Penerapan Algoritma Kuhn-Munkres dalam Penyelesaian Masalah Penugasan Multi-objective pada Industri Konveksi Tas DP. SPORTY
|
|
- Ida Jayadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PRISMA 1 (2018) PRISMA, Prosidig Semiar Nasioal Matematika Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah Peugasa Multi-objective pada Idustri Koveksi Tas DP. SPORTY Tiara Budi Utami, Isaii Rosyida, Mulyoo Fakultas Matematika da Ilmu Pegetahua Alam, Uiversitas Negeri Semarag, Kota Semarag ytiarara@gmail.com Abstrak Pada peelitia ii, diberika suatu prosedur utuk meyelesaika masalah peugasa multiobjective (MOAP) dega megguaka Algoritma Kuh-Mukres. Algoritma Kuh- Mukres haya dapat diterapka pada kasus masalah peugasa sederhaa (sigleobjective), sedagka pada masalah peugasa multi-objective membutuhka optimasi secara serempak dari beberapa tujua pegoptimala (biaya, waktu, da kualitas). Utuk meyelesaika masalah tersebut, dilakuka trasformasi fugsi tujua multi-objective ke dalam betuk sigle-objective dega megguaka pedekata vektor bobot. Kemudia, prosedur yag diusulka diilustrasika dega studi kasus masalah peugasa pada idustri koveksi tas DP. Sporty. Hasil peerapa metode pada data studi kasus diperoleh solusi masalah peugasa berupa pasaga pekerja da tugas dega total pemafaata sumber daya yag optimal secara bersamaa. Selai megguaka Algoritma Kuh-Mukres, dilakuka pecaria pasaga peugasa optimal megguaka Solver. Hasil perhituga dega Solver memberika pasaga peugasa yag sama dega hasil perhituga dega Algoritma Kuh-Mukres. Kata Kuci: Matchig, Algoritma Kuh-Mukres, Peugasa Multi-objective PENDAHULUAN Masalah umum peugasa meliputi x tugas yag harus ditetapka kepada y pekerja di maa setiap pekerja memiliki kompetesi yag berbeda dalam meyelesaika setiap tugas (Hillier & Lieberma, 2008). Tujua dari masalah peugasa adalah utuk meetapka tugas yag sesuai pada pekerja sehigga total pegeluara sumber daya utuk meyelesaika semua tugas dapat dioptimalka. Beberapa peelitia telah dikembagka utuk memecahka masalah peugasa. Sebagia besar metode yag dikembagka haya mempertimbagka satu tujua pegoptimala. Masalah peugasa ii yag disebut sebagai masalah peugasa sederhaa (sigle-objective). Kebayaka kasus peugasa yag mugki diigika tidak ditetuka haya berdasar pada satu pertimbaga. Dibutuhka optimasi secara serempak dari beberapa kriteria sehigga diperoleh peugasa yag sesuai. Masalah peugasa yag mempuyai beberapa tujua pegoptimala terhadap beberapa jeis sumber daya yag dimiliki oleh pekerja dalam meyelesaika tugas, baik berupa kuatitatif maupu kualitatif disebut sebagai masalah peugasa multi-objective (Przybylski et al., 2009). Peelitia sebelumya mecoba meyelesaika masalah peugasa multiobjective yag terkait dega biaya da waktu (Geetha et al., 1993). Selajutya, Bao et 65
2 Tiara Budi Utami, Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah al. (200) memberika pedekata baru dalam meyelesaika masalah peugasa multiobjective dega metode pemrograma 0-1 di maa masalah peugasa multi-objective diterjemahka mejadi masalah liier. Garrett et al. (200) meyelesaika masalah peugasa multi-objective pada pelaut (Sailor Assigmet Problem/ SAP) yag dikeai kodisi bahwa bayakya pelaut da tugas tidak sama, yaitu dega Algorima Hibrida. Metode lai utuk meyelesaika masalah peugasa multi-objective adalah dega metode