Penyelesaian Program Gol Menggunakan Metode Simplex Modifikasi dan Metode Dual Simpleks

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penyelesaian Program Gol Menggunakan Metode Simplex Modifikasi dan Metode Dual Simpleks"

Transkripsi

1 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne enyelesaan rogram Gol Menggunakan Metoe Smple Mofkas an Metoe Dual Smpleks Elfra Saftr, M D H Gamal, Habbs Saleh Jurusan Matematka, Fakultas Sans an Teknolog, UIN Sultan Syarf Kasm Rau Jl HR Soebrantas No 55 Smpang aru, anam, ekanbaru, 89 elfrasaftr@yahooom, Jurusan Matematka, FMIA, Unverstas Rau, ekanbaru 89 mhgamal@unra, rhabbssaleh@gmalom ASTRAK Salah satu teknk pentng alam optmsas yang suah kembangkan aalah program gol aa tulsan n bahas ua metoe untuk menyelesakan program gol yatu metoe smple yang mofkas an metoe ual smple Dar keua metoe n tampak bahwa aa perbeaan alam proses pvotng yatu alam menentukan varabel masuk an varabel keluar bass aa peneltan n, penuls sekt memofkas paa langkah keenam untuk metoe ual smple ar Shneerans an Kwak [Journal of the Operatonal Researh Soety, (98): 7-5] yatu melakukan elmnas Gauss-Joran untuk memperbaharu tabel baru erasarkan ontoh yang kerakan metoe smple yang mofkas menunukkan teras yang semakn banyak serng engan semakn banyak fungs tuuan an varabel keputusan Seangkan metoe ual smple seara umum menghaslkan teras yang sama Kata Kun: metoe ual smple, metoe smple yang mofkas, program gol ASTRACT One mportant optmzaton tehnque that has been evelope s a goal programmng Ths paper stues two methos to solve goal programmng, e a mofe smple metho an ual smple metho From both of these methos seem that there s a fferene n the pvotng proess, namely the etermnaton of varablet enterng an leavng the bases In ths paper, the authors mofy at the sth step to the ual smple metho of Shneerans an Kwak [Journal of the Operatonal Researh Soety, (98): 7-5] by performng Gauss-Joran to upate the new table ase on the eamples one the mofe smple metho tens to have more teratons as the number of obetve funton an eson varable nrease Generally, the ual smple metho proues the same number of teratons Keywors: ual smple metho, a mofe smple metho, goal programmng enahuluan Algortma smple untuk menyelesakan masalah pemrograman lner awalnya kembangkan oleh Dantzg [] an kemuan mofkas oleh Lee [5] Dalam upaya untuk mengurang waktu komputas untuk menar solus masalah program lner, Shneerans an Kwak [6] mengembangkan metoe smple alternatf yang asarkan paa metoe oumol s smple Metoe ual smple n menghlangkan hngga satu setengah ar kolom penympangan tabel smple erasarkan algortma Dantzg [], metoe pemrograman telah banyak berevolus untuk memeahkan masalah pemrograman yang unk Metoe solus program gol yang palng umum gunakan perkenalkan oleh Lee [5] an Ignzo [] berasarkan metoe smple Dantzg (Arthur an Ravnran [] an Shneerans an Kwak [7]) Keua metoe memerlukan kolom tabel smple untuk varabel penympangan postf an negatf erasarkan peneltan Olson [6], telah peroleh bahwa metoe ual smple menghaslkan teras yang lebh sekt banngkan engan metoe smple yang mofkas Kemuan 0

