ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
|
|
- Shinta Santoso
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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) PADA PT. INHUTANI 1 GRESIK Farida Agustini Widaati 1), Diaz Fitra Asioma ), Chusnul Chotimah 3) 1))3) Departemen Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Institut Tenologi Sepuluh Nopember (ITS) Jl. Arief Rahman Haim, Surabaya 1) agustini.farida5@gmail.com ) diaz_fa@statistia.its.ac.id 3) chusnul11@gmail.com Abstract Pengendalian ualitas sangat dibutuhan dalam memprodusi suatu barang untu menaga estabilan mutu hasil produsi dan sebagai salah satu usaha untu menemuan fator-fator yang menyebaban urang lancarnya fungsi dalam proses suatu produsi sehingga dapat menyebaban penurunan ualitas produ. Salah satu alat pengendalian ualitas adalah peta endali. Peta endali yang digunaan untu mendetesi pergeseran ecil mean proses adalah peta endali EWMA (Exponentially Weighted Moving Average). Hasil pengembangan dari peta endali EWMA adalah DEWMA (Double Exponentially Weighted Moving Average), dimana peta endali tersebut lebih sensitif dalam mendetesi pergeseran ecil mean proses. Pada penelitian ini dilauan pengaian rumusan batas pengendali DEWMA, emudian membandingan peta endali DEWMA dengan peta endali EWMA dalam pengendalian ualitas produsi FJLB (Finger Joint Laminating Board) pada PT. Inhutani 1 Gresi. Dari hasil analisa dan pembahasan menunuan bahwa data proses produsi FJLB (Finger Joint Laminating Board) belum terendali secara statisti. Peta endali DEWMA lebih sensitif dalam mendetesi pergeseran proses daripada peta endali EWMA berdasaran nilai ARL terecil. Keywords Peta Kendali, FJLB I. PENDAHULUAN EWMA, DEWMA, ARL, Semain berembangnya perusahaan di Indonesia, aan berdampa terhadap persaingan antar perusahaan satu dengan lainnya. Setiap perusahaan aan berlomba-lomba untu menghasilan produ yang memilii ualitas yang bai untu onsumen. Oleh arena itu, masingmasing perusahaan harus memilii perencanaan yang bai terhadap produ yang dihasilannya. Apabila produ yang dihasilan berualitas bai, maa produ tersebut dapat menari minat onsumen, sehingga onsumen aan percaya terhadap perusahaan tersebut. Proses produsi adalah suatu egiatan perbaian terus-menerus yang dimulai dari sederet silus, sea adanya ideide menghasilan produ, pengembangan produ, egiatan produsi, sampai distribusi epada onsumen. Selama proses produsi berlangsung, tida dapat dipungiri bahwa tida semua produ yang dihasilan aan mempunyai ualitas yang bai. Produ yang memilii ualitas buru tergolong sebagai produ yang cacat. Kecacatan produ adalah suatu produ yang tida memenuhi syarat spesifiasi produ yang dihasilan. Untu meminimalisir ecacatan hasil produ, perlu dilauan suatu ontrol ualitas. Pengendalian ualitas adalah ativitas meneemen dan etenian yang dengan ativitas itu perusahaan dapat menguur ciri-ciri ualitas produ, membandingannya dengan spesifiasi atau persyaratan dan mengambil tindaan yang sesuai apabila ada perbedaan antara penampilan yang sebenarnya dan yang standar. Tuuan poo pengendalian ualitas statistia adalah menyidi dengan cepat teradinya sebab-sebab terduga atau pergeseran proses dan tindaan pembetulan dapat dilauan sebelum terlalu banya unit yang ta sesuai diprodusi Peta endali adalah alat statisti yang digunaan untu memonitor atau memantau suatu proses serta mempelaari perubahan proses dari watu e watu. Peta endali dapat mendetesi proses yang out-of-control. Peta endali yang sering digunaan untu mendetesi pergeseran nilai mean pada proses produsi adalah peta endali Shewhart urang sensitif dalam mendetesi pergeseran proses yang ecil. Roberts menunuan bahwa peta endali EWMA dapat mendetesi pergeseran nilai mean yang ecil dalam suatu proses produsi. Tahun 199, Shamma S.E. dan Shamma A.K. melauan penelitian mengenai peta endali DEWMA. Peta endali DEWMA merupaan hasil pengembangan 51