dua fase (Przybylski et al., 2010) da Algoritma Brach & Boud (Belhoul et al., 2014) di maa dalam metode ii seluruh kemugkia solusi diperhitugka sebagai kadidat solusi. Selai metode-metode yag telah disebutka di atas, terdapat beberapa pedekata pada kasus optimasi multi-objective yag dapat diterapka utuk masalah peugasa, di ataraya dega Algoritma Geetika (Deb et al., 2002), Pedekata Pareto (Kowles & Core, 2000), da Algoritma Evolusioer Multi-Objective (Ye & Lu, 2003). Metode yag dapat diterapka utuk meetuka peyelesaia dari masalah peugasa optimal salah satuya melalui pedekata teori graf dega Algoritma Kuh- Mukres yag dikembagka oleh Kuh (1955) da Mukres (195) (Body & Murty, 196). Masalah peugasa diyataka dega graf bipartisi komplit berbobot, kemudia dicari solusi optimalya berupa pejodoha sempura (perfect matchig) dega bobot maksimum (Mills-Tettey et al., 200). Selama ii Algoritma Kuh-Mukres haya diterapka pada kasus masalah peugasa sederhaa (sigle-objective). Pada peelitia ii peulis mecoba meerapka Algoritma Kuh-Mukres dalam meetuka solusi optimal dari cotoh kasus masalah peugasa multi-objective pada idustri koveksi tas DP. Sporty, sehigga melalui lagkah peyelesaia yag diusulka dapat memberika hasil peugasa yag optimal. METODE Pada peelitia ii diguaka metode kajia pustaka. Lagkah-lagkah yag dilakuka yaitu idetifikasi masalah, persiapa peelitia, aalisis da pemecaha masalah, da pearika simpula. Pada tahap idetifikasi masalah, dilakuka pecaria ide dari bidag kajia yag dipilih da dijadika permasalaha utuk dikaji. Masalah utama yag mucul adalah apakah Algoritma Kuh-Mukres dapat diterapka dalam peyelesaia masalah peugasa multi-objective. Lagkah selajutya, utuk mejawab permasalaha yag ditemuka dilakuka pegkajia secara teoritis terhadap sejumlah literatur da sumber pustaka yag releva. Studi pustaka diawali dega megumpulka data da iformasi dari berbagai sumber pustaka yag berkaita dega masalah peugasa optimal (optimal assigmet problem), peugasa multi-objective, pejodoha pada graf (matchig), da Algoritma Kuh-Mukres. Setelah dilakuka pegkajia terhadap teori-teori yag medukug, kemudia membuat racaga metode peyelesaia yag atiya aka mejadi jawaba dari masalah yag ditemuka. Peracaga solusi diawali dega meerapka Algoritma Kuh-Mukres utuk masalah peugasa sederhaa (sigle-objective). Kemudia, mecoba meerapka Algoritma Kuh-Mukres pada cotoh kasus masalah peugasa multi-objective. Dalam proses memperoleh jawaba dari masalah yag diagkat dalam peelitia ii dilakuka aalisis terhadap metode peyelesaia yag telah diracag utuk masalah peugasa multi-objective. Lagkah-lagkah peyelesaiaya adalah sebagai berikut: 1) PRISMA 1,
3 Tiara Budi Utami, Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah Meyusu model matematika; 2) Melakuka ormalisasi data (Grodzevichl & Romako, 2006); 3) Modifikasi fugsi tujua megguaka pedekata vektor bobot, maksimumka (miimumka): z(x) 1 = α 1 c 2 ij x ij + α 2 c p ij x ij + + α p c ij x ij (1) (Bao, et al., 200); 4) Meetuka solusi optimal masalah peugasa multi-objective yag direpresetasika dalam graf bipartisi komplit berbobot dega meerapka Algoritma Kuh-Mukres (Chartrad & Oellerma, 1993). HASIL DAN PEMBAHASAN Fokus utama dari masalah peugasa multi-objective adalah megoptimalka p fugsi tujua secara bersamaa. Tujua pegoptimala yag dimaksud adalah