ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
|
|
- Yanti Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ISSN: JURNAL GAUSSIAN, Volume 4, Nomor, Tahu 015, Halama Ole d: PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTI-ATTRIBUTE DECISION MAKING (MADM) TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) (STUDI KASUS : PT. Sjaraga Satka Sport, Majalegka) Fzry Lstya Maulda 1, Tatk Wdharh, Ala Prahutama 3 1 Mahasswa Jurusa Statstka FSM Udp,3 Staf Pegajar Jurusa Statstka FSM Udp ABSTRACT The huma resources (HR) kow as the employess are the successful of the compay. PT. Sjaraga Satka Sport (Trple S) s a hadmade football compay by the craftsme. Most of the craftsme go to the rce felds o the growg seaso or the harvest seaso. So selecto of the best craftsme s eeded order to the producto of the football do t have problems. The selecto uses TOPSIS method. TOPSIS s oe of method that ca be used to solve MADM problem. The steps of TOPSIS method are calculated the ormalzed decso matrx, determed the weght, calculated the weghted ormalzed decso matrx, determed the postf-deal solutos ad egatf-deal solutos, calculated the separato measures, ad calculated the preferece value. There are 5 craftsme ad sx crtera. The crtera are eatess of the ball, accurateess sttchg of the ball, umber of the ball, accurateess logo of the ball, cleaess of the ball, ad defect proporto. The results ths reseach are the best carftsme has 0,78861 of preferece value ad the worst craftsme has 0,1664 of preferece value. Preferece value by maual calculate equal wth preferece value by GUI Matlab. Keywords : TOPSIS, MADM, carftsme 1. PENDAHULUAN Latar Belakag Salah satu peetu keberhasla sebuah perusahaa adalah Sumber Daya Mausa (SDM) atau yag dkeal dega karyawa. PT. Sjaraga Satka Sport (Trple S) merupaka perusahaa bola sepak yag berada d Kabupate Majalegka, Jawa Barat, Idoesa. Bola sepak buata PT. Sjaraga Satka Sport merupaka bola sepak jaht buata taga amu kualtasya tdak draguka lag karea telah daku dua dega dberkaya sertfkat FIFA pada tahu 009 (Yudh M, 010). D PT. Sjaraga Satka Sport, orag yag mejaht bola dsebut dega pegraj. Para pegraj sebaga besar merupaka bu-bu rumah tagga yag basaya bekerja d rumah saja atau perg ke sawah. Sehgga pada saat musm taam atau musm pae, beberapa pegraj memlh perg ke sawah meaam tumbuha, khususya pad. Perpdaha pekerjaa sepert tu belum bsa datas oleh PT. Sjaraga Satka Sport karea mejaht bola haya pekerjaa sampga bag para pegraj. Pemlha pegraj terbak dapat dlakuka utuk meyelesaka permasalaha tersebut. Terplhya pegraj terbak dapat dguaka oleh PT. Sjaraga Satka Sport sebaga pedoma dalam memberka pekerjaa mejaht bola, sepert megatur berapa bayak rakta bola sepak yag aka dberka kepada pegraj tersebut. Peetua pegraj terbak tdak bsa dukur dar satu krtera saja. Ada bayak krtera yag harus dperhatka dalam pemlha pegraj. Sehgga PT. Sjaraga Satka Sport membutuhka suatu metode pegambla keputusa utuk meetuka pegraj
