD Pameasan, yaitu : 1. Penerimaan pegawai baru dari luar(rerutmen). 2. Penerimaan pegawai dari dalam dan luar (mutasi). 3. State pengurangan pegawai (state 7). Pengurangan tenaga perawat pada rumah sait Pameasan disebaban oleh beberapa hal, yaitu : 1. Pegawai meninggal dunia. 2. Terjadi pemutusan hubungan erja (PHK). 3. Mutasi e bagian/lembaga lain. 4. Pegawai eluar arena permintaannya sendiri. 5. Pegawai mengalami pensiun erja. 6. Adapun pengelompoan state dapat dilihat pada Tabel 3.1 Tabel 3.1 Pengelompoan State State Jabatan 1 pelaasana pemula 2 pelasana 3 pelasana lanjutan 4 penyedia 5 madya 6 Penambahan pegawai 7 Pengurangan pegawai b. Menghitung nilai probabilitas transisi antar state. c. Pembentuan matris probabilitas transisi. d. Mempredisian ebutuhan tenaga erja pada RSUD Pameasan menggunaan model perencanaan tenaga erja. Predisi dilauan untu menentuan jumlah tenaga perawat pada RSUD Pameasan untu tahun e. Menentuan perdisi susunan jumlah omposisi tenaga perawat di RSUD Pameasan untu tahun 2011 yang meliputi jumlah tenaga perawat yang dibutuhan, jumlah tenaga perawat yang eluar dan masu serta jumlah tenaga perawat baru yang dibutuhan. f. Perhitungan menggunaan program MATLAB. 3.4 Analisis dan Intrepetasi Data Tahap ini merupaan tahap analisis dari eseluruhan hasil penelitian dari data pada Tugas Ahir ini. Analisis yang dilauan meliputi analisis hasil penelitian pada setiap state, dan juga predisi penambahan tenaga erja pada RSUD Pameasan. 3.5 Kesimpulan dan Saran Kesimpulan merupaan hasil yang diperoleh dari penelitian yang dilauan dalam Tugas Ahir ini. Sedangan saran yang diberian adalah mengenai hal-hal yang dapat diembangan lebih bai lagi.

6 4. PEMBAHASAN 4.1 Data Perpindahan Jabatan Tenaga Kerja Data yang digunaan dalam tugas ahir ini yaitu data seunder yang diambil dari data tenaga erja perawat di Rumah Sait Umum Daerah Pameasan (RSUD Pameasan). Data yang diambil data tahun Berdasaran data tersebut jumlah tenaga erja perawat yang mengalami enaian pangat/jabatan, masu, dan eluar dapat dilihat pada Tabel 4.1. Tabel 4.1 Perpindahan State KE Jml DARI baris Jml Kolom Berdasaran Tabel 4.1 dijelasan tentang data perpindahan state jabatan pada tenaga erja perawat di RSUD Pameasan. Perpindahan state ini menjelasan tentang jumlah tenaga erja yang mengalami enaian jabatan, masu, dan eluar. 4.2 Matri Probabilitas Transisi Rantai Marov digunaan untu mengetahui probabilitas perpindahan yang terjadi antar jabatan pada tenaga erja perawat di RSUD Pameasan. Jumlah perawat yang masu dan eluar dianalisis menggunaan matri probabilitas transisi. State space yang digunaan dalam proses pembentuan matri probabilitas transisi didefinisian sebagai beriut: X t =perawat berada pada jabatan perawat pelasana pemula pada tahun e-t Dengan S= {1,2,3,4,5,6} T={0,1,2,3, } 1, perawat berada pada jabatan perawat pelasana pemula pada tahun e-t 2, perawat berada pada jabatan perawat X t pelasana pada tahun e-t 3, perawat berada pada jabatan perawat pelasana lanjutan pada tahun e-t 4, perawat berada pada jabatan perawat penyelia pada tahun e-t 5, perawat masu pada tahun e-t 6, perawat eluar pada tahun e-t P ij =P{X t+1 =j X t =i} adalah probabilitas perawat berada pada jabatan j pada tahun e-t+1 jia dietahui pada tahun e-t berada pada jabatan e-i. Sehingga matri probabilitas yang terbentu adalah P = p 11 p 21 p 31 p 41 p 51 p 61 p 12 p 22 p 32 p 42 p 52 p 62 p 13 p 23 p 33 p 43 p 53 p 63 p 14 p 24 p 34 p 44 p 54 p 64 p 15 p 25 p 35 p 45 p 55 p 65 p 16 p 26 p 36 p 46 p 56 p 66 P 11 =P{X t+1 =1 X t =1} adalah probabilitas perawat berada pada jabatan perawat pelasana pemula pada tahun e t+1 jia dietahui pada tahun e-t berada pada jabatan perawat pelasana pemula. P 21 =P{X t+1 =1 X t =2} adalah probabilitas perawat berada pada jabatan perawat pelasana pemula pada tahun e t+1 jia dietahui pada tahun e-t berada pada jabatan perawat pelasana. Keterangan lebih lengapnya dapat dapat dilihat pada Lampiran 2. Dalam menentuan nilai probabilitas pada matri transisi digunaan nilai-nilai pada Tabel 4.1. Adapun nilai-nilai Pij untu i, j=1,2,3,4,5,6 adalah sebagai beriut: p 11 = p X t+1 = 1 X t = 1 = p{x t+1 = 1, X t = 1} p{x t = 1} = = = p 12 = p X t+1 = 2 X t = 1 = p{x t+1 = 2, X t = 1} p{x t = 1} = = 0 34 = Perhitungan selanjutnya untu menentuan nilai probabilitas pada setiap matri transisi dapat dilihat pada lampiran 3. Setelah nilai Pij,2,3,4,5,6 dan j=1,2,3,4,5,6 dicari menggunaan rantai marov maa aan dibentu matri

7 probabilitas transisi dari rantai marov sebagai beriut: P = , Matri probabilitas transisi ini digunaan untu mengetahui informasi tentang probabilitas perpindahan antar jabatan serta jumlah perawat yang masu dan eluar. pelasana pemula tida mengalami enaian pangat. Sedangan perawat pelasana mengalami enaian pangat e perawat pelasana lanjutan. Sedangan perawat pelasana lanjutan yang mengalami enaian pangat e perawat penyelia sebanya yang tida mengalami enaian jabatan relatif lebih tinggi daripada perawat yang mengalami enaian pangat. Hal ini dapat dilihat pada matri di atas yaitu perawat pelasana pemula sebanya , perawat pelasana sebanya , perawat pelasana lanjutan sebanya , dan perawat penyelia sebanya Hal ini dapat dilihat pada diagonal matri transisi diatas. Pada matri tersebut adanya perawat yag eluar disebaban arena adanya perwat yang meninggal, sedangan untu perawat yang dimutasi erumah sait lain tida ada. Pada state 5 yaitu penambahan jumlah perawat hanya terjadi pada state 1 yaitu prawat pada jabatan perawat pelasana penyelia arena penambahan perawat ini hanya melalui adanya proses reruimen yang telah disebutan diatas. Di RSUD Pameasan tida ada penambahan perawat dari Rumah Sait lain yang pindah e RSUD Pameasan. State 6 merupaan perawat yang mengalami mutasi atau eluar. Berdasar gambar state di atas perawat yang mengalami mutasi yaitu perwat pada state 1,2 dan 4. Mutasi perawat ini terjadi arena perawat meninggal buan perpindahan e Rumah Sait lain atau mengunduran diri. 4.3 Predisi Jumlah Tenaga Berdasaran sistem reruitmen jumlah tenaga erja dalam suatu rumah sait, minimal banyanya yang direrut sama banyanya jumlah tenaga erja yang eluar. Pada saat jumlah tenaga erja yang direrut urang maa yang terjadi adalah urangnya pelayanan rumah sait. Predisi yang dilauan dalam tugas ahir ini yaitu predisi minimum jumlah perawat untu menggantian jumlah perawat yang eluar pada masing-masing golongan di periode selanjutnya yaitu 2011 dan Jumlah tenaga erja perwat pada periode 2010 (t=1) dapat disajian pada Tabel 4.2 adalah sebagai beriut. Tabel 4.2 Jumlah Pada Tahun 2010 State golongan Jabatan fungsional Jumlah perawat 1 IIA-IIB Muda 33 2 IIC-IID IIIA-IIIB 28 4 IIIC-IIID Penyelia 10 Jumlah 187 Jia dibentu dalam bentu matri susunan jumlah perawat pada tahun 2011 (t=1) adalah sebagai beriut: N(1)=[ ] Pada sub bab 2.3 telah disebutan bahwa probabilitas meninggalan RSUD Pameasan pada saat jabatan e-i adalah wi,2,3,4 yang di tunjuan oleh matri P yang telah diperoleh pada pembahasan sebelumnya yaitu pada olom eenam sampai baris eempat. Adapun probabilitasnya dapat dilihat pada Tabel 4.3 yaitu sebagai beriut: Tabel 4.3 Probabilitas yang Keluar State Golongan Jabatan wi Probabilitas fungsional 1 IIA-IIB w Pemula 2 IIC-IID w IIIA-IIIB w3 4 IIIC-IIID w Jia disajian dalam bentu matri, probabilitas perawat yang meninggalan RSUD Pameasan pada saat jabatan e-i, wi,2,3,4 adalah sebagai beriut: W=[ ]

8 Untu mempredisi jumlah perawat yang eluar pada masing-masing jabatan untu periode selanjutnya yaitu tahun 2011, dapat diperoleh mengalian jumlah perawat pada masing-masing jabatan pada tahun 2010(t=1) probabilitas perawat yang eluar pada masing-masing jabatan, yang dinyataan sebagai beriut: 4 t + 1 = n i (t)w i (4.1) Sehingga predisi jumlah perawat yang eluar adalah sebagai beriut: (2)=33(0.0294)+116(0.0093)+28()+10 (0.1111) = = Predisi jumlah perawat yang eluar pada tahun 2011 adalah sebanya empat perawat. Sehingga predisi jumlah perawat yang dibutuan minimum untu menggantian jumla perawat yang eluar pada tahun 2011 adalah sebanya empat perawat. Banyanya perawat yang eluar pada tahun 2012 dapat dilauan perhitungan yang sama yaitu: (3)=34(0.0294)+118(0.0093)+28()+11( ) = = Predisi jumlah perawat yang eluar pada tahun 2012 adalah sebanya empat perawat. Sehingga predisi jumlah perawat yang dibutuan minimum untu menggantian jumla perawat yang eluar pada tahun 2012 adalah sebanya empat perawat. Adapun predisi susunan jumlah perawat yang eluar pada tahun 2011 dan 2012 dapat dilihat pada Tabel 4.4. Tabel 4.4 Susunan jumlah yang Keluar Tahun 2011 dan 2012 Jabatan Jumlah perawat State golongan fungsional IIA-IIB 1 1 Muda 2 IIC-IID IIIA-IIIB IIIC-IIID Penyelia 1 1 Jumlah 4 4 Pada sub bab 2.3 telah dijelasan juga bahwa probabilitas masunya perawat baru e jabatan j adalah rj j=1,2,3,4 yang ditunjuan oleh matri transisi P yang telah diperoleh padda pembahasan sebelumnya yaitu pada baris lima olom satu sampai empat. Berdasaran matri tersebut jumlah perawat yang masu e RSUD Pameasan dapat dilihat pada Tabel 4.5. Tabel 4.5 Probabilitas Jumlah yang Masu state Golongan Jabatan rj Probabilitas fungsional 1 IIA-IIB r1 Pemula 2 IIC-IID r IIIA-IIIB r3 4 IIIC-IIID r4 Jia dibentu dalam bentu matri maa probabilitas masunya perawat baru e jabatan j, rj, j=1,2,3,4 adalah sebagai beriut: r=[ ] Untu memperoleh susunan jumlah tenaga perawat yang dibutuhan pada masing-masing jabatan untu tahun 2011 adalah cara mengalian jumlah perawat yang dibutuhan probabilitas perawat yang masu melalui reruitmen sebagai beriut: r j t + 1 = R(t + 1)r j (4.2) Sehingga predisi susunan jumlah perawat yang dibutuhan dan direrut pada tahun 2011 dan 2012 dapat dilihat pada Tabel 4.6. Tabel 4.6 Susunan jumlah Yang masu Pada Tahun 2011 dan 2012 State golongan 1 IIA-IIB 2 IIC-IID 3 IIIA-IIIB Jabatan fungsional Muda Jumlah perawat IIIC-IIID Penyelia 0 0 Jumlah 4 4 Untu mengganti jumlah perawat yang eluar arena pensiun atau mutasi, RSUD pameasan

9 dapat melauan rerutmen tenaga erja perawat baru latar belaang pendidian D3 perawat sebanya 4 orang. 4.4 Predisi Susunan Jumlah Tenaga Cara untu mendapatan predisi susunan jumlah tenaga erja perawat pada tahun 2011 adalah menggunaan model perencanaan tenaga erja yang telah dijelasan padaa sub bab 2.3. model ini menggunaan matri probabilitas transisi P yang telah diperoleh pada pembahasan sebelumnya. Selain terdapat jumlah perawat yang massu dan eluar, terdapat juga perawat yang nai jabatan maupun yang tetap pada jabatannya. Sehingga menggunaan persamaan (2.6) maa predisi jumlah perawat yang nai jabatan dan tetap pada tahun 2011 dapat dilihat pada Tabel 4.7 Perhitungan jumlah perawat yang nai jabatan adalah sebagi beriut: Perwat yang nai jabatan dari perawat pelasana muda e perawat pelasana (n 12 t ) dan seterusnya adalah sebagai beriut: n 12 t = n 1 t p 12 = 33x = 0 n 23 t = n 2 t p 23 = 116x = = 11 n 34 t = n 3 t p 34 = 28x = = 3 n 45 t = n 4 t p 45 = 10x = 0 Tabel 4.7 Jumlah yang nai Jabatan dan Tetap Pada 2011 State Golongan Jabatan Fungsional Jumlah Nai Tetap 1 IIA-IIB 0 33 Muda 2 IIC-IID IIIA-IIIB IIIC-IIID 0 8 Penyelia Jumlah Dengan cara yang sama, maa predisi jumlah perawat yang nai jabatan dan perawat yang tetap jabatannya pada tahun 2012 dapat disajian pada Tabel 4.8. Tabel 4.8 Jumlah yang nai Jabatan dan Tetap Pada 2012 State Golongan Jabatan Fungsional Jumlah 1 IIA-IIB Muda 2 IIC-IID 3 IIIA-IIIB Nai Tetap IIIC-IIID Penyelia 0 11 Jumlah Pada pembahasan sebelumnya telah diberian probabilitas tenaga perawat yang masu dan eluar dari RSUD Pameasan. yang eluar di RSUD Pameasan adalah perawat yang pensiun dan meninggal, sedangan yand mutasi e Rumah Sait lain tida ada. Probabilitas perawat yang eluar saat jabatan i adalah li,2,3,4. Probbilitas perawat yang pensiun diperoleh dari: jumla perawat yang pensiun saat jabatan i l i = jumla seluru perawat pada jabatan i (4.3) Sehingga menggunaan persamaan (4.3), maa probabilitas perawat yang eluar arena meninggal dunia dapat disajian pada Tabel 4.9. Tabel 4.9 Probabilitas perawat yang eluar arena meninggal dunia state Golongan Jabatan lj Probabilitas fungsional 1 IIA-IIB l Pemula 2 IIC-IID l IIIA-IIIB l3 4 IIIC-IIID l Probabilitas perawat yang tida beerja lagi arena meninggal pada jabatan i, li,2,3,4 adalah sebagai beriut: l=[ ] Sedangan perawat yang eluar arena mutasi e Rumah Sait lain dan pensiun tida ada

10 1.5 Perhitunganmenggunaan program MATLAB Gambar 4.2 Hasil perhitungan menggunaan program MATLAB 5.PENUTUP 5.1 Kesimpulan Tugas ahir ini dapat disimpulan sebagai beriut: 1. Matri probabilitas transisi tenaga erja perawat di RSUD Pameasan adalah: P = , Berdasaran matri tersebut maa dapat dilihat tenaga perawat yang tida mengalami enaian jabatan (tetap) pada diagonal matri lebih banya dibandingan perawat yang mengalami enaian jabatan. Sedangan perawat yang masu hanya terjadi pada jabatan perawat pelasana yaitu perawat lulusan D3 dan perawat yang eluar terjadi pada perawat pelasana pemula, perwat pelasana, dan perawat penyelia yang disebaban arena meninggal dunia. 2. Predisi jumlah minimum perawat yang dibutuhan untu menggantian jumlah perawat yang eluar pada tahun 2011 dan 2012 adalah sebanya 4 orang. Untu menggantian jumlah pegawai yang eluar dapat direrut tenaga perawat pelasana yaitu lulusan D3. 3. Predisi susunan jumlah tenaga perawat pada tahun 2011 dan 2011 setelah penambahan dan pengurangan adalah sebagai beriut: Tabel 5.1 Susunan Jumlah Tenaga Kerja State Golongan Jabatan Fungsional Tahun IIA-IIB Muda 2 IIC-IID IIIA-IIIB IIIC-IIID Penyelia DAFTAR PUSTAKA [1]. Abdurrahman, Edi. Konsep Dasar Marov Chain serta Penerapannya di Bidang Pertanian. Informatia Pertanian Vol 8 (Desember 1999) [2]. Allen, L.J.S. (2003). An Introduction to Stochastic Processes with Aplication to Biologi. Pearson Education, Inc.New Jersey. [3]. Attwood, M dan Stuart D. (1999). Manajemen Personalia. Bandung: Penerbit ITB. [4]. Hasibuan S.P., M. (2007). Manajemen Sumber Daya Manusia. Jaarta: Bumi Asara. [5]. Haryono, d. (2007). Proses Stoasti. Jurusan Statistia ITS. Surabaya. [6]. Irawan, P.( 2000). Manajemen Sumber Daya Manusia. Ardana Media. Yogyaarta. [7]. McClean, Sally, d. (1992). Predicting the Growth of Manpower for the Northern Ireland Software Industry. The Statistician. Vol 41(3), [8]. Sari, Whie Ayuning. (2009). Tugas Ahir S1 Matematia ITS. Perencanaan Jumlah Tenaga Kerja di RSUD Dr. Soetomo Menggunaan Rantai Marov. Surabaya.

11

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV SEMINAR TUGAS AKHIR PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Oleh : Husien Haikal Fasha 1207 100 011 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi 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 terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB IV APLIKASI PADA MATRIKS STOKASTIK BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan 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 terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

RANTAI MARKOV ( MARKOV CHAIN )

RANTAI MARKOV ( MARKOV CHAIN ) RANTAI MARKOV ( MARKOV CHAIN ) 2.1 Tujuan Praktikum Rantai markov (Markov Chain ) merupakan salah satu materi yang akan dipelajari dalam praktikum stokastik. Berikut ini terdapat beberapa tujuan yang akan

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN 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 terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN 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 terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

RINGKASAN 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

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK

Lebih terperinci

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Implementasi 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 terperinci

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penempatan 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 terperinci

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 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 terperinci

PEBANDINGAN 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 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 terperinci

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing

mungkin 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 terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi 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 terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN 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 terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.

Lebih terperinci

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah 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 terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah 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 terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM 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 terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM 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 terperinci

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel

Lebih terperinci

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU MDEL MATEMATIKA KNSENTRASI KSIGEN TERLARUT PADA EKSISTEM PERAIRAN DANAU Sutimin Jurusan Matematia, FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto SH Tembalang, Semarang 5075 E-mail: su_timin@yanoo.com

Lebih terperinci

OSN 2014 Matematika SMA/MA

OSN 2014 Matematika SMA/MA Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 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 terperinci

MAT. 12. Barisan dan Deret

MAT. 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 terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB 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 terperinci

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA Ruhana Khabibah, Hery Tri Sutanto 2, Yuliani Puji Astuti 3 Jurusan Matematia, Faultas Matematia dan Ilmu

Lebih terperinci

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

BAB 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR) SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA 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 terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret 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 terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 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 terperinci

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA

SUATU 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 terperinci

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY Jurnal Manti Penusa Vol No Desember ISSN 88-9 ANALISIS EPUASAN ONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAET (URIR DENGAN MENGGUNAAN METODE TOPSIS FUZZY Desi Vinsensia Program Studi Teni Informatia