maksimisasi, miimisasi, atau kombiasi dari maksimisasi da miimisasi dari masigmasig p fugsi tujua. Model matematis utuk masalah peugasa multi-objective dega p tujua (pap) dirumuska sebagai berikut: Miimumka (maksimumka): z(x) = {z 1 (X), z 2 (X),, z p (X)} di maa k z k (X) = c ij x i, utuk setiap k = 1,2,, p dega kedala: x ij = 1, utuk setiap i = 1,2,, j=1 x ij = 1, utuk setiap j = 1,2,, i=1 1, jika tugas j ditetapka utuk pekerja i. x ij = { 0, jika tugas j tidak ditetapka utuk pekerja i. (2) Keteraga: z(x) : fugsi tujua yag dicari ilai optimalya (maksimum atau miimum). k : bayakya tujua (obyektif). : bayakya tugas (da pekerja). x ij : peugasa dari pekerja i ke tugas j. k c ij : parameter alokasi (biaya operasi o-egatif) dari pekerja i ke tugas j..dega tujua k. Cotoh Kasus Dalam memahami lagkah peyelesaia masalah peugasa multi-objective, diberika cotoh kasus masalah dalam situasi yata. PRISMA 1,
4 Tiara Budi Utami, Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah Seorag Kabag produksi Koveksi Tas DP Sporty bertugas utuk meetapka tujuh pejahit ke tujuh mesi jahit yag berbeda. Kriteria dalam proses peempata pejahit dilihat dari segi upah pejahit (C), waktu peyelesaia (T), da kualitas jahita (S). Berdasarka data riwayat produksi pada 2 bula sebelumya, jika pejahit P i ditempatka pada mesi T j, bayakya upah yag dibayar per hari (dalam ribua), lamaya waktu peyelesaia per produk (dalam detik), da kualitas jahita (skor 1-100), dari masigmasig pejahit diperlihatka pada Tabel 1. Tabel 1. Riwayat produksi I Mesi Pejahit T 1 T 2 T 3 T 4 T 5 T 6 T c P 1 t s c P 2 t s c P 3 t s c P 4 t s c P 5 t s c P 6 t s c P t s (Sumber: Lapora da Evaluasi Produksi DP. Sporty Bula April da Mei 201) di maa c ij adalah upah yag harus dibayarka jika pejahit i ditempatka di mesi j, t ij adalah waktu yag diperluka pejahit i utuk meyelesaika tugas di mesi j, da s ij adalah skor akhir pejahit i dalam meghasilka tas dega mesi j. Fokus utama masalah adalah bagaimaa meempatka tiap pejahit pada tiap mesi sehigga total bayakya upah yag dibayarka, lamaya waktu peyelesaia dapat miimum da skor pejahit dapat maksimum secara bersamaa. Lagkah-lagkah peyelesaia dari masalah pada kasus di atas adalah sebagai berikut: 1) Meyusu model matematika Tujua dari masalah peugasa pada kasus di atas adalah memiimumka upah da waktu, serta memaksimumka kualitas secara bersamaa. Karea terdapat tipe masalah miimum, dilakuka rekostruksi bobot pada data upah (c ij ), da waktu (t ij ), sedagka utuk data skor (s ij ) tetap karea sudah bertujua maksimum. Kemudia, direkostruksi dega meetuka ilai PRISMA 1,
5 Tiara Budi Utami, Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah maksimum dari tiap tujua, kemudia ilai maksimum tersebut dikuragka dega setiap ilai dari tujua tersebut. Dari hasil rekostruksi diperoleh data baru (c ij, t ij ) yag diperlihatka pada Tabel 2. Tabel 2. Data riwayat produksi II (rekostruksi) Mesi Pejahit T 1 T 2 T 3 T 4 T 5 T 6 T c P 1 t s c P 2 t s c P 3 t s c P 4 t s c P 5 t s c P 6 t s c P t s ) Normalisasi data Dalam kasus peugasa dega tujua megoptimalka upah, waktu, da skor pejahit, diketahui ketiga tujua tersebut mempuyai satua ukur yag berbeda. Maka dari itu, data upah, waktu, da skor pejahit perlu diormalisasi terlebih dahulu yaitu meyetaraka semua data dega cara membagi data jeis sumber daya yag aka dioptimalka (biaya, waktu, da skor) dega data maksimum dari masig-masig. Hasil ormalisasi diperoleh data baru (c ij, t ij, s ij ) yag diperlihatka pada Tabel 3. Tabel 3. Data riwayat produksi III (ormalisasi) Mesi Pejahit T 1 T 2 T 3 T 4 T 5 T 6 T c P 1 t s c P 2 t s PRISMA 1,