2 Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 dari peta endali EWMA yang dapat mendetesi pergeseran mean yang ecil dalam proses produsi. PT. Inhutani 1 Gresi merupaan perusahaan yang bergera di bidang industri pengolahan ayu. Salah satu ptrodu yang dihasilan adalah Finger Joint Laminating Board. Selama proses produsi FJLB, masih ditemuan penyimpangan atau cacat pada produ yang dihasilan. Penyimpangan yang sering teradi adalah uuran yang melebihi atau tida memenuhi standar spesifiasi yang diminta. Oleh arena itu, diperluan penerapan sistem pengendalian ualitas yang dapat menyelesaian permasalahan tersebut.berdasaran latar belaang tersebut, pada penelitian ini dilauan analisis peta endali DEWMA dalam pengendalian ualitas produsi FJLB pada PT. Inhutani 1 Gresi II. TINJAUAN PUSTAKA Peta Kendali EWMA Peta endali EWMA adalah peta endali yang digunaan untu mendetesi pergeseran ecil mean proses. Bentu umum peta endali EWMA adalah : Y x 1 Y 1 (Eq.1) dengan, : parameter pembobot EWMA dengan nilai < 1. : rata-rata sampel hasil produsi pada watu e- dengan adalah umlah sampel dalam satu watu : nilai EWMA : subgrup dengan = 1,,,. Diasumsian pengamatan dari suatu proses dengan variabel aca, berdistribusi normal ~ (, ). Jia sampel e- beruuran diambil dari suatu populasi dengan rata-rata dan variansi, maa ~, dengan = dan =. Dengan = dan =, batas pengendali dari peta endali EWMA adalah = + = = ( ( ) ) ( ( ) ) (Eq.) (Eq.3) Untu pengamatan e- semain besar. batas ontrol aan mendeati nilai stabil, sehingga diperoleh = + = ( ) Peta Kendali DEWMA Peta endali DEWMA merupaan hasil pengembangan dari peta endali EWMA. Bentu umum peta endali DEWMA adalah sebagai beriut : Y 1 1 (Eq.) atau dapat ditulis menadi : 1 1 x 1 1 Y 1 1 (Eq.5) dengan, : parameter pembobot EWMA dengan nilai < 1. : rata-rata sampel hasil produsi pada watu e- dengan adalah umlah sampel dalam satu watu : nilai EWMA : subgrup dengan = 1,,, Average Run Length ARL merupaan rata-rata banyanya sampel subgrup yang harus diamati sampai ditemuan out of control yang pertama. Semain ecil nilai ARL, semain cepat peta endali tersebut dalam mendetesi adanya pergeseran proses. Nilai ARL dapat dirumusan sebagai beriut : = (Eq.6) dengan merupaan probabilitas penerimaan hasil sampling yang seharusnya di tola atau cacat. Untu mencari dapat dinyataan sebagai beriut: = ( = = + (Eq.7) dengan adalah rata-rata proses setelah teradi pergeseran. Sedangan adalah rata-rata proses sebelum teradi pergeseran, adalah onstanta pergeseran dan adalah standar deviasi proses III. METODE PENELITIAN Analisis dalam penelitian ini dilauan dengan menggunaan teni pendeatan statisti, agar esimpulan dapat diperoleh secara tepat. Teni statisti yang digunaan adalah analisis pengendalian ualitas dengan menggunaan peta endali EWMA dan DEWMA. Adapun langah-langah dalam penelitian ini adalah sebagai beriut: 1. Mengai rumusan batas pengendali DEWMA. Analisis menggunaan peta endali EWMA. 3. Analisis menggunaan peta endali DEWMA..Membandingan peta endali EWMA dan DEWMA. = ( ) 5
3 Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 IV. HASIL DAN PEMBAHASAN Batas Pengendali DEWMA Untu memperoleh batas pengendali DEWMA, perlu dicari nilai mean dan nilai varian dari. Nilai mean dari,berdasaran (Eq.5) adalah sebagai beriut : 1 x 1 1 Y (Eq.8) (Eq.8) uga dapat ditulis sebagai beriut : 1 x 1 1 Y (Eq.9) Untu memperoleh batas pengendali DEWMA, diperluan nilai mean dan nilai varian dari. Nilai mean dari dapat diperoleh sebagai beriut: E[ ] E 1 x 1 1 Y E 1 x 1 E 1 Y E E 1 x 1 1 Y E x 1 1 Y (Eq.1) Untu setiap subgrup, nilai rata-rata yang diharapan merupaan nilai. Jia = 1,,3,...,, maa [ ] =. Sehingga [ ] = [ ] = [ ] = = [ ] =. (Eq.1) menadi 1 1 Y membentu deret Aritmatia- 1 Geometri dengan = (1 )dan =., sehingga nilai mean dari menadi 1 1 (1 1 ) 1 1 Y 1 1 (1 1 ) 1 1 (1 1 ) 1 1 Y Y 1 arena = =, nilai mean adalah: (Eq.11) i Nilai variansi dari beriut : var( ) var Y 1 1 adalah sebagai 1 x x 1 ar 1 x 1, Y 1 1 var( 1 ) var 1 Y v 1 1 cov 1 1 cov 1 x 1, 1 1 1, cov ( 1 Y 1 ) var 1 x 1 () () () 1 1 var 1 x (1 ) 1 1 var( x ) 1 X (1 ) membentu deret Aritmatia- 1 Geometri dengan = (1 ) dan =, sehingga nilai variansi dari menadi: (1 ) (1 1 ) 6 x (1 1 ) 3 Setelah diperoleh nilai mean dan nilai varian dari, batas pengendali DEWMA adalah sebagai beriut : 1 1 i 1 1 i i 11 i 1 x (1 1 ) 3 GT i i i x ( Eq.1) BPA L ( Eq.13) i 1 i i i (1 1 ) i i i BPB L ( Eq.1) x 3 Untu pengamatan e i yang semain besar, (Eq.13) dan (Eq.1) menadi: BPA L BPB L x 3 ( ) x 3 ( ) Analisis Disriptif Data Berdasaran data inspesi hasil produsi FJLB uuran x5x mm dietahui bahwa nilai masimum dan nilai minimum dari eseluruhan data adalah mm dan, mm. Nilai rata-rata proses dan standar deviasi dengan = sisi board dan = 5, dimana n merupaan uuran sampel dan m adalah banyanya observasi, nilai mean prosesnya adalah,136 dan standar deviasi,1. Nilai awal dari EWMA ( ) merupaan nilai rata-rata proses yang diperoleh yaitu,136 Analisis Menggunaan Peta Kendali EWMA Nilai masing-masing Masing-masing nilai didapatan dari (Eq.1). saling beraitan satu dengan yang lainnya. Nilai 1 membutuhun nilai 53
4 Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 statisti sebelumnya yaitu begitupun nilai yang membutuhan nilai 1. Hal itu berlau hingga 5. Parameter yang digunaan adalah =,1 hingga =,9 Setelah diperoleh nilai masing-masing, selanutnya dapat dihitung batas pengendali atas dan batas pengendali bawah peta endali EWMA dengan (Eq.) dan (Eq.3). Kemudian dapat disusun peta endali EWMA untu menampilan data inspesi produ FJLB yang berada di dalam atau di luar batas pengendali. Peta endali EWMA untu =,1 hingga =,9 ditunuan pada Gambar. (e) Peta Kendali EWMA untu =,5 (f) Peta Kendali EWMA untu =,6 (a) Peta Kendali EWMA untu =,1 (g) Peta Kendali EWMA untu =,7 (b) Peta Kendali EWMA untu =, (h) Peta Kendali EWMA untu =,8 (c) Peta Kendali EWMA untu =,3 (i) Peta Kendali EWMA untu =,9 (d) Peta Kendali EWMA untu =, Gambar Peta Kendali EWMA untu =,1 hingga =,9 Dari Gambar menunuan bahwa terdapat titi-tit plot data yang berada di luar batas pengendali. Hal ini menunuan bahwa proses produsi FJLB belum terendali secara statisti. 5
5 Selama proses produsi FJLB terdapat sebab-sebab terduga yang mengaibatan ecacatan produ Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 Analisis Menggunaan Peta Kendali DEWMA Pengendalian ualitas produsi pada produ FJLB dengan menggunaan peta endali DEWMA dilauan untu menunuan data hasil inspesi produ FJLB sudah terendali atau tida. Nilai masing-masing didapatan dari (Eq.5). masing-masing nilai saling beraitan satu dengan yang lainnya. Nilai membutuhun nilai statisti sebelumnya yaitu begitupun nilai yang membutuhan nilai. Hal itu berlau hingga. Parameter yang digunaan adalah =,1 hingga =,9, dengan nilai =,81 untu,1 dan = 3 untu >,1. Setelah diperoleh nilai masing-masing, selanutnya dapat dihitung batas pengendali atas dan batas pengendali bawah peta endali EWMA dengan (Eq.9) dan (Eq.1). Kemudian dapat disusun peta endali EWMA untu menampilan data inspesi produ FJLB yang berada di dalam atau di luar batas pengendali. Peta endali EWMA untu =,1 hingga =,9 ditunuan pada Gambar 3. (d) Peta Kendali DEWMA untu =, (e) Peta Kendali DEWMA untu =,5 (f) Peta Kendali DEWMA untu =,6 (a) Peta Kendali DEWMA untu =,1 (g) Peta Kendali DEWMA untu =,7 (b) Peta Kendali DEWMA untu =, (h) Peta Kendali DEWMA untu =,8 (c) Peta Kendali DEWMA untu =,3 (i) Peta Kendali DEWMA untu =,9 Gambar 3 Peta Kendali DEWMA untu =,1 hingga =,9 55
6 Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 Pada Gambar 3, terdapat titi-titi plot yang berada di luar batas pengendali atas dan batas pengendali bawah peta endali EWMA menunuan bahwa proses produsi FJLB belum terendali secara statisti. Selama proses produsi FJLB terdapat sebab-sebab terduga yang mengaibatan ecacatan produ. Perbandingan Peta Kendali EWMA dan DEWMA Setelah dilauan penerapan masing-masing peta endali terhadap data inspesi hasil produsi FJLB, dilauan perbandingan edua metode untu menunuan peta endali yang paling sensitif dalam mendetesi pergeseran proses berdasaran nilai ARL. Semain ecil nilai ARL, semain cepat pula peta endali mendetesi pergeseran proses. Berdasaran (Eq.6) nilai ARL peta endali EWMA