2 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne peneltan Shneerans an Kwak [7], menympulkan metoe ual smple rata-rata menghaslkan teras yang sama aa peneltan sebelumnya, Shneerans an Kwak [7] paa Langkah keenam metoe ual smple untuk memperbaharu tabel baru lakukan perkalan ar ua elemen suut, seangkan penuls memofkas Langkah keenam metoe ual smple, yatu melakukan operas Gauss-Joran untuk memperbaharu tabel baru eneltan n bertuuan untuk mengetahu perbanngan hasl ar metoe smple yang mofkas an metoe ual smple untuk menyelesakan program gol Metoe an ahan eneltan Metoe yang gunakan alam peneltan aalah stu lteratur engan mempelaar berbaga sumber yang berhubungan engan pokok permasalahan yang akan bahas Aapun metoe yang gunakan alam peneltan n aalah metoe smple yang mofkas an metoe ual smple Metoe Smpe yang Dmofkas Dalam tabel smple yang mofkas untuk program gol, varabel moel tempatkan palng atas, mula engan kolom varabel-varabel keputusan, varabel-varabel penympangan negatf an varabel-varabel penympangan postf Langkah-langkah penyelesaan metoe smple yang mofkas sebaga berkut: Menetapkan tabel awal menggunakan varabel-varabel penympangan untuk permulaan varabel-varabel solus asar yang layak Htung bars z Tentukan varabel masuk (masukkan varabel non-bass) engan memlh kolom yang mempunya nla postf maksmum paa prortas tertngg Menentukan varabel keluar (varabel yang gant) engan membag nla kolom ruas kanan engan nla kolom pemutar an memlh bars engan nla postf mnmum atau nol Htung nla varabel keluar baru engan formula: nla varabel keluar lama Nla bars tabel varabel masuk baru angka varabel masuk 5 Htung semua nla bars lannya engan menggunakan formula: ars baru bars lama - (koefsen varabel masuk nla varabel keluar tabel baru) 6 Htung bars z yang baru 7 Tentukan apakah hasl suah memuaskan engan mengu z Jka tak aa nla postf terlhat paa tap tngkat prortas, atau apabla terapat nla postf engan nla negatf engan prortas yang lebh tngg, solus telah terapa Jka kons n tak terapa kembal ke Langkah an ulang smple yang mofkas [9] Metoe Dual Smple Jens ar program gol yang bahas paa paper n apat sebut sebaga prortas preemptf terbobot program gol yang moel berkan sebaga berkut (Shneerans an Kwak [7]): m mn z w ( ) () kenala an n a b,,,m

3 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne,, 0;,,, m ;,, n, entuk umum ar program gol mena tabel awal smple mula engan ara yang sama engan masalah tabel program lner ertama, kenala tuuan yang akan mena varabel bass aalah penympangan postf rumuskan engan stlah varabel : b n a Tabel menyakan tabel awal untuk moel umum ;,,, m () Tabel : Tabel Awal untuk Moel Umum () () () () (5) () ass m () () rortas obot w w m z 0 0 w wm a a n a an RHS m w b b b a a b w m m m ars memuat tabel label varabel keputusan Koefsen varabel keputusan m mn m an varabel penympangan negatf a tempatkan paa kolom, matrks enttas tempatkan paa kolom mewakl varabel penympangan negatf an nla ruas kanan b tempatkan paa kolom 5 Kolom memuat prortas an bobot w untuk masng-masng varabel penympangan postf (yatu varabel bass), termasuk varabel buatan ar varabel penympangan postf yang tamplkan paa kolom ars, kolom 5 paa tabel memuat nla yang sebut total penympangan absolut yang mewakl umlah ar total penympangan untuk semua tuuan ar masng-masng tabel hasl proses teras ars, kolom vektor bars nol yang mewakl ar semua varabel keputusan paa proses komputas ars, kolom aftar bobot w yang sesua engan varabel penympangan negatf Langkah-Langkah penyelesaan metoe ual smple sebaga berkut: Menentukan varabel untuk keluar ar solus bass In apa engan memlh varabel engan prortas tertngg ( 0 n ) Ketka ua atau lebh varabel memlk rangkng prortas yang sama, varabel yang engan bobot terbesar menentukan varabel yang akan plh pertama Ketka ua atau lebh varabel memlk tngkat prortas bobot yang sama, plh varabel yang memlk nla ruas kanan negatf terbesar gunakan sebaga krtera seleks Menentukan varabel masuk ar solus bass In apa engan memlh koefsen terbesar paa bars pvot Menetapkan kerangka kera untuk tabel baru engan menukarkan varabel paa bars pvot an kolom pvot aa tabel baru, elemen baru yang sesua engan elemen pvot temukan engan mengambl kebalkan ar elemen pvot Semua elemen lan bars temukan engan membag elemen bars pvot engan elemen pvot an mengubah tana yang haslkan 5 Htung semua nla bars lannya engan menggunakan formula:

4 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne ars baru bars lama - (koefsen kolom pvot nla bars pvot tabel baru) 6 Menentukan total evas engan rumus: z w b () 7 Memerksa untuk melhat solus optmal Solus suah optmal ka varabel semuanya postf, ka satu atau lebh ar varabel bass negatf, ulang Langkah -8 Jka semua varabel bass postf tetap prortas preemptf tak memuaskan, solus tak optmal Lanutkan ke Langkah 9 8 Menentukan varabel keluar ar solus bass In lakukan engan memlh elemen postf terbesar paa kolom engan tngkat prortas tertngg Elemen pvot berasal ar bars pvot 9 Menentukan varabel masuk ar solus bass In lakukan engan memlh kolom yang memlk raso terkel haslkan ketka koefsen negatf paa bars pvot bag mena elemen postf engan mengubah tana yang haslkan Varabel n sebut kolom pvot Ulang Langkah -8 0 Solus suah optmal ka varabel bass semua bernla postf an satu atau lebh ar bars fungs obektf memlk tana negatf Metoe Smple yang Dmofkas Hasl an embahasan Contoh : Untuk pemakaan metoe smple yang mofkas, bahas ontoh soal ar Taha [8, hal 6] Langkah-langkah penyelesaan sebaga berkut: Langkah : Konverskan ke alam bentuk stanar mn z () kenala s 5000,, 0;,;, Tabel menyakan tabel awal ar metoe smple yang mofkas Tabel : Tabel awal smple yang mofkas v s RHS Raso s z

5 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne Langkah : Menentukan varabel masuk Varabel masuk tentukan engan memlh paa bars prortas tertngg engan nla postf z maksmum yatu paa kolom Langkah : Menentukan varabel keluar Varabel keluar tentukan engan membag nla ruas kanan engan nla-nla varabel masuk an memlh nla postf terkel yatu paa bars Langkah : Melakukan operas Gauss-Joran untuk memperbaharu tabel baru (lhat Tabel ) Langkah 5: Htung bars z baru z erkut peroleh solus optmal paa teras terakhr yang sakan paa Tabel Tabel : Tabel teras ketga smple yang mofkas v 0 0 RHS s s Dar Tabel, karena nla paa bars an negatf maka tuuan-tuuan paa prortas n terpenuh Akan tetap, paa bars z mash aa yang bernla postf maka korbankan Sehngga peroleh hasl optmal sebaga berkut: 5, 5, 75, 00, 0 an z 75 Contoh : Untuk pemakaan metoe smple yang mofkas, bahas ontoh soal ar Hller [, hal 7] Langkah-langkah penyelesaan sebaga berkut: Langkah : Konverskan ke alam bentuk stanar 5 mn z (5) kenala

6 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne,, 0;,,;,, Tabel menyakan tabel awal ar metoe smple yang mofkas z 0 Tabel : Tabel awal smple yang mofkas v RHS Raso Langkah : Menentukan varabel masuk Varabel masuk tentukan engan memlh paa bars prortas tertngg engan nla postf z maksmum, yatu paa kolom Langkah : Menentukan varabel keluar Varabel keluar tentukan engan membag nla ruas kanan engan nla nla varabel masuk an memlh nla postf terkel, yatu paa bars Langkah : Melakukan operas Gauss-Joran untuk memperbaharu tabel baru ( lhat Tabel 5) Langkah 5: Htung bars z baru erkut peroleh solus optmal paa teras terakhr yang sakan paa Tabel 5 z 0 Tabel 5: Tabel teras keempat smple yang mofkas v RHS Raso Dar Tabel 5, karena semua nla paa bars an z negatf atau nol berart tuuan suah terpenuh Tetap paa mash aa yang bernla postf, maka prortas keua korbankan Sehngga peroleh hasl optmal aalah 8, 0, 67, 0, 8 an z 666 5

7 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne Metoe Dual Smpleks Contoh : Untuk pemakaan metoe ual smple, bahas ontoh soal ar Taha [8, hal 6]: kenala mn z (6) ,, 0;,;, Langkah pertama yang harus lakukan aalah mengubah ke alam bentuk stanar entuk ual ar program gol atas sebaga berkut: mn z (7) kenala s ,, 0;,;, Setelah konverskan ke alam bentuk ual, selanutnya akan tentukan varabel bass an varabel non-bass Untuk metoe ual smple yang mena varabel bass aalah, an Seangkan varabel non-bass aalah,,,, an s Setelah tentukan varabel bass an non-bass, kemuan elemen-elemen paa persamaan (7) masukkan ke alam tabel awal smpleks Tabel 6 menyakan tabel awal ar metoe ual smple Tabel 6: Tabel awal metoe ual smple s W z s elemen pvot Langkah : Langkah : Menentukan varabel yang akan keluar bass In lakukan engan memlh nla ruas kanan yang palng negatf ketka ua atau lebh varabel memlk tngkat prortas bobot yang sama Ja, varabel keluar bass Menentukan varabel yang akan masuk bass 6