6 Tiara Budi Utami, Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah P 3 P 4 P 5 P 6 P c t s c t s c t s c t s c t s ) Modifikasi fugsi tujua Masalah peugasa pada cotoh kasus di atas adalah masalah peugasa dega tiga tujua pegoptimala, sehigga diasumsika bobot tujua adalah α 1 = α 2 = α 3 = 1 dega α 3 1 = bobot upah, α 2 = bobot waktu, da α 3 = bobot skor. Kemudia, fugsi tujua dimodifikasi ke dalam betuk fugsi sigleobjective dega pedekata seperti pada persamaa (1), diperoleh fugsi tujua baru seperti berikut: Maksimumka: C, T, S = 1 3 c ij x ij t ij x ij s ij x ij. (3) Kemudia, substitusi data dari Tabel 3. ke fugsi tujua (3) higga diperoleh fugsi tujua dalam betuk sigle-objective. Koefisie-koefisie dari fugsi yag diperoleh teragkum dalam Tabel 4. Tabel 4. Data riwayat produksi IV (sigle-objective) Mesi Pejahit T 1 T 2 T 3 T 4 T 5 T 6 T P P P P P P P ) Peyelesaia dega Algoritma Kuh-Mukres Setelah diperoleh data dalam betuk sigle-objective (Tabel 4), kemudia dicari pasaga peugasa dega meerapka Algoritma Kuh-Mukres. Dipuyai P i adalah aggota himpua pekerja (pejahit) dega i = 1,2,, da T j adalah aggota himpua tugas (mesi) dega j = 1,2,,. PRISMA 1,
7 Tiara Budi Utami, Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah Hasil perhituga dega Algoritma Kuh-Mukres diperoleh pejodoha sempura (optimal): M = {x 1 y 3, x 2 y 4, x 3 y 1, x 4 y, x 5 y 2, x 6 y 5, x y 6 }. Jadi, pasaga peugasa yag dihasilka adalah P 1 ditugaska ke T 3, P 2 ditugaska ke T 4, P 3 ditugaska ke T 1, P 4 ditugaska ke T, P 5 ditugaska ke T 2, P 6 ditugaska ke T 5, da P ditugaska ke T 6. Gambar 1. Graf G l dega pejodoha M Kemudia, substitusi data Tabel 1 pada pasaga peugasa yag dihasilka sehigga diperoleh, total upah yag harus dibayar: C = = 326; total waktu peyelesaia: T = = 158; total skor maksimal: S = = 601. Selai megguaka Algoritma Kuh-Mukres, dilakuka pecaria pasaga peugasa data sigle-objective pada Tabel 4 megguaka Solver. Hasil perhituga ditujukka pada Gambar 2. Gambar 2. Hasil Perhituga dega Solver PRISMA 1,
8 Tiara Budi Utami, Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah Berdasarka hasil perhituga dega batua Solver pada Tabel 5, diperoleh pasaga peugasa yag sama dega hasil perhituga dega Algoritma Kuh- Mukres, kesimpula yaitu P 1 ditugaska ke T 3, P 2 ditugaska ke T 4, P 3 ditugaska ke T 1, P 4 ditugaska ke T, P 5 ditugaska ke T 2, P 6 ditugaska ke T 5, da P ditugaska ke T 6. SIMPULAN Masalah peugasa multi-objective merupaka masalah peugasa yag memugkika utuk megoptimalka beberapa tujua (objectives) secara bersamaa. Dalam meerapka Algoritma Kuh-Mukres pada masalah peugasa multi-objective, lagkah-lagkah peyelesaiaya adalah meyusu model matematika, melakuka ormalisasi data, modifikasi fugsi tujua mejadi betuk sigle-objective, kemudia meetuka solusi optimal masalah peugasa multi-objective yag direpresetasika dalam graf bipartisi komplit berbobot dega Algoritma Kuh-Mukres. Sara yag dapat diberika utuk peelitia berikutya adalah megkaji peyelesai masalah peugasa multi-objective