dan peta endali DEWMA dengan pergeseran,39 ditunuan pada Tabel 1. TABEL 1 NILAI ARL PETA KENDALI DEWMA DAN EWMA DEWMA EWMA,1 1,378 1,66, 1,7,37,3,81,851,,5,65,5 3,178 5,336,6,65 8,96,7 6,3 1,18,8 1,13 1,77,9 1,77 39,683 Tabel 1 menuuan bahwa nilai ARL peta endali DEWMA lebih ecil dibandingan nilai ARL pada peta endali EWMA. Hasil perbandingan nilai ARL peta endali DEWMA dan EWMA uga dapat ditunuan pada Gambar. Gambar Grafi perbandingan peta endali DEWMA dan EWMA berdasaran nilai ARL Gambar menunuan bahwa peta endali DEWMA lebih sensitif mendetesi pergeseran ecil mean proses dari pada peta endali EWMA arena mempunyai nilai ARL yang lebih ecil. V. KESIMPULAN Berdasaran hasil analisis dan pembahasan dalam penelitian ini, dapat disimpulan sebagai beriut: 1. Batas pengendali peta endali DEWMA dapat dirumusan sebagai beriut : 1 1 i 11 i i 11 i 1 BPA L 3 (1 1 ) i i i3 i i i i (1 1 ) i i i BPB L 3. Penerapan peta endali DEWMA dan EWMA pada proses produsi PT Inhutani 1 Gresi menunuan bahwa produ FJLB (Finger Joint Laminating Board) belum terendali secara statisti. 3. Setelah dilauan penerapan peta endali DEWMA dan peta endali EWMA pada proses produsi produ FJLB, memberian hasil bahwa peta endali DEWMA lebih sensitif dalam mendetesi pergeseran proses daripada peta endali EWMA DAFTAR PUSTAKA Alahtani, S. S. 13, Robustness of DEWMA versus EWMA Control Charts to Non-Normal Process, Journal of Modern Applied Statistical Methods. 1(1). Gasperz, V.,. Total Quality Management, PT Gramedia, Jaarta,: Gradshteyn, I.S., & Ryzhi, I.M. 1979, Table of Integrals, Series, and Products, Waltham, MA: Academic Press. Haning, M. 7, Manaemen Produsi Modern, PT. Bumi Asara, Jaarta Mitra. A, 1993, Fundamental of quality control and Improvement, Macmillan Publising Company, New Yor Montgomery, DC. 1, Introduction to Statistical Quality Control 7th Edition, Wiley, New Yor. Shamma, S.E., & Shamma, A.K. 199, Development and Evaluation of Control Charts Using Double Exponentially Weighted Moving Averages, Internatinal Journal of Quality & Reliability Management, 9(6),
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 terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciMETODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL. Staf Pengajar Program Studi Statistika FMIPA UNDIP
Optimalisasi Produ (Triastuti Wuryandari) METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL Triastuti Wuryandari 1, Tati Widiharih 2, Sayeti Dewi Anggraini 3 1,2 Staf Pengajar Program Studi
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN 4.3 Peta Kendali Hotelling Dalam kehidupan sehari-hari banyak sekali proses produksi yang memiliki karakteristik kualitas lebih dari satu. Proses yang seperti ini disebut dengan
Lebih terperinciIII. 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 terperinciPEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER
PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciBAB 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 terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER(RPS) PROGRAM STUDI STATISTIKA
A. MATA KULIAH RENCANA PEMBELAJARAN SEMESTER(RPS) PROGRAM STUDI STATISTIKA Nama Mata Kuliah : Statistia Pengendalian Mutu Kode/ss : MAS 4232 / 3 Semester : IV Status (Wajib/Pilihan) : Wajib (W) Prasyarat
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciPENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA
PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciPenentuan 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciBAB 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 terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciUkuran Pemusatan Data
Uuran Pemusatan Data Atina Ahdia, S.Si., M.Si. Universitas Islam Indonesia Uuran Pemusatan Data 1. Mean (rata-rata) 2. Median (nilai tengah) 3. Modus Mean 1. Rata-rata Hitung Misalan terdapat N observasi,
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciEstimasi 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 terperinciPENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciJARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA
JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,
Lebih terperinciSistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation
Sistem Peramalan Jumlah Produsi Air PDAM Samarinda Menggunaan Jaringan Syaraf Tiruan Bacpropagation Anindita Septiarini 1 dan Nur Sya baniah 2 1 Program Studi Ilmu Komputer FMIPA, Universitas Mulaarman
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciStudi 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciAPLIKASI SIMULASI MONTE CARLO UNTUK MENENTUKAN KEANDALAN SISTEM DISTRIBUSI PRIMER TENAGA LISTRIK
Apliasi Simulasi onte Carlo anuaba, Suerayasa, Satriya Utama APLIKASI SIULASI ONTE CARLO UNTUK ENENTUKAN KEANDALAN SISTE DISTRIBUSI PRIER TENAGA LISTRIK IBG anuaba, I Wayan Suerayasa, Ngaan P Satriya Utama
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS 1 Ihwannul Kholis, 2 Ahmad Rofii. 1 Universitas 17 Agustus 1945 Jaarta,
Lebih terperinciAPLIKASI 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 terperinciOleh: Nurul Hidayah Dosen pembimbing: Dra. Laksmi Prita, M.Si
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 057 Dosen pembimbing:
Lebih terperinciPEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT
PEMODELAN FAKOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA IMUR MENGGUNAKAN REGRESI POISSON BIVARIA Novi ri Ratnasari, Purhadi Jurusan Statistia, Faultas MIPA, Institut enologi Sepuluh Nopember
Lebih terperinciBAB 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 terperinciSTUDI KEANDALAN PENYULANG 20 kv DI GARDU INDUK PADANG SAMBIAN MENGGUNAKAN METODE SIMULASI MONTE CARLO INTISARI
Studi Keandalan Penyulang 20 V anuaba, Suerayasa, Oa STUDI KEANDALAN PENYULANG 20 V DI GARDU INDUK PADANG SABIAN ENGGUNAKAN ETODE SIULASI ONTE CARLO IBG anuaba*, I Wayan Suerayasa*, I ade Oa Widnya** *Staff
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER
BAB III MENYELESAIKAN MASALAH REGRESI YANG TIAK LINIER ENGAN ANALISIS REGRESI FOURIER 3.1 Pengantar Model ARIMA digunaan untu analisis data deret watu pada ategori data berala tunggal, atau sering diategorian
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciINTEGRAL 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 terperinciII. 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 terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciStudi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson
1 Studi Perbandingan Perpindahan Panas Menggunaan Metode Beda Hingga dan Cran-Nicholson Durmin, Drs. Luman Hanafi, M.Sc Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Institut Tenologi
Lebih terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA
PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
Lebih terperinciBAB 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 terperinci1. Pendahuluan Jaringan syaraf tiruan ( Artificial Neural Networ ) adalah suatu tenologi omputasi yang berbasis pada model syaraf biologis dan mencoba
JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA PINJAMAN DI INDONESIA Nurmalasari Rusmiati 1 Sistem Informasi, Faultas Ilmu Komputer, Universitas Gunadarma
Lebih terperinciANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution
Jurnal Bareeng Vol. 8 No. Hal. 5 0 (04) ANALISIS PRBANDINGAN OMULAN TRHADAP BBRAPA JNIS DISTRIBUSI HUSUS Analysis of Comulans Comparative on some Types of Special Distribution ABRAHAM ZACARIA WATTIMNA,
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15
Lebih terperinciAnalisis 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( 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 terperinciSistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm)
Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Arna Fariza 1, Entin Martiana 1, Fidi Wincoo Putro 2 Dosen 1, Mahasiswa 2 Politeni Eletronia Negeri Surabaya
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciKata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan
Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciPenerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 30 Rayon di PT. Lotus Indah Textile Industries Surabaya