8 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne In lakukan engan memlh koefsen terbesar paa bars pvot Ja, varabel masuk bass Langkah : Menetapkan kerangka kera baru untuk tabel baru engan menukarkan varabel paa bars pvot an kolom pvot (lhat Tabel 7) Langkah : Elemen baru yang sesua engan elemen pvot temukan engan mengambl kebalkannya Semua elemen lan bars temukan engan membag elemen bars pvot engan elemen pvot an mengubah tana Langkah 5: Menentukan elemen baru yang sesua engan elemen alam kolom pvot Elemen n temukan engan membag elemen kolom pvot engan elemen pvot Langkah 6: Melakukan operas Gauss-Joran untuk memperbaharu tabel baru (lhat Tabel 7) Langkah 7: Menentukan total evas z 0( 000) 0( 00) 0(800) 0 0 erkut peroleh solus optmal paa teras terakhr yang sakan paa Tabel 7 Tabel 7: Tabel teras keempat metoe ual smple s s W erasarkan Tabel 7, karena semua varabel bass semua bernla postf an satu ar bars fungs obektf memlk tana negatf, maka solus optmal Sehngga peroleh 5, 5, 0, 00, 75 an z 75 Contoh : Untuk pemakaan metoe ual smple, bahas ontoh soal ar Hller [, hal 7]: kenala 5 mn z (8) ,, 0;,,;,, Langkah pertama yang harus lakukan aalah mengubah ke alam bentuk stanar erkut bentuk ual ar program gol atas: 5 mn z (9) kenala

9 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne ,, 0;,, ;,, Setelah konverskan ke bentuk ual, selanutnya akan tentukan varabel bass an varabel non-bass Untuk metoe ual smple yang mena varabel bass aalah, an Seangkan varabel non-bass aalah,,,, an Setelah tentukan varabel bass an non-bass, kemuan elemen-elemen paa persamaan (9) masukkan ke alam tabel awal smple Tabel 8 menyakan tabel awal ar metoe ual smple Langkah : Langkah : Langkah : Langkah : Langkah 5: Tabel 8: Tabel awal metoe ual smple W z elemen pvot Menentukan varabel yang akan keluar bass In lakukan engan memlh bobot terbesar ketka ua atau lebh varabel memlk rangkng prortas yang sama Ja, varabel keluar bass Menentukan varabel yang akan masuk bass In lakukan engan memlh koefsen terbesar paa bars pvot Ja, varabel masuk bass Menetapkan kerangka kera baru untuk tabel baru engan menukarkan varabel paa bars pvot an kolom pvot (lhat Tabel 9) Elemen baru yang sesua engan elemen pvot temukan engan mengambl kebalkannya Semua elemen lan bars temukan engan membag elemen bars pvot engan elemen pvot an mengubah tana Menentukan elemen baru yang sesua engan elemen alam kolom pvot Elemen n temukan engan membag elemen kolom pvot engan elemen pvot Langkah 6: Melakukan operas Gauss-Joran untuk memperbaharu tabel baru (lhat Tabel 9) Langkah 7: Menentukan total evas z 0( 5) ( 0) ( 55) 5 5 erkut peroleh solus optmal paa teras terakhr yang sakan paa Tabel 9 Tabel 9: Tabel teras keempat metoe ual smple W z