dega Algoritma Kuh-Mukres pada kasus bayakya pekerja da tugas tidak sama serta disaraka utuk membuat program yag dikombiasika dega pedekata yag diguaka utuk meyelesaika masalah peugasa multi-objective. DAFTAR PUSTAKA Bao, C., Mig-Chi, T. & Meei-ig, T A New Approach to Study The Multi- Objective Assigmet Problem. WHAMPOA A Iterdiscipliary Joural, 53: Belhoul, L., Galad, L., & Vaderpoote, D A Efficiet Procedure for Fidig Best Compromise Solutios to the Multi-Objective Assigmet Problem. I Computers & Operatios Research. Elsevier. Body, J.A. & Murty, U. S Graph Theory with Applicatios. New York: Elsevier Sciece Publishig Co., Ic. Chartrad, G. & Oellerma, O. R Applied ad Algorithmic Graph Theory. New York: Mc Graw Hill, Ic. Deb K., Pratap, A., Agarwal, S., & Meyariva, T A Fast ad Elitist Multiobjective Geetic Algorithm: NSGA-II. Joural of IEEE Trasactios o Evolutioary Computatio, 6(2): Garrett, J.D., Vaucci, J., Silva, R., Dasgupta, D., & Simie, J Applyig Hybrid Multiobjective Evolutioary Algorithms to the Sailor Assigmet Problem. I Advaces i Evolutioary Computig for System Desig. Spriger Verlag. Geetha, S. & Nair, K. P. K A Variatio of the Assigmet Problem. Europea Joural of Operatioal Research, 68(3): Hillier, S. F. & Lieberma, J. G Itroductio To Operatios Research (9 th ed.). New York: Mc Graw-Hill, Ic. Kowles, J.D. & Core, D.W Approximatig the Nodomiated Frot Usig the Pareto Archived Evolutio Strategy. Joural of Evolutioary Computatio, 8(2): Kuh, H.W The Hugaria Method for the Assigmet Problem. Joural of Naval Research Logistics Quarterly, 2: PRISMA 1,
9 Tiara Budi Utami, Peerapa Algoritma Kuh-Mukres dalam Peyelesaia Masalah Mills-Tettey, G. A., Stetz, A., & Dias, M. B The Dyamic Hugaria Algorithm for the Assigmet Problem with Chagig Cost. Pittsburgh: Caregie Mello Uiversity. Mukres, J Algorithms for the Assigmet ad Trasportatio Problems. Joural of the Society for Idustrial ad Applied Mathematics, 5(1): Przybylski, A., Gadibleux, X., & Ehrgott, M Computatioal Results for Four Exact Methods to Solve the Three-Objective Assigmet Problem. I Lecture Notes i Ecoomics ad Mathematical Systems, 618: Edited by V. Barichard, M. Ehrgott, X. Gadibleux, & V. T Kidt. Berli: Spriger Verlag. Przybylski, A., Gadibleux, X., & Ehrgott, M A Two Phase Method for Multi- Objective Iteger Programmig ad Its Applicatio to the Assigmet Problem with Three Objectives. Joural of Discrete Optimizatio, : Ye, G.G. & Lu, H Dyamic Multiobjective Evolutioary Algorithm: Adaptive Cell-Based Rak ad Desity Estimatio. Joural of IEEE Trasactios o Evolutioary Computatio, (3): PRISMA 1,
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu
Lebih terperinciPERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM
PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
Lebih terperinciFAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB
Prosidig Semiar Nasioal Matematika da Pidika Matematika (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Matematika Terapa, hal. 1-5 FAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciSTUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP
STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP. (Tessa Vaia Soetato, et al.) STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciPenyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.
Peyelesaia Asymmetric Travellig Salesma Problem dega Algoritma Hugaria da Algoritma Cheapest Isertio Heuristic Caturiyati Staf Pegaar Jurusa Pedidika Matematika FMIPA UNY E-mail: wcaturiyati@yahoo.com
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciANALISIS TENTANG GRAF PERFECT
Aalisis Tetag Graf Perfect ANALISIS TENTANG GRAF PERFET Nurul Imamah AH Fakultas Matematika da Ilmu Pegetahua Alam Uiversitas Pesatre Tiggi Darul Ulum Jombag urul.imamah86@gmail.com Abstrak Seirig perkembaga
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut
Lebih terperinciMETODE DEKOMPOSISI LAPLACE UNTUK MENENTUKAN SOLUSI PERSAMAAN DIFERENSIAL PARSIAL NONLINIER
Vol.1 No.1 (16) Hal. 38-45 METODE DEKOMPOSISI LAPLACE UNTUK MENENTUKAN SOLUSI PERSAMAAN DIFERENSIAL PARSIAL NONLINIER Siar Ismaya, Yui Yulida *, Na imah Hijriati Program Studi Matematika Fakultas MIPA
Lebih terperinciBalas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming
Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha
Lebih terperinciBAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.
BAB 1 PENDAHUUAN 1.1 atar Belakag Pada dasarya masalah optimisasi adalah suatu masalah utuk membuat ilai fugsi tujua mejadi maksimum atau miimum dega memperhatika pembatas pembatas yag ada. Dalam aplikasi
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciBAB III METODOLOGI PENELITIAN
37 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii termasuk peelitia pegembaga, yaitu pegembaga buku teks matematika. Model pegembaga yag diguaka adalah model 4-D (four D models) dari Thigaraja
Lebih terperinciPENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD
Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),
Lebih terperinciDIMENSI PARTISI PADA GRAF KINCIR PARTITION DIMENSION OF WINDMILL GRAPH
PROPOAL TUGA AKHIR DIMENI PARTII PADA GRAF KINCIR PARTITION DIMENION OF WINDMILL GRAPH Oleh: CHANDRA IRAWAN NRP : 100 109 04 JURUAN MATEMATIKA FAKULTA MATEMATIKA DAN ILMU PENGETAHUAN ALAM INTITUT TEKNOLOGI
Lebih terperinciPENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA
PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA Eky Pawestri Gita Asmara 1, Bambag Irawato, S.Si, M.Si 2, Lucia Ratasari, S.Si, M.Si Departeme Matematika
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciMETODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR
METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR Marlia Ulfa 1, Bambag Irawato 2, Suarsih 3 1,2,3 Program Studi Matematika, Fakultas
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciII. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang
II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciIII PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah
III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciPENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS
PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS Nada Puspitasari 1, Bambag Irawato, S.Si, M.Si 2, Prof. Dr. Widowati, M.Si 3 Program Studi Matematika
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciBab 2 LANDASAN TEORI
14 Bab 2 LANDASAN TEORI 21 Program Liier Programasi Liier (Liear Pogrammig) merupaka suatu model optimasi persamaa liier berkeaa dega kedala-kedala liier yag dihadapiya Model ii dikembagka oleh George
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT
Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler
Lebih terperinciMATHunesa (Volume 3 No 3) 2014
MATHuesa (Volume 3 No 3) 014 MINIMUM PENUTUP TITIK DAN MINIMUM PENUTUP SISI PADA GRAF KOMPLIT DAN GRAF BIPARTIT KOMPLIT Yessi Riskiada Kusumawardai Program Studi S1 Matematika, Fakultas Matematika da Ilmu
Lebih terperinciPersamaan Non-Linear
Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciPenyelesaian Persamaan Non Linier
Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode
Lebih terperinciPENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES
Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Programa liear Programa Liear yag diterjemahka dari Liear programmig (LP) adalah suatu cara utuk meyelesaika persoala pegalokasia sumber-sumber yag terbatas di atara beberapa
Lebih terperinciPENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA
PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA V. M. Vidya *, Bustami, R. Efedi Mahasiswa Program S Matematika Dose Jurusa Matematika
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciModel Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika
Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid
Lebih terperinciPROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM
PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM Yosifayza Septiai 1, Bambag Irawato 2, Susilo Hariyato 3 Departeme Matematika FSM Uiversitas
Lebih terperinciAlgoritma Branch and Bound pada Permasalahan 0-1 Knapsack
Algoritma Brach ad Boud pada Permasalaha 0-1 Kapsack Sady Socrates (13508044) Program Studi Tekik Iformatika 2008, Istitut Tekologi Badug Jl. Gaesha 10, 40116 Badug e-mail: if18044@studets.if.itb.ac.id
Lebih terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciAji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru
Jural Matematika Muri da Terapa εpsilo Vol.8 No.2 (24) Hal. 39-45 APLIKASI METODE DEKOMPOSISI ADOMIAN UNTUK MENENTUKAN FORMULA TRANSFORMASI LAPLACE Aji Wiratama, Yui Yulida, Thresye Program Studi Matematika
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciBatas Bilangan Ajaib Pada Graph Caterpillar
J. Math. ad Its Appl. ISSN: 189-605X Vol. 3, No., Nov 006, 49 56 Batas Bilaga Ajaib Pada Graph Caterpillar Chairul Imro Jurusa Matematika FMIPA ITS Surabaya imro-its@matematika.its.ac.id Abstrak Jika suatu
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT
Jural Iformatika Mulawarma Vol. 10 No. 2 September 2015 20 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT Necy Nurjaah 1), Zaial Arifi 2), Dya Marisa Khairia 3) 1,2,3)
Lebih terperinciBAB V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
Lebih terperinciMateri 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya
Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka
Lebih terperinciContoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut :
I. OPTIMISASI FUNGSI TANPA KENDALA Utuk fugsi dua peubah ) f ag terdiferesial dua kali. Jika di titik ) P dipeuhi :. sarat stasioer)... > maka mecapai ekstrim di ) P. Jika : ekstrim maksimum mecapai maka
Lebih terperinciBAB 2 LANDASAN TEORI Operasi Riset (Operation Research)
BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciBAB III METOE PENELITIAN. penelitian ini, hanya menggunakan kelas eksperimen tanpa adanya kelas
BAB III METOE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia eksperime. Karea pada peelitia ii, haya megguaka kelas eksperime tapa adaya kelas cotrol. Peelitia ii megguaka pedekata kuatitatif.
Lebih terperinciIII. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar
III. METODE PENELITIAN A. Subjek da Tempat Peelitia Subjek dari peelitia adalah siswa kelas.b SMA Muhammadiyah 2 Badar Lampug Tahu Ajara 2011-2012 dega jumlah siswa 40 orag yag terdiri dari 15 siswa laki-laki
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciBAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor
Bab 6 Deret Taylor da Deret Lauret BAB 6 DERET TAYLOR DAN DERET LAURENT 6 Deret Taylor Misal fugsi f aalitik pada - < R ligkara dega pusat di da jari-jari R Maka utuk setiap titik pada ligkara itu f dapat
Lebih terperinciARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN
ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB III METODE PENELITIAN
A. Jeis Peelitia BAB III METODE PENELITIAN Peelitia ii termasuk peelitia pegembaga (Developmet Research) karea peeliti igi megembagka peragkat pembelajara sub pokok bahasa bilaga. Peragkat pembelajara
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciAn = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3
SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperinciAPLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi
APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN Petra Novadi Iformatika Istitut Tekologi Badug Labtek V Jl. Gaesha No., Badug email : if559@studets.if.itb.ac.id, me@va-odi.et ABSTRAK Permasalaha
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciPENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT
Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 02, No. 1(2013), hal 1-6. PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Demag, Helmi, Evi Noviai INTISARI Permasalaha di bidag tekik
Lebih terperinci