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL 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 terperinci

Sifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus

Sifat-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 terperinci

IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA

IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA Seminar Nasional Informatia 2009 (semnasif 2009) ISSN: 1979-2328 UPN Veteran Yogyaarta, 23 Mei 2009 IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA

Lebih terperinci

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,

Lebih terperinci

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN

KENDALI 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 terperinci

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

BAB 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 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 terperinci

PEMANFAATAN 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 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 terperinci

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak

KORELASI 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 terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

MENYELESAIKAN 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 terperinci

Y = + x + x x + e, e N(0, ), Residual e=y -Yˆ

Y = + x + x x + e, e N(0, ), Residual e=y -Yˆ Yogyaarta, 26 Noember 206 ISSN : 979 9X eissn : 25 528X ANALISIS PSEUDOINVERS DAN APLIKASINYA PADA REGRESI LINEAR BERGANDA Kris Suryowati Program Studi Statistia, Faultas Sains erapan, Institut Sains dan

Lebih terperinci

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS

MASALAH 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 terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO

DESKRIPSI 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009 KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 009 Furqan Qadarisman, dan Dwiatmono Agus W. Jurusan Statistia Institut Tenologi Sepuluh Nopember (ITS) Surabaya

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema

Lebih terperinci

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU

PERTEMUAN 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 terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan

I. 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 terperinci

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.

Lebih terperinci

BAYESIAN REVERSIBLE JUMP MARKOV CHAIN MONTE CARLO (RJMCMC) UNTUK PEMODELAN MIXTURE SURVIVAL 1. PENDAHULUAN

BAYESIAN REVERSIBLE JUMP MARKOV CHAIN MONTE CARLO (RJMCMC) UNTUK PEMODELAN MIXTURE SURVIVAL 1. PENDAHULUAN BAYESIAN REVERSIBLE JUMP MARKOV CHAIN MONTE CARLO (RJMCMC) UNTUK PEMODELAN MIXTURE SURVIVAL 1 Najihatur Reji, 2 Nur Iriawan 1,2 Jurusan Statistia, FMIPA ITS, Surabaya 1 rezqi.najihatur@gmail.com, 2 nuririawan@gmail.com

Lebih terperinci

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT

ADAPTIVE 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 terperinci

Pengaruh Masuknya Penambahan Pembangkit Baru kedalam Jaringan 150 kv pada Kapasitas Circuit Breaker

Pengaruh 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 terperinci

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

III. 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 terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata 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 terperinci

BAB IV Solusi Numerik

BAB 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 terperinci

pada Permasalahan Traveling Salesman Problem

pada Permasalahan Traveling Salesman Problem Studi Perbandingan Algoritma Ant Colony System dan Algoritma Ant System Leonardo Z Tomarere Laboratorium Ilmu dan Reayasa Komputasi Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Jl. Ganesa

Lebih terperinci

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN 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 terperinci

PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB

PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 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 terperinci

PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN

PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN Murinto Program Studi Teni Informatia Universitas Ahmad Dahlan Kampus III UAD Jl. Prof. Soepomo Janturan

Lebih terperinci

3. Sebaran Peluang Diskrit

3. Sebaran Peluang Diskrit 3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS 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 terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni

Lebih terperinci

ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)

ALGORITMA 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 terperinci

BAB III MODEL KANAL WIRELESS

BAB III MODEL KANAL WIRELESS BAB III MODEL KANAL WIRELESS Pemahaman mengenai anal wireless merupaan bagian poo dari pemahaman tentang operasi, desain dan analisis dari setiap sistem wireless secara eseluruhan, seperti pada sistem

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi 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 terperinci

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership

Lebih terperinci

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1. Distribusi Seragam Diskrit

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1. Distribusi Seragam Diskrit DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1 TI2131 TEORI PROBABILITAS MINGGU KE-9 Distribusi Seragam Disrit Jia sebuah variabel random X mengambil nilai x 1, x 2,, x dengan probabilitas yang sama, maa distribusi

Lebih terperinci

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas

Lebih terperinci

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BEBERAPA 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 terperinci

MENENTUKAN 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/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 terperinci