Seminar Tugas Akhir Penerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 3 Rayon di PT. Lotus Indah Textile Industries Surabaya Rista Wijayanti (37 6) Dosen Pembimbing : Dr. Sony Sunaryo,
Lebih terperinciMakalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)
Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi
Lebih terperinciMANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI (STUDI KASUS DI PT THAMRIN BROTHERS)
Seminar Nasional Apliasi Tenologi Informasi 2011 (SNATI 2011) ISSN: 1907-5022 Yogyaarta, 17-18 Juni 2011 MANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA)
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) Oleh: Dian Mareta Windayani 16 100 055 Dosen pembimbing: Dra. Laksmi Prita, M.Si Latar belakang PENDAHULUA N
Lebih terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciSistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation
Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Sistem Penduung Keputusan Penerima Beasiswa SMK Menggunaan Metode Bacpropagation Teti Rohaeti 1, Yoyon Kusnendar Suprapto 2, Eo Mulyanto 3
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS Oleh: Dian Mareta Windayani 1206 100 055 Desen pembimbing: Dra. Laksmi Prita, M.Si Abstrak
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETWORK DAN PRINCIPAL COMPONENT ANALYSIS
Jurnal Teni dan Ilmu Komputer SISTEM PENGENALAN AJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETORK DAN PRINCIPAL COMPONENT ANALYSIS FACE RECOGNITION SYSTEM USING BACKPROPAGATION ARTIFICIAL
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciISSN: TEKNOMATIKA Vol.1, No.2, JANUARI
ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciModifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa
187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this
Lebih terperinciAnalisis Pengaruh Peralatan Laboratorium Terhadap Kualitas Daya Pada Laboratorium Elektroteknika Dasar
3 Analisis Pengaruh Peralatan Laboratorium Terhadap Kualitas Daya Pada Laboratorium Eletrotenia Dasar Jamhir slami Pranata Laboratorium Pendidian (PLP) Ahli Muda Laboratorium Eletrotenia Dasar Faaultas
Lebih terperinciPENERAPAN ALGORITMA APRIORI UNTUK MEMPEROLEH ASSOCIATION RULE ANTAR ITEMSET BERDASARKAN PERIODE PENJUALAN DALAM SATU TRANSAKSI
PENERAPAN ALGORITMA APRIORI UNTUK MEMPEROLEH ASSOCIATION RULE ANTAR ITEMSET BERDASARKAN PERIODE PENJUALAN DALAM SATU TRANSAKSI Devi Fitrianah, Ade Hodijah Program Studi Teni Informatia, Faultas Ilmu Komputer,
Lebih terperinciANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI ( )
SEMINAR TUGAS AKHIR ANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI (1207 100 067) Dosen Pembimbing Dra. Laksmi Prita
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciMODEL 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 terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciPERBANDINGAN 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 terperinciAplikasi 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 terperinciANALISIS VARIANSI (ANOVA)
ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB IV Solusi Numerik
BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan
Lebih terperinciAPLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES. : Agus Sumarno NRP :
APLIKASI WAELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES Nama : Agus Sumarno NRP : 06 00 706 Jurusan : Matematia Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si Abstra Model time series
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER(RPS) PROGRAM STUDI STATISTIKA
A. MATA KULIAH RENCANA PEMBELAJARAN SEMESTER(RPS) PROGRAM STUDI STATISTIKA Nama Mata Kuliah : Statistia Pengendalian Mutu Lanjutan Kode/ss : MAS 4136/3 Semester : V Status (Wajib/Pilihan) : Pilihan (P)
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciMateri. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham
Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah
Lebih terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinci