cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
BIMASTER
Published by Universitas Tanjungpura
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education,
Decision Sciences, Operations Research & Management Mathematics
Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan
Arjuna Subject : -
Articles 819 Documents
 65   66   67   68   69 
ANALISIS KONJOIN UNTUK MENENTUKAN PREFERENSI MAHASISWA TERHADAP DOSEN (Studi Kasus: Jurusan Matematika Universitas Tanjungpura) Wulan, Elisabet; Imro’ah, Nurfitri; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.77244

Abstract

Peningkatan kualitas bagi sumber daya manusia pada era globalisasi menuntut individu untuk menempuh pendidikan ke suatu jenjang lebih tinggi. Universitas sebagai lembaga pendidikan tertinggi perlu mewujudkan perguruan tinggi yang berkualitas. Dosen sebagai pendidik adalah komponen utama dalam meningkatkan kualitas perguruan tinggi dan berperan besar dalam proses belajar mengajar bagi mahasiswa. Oleh karena itu, mahasiswa berhak memberikan evaluasi terhadap dosen dengan memberikan preferensinya terhadap karakteristik dosen. Preferensi mahasiswa terhadap karakteristik dosen dapat dianalisis menggunakan Analisis konjoin. Tujuan penelitian ini adalah untuk mengetahui karakteristik dosen yang disukai oleh mahasiswa, karakteristik yang paling dipentingkan dan mengetahui korelasi atau hubungan antara observasi yaitu preferensi responden dan estimasi yaitu hasil perhitungan dari model regresi. Data pada penelitian ini adalah data primer dari kuesioner dengan metode pengambilan sampel adalah purposive sampling. Sampel yang diperoleh sebanyak 69 sampel untuk mahasiswa Program Studi Matematika dan Statistika angkatan 2021 dan 2022. Atribut pada penelitian ini adalah karakter dosen, latar belakang pendidikan, kedisiplinan, penyampaian materi, kemampuan memotivasi dan penggunaan media ajar. Pembentukan stimuli dilakukan dengan pendekatan full profile dan terbentuk sebanyak delapan stimuli. Analisis dimulai dengan menghitung nilai kegunaan dan diketahui bahwa mahasiswa Jurusan Matematika Universitas Tanjungpura menyukai dosen dengan karakter dosen santai, latar belakang pendidikan S3, kedisiplinan tepat waktu, penyampaian materi mudah dipahami, memotivasi mahasiswa dan penggunaan media ajar tidak menggunakan E-learning Moddle. Perhitungan nilai kepentingan menunjukkan bahwa atribut yang paling dipentingkan adalah penyampaian materi (37,505%) dan yang kurang dipentingkan adalah kedisplinan (8,657%). Uji ketepatan prediksi menunjukkan adanya korelasi atau hubungan yang sangat kuat antara observasi dan estimasi.Kata Kunci : Persepsi, Karakteristik, Analisis Konjoin.
PENERAPAN ALGORITMA EDMONDS-KARP DALAM PENCARIAN ALIRAN MAKSIMUM PADA PENDISTRIBUSIAN AIR Margaretha, Silvya; Kiftiah, Mariatul; Helmi, Helmi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.79732

Abstract

Graf merupakan representasi matematis dari sebuah jaringan dan menggambarkan hubungan antar sejumlah simpul yang terhubung dengan busur. Permasalahan yang dibahas pada penelitian ini mengenai kasus pendistribusian air suatu motel yang direpresentasikan dengan graf berarah, dengan setiap busurnya mempunyai bobot. Tujuan dari penelitian ini yaitu memaksimalkan debit air yang mengalir melewati sistem jaringan distribusi air pada motel dari simpul sumber ke simpul tujuan. Permasalahan tersebut diselesaikan dengan menggunakan algoritma Edmonds-Karp. Algoritma ini dimulai tanpa adanya aliran di semua busur. Kemudian, dicari jalur penambah yaitu jalur berarah yang menghubungkan simpul awal dan simpul tujuan, dengan menggunakan algoritma Breadth-first search (BFS). Algoritma BFS menelusuri setiap simpul secara berurutan, mulai dari simpul awal dikunjungi hingga simpul-simpul yang bertetangga dengannya dikunjungi, sesuai urutan antrian. Selanjutnya, mencari kapasitas sisa minimum busur dari jalur penambah. kapasitas sisa minimum digunakan untuk mengoptimalkan aliran pada jalur penambah. Proses ini dilakukan hingga tidak ditemukan lagi jalur penambah dan diperoleh aliran maksimumnya. Aliran maksimum didapatkan dengan menjumlah setiap kapasitas sisa minimum jalur penambah yang diperoleh. Dari analisis menggunakan algoritma Edmonds-Karp pada jaringan distribusi air suatu motel, diperoleh aliran maksimumnya sebesar 600 liter per menit.  Kata Kunci : Aliran maksimum, algoritma Edmonds-Karp, algoritma Breadth-first search (BFS).
IMPLEMENTASI ALGORITMA K-MEDOIDS DAN CLUSTERING LARGE APPLICATIONS (CLARA) DENGAN OPTIMASI SILHOUETTE COEFFICIENT (Studi Kasus: Pengelompokan Indeks Pembangunan Manusia Berdasarkan Kabupaten/Kota di Indonesia) Ayuni, Anisa Putri; Kusnandar, Dadan; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.76959

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator untuk menilai keberhasilan pembangunan manusia yang ditinjau melalui kualitas hidup. Pengelompokan IPM perlu dilakukan untuk mengetahui derajat kesejahteraan dan kemajuan penduduk. Upaya yang bisa diterapkan untuk mengetahui  pengelompokan kabupaten/kota dengan nilai IPM tertinggi sampai terendah melalui analisis cluster. Analisis cluster yang dapat digunakan yakni algoritma K-Medoids dan CLARA. Algoritma K-Medoids dan CLARA memanfaatkan titik data untuk mewakili pusat cluster sehingga titik data yang terpilih dinamakan dengan medoids. Penelitian ini bertujuan untuk menganalisis hasil pengelompokan kabupaten/kota berlandaskan indikator pembentuk IPM menggunakan algoritma K-Medoids dan CLARA serta menganalisis perbandingan nilai silhouette coefficients optimal pada algoritma K-Medoids dan CLARA. Penelitian ini memanfaatkan data sekunder yang didapat dari Badan Pusat Statistik (BPS) tahun 2022. Variabel yang dianalisis mencakup umur harapan hidup ( ), harapan lama sekolah ( ), rata-rata lama sekolah ( ), dan pengeluaran per kapita ( ).   Pengelompokan dengan K-Medoids menghasilkan 358 kabupaten/kota yang tergabung dalam cluster dengan nilai IPM sedang dan 156 kabupaten/kota tergabung dalam cluster dengan nilai IPM tinggi. Sementara itu, pengelompokan dengan CLARA menghasilkan 426 kabupaten/kota yang tergabung dalam cluster dengan nilai IPM sedang dan 88 kabupaten/kota tergabung dalam cluster dengan nilai IPM tinggi. Algoritma CLARA merupakan algoritma yang optimal dengan nilai silhouette coefficient paling tinggi yakni sebesar 0,438.  Kata Kunci : IPM, CLARA, K-Medoids, Silhouette Coefficient.
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI PULAU KALIMANTAN MENGGUNAKAN REGRESI LINIER MULTILEVEL Rahayu, Apsari Tri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.78041

Abstract

Kemiskinan merupakan masalah sosial yang mempengaruhi kesejahteraan masyarakat yang dapat menghambat proses pembangunan ekonomi. Maka dari itu perlu untuk dikaji karena kemiskinan yang masih ada dan terus meningkat terutama di Pulau Kalimantan. Penelitian ini bertujuan untuk melakukan estimasi parameter dalam model regresi linier multilevel dan mengidentifikasi faktor-faktor yang mempengaruhi persentase penduduk miskin di Pulau Kalimantan berdasarkan model regresi linier multilevel. Analisis regresi linier multilevel dapat digunakan untuk menyelesaikan permasalahan data yang terstruktur secara hierarki (data yang mempunyai struktur data bertingkat atau berjenjang) yang merupakan pengembangan dari regresi biasa untuk menentukan faktor-faktor yang mempengaruhi penduduk miskin di Pulau Kalimantan pada tahun 2022. Data yang digunakan dalam penelitian ini adalah Persentase Penduduk Miskin , Tingkat Pengangguran Terbuka (X1), Indeks Pembangunan Manusia (X2) Penduduk Merokok (X3) dan Laju Pertumbuhan Ekonomi (Z2) Hasil estimasi parameter model regresi linier multilevel adalah Y=21,74-0,17X3-0,96Z2  menunjukkan adanya pengaruh signifikan dan faktor yang mempengaruhi yaitu Indeks Pembangunan Manusia dan Laju Pertumbuhan Ekonomi.  Kata Kunci : multilevel, hierarki, level
ANALISIS PENGENDALIAN KUALITAS UNTUK MEMINIMUMKAN PRODUK CACAT PADA RISOL AKA MENGGUNAKAN STATISTICAL QUALITY CONTROL Meisita, Cheril; Yundari, Yundari; Helmi, Helmi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.85804

Abstract

Kualitas dari suatu produk itu penting untuk dapat bersaing dan produsen diharuskan untuk memuaskan konsumen lebih baik atau setara dengan produk pesaingnya.  Pengendalian kualitas bertujuan untuk meningkatkan kualitas produk, kepuasan konsumen, dan meminimumkan biaya proses produksi, sehingga keuntungan menjadi maksimal.  Risol AKA merupakan industri rumahan yang bergerak dibidang pangan yaitu industri yang menghasilkan produk risol.  Sebagai salah satu industri yang tidak memiliki sistem pengendalian kualitas produksi, risol AKA terus memproduksi banyak produk cacat atau rusak. Metode yang digunakan dalam pengendalian kualitas yaitu, Statistical Quality Control (SQC). Penelitian ini bertujuan untuk mengkaji perangkat penelitian pengendalian kualitas statistik dengan diagram pareto, diagram kendali  , dan diagram sebab akibat dan menganalisis data produksi kue risol. Langkah pertama, data ditampilkan dalam Check Sheet yang didapatkan melalui observasi langsung dan wawancara kepada owner risol AKA. Selanjutnya, diagram pareto menunjukkan cacat sobek merupakan jenis cacat terbesar dengan nilai persentase kecacatannya yaitu  . Berdasarkan diagram kendali p menunjukkan terdapat dua titik yang berada di luar batas kendali atas dengan nilai    dan batas kendali bawah dengan nilai    yang artinya produksi risol mengalami penyimpangan, sehingga harus melakukan perbaikan. Dalam diagram Sebab Akibat, faktor manusia dan metode menjadi dua faktor paling dominan yang menjadi penyebab kecacatan terjadi pada produk risol AKA dibandingkan bahan baku dan mesin produksi.  Oleh karena itu, kita harus lebih memperhatikan faktor manusia dan metode untuk mengurangi produk cacat tanpa menimbulkan cacat besar pada setiap produksi.Kata Kunci :  cacat, check sheet, diagram pareto, diagram kendali  , diagram sebab akibat
PERAMALAN KASUS TERKONFIRMASI POSITIF COVID-19 DI KABUPATEN KAPUAS HULU MENGGUNAKAN MODEL INARIMA Takuan, Julianus; Yundari, Yundari; Huda, Nur’ainul Miftahul
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74368

Abstract

Virus corona atau (Covid-19) merupakan penyakit yang menyerang sistem pernapasan sehingga menyebabkan demam tinggi, dan lainnya. Kapuas Hulu menjadi salah satu kabupaten di Provinsi Kalimantan Barat yang dilaporkan terdampak kasus terkonfirmasi positif Covid-19. Model rata-rata pergerakan terintegrasi autoregresif bernilai bilangan bulat (INARIMA) adalah jenis model statistik yang digunakan untuk menganalisis dan memodelkan data deret waktu diskrit yang mengambil nilai bilangan bulat. Tujuan penelitian untuk membahas analisis prakiraan Covid-19 agar dapat dijadikan sebagai upaya preventif untuk mencegah peningkatan kasus positif Covid-19. Tahapan dalam tugas akhir ini meliputi penginputan data kasus Covid-19 di Kabupaten Kapuas Hulu sampai memprediksi jumlah kasus tpositif Covid-19 12 hari ke depan. Data yang digunakan merupakan data harian penambahan kasus positif Covid-19 di wilayah Kapuas Hulu. Data ini adalah jumlah kejadian. Oleh karena itu, model rata-rata bergerak terintegrasi Autoregresif bilangan bulat digunakan untuk pemodelan. Model utama yang digunakan sebagai basis adalah model ARMA Berdasarkan hasil penelitian yang diperoleh untuk pemodelan jumlah kasus Covid-19 di Kabupaten Kapuas Hulu dengan menggunakan model rata-rata bergerak terintegrasi Autoregresif bilangan bulat, INARIMA (3, 1, 4) merupakan model terbaik. Hasil prediksi kasus positif Covid-19 di Kabupaten Kapuas Hulu selama 12 hari ke depan adalah: 15, 9, 18, 10, 16, 12, 14, 14, 13, 14, 13, 14 orang.  Kata Kunci: Model INARIMA, Peramalan, Covid-19
MENENTUKAN LINTASAN DENGAN WAKTU TEMPUH TERCEPAT UNTUK RUTE PENGIRIMAN IKAN ARWANA (Studi Kasus: CV. Argo Mega Arwana) Akbar, Silfiansyah; Prihandono, Bayu; Fran, Fransiskus
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77793

Abstract

Penentuan rute dengan waktu tempuh tercepat terhadap pengiriman ikan arwana oleh CV. Argo Mega Arwana merupakan implementasi dalam kasus lintasan pada graf. Pemilihan rute pengiriman tercepat direkomendasikan agar dapat menghindari risiko ikan kelelahan dan mati. Permasalahan tersebut direpresentasikan ke dalam graf dengan simpul awal pada graf merepresentasikan titik keberangkatan yaitu CV. Argo Mega Arwana, simpul akhir merepresentasikan titik tujuan yaitu Bandara Supadio Pontianak dan simpul-simpul lainnya merepresentasikan persimpangan antar ruas jalan. Sementara busur pada graf yang menghubungkan antar simpul merepresentasikan ruas-ruas jalan. Bobot pada sisi merupakan waktu tempuh suatu jalan yang diperoleh dari penelitian dilapangan. Waktu tempuh pada suatu jalan dapat berbeda-beda atau tidak dapat dipastikan dengan jelas karena dipengaruhi oleh padatnya kendaraan. Hari kerja dan sekolah di Pontianak mempengaruhi padatnya kendaraan. Ketidakjelasan dalam waktu tempuh ini yang masuk kedalam konsep fuzzy. Konsep fuzzy yang digunakan pada penelitian ini yaitu bilangan fuzzy segitiga. Waktu dalam bilangan fuzzy segitiga direpresentasikan kedalam kondisi cepat, sedang dan lama. Algoritma dengan konsep bilangan fuzzy segitiga yang digunakan dalam penelitian ini yaitu algoritma Chuang-Kung. Algoritma Chuang-Kung menggunakan derajat kesamaan tertinggi yang dimiliki suatu lintasan dari lintasan-lintasan yang mungkin dilalui dalam menentukan lintasan dengan waktu tempuh tercepat. Berdasarkan perhitungan menggunakan algoritma Chuang-Kung diperoleh rute dengan waktu tempuh tercepat untuk pengiriman ikan arwana dari CV. Argo Mega Arwana dengan tujuan Bandara Supadio Pontianak adalah melewati Jln. Adi Sucipto, Jln. Sungai Raya Dalam, Jln. Arteri Supadio, dan Jln. Bandara Supadio dengan waktu tempuh tercepat yaitu 9 menit 1 detik dan waktu tempuh terlama yaitu 21 menit 41 detik.  Kata Kunci : Graf, Lintasan Terpendek, Bilangan Fuzzy Segitiga
OPTIMASI PENDISTRIBUSIAN PRODUK BASRENG PADA UMKM BERKAH JAYA SNACK MENGGUNAKAN METODE TRANSPORTASI TIDAK LANGSUNG Sary, Febriani; Helmi, Helmi; Noviani, Evi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74048

Abstract

Berkah Jaya Snack adalah sebuah agen pendistribusian snack dan kue kering di Pontianak. Berkah Jaya Snack memiliki tiga cabang yang terdapat di Sambas, Sungai Raya Dalam (Serdam), dan Singkawang. Permasalahan dalam pengantaran barang akan berdampak pada pendapatan yang diperoleh sehingga diperlukan sebuah metode optimasi yang dapat meminimalkan biaya pendistribusian agar didapat hasil yang optimal. Metode transportasi dapat diterapkan agar memperoleh pendistribusian yang optimal. Tujuan dari penelitian ini adalah untuk mengalokasikan produk secara optimal sehingga dapat meminimumkan biaya pendistribusian basreng di Berkah Jaya Snack dengan menggunakan metode transportasi tidak langsung. Langkah-langkah yang dilakukan adalah menentukan solusi awal dengan menggunakan Northwest Corner Method (NWC), Least Cost Method (LC), dan Vogels Approximation Method (VAM). Selanjutnya, dari solusi awal dilakukan uji optimasi untuk mendapatkan solusi optimal dengan Modified Distribution Method (MODI). Berdasarkan hasil penelitian didapat hasil solusi awal dengan menggunakan metode NWC sebesar , menggunakan metode LC sebesar , dan menggunakan VAM sebesar . Kemudian dilakukan uji optimasi menggunakan metode Modified Distribution (MODI) diperoleh biaya minimum sebesar . Metode solusi awal yang lebih akurat digunakan untuk data dari Berkah Jaya Snack adalah dengan menggunakan VAM, karena menghasilkan besar biaya yang sama dengan hasil optimal dari metode MODI.  Kata Kunci : biaya distribusi, solusi optimal, MODI  
PENYELESAIAN PERMASALAHAN TRANSPORTASI MENGGUNAKAN METODE FREEZING GHADLE-MUNOT Maharani, Tiara Dwi; Prihandono, Bayu; Huda, Nur’ainul Miftahul
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77702

Abstract

Transportasi memegang peranan penting dalam distribusi suatu produk. Permasalahan transportasi merupakan suatu permasalahan khusus dalam pemrograman linear, masalah tersebut berhubungan dengan pendistribusian barang yang diangkut dari sumber ke beberapa tujuan. Bottleneck-Cost Transportation Problem (BCTP) merupakan kasus khusus bi-criteria, artinya meminimumkan dua fungsi tujuan yaitu waktu transportasi dan biaya transportasi. Penelitian ini dilakukan di Perkebunan Tuan M. Perkebunan Tuan M merupakan perusahaan pendistribusian buah rambutan di Kabupaten Kubu Raya. Perkebunan Tuan M memiliki kendala saat pengiriman buah rambutan yaitu keterlambatan yang mengakibatkan besarnya biaya distribusi. Oleh karena itu, perlu dilakukan penelitian untuk menyelesaikan permasalahan transportasi tersebut salah satunya menggunakan metode freezing Ghadle-Munot. Metode Freezing Ghadle-Munot merupakan metode yang memberikan serangkaian rekomendasi solusi untuk BCTP berdasarkan metode congruence modulo. Permasalahan yang ada diformulasikan ke dalam bentuk tabel BCTP. Tabel tersebut kemudian diselesaikan menggunakan metode freezing Ghadle-Munot. Berdasarkan hasil perhitungan, metode ini memberikan dua rekomendasi solusi bagi Perkebunan Tuan M. Solusi pertama   diperoleh waktu 12 jam 8 menit dengan biaya yang dikeluarkan sebesar Rp 647.650. Solusi kedua diperoleh waktu 12 jam 48 menit dengan biaya yang dikeluarkan sebesar Rp 647.350. Dari kedua solusi tersebut, Perkebunan Tuan M dapat menentukan pilihan yang tepat sesuai dengan kebutuhan waktu dan anggaran perusahaan.  Kata Kunci : Bottleneck-Cost Transportation Problem, Rekomendasi Solusi, Metode Congruence Modulo
PENERAPAN METODE MODIFIED VOGEL"™S APPROXIMATION DALAM PENYELESAIAN MASALAH TRANSPORTASI Venti, Monalisa; Yundari, Yundari; Pasaribu, Meliana
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.81856

Abstract

Masalah transportasi menjadi tantangan krusial dalam manajemen pasokan. Hal ini berkaitan erat dengan biaya transportasi, persediaan dan permintaan. Ketidakpastian terkait kenyataan di lapangan membuat perusahaan jadi sulit dalam melakukan pengalokasian. Akibatnya, biaya transportasi yang dikeluarkan kerap begitu besar dan tidak optimal. PT Perkebunan Nusantara XIII (PTPN XIII) memiliki empat kebun kelapa sawit dan tiga pabrik pengolahan. Pada kenyataannya, perusahaan pengolah kelapa sawit seperti PTPN XIII di Kalimantan sering menghadapi kendala dalam pengalokasian yang efektif dari kebun ke pabrik. Ketidaktepatan dalam pendistribusian kelapa sawit dapat menyebabkan gangguan operasional dan peningkatan biaya transportasi. Penelitian ini bertujuan untuk mengatasi permasalahan transportasi di PTPN XIII dengan fokus mengatasi nilai ketidakpastian biaya menggunakan pendekatan fuzzy.    Metode Modified Vogel"™s Approximation digunakan untuk menghitung solusi optimum biaya transportasi perusahaan. Modifikasi pada VAM dilakukan dengan mengubah biaya fuzzy menjadi biaya tegas. Hasil penelitian menunjukkan bahwa dengan pendekatan ini, PTPN XIII dapat mengoptimalkan biaya operasionalnya. Solusi optimal yang diperoleh adalah  alokasi pengiriman dari Kebun GM ke Pabrik PP sebesar 356,693 kg, dari Kebun GE ke Pabrik PG sebesar 248,075 kg, dari Kebun DK ke Pabrik PG sebesar 198,908 kg, dari Kebun DK ke Pabrik PB sebesar 270,424 kg, dari Kebun RB ke Pabrik PB sebesar 175,559 kg dan dari Kebun RB ke Pabrik PP sebesar 446,983 kg dengan total biaya distribusi  sebesar Rp94,449,550.73.  Kata Kunci:  transportasi fuzzy, bilangan fuzzy trapezoidal, magnitude ranking

Page 67 of 82 | Total Record : 819

 65   66   67   68   69 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 1 (2020): BIMASTER Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER Vol 8, No 3 (2019): BIMASTER Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 1 (2019): BIMASTER Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER Vol 5, No 03 (2016): BIMASTER Vol 5, No 02 (2016): BIMASTER Vol 5, No 01 (2016): BIMASTER Vol 4, No 03 (2015): BIMASTER Vol 4, No 01 (2015): BIMASTER Vol 4, No 2 (2015): BIMASTER Vol 3, No 03 (2014): BIMASTER Vol 3, No 02 (2014): BIMASTER Vol 3, No 01 (2014): Bimaster Vol 2, No 03 (2013) Vol 2, No 02 (2013): Bimaster Vol 2, No 1 (2013): BIMASTER Vol 1, No 01 (2012): BIMASTER More Issue