PENDAHULUAN LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENDAHULUAN LANDASAN TEORI"

Transkripsi

1 PENDAHULUAN Latar elakang Masalah pengrman barang hasl produks bag suatu perusahaan kepada para pelanggannya merupakan masalah yang sangat pentng, karena hal tu berkatan dengan kepuasan pelanggan akan pelayanan Untuk memenuh permntaan pelanggan akan suatu produk, suatu perusahaan dharuskan mengrm produk tersebut dengan sebak mungkn D phak lan, perusahaan tentu mengngnkan keuntungan yang besar, karena tu, baya pengrman haruslah semnmum mungkn anyaknya rute pengrman yang mungkn dar pabrk ke pelanggan serta ketersedaan termnal sebaga tempat transt tentu menad masalah yang sangat rumt bag phak manaemen Oleh sebab tu, perusahaan harus dapat menentukan rute dan termnal yang tepat sehngga baya pengrman yang dkeluarkan mnmum Masalah penentuan kombnas termnal dan rute kapal dapat pula dmodelkan sebaga masalah pemrograman blangan bulat campuran/mxed nteger programmng (MIP) MIP adalah masalah optmsas dengan fungs obektf dan kendala yang lnear yang beberapa varabelnya dharuskan nteger dan selannya bsa nteger atau tdak Karya lmah n merupakan penyederhanaan dar permasalahan yang dhadap oleh salah satu suppler pasar pulp terbesar d duna, Sodra Cell A, yang telah dbahas oleh Gunnarsson, H RÖnnqvst, M Carlsson, D (006) dalam urnal yang berudul A combned termnal locaton and shp routng problem Dalam karya lmah n akan dtunukkan solus optmal dar masalah penentuan kombnas termnal dan rute kapal dengan menggunakan bantuan software LINGO 80 uuan uuan penulsan karya lmah n adalah menunukkan peranan MIP (mxed nteger programmng) dalam menentukan kombnas termnal dan rute kapal LANDASAN EORI Untuk memaham masalah penentuan kombnas termnal dan rute kapal serta teknk pemecahan yang dgunakan dalam karya tuls n, dperlukan defns dar beberapa konsep berkut n Fungs Lnear dan Pertdaksamaan Lnear Fungs lnear dan pertdaksamaan lnear merupakan salah satu konsep dasar yang harus dpaham terkat dengan konsep pemrograman lnear Defns (Fungs Lnear) Suatu fungs f x, x,, x ) ( n dalam varabel-varabel x, x,, x n adalah suatu fungs lnear ka dan hanya ka untuk suatu hmpunan konstanta c, c,, c n, f ( x, x,, x ) = c x + c x + + c x n n n (Wnston, 004) Sebaga gambaran, f ( x, x ) = x + 3x merupakan fungs lnear, sementara f ( x, x ) = x x bukan fungs lnear Defns (Pertdaksamaan dan Persamaan Lnear) Untuk sembarang fungs lnear f x, x,, x ) dan sembarang blangan b, ( n pertdaksamaan f ( x, x,, x ) b n dan f ( x, x,, x ) b n adalah pertdaksamaan lnear Msalkan b sembarang blangan, suatu persamaan f ( x, x,, x ) = b n merupakan persamaan lnear (Wnston, 004) Pemrograman Lnear Pemrograman lnear (PL) atau lnear programmng (LP) adalah suatu masalah optmsas yang memenuh ketentuanketentuan sebaga berkut: a) uuan masalah tersebut adalah memaksmumkan atau memnmumkan suatu fungs lnear dar seumlah varabel keputusan Fungs yang akan dmaksmumkan atau dmnmumkan n dsebut fungs obektf b) Nla varabel-varabel keputusannya harus memenuh suatu hmpunan kendala Setap

2 kendala harus berupa persamaan lnear atau pertdaksamaan lnear c) Ada pembatasan tanda untuk setap varabel dalam masalah n Untuk sembarang varabel x, pembatasan tanda menentukan x harus taknegatf ( x 0) atau tdak dbatas tandanya (unrestrcted n sgn) (Wnston, 004) Suatu PL mempunya bentuk standar sepert yang ddefnskan sebaga berkut Defns 3 (entuk Standar PL) Suatu pemrograman lnear ddefnskan mempunya bentuk standar: maks z = c x terhadap Ax = b () x 0 dengan x dan c berupa vektor berukuran n, vektor b berukuran m, sedangkan A berupa matrks berukuran m n yang dsebut uga matrks kendala [Nash & Sofer, 996] Sebaga catatan, yang dmaksud dengan vektor berukuran n adalah vektor yang memlk dmens (ukuran) n Solus Pemrograman Lnear Suatu masalah PL dapat dselesakan dalam berbaga teknk, salah satunya adalah metode smpleks Metode n dapat menghaslkan suatu solus optmal bag masalah PL dan telah dkembangkan oleh Dantzg seak tahun 947, dan dalam perkembangannya merupakan metode yang palng umum dgunakan untuk menyelesakan PL Metode n berupa metode teratf untuk menyelesakan PL berbentuk standar Pada masalah PL (), vektor x yang memenuh kendala Ax = b dsebut solus PL () Msalkan matrks A dnyatakan sebaga A = ( N ), dengan adalah matrks berukuran m m yang elemennya berupa koefsen varabel bass dan N merupakan matrks berukuran m ( n m) yang elemenelemennya berupa koefsen varabel nonbass pada matrks kendala Dalam hal n matrks dsebut matrks bass untuk PL () Msalkan x dnyatakan sebaga vektor x x =, dengan x adalah vektor varabel xn bass dan x N adalah vektor varabel nonbass, maka Ax = b dapat dnyatakan sebaga ( ) x = Ax N x N = x + Nx = b () N Karena matrks adalah matrks taksngular, maka memlk nvers, sehngga dar () x dapat dnyatakan sebaga: - - x = b - Nx (3) N Defns 4 (Solus ass) Solus dar suatu PL dsebut solus bass ka memenuh syarat berkut: solus tersebut memenuh kendala pada PL; kolom-kolom dar matrks kendala yang berpadanan dengan komponen taknol dar solus tersebut adalah bebas lnear (Nash & Sofer, 996) Defns 5 (Solus ass Fsbel) Vektor x dsebut solus bass fsbel ka x merupakan solus bass dan x 0 (Nash & Sofer, 996) Ilustras solus bass dan solus bass fsbel dberkan dalam Contoh Contoh Msalkan dberkan PL (4) berkut: mn z = x x terhadap x + x + x = 3 x + x + x = 7 4 x + x = 5 5 x, x, x3, x4, x5 0, dar PL (4) dperoleh: 0 0 A = 0 0, b = Msalkan dplh ( x x x ) ( x x ) N x = dan x =, (4) maka matrks bassnya adalah 0 0 = Dengan menggunakan matrks bass d atas ddapatkan

3 3 ( ) ( ) x = 0 0, x = b = 7 5 (5) N Solus (5) merupakan solus bass, karena memenuh kendala pada PL (4) dan kolomkolom pada matrks kendala yang berpadanan dengan komponen taknol dar (5), yatu bebas lnear (kolom yang satu bukan merupakan kelpatan dar kolom yang lan) Solus (5) uga merupakan solus bass fsbel, karena nla-nla varabelnya lebh dar atau sama dengan nol Hal yang uga pentng dalam konsep pemrograman lnear untuk model n adalah daerah fsbel dan solus optmal yang ddefnskan sebaga berkut Defns 6 (Daerah Fsbel) Daerah fsbel suatu PL adalah hmpunan semua ttk yang memenuh semua kendala dan pembatasan tanda pada PL tersebut (Wnston, 004) Defns 7 (Solus Optmal) Untuk masalah maksmsas, solus optmal suatu PL adalah suatu ttk dalam daerah fsbel dengan nla fungs obektf terbesar Untuk masalah mnmsas, solus optmal suatu PL adalah suatu ttk dalam daerah fsbel dengan nla fungs obektf terkecl (Wnston, 004) Integer Programmng Integer programmng (IP) atau pemrograman nteger adalah suatu model pemrograman lnear dengan varabel yang dgunakan berupa blangan bulat (nteger) Jka semua varabel harus berupa nteger, maka masalah tersebut dnamakan pure nteger programmng Jka hanya sebagan yang harus berupa nteger, maka dsebut mxed nteger programmng (MIP) IP dengan semua varabelnya harus bernla 0 atau dsebut 0- IP (Garfnkel & Nemhauser, 97) Defns 8 (Pemrograman Lnear Relaksas) Pemrograman lnear relaksas atau serng dsebut PL-relaksas merupakan suatu pemrograman lnear yang dperoleh dar suatu IP dengan menghlangkan kendala nteger atau kendala 0- pada setap varabelnya Untuk masalah maksmsas, nla optmal fungs obektf PL-relaksas lebh besar atau sama dengan nla optmal fungs obektf IP, sedangkan untuk masalah mnmsas, nla optmal fungs obektf PL-relaksas lebh kecl atau sama dengan nla optmal fungs obektf IP (Wnston, 995) Metode ranch-and-ound Pemecahan masalah pemrograman nteger dapat dlakukan dengan metode branch-andbound Prnsp dasar metode n adalah memecah daerah fsbel suatu masalah PLrelaksas dengan membuat subproblemsubproblem Ada dua konsep dasar dalam algortme branch-and-bound Cabang (ranch) Membuat parts daerah solus dar masalah utama (PL-relaksas) dengan membentuk subproblem-subproblem, tuuannya untuk menghapus daerah solus yang tdak fsbel Hal n dcapa dengan menentukan kendala yang pentng untuk menghaslkan solus IP, secara tdak langsung ttk nteger yang tdak fsbel terhapus Dengan kata lan, hasl pengumpulan lengkap dar subproblemsubproblem n menunukkan setap ttk nteger yang fsbel dalam masalah asl Karena sfat parts tersebut, maka prosedur n dnamakan pencabangan (branchng) atas (ound) Msalkan masalah utamanya berupa masalah maksmsas, nla obektf yang optmal untuk setap subproblem dbuat dengan membatas pencabangan dengan batas atas dar nla obektf yang dhubungkan dengan sembarang nla nteger yang fsbel Hal n sangat pentng untuk mengatur dan menempatkan solus optmal Operas pembatasan n dnamakan pembatasan (boundng) (aha, 975) Metode branch-and-bound dawal dar menyelesakan PL-relaksas dar suatu nteger programmng Jka semua nla varabel keputusan solus optmal sudah berupa nteger, maka solus tersebut merupakan solus optmal IP Jka tdak, dlakukan pencabangan dan penambahan batasan pada PL-relaksasnya kemudan dselesakan Wnston (004) menyebutkan bahwa nla fungs obektf optmal untuk IP nla fungs obektf optmal untuk PL-relaksas (masalah maksmsas), sehngga nla fungs obektf optmal PL-relaksas merupakan batas atas bag nla fungs obektf optmal untuk masalah IP Dungkapkan pula oleh Wnston (004) bahwa nla fungs obektf optmal untuk suatu kanddat solus merupakan batas bawah nla fungs obektf optmal untuk masalah IP asalnya Suatu kanddat solus

4 4 dperoleh ka solus dar suatu subproblem sudah memenuh kendala nteger pada masalah IP, artnya fungs obektf dan semua varabelnya sudah bernla nteger erkut n adalah langkah-langkah penyelesaan suatu masalah maksmsas dengan metode branch-and-bound Langkah 0 Ddefnskan z sebaga batas bawah dar nla fungs obektf (solus) IP yang optmal Pada awalnya dtetapkan z = dan = 0 Langkah Subproblem PL ( ) dplh sebaga bagan masalah berkutnya untuk dtelt Subproblem PL dselesakan dan dukur dengan konds ( ) yang sesua a) Jka PL ( ) terukur, batas bawah z = dperbaru ka solus IP yang lebh bak dtemukan Jka tdak, bagan masalah (subproblem) baru dplh dan langkah dulang Jka semua subproblem telah dtelt, maka proses dhentkan b) Jka PL ( ) tdak terukur, proses dlanutkan ke langkah untuk melakukan pencabangan PL ( ) Menurut Wnston (004), suatu subproblem dkatakan terukur (fathomed) ka terdapat stuas sebaga berkut Subproblem tersebut takfsbel, sehngga tdak dapat menghaslkan solus optmal untuk IP Subproblem tersebut menghaslkan suatu solus optmal dengan semua varabelnya bernla nteger Jka solus optmal n mempunya nla fungs obektf yang lebh bak darpada solus fsbel yang dperoleh sebelumnya, maka solus n menad kanddat solus optmal dan nla fungs obektfnya menad batas bawah nla fungs obektf optmal bag masalah IP pada saat tu sa ad subproblem n menghaslkan solus optmal untuk masalah IP 3 Nla fungs obektf optmal untuk subproblem tersebut tdak melebh (untuk masalah maksmsas) batas bawah saat tu, maka subproblem n dapat delmnas Langkah Dplh salah satu varabel optmalnya adalah batasan nteger dalam solus < x yang nla x yang tdak memenuh PL dang [ x ] x < [ x ] + dsngkrkan dengan membuat dua subproblem PL yang berkatan menad dua subproblem yang tdak dapat dpenuh secara bersamaan, yatu dan x x x [ x ] [ ] +, dengan [ x ] ddefnskan sebaga nteger terbesar yang kurang dar atau sama dengan x Kembal ke langkah (aha, 996) Untuk memudahkan pemahaman metode branch-and-bound dberkan contoh sebaga berkut Contoh (Metode ranch-and-ound) Msalkan dberkan pemrograman nteger (IP) berkut max z = x + 3x terhadap x + x 0 (6) 3x + 4x 5 x, x 0; x, x nteger Solus optmal PL-relaksas dar masalah IP (6) adalah x = 5, x = 5, dan z = 75 (lhat pada Lampran ) atas atas nla optmal fungs obektf masalah n adalah z = 75 Daerah fsbel PL-relaksas masalah (6) dtunukkan pada Gambar (daerah yang darsr) sedangkan ttk-ttk merupakan solus fsbel masalah IP (6) Gambar Daerah fsbel untuk PL-relaksas dar IP (6) Langkah berkutnya adalah memarts daerah fsbel PL-relaksas menad dua bagan berdasarkan varabel yang berbentuk pecahan (non-nteger) Msalkan dplh x sebaga dasar pencabangan Jka masalah PL-relaksas dber nama Subproblem, maka pencabangan tersebut menghaslkan subproblem, yatu: Subproblem : Subproblem dtambah kendala x Subproblem 3: Subproblem dtambah kendala x 3 ;

5 5 Hal n dlustraskan secara grafs pada Gambar Gambar Daerah fsbel untuk Subproblem dan Subproblem 3 Setap ttk (solus) fsbel dar IP (6) termuat dalam daerah fsbel Subproblem atau Subproblem 3 Setap subproblem n salng lepas Subproblem dan Subproblem 3 dkatakan dcabangkan oleh x Sekarang dplh subproblem yang belum dselesakan Msalkan dplh Subproblem, kemudan dselesakan Solus optmal untuk Subproblem n adalah x = 567, x =, dan z = 733 (lhat Lampran ) Karena solus optmal yang dhaslkan Subproblem bukan solus nteger, maka dplh pencabangan pada Subproblem atas x, sehngga dperoleh dua subproblem lag, yakn: Subproblem 4: Subproblem dtambah kendala x 5 ; Subproblem 5: Subproblem dtambah kendala x 6 Saat n subproblem yang belum dselesakan adalah Subproblem 3, 4, dan 5 Salah satu subproblem dplh, msalnya dengan aturan LIFO (Last In Frst Out) Dengan adanya aturan n berart dplh Subproblem 4 atau Subproblem 5 Subproblem 4 menghaslkan solus optmal x = 5, x =, dan z = 6 yang berupa nteger (lhat Lampran ) Dperoleh kanddat solus optmal yang baru dar Subproblem 4 Nla z baru merupakan batas bawah baru bag nla optmal IP (6) Karena aturan LIFO, dplh Subproblem 5, yang kemudan menghaslkan solus optmal x = 6, x = 75, z = 75 (lhat Lampran ) Karena x = 75 bukan nteger, maka dlakukan kembal pencabangan atas x, sehngga dperoleh: Subproblem 6: Subproblem 5 dtambah kendala x ; Subproblem 7: Subproblem 5 dtambah kendala x Selanutnya berdasarkan aturan LIFO, dplh Subproblem 6 Subproblem yang dplh menghaslkan solus optmal yang berupa nteger, dengan x =, x = 7, dan z = 7 (lhat Lampran ) Dperoleh kanddat solus optmal yang baru dar Subproblem 6 Karena nla z baru pada Subproblem 6 lebh bak darpada nla z pada Subproblem 4, maka nla z pada Subproblem 6 merupakan batas bawah baru bag nla optmal IP (6) erssa dua buah subproblem yatu, Subproblem 3 dan Subproblem 7 Msalkan dengan aturan LIFO dplh Subproblem 7 Karena Subproblem 7 takfsbel (lhat Lampran ), maka subproblem n tdak dapat menghaslkan solus optmal, yang terssa hanya Subproblem 3 Subproblem 3 menghaslkan solus optmal yang berupa nteger, dengan x = 4, x = 3, dan z = 7 (lhat Lampran ) atas bawah yang dtetapkan dar solus optmal Subproblem 6 dan 3 bernla sama Semua solus optmal dar Subproblem 6 dan 3 telah berupa nteger dan tdak perlu lag dlakukan pencabangan, sehngga terdapat solus optmal dar Subproblem 6 dan 3 Pohon pencabangan yang menunukkan penyelesaan masalah IP (6) secara keseluruhan dtunukkan pada Gambar 3

6 6 Gambar 3 Seluruh pencabangan pada metode ranch-and-ound untuk menentukan solus optmal dar IP (6) Graf Konsep graf yang dgunakan dalam karya lmah n melput defns-defns berkut Defns 9 (Graf) Suatu graf adalah pasangan terurut (V, E), dengan V hmpunan takkosong dan berhngga dan E adalah hmpunan takterurut yang menghubungkan elemen-elemen V, dnotaskan dengan G = (V, E) Elemen V dnamakan smpul (vertex/node) dan elemen E dnamakan ss (edge), dnotaskan dengan {, }, yakn ss yang menghubungkan smpul dengan smpul, dengan, V Graf sepert n dsebut uga graf takberarah Ilustras graf takberarah dapat dlhat pada gambar berkut G Pada Gambar 4 V = {,,3,4,5} dan E = {{, },{,4},{,3},{3,4},{,4},{3,5},{4,5}} Defns 0 (Graf erarah/dgraph) Graf berarah (drected graph/dgraph) adalah pasangan terurut (V, A) dengan V hmpunan takkosong dan berhngga, dan A adalah hmpungan pasangan terurut dar elemen-elemen d V Elemen-elemen dar A dsebut arc (ss berarah) dan dtulskan,, dengan, V sebaga ( ) Ilustras graf berarah dapat dlhat pada gambar berkut G ' : Gambar 5 Graf G ' = ( V, A) Gambar 4 Graf G = (V, E) Pada Gambar 5 d atas V = {,,3,4,5} dan A = {(,4),(,),(4,),(,3),(4,3),(3,5),(5,4)}

7 7 Defns (Walk) Suatu walk pada graf G = (V, E) adalah suatu barsan smpul dan ss dar G dengan bentuk : v, v, v, v, v, v,, v, v, v, { } { } { } 3 n n n atau dtuls dengan rngkas : v, v,, v n atau v, v,, v n Walk tersebut menghubungkan smpul v dengan v n Defns (Path) Path pada suatu graf G adalah suatu walk dengan semua smpulnya berbeda Ilustras walk dan path dberkan sebaga berkut Pada graf G yang terdapat dalam Gambar 4, salah satu contoh walk adalah,, 3,, 4, 5, sedangkan, 4,,3,5 adalah salah satu contoh path Defns 3 (Walk erarah) Walk berarah pada suatu graf berarah G ' = ( V, A) adalah suatu barsan terurut smpul dan ss pada G ' berbentuk v a, v,, a n, v, dengan setap ss 0, n berarah a menghubungkan smpul-smpul v dan v secara berurutan Defns 4 (Path erarah) Path berarah pada graf berarah G ' adalah suatu walk berarah yang semua smpulnya berbeda Ilustras walk dan path berarah dberkan sebaga berkut Pada graf berarah G ' yang terdapat dalam Gambar 5, contoh walk berarah adalah,,3, 5, 4,,3, 5 Contoh path berarah adalah,,3,5, 4, sementara yang bukan path berarah adalah,, 4,3,5, karena tdak ada ss berarah dar smpul ke smpul 4 Defns 5 (Ss erarah Menauh atau Mendekat, Suksesor, dan Predesesor) Msalkan dberkan graf berarah D = ( V, A) Jka a = ( v, v ) A maka ss berarah n dkatakan menauh v dan mendekat v Smpul bag smpul v, dan smpul suksesor bag smpul v v dsebut predesesor v dsebut Ilustrasnya dberkan dalam gambar berkut Gambar 6 Ss berarah menauh atau mendekat, suksesor, dan predesesor Defns 6 (Graf erbobot) Suatu graf G = (V, E) atau graf berarah D = ( V, A) dkatakan berbobot ka terdapat fungs w : E R atau l : A R (dengan R hmpunan blangan real) yang memberkan bobot pada setap elemen E atau A Ilustrasnya dberkan dalam gambar berkut: G: Gambar 7 Graf berbobot G = ( V, A) Msalkan dberkan fungs w : A R untuk graf berbobot G = ( V, A) pada Gambar 7, maka w(, ) = ; w(, 3) = 4; w(, 3) = ; w(, 4) = 4; w(, 5) = ; w(3, 5) = 3; w(5, 4) = 3; w(4, 6) = ; w(5, 6) = erdapat kasus khusus dar graf berbobot, yatu network Untuk memaham konsep network dperlukan defns-defns source dan snk berkut n Defns 7 (Source) Source adalah suatu smpul dengan tdak ada ss berarah yang mendekat smpul tersebut Defns 8 (Snk) Snk adalah suatu smpul sehngga tdak ada ss berarah yang menauh smpul tersebut

8 8 Defns 9 (Network) Network adalah suatu dgraph yang mempunya tepat satu source dan satu snk Ilustras network, source, dan snk dberkan dalam gambar berkut G: Gambar 8 Network, source, dan snk Pada Gambar 8, graf berarah G merupakan suatu network dengan smpul sebaga source dan smpul 6 sebaga snk Pengertan suatu network N menurut Chartrand & Oellermann (993), adalah suatu dgraph D dengan source s, snk t, dan fungs bernla blangan bulat taknegatf c yang ddefnskan d setap ss pada E(D) Dgraph D dkatakan underlyng dgraph dar N dan fungs c dnamakan fungs kapastas dar N Ada kalanya suatu network memlk lebh dar satu source maupun snk, sebagamana yang akan dgunakan dalam karya lmah n Defns 0 (Lngkungan-luar & lngkungandalam) Dalam dgraph D, ddefnskan: Lngkungan luar (out-neghborhood) dar verteks x d D adalah + N ( x) = { y V ( D) ( x, y) E( D)}, Lngkungan dalam (n-neghborhood) dar verteks x d D adalah N ( x) = { y V ( D) ( y, x) E( D)} (Chartrand & Oellermann, 993) Defns (Arus/Flow) Msalkan dberkan network N dengan underlyng dgraph D, source s, snk t, dan fungs kapastas c Arus/flow d N adalah fungs bernla blangan bulat taknegatf f pada E(D) sehngga berlaku 0 f ( a) c( a), (7) untuk setap a E( D), dan f ( x, y) = f ( y, x) (8) + y N ( x) y N ( x) untuk setap x V ( D) { s, t} (Chartrand & Oellermann 993) Network Flow Network flow merupakan suatu kasus dalam PL yang memlk struktur khusus dan menggunakan representas graf entuk umum suatu masalah network flow dkenal dengan masalah network flow baya mnmum (mnmum cost network flow problem) Pada masalah n, fungs obektfnya berupa mnmsas baya yang terkat dengan suatu ss berarah dengan kendala-kendala yang melput kendala konservas flow dan kendala restrks flow Kendala konservas flow merupakan suatu kendala yang menaga kesembangan flow pada suatu smpul, yang menyatakan bahwa banyaknya flow yang masuk ke suatu smpul harus sama dengan banyaknya flow yang keluar dar smpul tersebut Kendala restrks flow merupakan suatu kendala yang membatas banyaknya flow yang dapat melewat suatu ss berarah Msalkan N menyatakan hmpunan smpul dalam suatu network dan A menyatakan hmpunan ss berarah dalam network tersebut Msalkan pula baya pengangkutan (shppng) setap unt flow komodtas pada ss berarah (, ) A dnyatakan sebaga c, unt flow komodtas yang melalu ss berarah (, ) untuk setap (, ) l dan A dnotaskan dengan x, u berturut-turut menyatakan batas bawah dan batas atas flow komodtas yang harus dangkut melalu ss berarah (, ) untuk setap (, ) A, dan b menyatakan supply/demand pada smpul N Varabel b dsebut supply pada smpul ka b > 0 dan smpul dsebut smpul supply Varabel b dsebut demand pada smpul ka b < 0 dan smpul dsebut smpul demand Jka b = 0, smpul dsebut sebaga smpul transshpment Formulas umum suatu masalah network flow dberkan sebaga berkut: mn (, ) A terhadap x x = b, N :(, ) A :(, ) A l x u, (, ) A c x (9) (0) Persamaan (9) menyatakan kendala konservas flow dan pertdaksamaan (0) menyatakan kendala restrks flow (Ahua et al 993)

9 9 Masalah Path erpendek (he Shortest Path Problem) Masalah path terpendek merupakan kasus khusus dalam masalah network flow baya mnmum Ddefnskan panang untuk sembarang path berarah dalam suatu network sebaga umlah baya semua ss berarah dalam path tersebut Dalam masalah n akan dcar suatu path terpendek, yakn path berarah dar suatu smpul asal ke smpul tuuan dengan panang terkecl DESKRIPSI DAN FORMULASI MASALAH Suatu perusahaan yang memproduks pulp harus mengrmkan beberapa produknya pada para pelanggan yang ada d dalam neger maupun dekspor ke luar neger Pengrman dalam neger dapat dlakukan dengan menggunakan truk atau kereta, dan pengrman ke luar neger dapat dlakukan dengan kapal pengangkut (shppng vessels) ke termnaltermnal dan dlanutkan dengan truk atau kereta sampa kepada para pelanggan erdapat dua ens termnal, yatu termnal pelabuhan dan termnal nland ermnal nland adalah suatu termnal berukuran lebh kecl darpada termnal pelabuhan dan terdapat d pessr sunga ermnal nland dapat dcapa dar termnal pelabuhan dengan menggunakan kapal yang berukuran lebh kecl darpada kapal pengangkut, truk, atau kereta Setelah menurunkan semua muatan d termnal pelabuhan, kapal yang telah kosong tersebut dharuskan kembal ke pabrk untuk pengrman produk selanutnya Pengrman produk dar pabrk ke pelanggan membutuhkan baya yang besar, dan besarnya baya tersebut dpengaruh oleh arak yang dtempuh dar pabrk pulp (pulpmll) ke pelanggan, bak dalam neger maupun luar neger Selan tu, terdapat pula baya tetap untuk penggunaan termnal, kereta, truk, dan kapal Setap produk yang masuk ke termnal dkena baya cuka per tonnya Rute pengrman dar pabrk ke termnaltermnal dtunukkan oleh Gambar 9 erdapat dua tpe rute, yatu rute sederhana yang dtunukkan dengan rute-a dan rute gabungan yang dtunukkan dengan rute- Rute-A dmula dar satu pabrk pulp dan menuu satu termnal untuk pembongkaran Sedangkan untuk pemuatan rute- dmula dar satu pabrk pulp dan berkunung ke satu atau beberapa pabrk pulp atau termnal dan berakhr pada satu termnal eberapa contoh rute dtunukkan pada abel Gambar 9 Ilustras lokas pabrk, termnal, dan pelanggan

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI 9 I PEDAHULUA Latar elakang Pada am-am tertentu, dalam suatu stasun kereta ap terdapat kereta ap penumpang ang tdak doperaskan untuk mengangkut penumpang Perusahaan kereta ap harus melakukan kegatan pelangsran

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

3 METODE HEURISTIK UNTUK VRPTW

3 METODE HEURISTIK UNTUK VRPTW 12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381 Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua

Lebih terperinci

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan Catatan Kulah 3 Memaham dan Menganalsa Optmas dengan Kendala Ketdaksamaan. Interpretas Konds Kuhn Tucker Asumskan masalah yang dhadap adalah masalah produks. Secara umum, persoalan maksmsas keuntungan

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC Kurnawan *, Rolan Pane, Asl Srat Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

ALJABAR LINIER LANJUT

ALJABAR LINIER LANJUT ALABAR LINIER LANUT Ruang Bars dan Ruang Kolom suatu Matrks Msalkan A adalah matrks mnatas lapangan F. Bars pada matrks A merentang subruang F n dsebut ruang bars A, dnotaskan dengan rs(a) dan kolom pada

Lebih terperinci

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan

Lebih terperinci

BAB VI MODEL-MODEL DETERMINISTIK

BAB VI MODEL-MODEL DETERMINISTIK BAB VI MODEL-MODEL DETERMINISTIK 6. Masalah Penyaluran Daya Lstrk Andakan seorang perencana sstem kelstrkan merencakan penyaluran daya lstrk dar beberapa pembangkt yang ternterkoneks dan terhubung dengan

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

Lebih terperinci

OPTIMASI MASALAH PENUGASAN. Siti Maslihah

OPTIMASI MASALAH PENUGASAN. Siti Maslihah JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP) Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d

Lebih terperinci

Penyelesaian Masalah Transshipmen Dengan Metoda Primal-Dual Wawan Laksito YS 2)

Penyelesaian Masalah Transshipmen Dengan Metoda Primal-Dual Wawan Laksito YS 2) ISSN : 69 7 Penyelesaan Masalah Transshpmen Dengan Metoda Prmal-Dual Wawan Laksto YS ) Abstrak Masalah Pemndahan Muatan adalah masalah transportas yang melbatkan sambungan yang harus dlewat. Obektnya adalah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

DIMENSI PARTISI GRAF GIR

DIMENSI PARTISI GRAF GIR Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

PENENTUAN PUPUK YANG MENGANDUNG NUTRISI SESUAI DENGAN KARAKTER TANAH ENDITIYAS PRATIWI

PENENTUAN PUPUK YANG MENGANDUNG NUTRISI SESUAI DENGAN KARAKTER TANAH ENDITIYAS PRATIWI PENENTUAN PUPUK YANG MENGANDUNG NUTRISI SESUAI DENGAN KARAKTER TANAH ENDITIYAS PRATIWI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2008 ABSTRAK ENDITIYAS

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB I PENDAHULUAN Latar Belakang dan Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang

Lebih terperinci

PADA GRAF PRISMA BERCABANG

PADA GRAF PRISMA BERCABANG PELABELAN TOTAL SUPER (a, d)-busur ANTI AJAIB PADA GRAF PRISMA BERCABANG Achmad Fahruroz,, Dew Putre Lestar,, Iffatul Mardhyah, Unverstas Gunadarma Depok Program Magster Fakultas MIPA Unverstas Indonesa

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

Lebih terperinci

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au

Lebih terperinci

PEMODELAN PEMROGRAMAN LINIER DENGAN KOEFISIEN FUNGSI OBJEKTIF BERBENTUK BILANGAN KABUR SEGITIGA DAN KENDALA KABUR BESERTA USULAN SOLUSINYA

PEMODELAN PEMROGRAMAN LINIER DENGAN KOEFISIEN FUNGSI OBJEKTIF BERBENTUK BILANGAN KABUR SEGITIGA DAN KENDALA KABUR BESERTA USULAN SOLUSINYA JURNAL TEKNIK INDUSTRI VOL. 8, NO., JUNI 6: 4-7 PEMODELAN PEMROGRAMAN LINIER DENGAN KOEFISIEN FUNGSI OBJEKTIF BERBENTUK BILANGAN KABUR SEGITIGA DAN KENDALA KABUR BESERTA USULAN SOLUSINYA San Susanto, Dedy

Lebih terperinci

Oleh : Fifi Fisiana

Oleh : Fifi Fisiana Optmas Baya Produks menggunakan Metode Revsed Mult Choce Goal programmng dengan Tahap Persedaan Terkontrol Supply Chan Model stud kasus : PT.Gunungarta Manunggal, Gempol Oleh : Ff Fsana 1207100018 Dosen

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d

Lebih terperinci

Preferensi untuk alternatif A i diberikan

Preferensi untuk alternatif A i diberikan Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses

Lebih terperinci

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES Hubungan n akan dawal dar gaya yang beraks pada massa fluda. Gaya-gaya n dapat dbag ke dalam gaya bod, gaya permukaan, dan gaya nersa. a. Gaya Bod Gaya bod

Lebih terperinci

MODEL OPTIMAL SISTEM TRANSPORTASI ANGKUTAN KOTA

MODEL OPTIMAL SISTEM TRANSPORTASI ANGKUTAN KOTA ODEL OPTIAL SISTE TRANSPORTASI ANGKUTAN KOTA PRAPTO TRI SUPRIYO Departemen atematka Fakultas atematka dan Ilmu Pengetahuan Alam Insttut Pertanan Bogor Jl erant, Kampus IPB Darmaga, Bogor 16680 Indonesa

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT JMP : Volume 5 Nomor, Jun 03, hal. 3 - SPEKTRUM PD GRF REGULER KUT Rzk Mulyan, Tryan dan Nken Larasat Program Stud Matematka, Fakultas Sans dan Teknk Unerstas Jenderal Soedrman Emal : rzky90@gmal.com BSTRCT.

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

BILANGAN RAMSEY SISI DARI r ( P, )

BILANGAN RAMSEY SISI DARI r ( P, ) Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya mron-ts@matematka.ts.ac.d

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

PERBAIKAN TATA LETAK FASILITAS PRODUKSI DENGAN PENGELOMPOKAN FASILITAS DAN LMIP 4 ( STUDI KASUS: PT. SUMBER MAKMUR)

PERBAIKAN TATA LETAK FASILITAS PRODUKSI DENGAN PENGELOMPOKAN FASILITAS DAN LMIP 4 ( STUDI KASUS: PT. SUMBER MAKMUR) Prosdng Semnar Nasonal Aplkas Sans & Teknolog (SNAST) Perode III ISSN: 979-9X Yogyakarta, 3 November 0 PERBAIKAN TATA LETAK FASILITAS PRODUKSI DENGAN PENGELOMPOKAN FASILITAS DAN LMIP 4 ( STUDI KASUS: PT.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP JMP : Volume 1 Nomor 2, Oktober 2009 PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP Tryan dan Nken Larasat Fakultas Sans dan Teknk, Unverstas Jenderal Soedrman Purwokerto, Indonesa

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI 0 I PEDAHULUA. Latar Belakang Peternakan didefinisikan sebagai suatu usaha untuk membudidayakan hewan ternak. Jika dilihat dari enis hewan yang diternakkan, terdapat berbagai enis peternakan, salah satunya

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 11 Latar Belakang Manajemen operasi suatu industri penerbangan merupakan suatu permasalahan Operations Research yang kompleks Secara umum, perusahaan dihadapkan pada berbagai persoalan dalam

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

Bab V Aliran Daya Optimal

Bab V Aliran Daya Optimal Bab V Alran Daya Optmal Permasalahan alran daya optmal (Optmal Power Flow/OPF) telah menjad bahan pembcaraan sejak dperkenalkan pertama kal oleh Carpenter pada tahun 196. Karena mater pembahasan tentang

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS

APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Vol No Jurnal Sans Teknolog Industr APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Ftr Aryan Dew Yulant Jurusan Matematka Fakultas Sans Teknolog UIN SUSKA Rau Emal:

Lebih terperinci

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole

Lebih terperinci

BAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi

BAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi BAB II KAJIAN TEORI 2.1 Pendahuluan Model penurunan nla konds jembatan yang akan destmas mengatkan data penurunan konds jembatan dengan beberapa varabel kontnu yang mempengaruh penurunan kondsnya. Data

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Algortma Algortma berasal dar kata Algors dan Rtms, yang pertama kal dperkenalkan oleh Abu Ja far Mohammad Ibn Musa Al Khowarzm dalam buku Al-abr w almulqabala (Horowtz, Ells dan Sahn,

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

Lebih terperinci

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS JMP : Volume 4 Nomor 2, Desember 2012, hal. 289-297 SEMI RING POLINOM ATAS ALJABAR MAX-PLUS Suroto Prod Matematka, Jurusan MIPA, Fakultas Sans dan Teknk Unverstas Jenderal Soedrman e-mal : suroto_80@yahoo.com

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 1.1 Latar Belakang Semakin tingginya mobilitas penduduk di suatu negara terutama di kota besar tentulah memiliki banyak permasalahan, mulai dari kemacetan yang tak terselesaikan hingga moda

Lebih terperinci

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K Jurnal Matematka Murn dan Terapan Vol. 3 No. Desember 009: 4-6 APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH Yun Yulda dan Muhammad Ahsar K Program Stud Matematka Unverstas

Lebih terperinci

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat 10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB III HASILKALI TENSOR PADA RUANG VEKTOR. Misalkan V ruang vektor atas lapangan F. Suatu transformasi linear f L ( V, F )

BAB III HASILKALI TENSOR PADA RUANG VEKTOR. Misalkan V ruang vektor atas lapangan F. Suatu transformasi linear f L ( V, F ) 28 BAB III HASILKALI TENSOR PADA RUANG VEKTOR III.1 Ruang Dual Defns III.1.2: Ruang Dual [10] Msalkan V ruang vektor atas lapangan F. Suatu transformas lnear f L ( V, F ) dkatakan fungsonal lnear (atau

Lebih terperinci

UJI PRIMALITAS. Sangadji *

UJI PRIMALITAS. Sangadji * UJI PRIMALITAS Sangadj * ABSTRAK UJI PRIMALITAS. Makalah n membahas dan membuktkan tga teorema untuk testng prmaltas, yatu teorema Lucas, teorema Lucas yang dsempurnakan dan teorema Pocklngton. D sampng

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN : JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan

Lebih terperinci

BAB III PEMBAHASAN. Pada bab ini akan dibahas mengenai ring embedding dan faktorisasi. tunggal pada ring komutatif tanpa elemen kesatuan.

BAB III PEMBAHASAN. Pada bab ini akan dibahas mengenai ring embedding dan faktorisasi. tunggal pada ring komutatif tanpa elemen kesatuan. BAB III PEMBAHASAN Pada bab n akan dbahas mengena rng embeddng dan faktorsas tunggal pada rng komutatf tanpa elemen kesatuan. A. Rng Embeddng Defns 3.1 (Malk et al. 1997: 318 Suatu rng R dkatakan embedded

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

Abstraksi. Abstraksi. Abstraksi. Property SP (single short shortest path) 4/29/2010. Berapa pa th yang mungkin dari garaph G tadi?

Abstraksi. Abstraksi. Abstraksi. Property SP (single short shortest path) 4/29/2010. Berapa pa th yang mungkin dari garaph G tadi? Termnolog Sngle source shortest path djkstra wjanarto Djkstra s algorthm d paka untuk menemukan shortest path dar satu source ke seluruh vertek dalam graph. Algo n menggunakan 2 hmp node yatu S dan C.

Lebih terperinci

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

Lebih terperinci