10 Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN prnt/issn onlne erasarkan Tabel 9, karena semua varabel bass semua bernla postf an prortas preemptf memuaskan yatu paa tngkat prortas keua, maka solus suah optmal Sehngga peroleh 8, 0, 67, 0, 0, 8, 0 an z 666 Kesmpulan eneltan tentang metoe program gol yang usulkan telah menunukkan bahwa metoe ual smple menghaslkan umlah teras yang sama untuk memeahkan masalah aa paper n, untuk menyelesakan metoe ual smple, penuls memofkas paa Langkah keenam yatu melakukan elmnas Gauss-Joran untuk meperbaharu tabel baru erasarkan hasl komputas menunukkan bahwa metoe ual smple menghaslkan teras yang sama untuk ontoh Hller (990) erasarkan Contoh yang kerakan bahwa untuk metoe smple yang mofkas menunukkan semakn banyak fungs tuuan an varabel keputusan maka teras yang haslkan semakn banyak Seara umum, metoe ual smple menghaslkan umlah teras sama Akan tetap, paa ontoh yang selesakan bahwa metoe ual menghaslkan teras lebh banyak banngkan metoe smple yang mofkas Rngkasan ar hasl ua ontoh yang selesakan sakan alam Tabel 0 Tabel 0: Tabel rngkasan hasl Sumber Jumlah Jumlah Jumlah Iteras Varabel Tuuan MSM MDS Taha (00) Hller (990) Keterangan: MSM : Metoe smple yang mofkas MDS : Metoe ual smple Daftar ustaka [] Arthur J L an A Ravnran An Effent Goal rogrammng Algorthm Usng Constrant arttonng an Varable Elmnaton Management Sene, Vol : [] Dantzg, G rogrammng A Lnear Struture Comptroller Unte Ar Fore, Washngton, D C 98 [] Hller, F S an Lberman, G J engantar Rset Operas, Jl, Ter ar Introuton to Operatons Researh, oleh S Ellen G an Mula, A W enerbt Erlangga, Jakarta 990 [] Ignzo, J Introuton to Lnear Goal rogrammng Sage ublaton, Calforna 98 [5] Lee, S M Goal rogrammng for Deson Analyss Auerbah, hlaelpha 97 [6] Olson, D L Comparson of Four Goal rogrammng Algorthms Journal of the Operatonal Researh Soety, 5: [7] Shneerans, M J an N K Kwak, An Alternatve Soluton Metho for Goal rogrammng roblems: A Tutoral Journal of the Operatonal Researh Soety, : [8] Taha, HA Operataons Researh: An Introuton, Seven E New Jersey, rente-hall 00 [9] Taylor, W Sans Manaemen: enekatan Matematka Untuk sns, Ter Dar ntrouton to management sene, oleh Chaerul D D an Vra Slvra enerbt Salemba Empat, Jakarta 00 9

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

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

APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI

APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI Soft Computng, Intellgent Systems an Informaton Technology 2005 UK Petra Surabaya, 28 Jul 2005 APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI Basuk Rahmat, Panca Raharanto,

Lebih terperinci

2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009

2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009 2. TINJAUAN PUSTAKA 2.1 Goal Programmng Goal Programmng merupakan pengembangan ar Lnear Programmng. Dperkenalkan oleh Charnes an Cooper paa awal tahun 1960. Kemuan teknk n sempurnakan oleh Ijr paa pertengahan

Lebih terperinci

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,

Lebih terperinci

V. DISTRIBUSI PERJALANAN

V. DISTRIBUSI PERJALANAN V. DISTRIBUSI PERJALANAN 5.. PENDAHULUAN Trp strbuton aalah suatu tahapan yang menstrbuskan berapa jumlah pergerakan yang menuju an berasal ar suatu zona. Paa tahapan n yang perhtungkan aalah :. Sstem

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

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

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

SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS

SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS Puruhto Bagus Prakosa, Agus Zanal Arfn, Anny Yunart 3 Teknk Informatka, Fakultas Teknolog Informas,

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

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

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

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

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

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

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: [email protected]

Lebih terperinci

PENDEKATAN MODEL FUZZY GOAL PROGRAMMING DALAM PENETAPAN PEMBOBOTAN PRIORITAS DARI METODE ANALYTICAL HIERARCHY PROCESS (AHP) SKRIPSI

PENDEKATAN MODEL FUZZY GOAL PROGRAMMING DALAM PENETAPAN PEMBOBOTAN PRIORITAS DARI METODE ANALYTICAL HIERARCHY PROCESS (AHP) SKRIPSI PENDEKATAN MODEL FUZZY GOAL PROGRAMMING DALAM PENETAPAN PEMBOBOTAN PRIORITAS DARI METODE ANALYTICAL HIERARCHY PROCESS (AHP) SKRIPSI RIDHA VERA HARTATI 060804 PROGRAM STUDI SARJANA MATEMATIKA DEPARTEMEN

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 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 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

OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF PADA DAERAH BERSHADOWING

OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF PADA DAERAH BERSHADOWING /7 OTIMASI LINTAS LAISAN ADA SISTEM KOMUNIKASI KOOERATIF ADA DAERAH BERSHADOWING Achma Yusuf 05 00 074 Insttut Teknolog Sepuluh Nopember, Fakultas Teknolog Inustr, Jurusan Teknk Elektro Kampus ITS Sukollo,