2 terbak dar sejumlah pegraj berdasarka krtera tertetu. Peuls megguaka metode Mult-Attrbute Decso Makg (MADM) Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) utuk meyelesaka permasalaha tersebut dega eam krtera yatu kerapha jahta bola, ketepata jahta bola, bayakya bola yag dhaslka, ketepata poss gambar/logo bola, kebersha hasl prtg bola, da propors cacat. MADM dguaka utuk meetuka pegraj da krtera yag aka dguaka utuk megevaluas pegraj. Sedagka TOPSIS dguaka utuk meyelesaka masalah pergkat sehgga dapat meetuka pegraj maa yag merupaka pegraj terbak bag PT. Sjaraga Satka Sport. Tujua Peulsa Berdasarka rumusa permasalaha d atas, maka tujua yag g dcapa dalam peelta adalah meetuka da membuat GUI Matlab pegraj terbak d PT. Sjaraga Satka Sport dega megguaka metode Mult-Attrbute Decso Makg (MADM) Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS).. TINJAUAN PUSTAKA.1. Mult-Attrbute Decso Makg (MADM) Dalam buku Kusumadew (006), MADM merupaka suatu masalah pegambla keputusa utuk meetapka alteratf terbak dar beberapa alteratf dalam jumlah yag terbatas berdasarka beberapa krtera yag telah dtetuka sebelumya. Msalka merupaka alteratf ke- (=1,,...,m) da C j merupaka krtera ke-j (j=1,,...,). Lagkah pertama membetuk matrks keputusa MADM (X) setap alteratf terhadap setap krtera: C C C A1 x11 x1 x1 X A x x x (1) A m x 1 1 m1 x m x m dmaa x j merupaka ratg kerja alteratf ke- terhadap krtera ke-j. Matrks keputusa MADM (X) dguaka sebaga dasar perhtuga aalss TOPSIS... Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) Prsp TOPSIS adalah meetuka solus deal postf da solus deal egatf. Solus deal postf memaksmalka krtera keutuga da memmalka krtera baya, sedagka solus deal egatf memaksmalka krtera baya da memmalka krtera keutuga (Mateo, 011). TOPSIS ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk jarak terpajag dar solus deal egatf (Hwag ad Yoo, 1981). Kusumadew (006) metode TOPSIS terdr dar lagkah-lagkah sebaga berkut: 1. Membuat matrks keputusa yag terormalsas. Nla yag terormalsas (r j ) dhtug dega megguaka persamaa : JURNAL GAUSSIAN Vol. 4, No., Tahu 015 Halama 68
3 r j m x 1 j x j (). Meetuka la bobot (w j ). z j w j z j1 j (3) S ( v w w w 1, v 1,..., v ); w dmaa z j merupaka jumlah pelaa dar pegambl keputusa terhadap setap krtera ke-j, w j meujukka tgkat kepetga relatf setap krtera ke-j, w j berdasarka pedapat dar pegambl keputusa (dalam hal lma orag dar baga checkg da satu orag dar kepala baga produks) da w j j 1 3. Membuat matrks keputusa yag terormalsas terbobot. Ratg bobot terormalsas (v j ) dhtug sebaga berkut : v w r (4) j j j 4. Meetuka matrks solus deal postf da matrks solus deal egatf. Solus deal postf ( S ) da solus deal egatf ( S ) dapat dtetuka berdasarka ratg bobot terormalsas (v j ) sebaga berkut: + S ( v1, v,..., v ); v j = kolom ke-j dar S (5) dega v j v j - = kolom ke-j dar S 1 (6) v j 5. Meetuka jarak atara la setap alteratf dega matrks solus deal postf da matrks solus egatf. Jarak atara alteratf dega solus deal postf ( D ) drumuska sebaga berkut : DA j 1 ( v v ) dmaa = 1,,..., m (7) j j JURNAL GAUSSIAN Vol. 4, No., Tahu 015 Halama 69
4 Jarak atara alteratf dega solus deal egatf ( berkut : DA j 1 j D ) drumuska sebaga ( v v ) dmaa = 1,,..., m (8) j 6. Meetuka la preferes utuk setap alteratf. Nla preferes utuk setap alteratf ( P ) dberka sebaga berkut : D PA dmaa = 1,,..., m (9) ( D D ) Alteratf pegraj yag terplh adalah alteratf yag mempuya la terbesar. P 3. METODOLOGI PENELITIAN 3.1. Sumber Data Pada peelta jes data yag dguaka adalah data prmer. Pegumpula data prmer dlakuka dega pegsa kuesoer utuk pembobota krtera da pelaa pegraj yag ds oleh pegambl keputusa serta melakuka wawacara dega phak perusahaa PT. Sjaraga Satka Sport. Waktu peelta adalah 8 Desember 014 sampa dega Desember Varabel Peelta 1. Varabel yag dguaka sebayak eam yatu kerapha jahta bola, ketepata jahta bola, bayakya bola yag dhaslka, ketepata poss gambar/logo bola, kebersha hasl prtg bola, da propors cacat.. Sampel yag dguaka berukura 5 pegraj utama yag telah dtetuka oleh PT. Sjaraga Satka Sport..1. Lagkah Aalss Pegolaha data pada peelta adalah perakga pegraj dega metode TOPSIS da software yag dguaka adalah Mcrosoft Excel da Matlab. Adapu lagkah-lagkah dlakuka utuk memlh pegraj terbak sebaga berkut : 1. Megumpulka data dega melakuka wawacara utuk meetapka krterakrtera yag dguaka utuk memlh pegraj terbak.. Megumpulka data dega pegsa kuesoer oleh pegambl keputusa PT. Sjaraga Satka Sport utuk daalss megguaka TOPSIS. 3. Membuat matrks keputusa yag terormalsas sepert pada persamaa (). 4. Meetuka la bobot sepert pada persamaa (3). 5. Membuat matrks keputusa yag terormalsas terbobot sepert pada persamaa (4). 6. Meetuka matrks solus deal postf da matrks solus deal egatf sepert pada persamaa (5) da (6). 7. Meetuka jarak atara la setap alteratf dega matrks solus deal postf da solus deal egatf sepert pada persamaa (7) da (8). 8. Meetuka la preferes utuk setap alteratf dega megguaka persamaa (9). JURNAL GAUSSIAN Vol. 4, No., Tahu 015 Halama 70
5 9. Meetuka pegraj terbak dega melhat pegraj yag memlk la preferes terbesar. 4. HASIL DAN PEMBAHASAN 4.1 Pembuata Matrks Keputusa MADM (X) da Meetuka Matrks Keputusa yag Terormalsas Matrks keputusa MADM (X) bers kerja setap pegraj ( ) terhadap setap krtera (C j ). Tabel 1 meujukka matrks keputusa MADM (X). Tabel meujukka matrks keputusa yag terormalsas dega megguaka persamaa (). Tabel Matrks Keputusa yag Tabel 1 Matrks Keputusa MADM (X) Terormalsas (R) Pegraj Krtera C 1 C C 3 C 4 C 5 C 6 Pegraj A (A 1) ,30 Pegraj B (A ) ,8 Pegraj C (A 3) ,0 Pegraj D (A 4) ,13 Pegraj E (A 5) ,1 Pegraj F (A 6) ,6 Pegraj G (A 7) ,5 Pegraj H (A 8) ,17 Pegraj I (A 9) ,11 Pegraj J (A 10) ,15 Pegraj K (A 11) ,05 Pegraj L (A 1) ,13 Pegraj M (A 13) ,08 Pegraj N (A 14) ,0 Pegraj O (A 15) ,15 Pegraj P (A 16) ,30 Pegraj Q (A 17) ,09 Pegraj R (A 18) ,04 Pegraj S (A 19) ,18 Pegraj T (A 0) ,00 Pegraj U (A 1) ,09 Pegraj V (A ) ,09 Pegraj W (A 3) ,05 Pegraj X (A 4) ,09 Pegraj Y (A 5) ,08 Pegraj r 1 r r 3 r 4 r 5 r 6 A 1 0, ,0813 0,9570 0, ,1331 0,36465 A 0,1800 0,1756 0,6613 0,0451 0,4531 0,33764 A 3 0,03 0,0813 0,3675 0,604 0,064 0,4750 A 4 0,03 0,1908 0,7574 0,0451 0,1331 0,1694 A 5 0,467 0,4099 0, ,604 0,398 0,571 A 6 0,45 0,3003 0, ,0451 0,1331 0,31436 A 7 0,356 0, , , , ,30388 A 8 0, , , ,17 0,1799 0,0837 A 9 0,45 0,4099 0,1018 0,4757 0,4531 0,13309 A 10 0,03 0,0813 0,0507 0,158 0,064 0,17875 A 11 0,45 0,4099 0, ,3681 0,1331 0,06078 A 1 0,134 0, , ,0451 0,064 0,15194 A 13 0,45 0,5194 0, ,4757 0,4531 0,1019 A 14 0,134 0,5194 0,0703 0,3681 0,4531 0,0559 A 15 0,191 0, , ,158 0,064 0,1833 A 16 0,134 0,4099 0, ,4757 0,4531 0,36465 A 17 0,134 0,3003 0, ,3681 0,4531 0,11050 A 18 0, ,1049 0, , ,1493 0,0486 A 19 0,191 0,0813 0,0166 0,0451 0,064 0,100 A 0 0, , , ,1917 0,1799 0,00000 A 1 0,1800 0, ,0166 0, ,1799 0,11050 A 0, ,1049 0, ,1917 0,1799 0,11050 A 3 0,356 0,186 0,0957 0,158 0, ,06078 A 4 0,356 0,186 0, , , ,11050 A 5 0,356 0, , , ,1493 0,0974 JURNAL GAUSSIAN Vol. 4, No., Tahu 015 Halama 71
6 4. Meetuka la bobot (w j ) Nla bobot dperoleh dega mejumlah data per krtera kemuda jumlah data per krtera dbag dega jumlah seluruh data. Sehgga dperoleh la bobot (w j ) sebaga berkut : Tabel 3 Nla Bobot (w j ) w 1 w w 3 w 4 w 5 w 6 0, ,1793 0,1793 0, ,1793 0, Membuat Matrks Keputusa yag Teromalsas Terbobot Utuk membuat matrks keputusa yag terormalsas terbobot dhtug dega megguaka persamaa (4). Tabel 4 Matrks Keputusa yag Terormalsas Terbobot (V) Pegraj v 1 v v 3 v 4 v 5 v 6 A 1 0,0509 0, , ,0719 0, ,04935 A 0, , ,0460 0, ,044 0,04570 A 3 0, , , , , ,03350 A 4 0, , , , , ,005 A 5 0, , ,198 0, , ,0340 A 6 0, , ,0593 0, , ,0454 A 7 0, ,0841 0,0056 0,0914 0, ,04113 A 8 0, ,073 0, , ,013 0,080 A 9 0, , , , ,044 0,01801 A 10 0, , , , , ,0419 A 11 0, , , ,0473 0, ,0083 A 1 0,0351 0, ,0005 0, , ,0056 A 13 0, , , , ,044 0,01371 A 14 0,0351 0, ,0114 0,0473 0,044 0,00346 A 15 0, , ,0056 0, , ,0468 A 16 0,0351 0, , , ,044 0,04935 A 17 0,0351 0, , ,0473 0,044 0,01496 A 18 0,0509 0,0084 0, ,055 0,058 0,00658 A 19 0, , ,0081 0, , ,0991 A 0 0, , , ,0331 0,013 0,00000 A 1 0, ,0841 0,0081 0,0137 0,013 0,01496 A 0,0174 0,0084 0, ,0331 0,013 0,01496 A 3 0, ,030 0, , , ,0083 A 4 0, ,030 0, ,0914 0,0767 0,01496 A 5 0, ,065 0,0030 0,0914 0,058 0,01316 JURNAL GAUSSIAN Vol. 4, No., Tahu 015 Halama 7
7 4.4 Meetuka Matrks Solus Ideal Postf da Matrks Solus Ideal Negatf. Perhtuga solus deal postf da solus deal egatf berdasarka persamaa (5) da (6) sebaga berkut: v 1 v v 3 v 4 SOLUSI IDEAL POSITIF ( S ): 0, , ,198 0, ,044 0 SOLUSI IDEAL NEGATIF ( S ) : 0, , , ,0137 0,013 0,04935 v 5 v Meetuka Jarak Atara Nla Setap Alteratf dega Matrks Solus Ideal Postf da Matrks Solus Ideal Negatf Meetuka jarak atara la setap alteratf dega matrks solus deal postf da matrks solus deal egatf dega megguaka persamaa (7) da persamaa (8). Nla jarak atara la setap alteratf terhadap solus deal postf da solus deal egatf dapat dlhat pada Tabel 5. Tabel 5 Jarak Atara Nla Setap Alteratf Terhadap Solus Ideal Postf da Solus Ideal Negatf Pegraj D D Pegraj A 1 0, ,05555 A 14 0,1110 0,06351 A 0, ,05445 A 15 0,1393 0,0393 A 3 0, ,06634 A 16 0,167 0,0484 A 4 0,0795 0,0631 A 17 0,167 0,05314 A 5 0, ,1934 A 18 0,161 0,0443 A 6 0, ,06853 A 19 0,1481 0,03613 A 7 0,1958 0,0787 A 0 0,1963 0,04939 A 8 0,1401 0,0476 A 1 0,169 0,03813 A 9 0, ,0558 A 0,1933 0,03487 A 10 0, ,04158 A 3 0, ,0539 A 11 0,1158 0,05766 A 4 0,1488 0,04385 A 1 0,1360 0,0449 A 5 0,138 0,04379 A 13 0, ,05856 D D JURNAL GAUSSIAN Vol. 4, No., Tahu 015 Halama 73
8 4.6 Meetuka Nla Preferes utuk Setap Alteratf Nla preferes utuk setap alteratf ( P ) dperoleh megguaka persamaa (9). Tabel 6 meujukka la preferes utuk setap alteratf dalam hal la preferes utuk setap pegraj. Tabel 6 Nla Preferes utuk Setap Alteratf ( P ) Pegraj P A Pegraj P A Pegraj A (A 1 ) 0,37994 Pegraj N (A 14 ) 0,36391 Pegraj B (A ) 0,37343 Pegraj O (A 15 ) 0,404 Pegraj C (A 3 ) 0,46745 Pegraj P (A 16 ) 0,564 Pegraj D (A 4 ) 0,445 Pegraj Q (A 17 ) 0,306 Pegraj E (A 5 ) 0,78861 Pegraj R (A 18 ) 0,651 Pegraj F (A 6 ) 0,46984 Pegraj S (A 19 ) 0,449 Pegraj G (A 7 ) 0,17703 Pegraj T (A 0 ) 0,7589 Pegraj H (A 8 ) 0,1664 Pegraj U (A 1 ) 0,3190 Pegraj I (A 9 ) 0,3471 Pegraj V (A ) 0,134 Pegraj J (A 10 ) 0,6115 Pegraj W (A 3 ) 0,30501 Pegraj K (A 11 ) 0,3337 Pegraj X (A 4 ) 0,5988 Pegraj L (A 1 ) 0,558 Pegraj Y (A 5 ) 0,614 Pegraj M (A 13 ) 0,35039 Tabel 7 Uruta Nla Preferes Pegraj P A Pegraj P A Pegraj E (A 5 ) 0,78861 Pegraj R (A 18 ) 0,651 Pegraj F (A 6 ) 0,46984 Pegraj Y (A 5 ) 0,614 Pegraj C (A 3 ) 0,46745 Pegraj J (A 10 ) 0,6115 Pegraj D (A 4 ) 0,445 Pegraj X (A 4 ) 0,5988 Pegraj A (A 1 ) 0,37994 Pegraj L (A 1 ) 0,558 Pegraj B (A ) 0,37343 Pegraj P (A 16 ) 0,564 Pegraj N (A 14 ) 0,36391 Pegraj O (A 15 ) 0,404 Pegraj M (A 13 ) 0,35039 Pegraj U (A 1 ) 0,3190 Pegraj I (A 9 ) 0,3471 Pegraj S (A 19 ) 0,449 Pegraj K (A 11 ) 0,3337 Pegraj V (A ) 0,134 Pegraj W (A 3 ) 0,30501 Pegraj G (A 7 ) 0,17703 Pegraj Q (A 17 ) 0,306 Pegraj H (A 8 ) 0,1664 Pegraj T (A 0 ) 0,7589 Tabel 7 meujukka uruta la preferes. Berdasarka tabel datas dapat dsmpulka bahwa kelompok pegraj E merupaka pegraj terbak sedagka kelompok pegraj H merupaka pegraj terburuk berdasarka krtera yag telah dtetapka. JURNAL GAUSSIAN Vol. 4, No., Tahu 015 Halama 74
9 9 4.7 GUI Matlab Berkut tampla dar GUI Matlab pemlha pegraj terbak dega megguaka metode MADM TOPSIS : Gambar 1 Tampla Depa Smulas Pemlha Pegraj Gambar Tampla Smulas Pemlha Pegraj JURNAL GAUSSIAN Vol. 4, No., Tahu 015 Halama 75
10 10 Gambar 3 Tampla Kesmpula Pemlha Pegraj Setelah dlakuka smulas, kesmpula yag ddapatka sama dega kesmpula yag dhtug secara maual yatu pegraj terbak adalah kelompok pegraj E da pegraj terburuk adalah kelompok pegraj H. 5. KESIMPULAN Berdasarka hasl da pembahasa dperoleh kesmpula yatu pegraj terbak adalah kelompok pegraj E da pegraj terburuk adalah kelompok pegraj H. Metode MADM TOPSIS dapat dguaka utuk meyelesaka pemlha pegraj terbak dega krtera yag telah dtetuka sebelumya. Pegambl keputusa, peetua krtera, da bobot krtera merupaka faktor yag mempegaruh perhtuga pada metode TOPSIS. Peelta berhasl membuat GUI Matlab utuk pemlha pegraj terbak megguaka MADM TOPSIS berdasarka krtera yag telah dtetapka. Hal ddasarka dar hasl perhtuga maual da hasl perhtuga kodg program meujukka hasl yag sama. DAFTAR PUSTAKA Hwag, C-L. da Yoo, K Multple Attrbute Decso Makg Makg, Lecture Notes Ecoomcs ad Mathematcal Systems. Heldelberg. Berl. Sprger-Verlag. Kusumadew, S. Hartat, S. Harjoko, A. da Wardoyo, R Fuzzy Mult-Attrbute Decso Makg (FUZZY MADM). Graha Ilmu, Yogyakarta. Mateo, JRSC Mult-Crtera Aalyss the Reewable Eergy Idustry. Sprger. Yudh M Ekspor Bola Majalegka ke Afrka Selata Megkat. Ataraews.com. (dakses 10 Jauar 015). JURNAL GAUSSIAN Vol. 4, No., Tahu 015 Halama 76
FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinciPEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahu 2016, Halama 663-672 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI
Lebih terperinciKOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah)
ISSN: 339-54 JURNAL GAUSSIAN, Volume 5, Nomor, Tahu 6, alama 89-98 Ole d: http://eoural-s.udp.ac.d/dex.php/gaussa KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIAN JENIS OBJEK WISATA
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciPEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS
emar Nasoal APTIKOM (EMNATIKOM), Hotel Lombok Raya Mataram, - Oktober PEMILIHAN MAHAIWA BERPRETAI DIPLOMA MENGGUNAKAN METODE TOPI Dyah Herawate,, Eto Wuryato () Program tud D stem Iformas Fakultas Vokas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,
Lebih terperinciIII BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan
III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar
Lebih terperinciBAB 6 PRINSIP INKLUSI DAN EKSKLUSI
BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu
Lebih terperinciRANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2)
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS I Putu Eratama 1), I Gede Arya Utama ) 1) ) Jurusa Sstem Iformas. Sekolah Tgg Maajeme Iformatka
Lebih terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciBAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciUKURAN GEJALA PUSAT (UGP)
UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat
Lebih terperinciPemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo)
1 Pemlha Terbak dega Metode TOPSIS Fuzzy MCDM (Stud Kasus : CV. Bek Joyo) Sedy Pradaa Putra, Soy Suaryo Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN
Semar Nasoal Iformatka 2013 (semasif 2013) ISSN: 1979-2328 UPN Vetera Yogyakarta, 18 Me 2013 ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN Gregorus
Lebih terperinciPEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTIATTRIBUTE DECISION MAKING (MADM) TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS)
PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTIATTRIBUTE DECISION MAKING (MADM) TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) (STUDI KASUS : PT. Sinjaraga Santika Sport, Majalengka)
Lebih terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinci8. MENGANALISIS HASIL EVALUASI
8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara
Lebih terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciPreferensi 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 terperinciRegresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )
Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar
Lebih terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinci4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data
//203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciTEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas
TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN BUAH RAMBUTAN DENGAN KUALITAS TERBAIK MENGGUNAKAN METODE WEIGHTED PRODUCT (WP)
ISSN 2548-8368 (meda ole) SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN BUAH RAMBUTAN DENGAN KUALITAS TERBAIK MENGGUNAKAN METODE WEIGHTED PRODUCT (WP) Yosa aro Za, Mesra 2, Efor Buulolo 3 Mahasswa Tekk Iformatka
Lebih terperinci* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES
* PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka
Lebih terperinci11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN
// REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA
Lebih terperinciBAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP
BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinciBAB III UKURAN PEMUSATAN DATA
BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinci3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut
3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciPenarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB
Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom
Lebih terperinciPenyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)
Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,
Lebih terperinciPembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 20-928X A-7 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Subcha, Suhud Wahyud Jurusa Matematka, Fakultas
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciBAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.
BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah
Lebih terperinciPenarikan Contoh Acak Sederhana (Simple Random Sampling)
Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu
Lebih terperinciMATEMATIKA INTEGRAL RIEMANN
MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk
Lebih terperinciSTUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc
STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha
Lebih terperinciPembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari
JURNAL TEKNIK POMITS Vol., No., (202) -5 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Suhud Wahyud, Subcha Jurusa Matematka, Fakultas Matematka da Ilmu Pegetahua
Lebih terperinciTINJAUAN PUSTAKA Evaluasi Pengajaran
TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas
Lebih terperinciSOLUSI TUGAS I HIMPUNAN
Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real
Lebih terperinciPenerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi
Koferes Nasoal Sstem & Iformatka 017 STMIK STIKOM Bal, 10 Agustus 017 Peerapa Metode TOPSIS utuk Peetua Varabel Settg Pada Optmsas Multrespo Taguch I Ketut Putu Suatara 1), I Gede Eka Watara Putra ) STMIK
Lebih terperinciMuniya Alteza
RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciANALISIS ALGORITMA REKURSIF DAN NONREKURSIF
ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)
Lebih terperinciTUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER
TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,
Lebih terperinciUji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah
Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1
Lebih terperinciSistem Pendukung Keputusan dalam Pemilihan Internet Service Provider Dengan Metode TOPSIS
Sstem Pedukug Keputusa dalam Pemlha Iteret Servce Provder Dega Metode TOPSIS Galh Hedro Martoo 1, D Satoso 2 Jurusa Tekk Iformatka STMIK Bumgora Mataram Mataram, Idoesa Emal : galh.hedro@stmkbumgora.ac.d,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokas da Waktu Peelta Peelta dlaksaaka d Tambu Bekas, Jawa Barat, dega pertmbaga bahwa Kota Bekas merupaka kota sedag, dega kemudaha akses da juga memlk jumlah peduduk yag cukup
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,
Lebih terperinciRegresi Linier Sederhana Definisi Pengaruh
Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh
Lebih terperinciBAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu
BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl
Lebih terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinciRegresi & Korelasi Linier Sederhana
Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS
Semar Nasoal Iformatka 01 (semasif 01) ISSN: 1979-38 UPN Vetera Yogyakarta, 30 Ju 01 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS Jamla Akaem
Lebih terperinciBAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu da tempat peelta Dalam upaya pelaksaaa peelta,maka peelt melakukaya pada : 1. Tempat Peelta Gua memperoleh data yag dperluka dalam peulsa Skrps yag berjudul Pembetuka
Lebih terperinciPRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE
RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag
Lebih terperinciBAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu
BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka
Lebih terperinciTAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk
Lebih terperinciWAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST
Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.
Lebih terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Sstem Pedukug Keputusa Meurut Prof Dr Praud Atmosudro, SH, keputusa adalah suatu pegakhra darpada proses pemkra tetag suatu masalah atau problema utuk meawab pertayaa apa yag harus
Lebih terperinciPENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan
Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah
Lebih terperinciSIFAT-SIFAT LANJUT FUNGSI TERBATAS
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 11 Latar Belakag Peelta yag dlakuka oleh Va der Pol pada sebuah tabug trode tertutup, yatu sebuah alat yag dguaka utuk megedalka arus lstrk dalam suatu srkut pada trasmtter da recever meghaslka
Lebih terperinciBAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,
BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga
Lebih terperinciIMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB
Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak
BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta
Lebih terperinciBAB III METODE PENELITIAN
BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk
Lebih terperinciKALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.
KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah
Lebih terperinciTATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.
TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam
BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma
Lebih terperinciPENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG
PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG Asa Kurat Peddka Ekoom, FKIP Uverstas Muhammadah Purworejo asachaca8@ahoo.com
Lebih terperinciBAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA
BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:
Lebih terperinciBab 4 Pengumpulan dan Pengolahan Data
Bab 4 Pegumpula da Pegolaha Data 4.. Pegumpula Data 4... Peguja Kuesoer Pedahulua Peguja kuesoer pedahulua bertujua utuk meguj kelayaka da keadala peryataa-peryataa dalam kuesoer tersebut. Pada peelta
Lebih terperinciNORM VEKTOR DAN NORM MATRIKS
NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag
Lebih terperinciSistem Pendukung Keputusan Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar
Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 Sstem Pedukug Keputusa Peetua Prortas Desa Peerma Program Desa Saga pada Das Kesehata Kota Baar Ira Yuar, Mahmud Imroa 2, Reto Nov Dayawat
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciSTATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)
STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.
Lebih terperincib) Untuk data berfrekuensi fixi Data (Xi)
B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm
Lebih terperinciREGRESI & KORELASI LINIER SEDERHANA
. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR
Lebih terperinciREGRESI & KORELASI LINIER SEDERHANA
1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)
Lebih terperinciJurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18
ANALISA WAKTU BAKU PRODUKSI DOMPET DENGAN PENDEKATAN PETA TANGAN KIRI DAN TANGAN KANAN PADA CV. XYZ DI PASURUAN Hasa Bashor 1), Rosyatul Umam ) 1) Dose Tekk dustr Fakultas Tekk Uverstas Yudharta Pasurua
Lebih terperinci