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

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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

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

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

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

PENYELESAIAN PROGRAM LINEAR SASARAN GANDA MENGGUNAKAN METODE SIMPLEKS MULTIFASE

PENYELESAIAN PROGRAM LINEAR SASARAN GANDA MENGGUNAKAN METODE SIMPLEKS MULTIFASE PERSETUJUAN PENYELESAIAN PROGRAM LINEAR SASARAN GANDA MENGGUNAKAN METODE SIMPLEKS MULTIFASE SKRIPSI Telah dsetuju dan dsyahkan pada tanggal: 3 November 2010 Untuk dpertahankan ddepan Dewan Penguj Skrps

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK ABSTRAK

STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK ABSTRAK STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK Wjayanto Mahasswa Magster Bang Keahlan Manajemen Dan Rekayasa Transportas Fakultas Teknk Spl an Perencanaan Insttut Teknolog

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

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

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : [email protected] / [email protected] 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 [email protected],

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

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

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3)

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3) PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015 Peramalan Trafk Peramalan Trafk Peramalan

Lebih terperinci

ANALISIS PARETO OPTIMAL DENGAN PEMBOBOTAN DALAM MENENTUKAN SOLUSI GOAL PROGRAMMING SKRIPSI. SRI KEUMALAWATI (Operasi Riset)

ANALISIS PARETO OPTIMAL DENGAN PEMBOBOTAN DALAM MENENTUKAN SOLUSI GOAL PROGRAMMING SKRIPSI. SRI KEUMALAWATI (Operasi Riset) ANALISIS PARETO OPTIMAL DENGAN PEMBOBOTAN DALAM MENENTUKAN SOLUSI GOAL PROGRAMMING SKRIPSI SRI KEUMALAWATI 050803046 (Operas Rset) DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu,

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu, I. KALOR DAN HKM KE-1 1.1 Kalor Dketahu ua sstem paa suhu berbea. Apabla kontakkan satu engan yang lan melalu nng atermk, ketahu bahwa suhu keua sstem akan berubah seemkan rupa sehngga akhrnya menja sama.

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 II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

BAB 1 RANGKAIAN TRANSIENT

BAB 1 RANGKAIAN TRANSIENT BAB ANGKAIAN TANSIENT. Penahuluan Paa pembahasan rangkaan lstrk, arus maupun tegangan yang bahas aalah untuk kons steay state/mantap. Akan tetap sebenarnya sebelum rangkaan mencapa keaaan steay state,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

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 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

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) [email protected],

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

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

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PENDAHULUAN Latar Belakang Penggunaan energ Indonesa menngkat pesat sejalan dengan pertumbuhan ekonom dan pertambahan penduduk. Namun sebaga komodtas energ utama, keberadaan cadangan mnyak bum saat n sudah

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

PERBANDINGAN METODE SAW DAN TOPSIS PADA KASUS UMKM

PERBANDINGAN METODE SAW DAN TOPSIS PADA KASUS UMKM PERBANINGAN METOE SAW AN TOPSIS PAA KASUS UMKM Muh. Alyazd Mude [email protected] Teknk Informatka Unverstas Muslm Indonesa Abstrak alam pengamblan keputusan terhadap masalah berdasarkan sebuah analsa

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

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

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

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

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 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu

Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan

Lebih terperinci

III.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5

III.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5 33 III.METODE PENELITIAN A Jens Dan Desan Peneltan. Jens peneltan yang dgunakan dalam peneltan n adalah peneltan kuanttatf. Peneltan n merupakan peneltan korelas yang bertujuan untuk mengetahu hubungan

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 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

BAB IV PERHITUNGAN DAN ANALISIS

BAB IV PERHITUNGAN DAN ANALISIS BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter

Lebih terperinci

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS

Lebih terperinci

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity 37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR

PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR Dajukan sebaga Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sans pada Jurusan Matematka Oleh : IIS ERIANTI

Lebih terperinci

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan

Lebih terperinci

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

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 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

Alokasi kursi parlemen

Alokasi kursi parlemen Alokas kurs parlemen Dd Achdjat Untuk Sndkas Pemlu dan Demokras 1. Pendahuluan 1 Pelaksanaan pemlhan umum sebaga sarana mplementas demokras memerlukan suatu konsep yang kokoh dan taat azas. Konsep pelaksanaan

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

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

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

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant) PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : [email protected]

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

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

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

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

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

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci