ANALISIS KEPUTUSAN MENENTUKAN JURUSAN PADA SEKOLAH MENENGAH KEJURUAN DENGAN METODE SIMPLE ADDITIVE WEIGHTING

Please download to get full document.

View again

of 8
210 views
PDF
All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
Document Description
Jurnal Techno Nusa Mandiri Vol. XIV, No. 1 Maret ANALISIS KEPUTUSAN MENENTUKAN JURUSAN PADA SEKOLAH MENENGAH KEJURUAN DENGAN METODE SIMPLE ADDITIVE WEIGHTING Rusdiansyah Manajemen Informatika,
Document Share
Document Transcript
Jurnal Techno Nusa Mandiri Vol. XIV, No. 1 Maret ANALISIS KEPUTUSAN MENENTUKAN JURUSAN PADA SEKOLAH MENENGAH KEJURUAN DENGAN METODE SIMPLE ADDITIVE WEIGHTING Rusdiansyah Manajemen Informatika, AMIK BSI JAKARTA Jl. RS Fatmawati No. 24, Pondok Labu Jakarta Selatan Abstract Decision Support System (DSS) is a computer-based system that can be used to help someone improve their performance in decisionmaking. By using the DSS, are expect to help decision-making in solving problems to determine the majors at SMK (SEKOLAH MENENGAH KEJURUAN). In this research will be develop using the method of a decision support system that can solve the problem of Multiple Atrribute Decision Making (MADM) was proven to have a very effective performance against data whose value is ini the form of a specific value within the reach range. DSS method used in this research is the Simple Additive Weighting (SAW). This method determines the value weights for each attribute, followed by a process of rankings. So will result in the best alternative of many alternative calculation which is quite appropriate. The alternative ia a new prospective students are there in SMK (Sekolah Menengah Kejuruan) which will be selected based on the criteria specified. Keywords: DSS, Determining Department, Simple Additive Weighting Intisari Sistem Pendukung Keputusan (SPK) merupakan suatu sistem berbasis komputer yang dapat digunakan untuk membantu seseorang dalam meningkatkan kinerja dalam pengembalian keputusan. Dengan menggunakan SPK, diharapkan dapat membantu pengambilan keputusan dalam memecahkan masalah untuk menentukan jurusan di SMK. Dalam penelitian ini akan dikembangkan sistem pendukung keputusan menggunakan metode yang dapat menyelesaikan permasalahan Multiple Atrribute Decision Making (MADM) yang terbukti memiliki kinerja yang sangat efektif terhadap data-data yang nilainya berupa kisaran dalam jangkauan nilai tertentu. Metode SPK yang digunakan dalam penelitian adalah Simple Additive Weighting (SAW). Metode ini menentukan nilai bobot untuk setiap atribut, yang dilanjutkan dengan proses perangkingan. Sehingga akan menghasilkan alternatif terbaik dari banyak alternatif dengan perhitungan yang cukup tepat. Alternatif adalah calon siswa baru yang ada di SMK (SEKOLAH MENENGAH KEJURUAN) yang akan diseleksi berdasarkan kriteria-kriteria yang telah ditentukanabstrak yang ditulis dengan baik dapat membantu pembaca dalam menyimpulkan isi pokok tulisan dengan cepat dan tepat, mengetahui kesesuaian dengan minatnya, sehingga dapat mengambil keputusan untuk terus membaca seluruh dokumen atau tidak. Kata Kunci: SPK, Menentukan Jurusan, Simple Additive Weighting PENDAHULUAN Sekolah Menengah Kejuruan (SMK) setiap tahunnya terus berusaha meningkatkan mutu pendidikannya dengan harapan lulus dapat memiliki keahliah lebih dibandingkan sekolah SMK lainnya. Hal tersebut dilakukan untuk meningkatkan kualitas lulusan SMK sehingga siap bersaing didalam dunia kerja. Antusias siswa lulusan SMP untuk masuk ke SMK cukup besar, tetapi banyak siswa kurang matang untuk memilih jurusan (Nurdiana, 2016), (Rohayani, 2013) yang sesuai dengan kemampuannya, akibatnya banyak siswa yang gagal (Khoiriah & Imbar, 2015) ditengah jalan ketika mereka sudah diterima di sekolah SMK tersebut, serta banyak juga kasus siswa yang tidak cocok (Hermanto, 2012) dengan jurusan yang dipilihnya ketika telah memperoleh pelajaran disekolah. Jumlah jurusan yang ada di SMK terdiri dari dua jurusan yaitu jurusan Akuntansi dan Manajemen Pemasaran. Pemilihan jurusan masing-masing jurusan didasarkan pada ketentuan nilai yang sudah disyaratkan. Pada setiap jurusan memiliki kriteria nilai yang sama. Untuk jurusan akuntansi lebih diutamakan nilai perhitungan, seperti matematika dengan nilai rata-rata tujuh puluh lima (75) dan untuk jurusan manajemen pemasaran harus memiliki nilai rata-rata tujuh puluh (70) untuk semua nilai mata pelajaran. Dari hasil itu yang akan dijadikan pertimbangan dalam penelitian 50 Jurnal Techno Nusa Mandiri Vol. XIV, No. 1 Maret 2017 penjurusan dan kriteria inilah yang digunakan dalam proses perhitungan nanti (Frieyadie, 2016). Untuk dari minat siswanya dilihat dari hasil akhir tes-tes sebelumnya, dengan sesi wawancara yang akan dilakukan oleh kepala jurusannya. Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data. (Kusrini, 2007). Dengan menggunakan SPK, diharapkan dapat membantu pengambilan keputusan (Nurdiyahm 2016) dalam memecahkan masalah menentukan jurusan di SMK. Dalam penelitian ini akan dikembangkan sistem pendukung keputusan menggunakan metode yang dapat menyelesaikan permasalahan Multiple Atrribute Decision Making (MADM) yang terbukti memiliki kinerja yang sangat efektif terhadap data-data yang nilainya berupa kisaran dalam jangkauan nilai tertentu. Metode yang digunakan dalam penelitian ini adalah Simple Additive Weighting (SAW). Metode ini menentukan nilai bobot untuk setiap atribut, yang dilanjutkan dengan proses perangkingan. (Kusumadewi: 2006). BAHAN DAN METODE Dalam penelitian ini, diperlukan beberapa langkah untuk mencapai tujuan yang telah ditetapkan sebelumnya. Adapun langkahlangkah penyusunan penelitian yang dilakukan pada Gambar dibawah ini. Gambar 1. Diagram Penelitian dengan Model SAW Penjelasan Langkah Penelitian : 1. Identifikasi Masalah Melakukan identifikasi pada suatu masalah merupakan tahap awal pada proses penelitian. Tahap ini dibangun berdasarkan rumusan masalah yang didasari atas latar belakang masalah. 2. Studi literatur Dilakukan dengan mempelajari dan memahami teori-teori yang digunakan, yaitu diantaranya mencari faktor-faktor yang menjadi syarat Sistem Pendukung Keputusan, Metode Simple Additive Weighting (SAW) dan metode pengumpulan data. Data-data tersebut dicari dengan cara mengumpulkan literatur, jurnal nasional, browsing internet dan bacaan-bacaan yang ada kaitannya dengan topic baik berupa textbook atau paper. 3. Pengumpulan Data Tahap ini merupakan cara mengumpulkan data yang dilakukan dengan dua (2) cara, yaitu observasi dan wawancara kepada pihak SMK terkait parameter menentukan jurusan di SMK. 4. Data Penelitian Dalam penelitian ini data yang dibutuhkan dibagi menjadi dua (2) yaitu data primer dan data skunder. 5. Analisa Data Menggunakan Metode Simple Additive Weighting (SAW) Analisa data dalam penelitian ini menggunakan metode Simple Additive Weighting (SAW) (Tobing, Goyanti7 2014), yang digunakan secara kuantitatif yaitu metode penelitian yang bersikap deskriptif dan lebih banyak menggunakan analisis. Penelitian ini dilakukan dengan mengumpulkan data dan hasil analisis untuk mendapatkan informasi yang harus disimpulkan. 6. Hasil Analisa Data Menggunakan Metode Simple Additive Weighting (SAW) Setelah tahap analisis data dengan menggunakan metode Simple Additive Weighting (SAW) dihasilkan suatu hasil analisis yang merupakan hasil dari suatu proses penelitian yang dilakukan. 7. Kesimpulan dan Saran Kesimpulan merupakan tahapan akhir dari uraian proses penelitian dengan menyimpulkan permasalahan yang ada. A. Instrumen Penelitian Instrumen merupakan alat yang digunakan untuk melakukan sesuatu. Sedangkan penelitian memiliki arti pemeriksaan, penyelidikan, kegiatan pengumpulan, pengolahan, analisis dan penyajian data secara sistematis dan obyektif. Dari pengertian tersebut di atas maka instrumen penelitian (Sugiarti,2016) dapat Jurnal Techno Nusa Mandiri Vol. XIV, No. 1 Maret disimpulkan semua alat yang digunakan untuk mengumpulkan, mengolah, menganalisa dan menyajikan data-data secara sistematis serta objektif dengan tujuan memecahkan suatu persoalan atau menguji suatu hipotesis. Jadi, semua alat yang mendukung suatu penelitian bisa disebut sebagai instrumen penelitian. Penelitian ini menggunakan instrumen kuesioner yang dibuat dengan menggunakan teknik wawancara kepada kepala jurusan SMK dengan memberikan kuesioner tentang sistem penjurusan yang ada disekolah SMK dan selanjutnya wawancara dengan kepala sekolah yang berkaitan dengan proses menentukan jurusan dan data dari kuesioner tersebut dapat dengan cepat dianalisis. Data hasil uji coba dianalisis secara deskriptif. Data tersebut meliputi skor menentukan jurusan berdasarkan aspek Nilai Matematika, Nilai Bahasa Indonesia, Nilai Bahasa Inggris, Nilai IPA dan Nilai Psikotes. B. Metode Pengumpulan Data, Populasi, dan Sample Penelitian Metode pengumpulan data merupakan faktor penting demi keberhasilan penelitian (Susanti, & Pangestuti, 2010). Hal ini berkaitan dengan bagaimana cara mengumpulkan data, siapa sumbernya dan alat apa saja yang digunakan. Dalam pembuatan penelitian ini metode pengumpulan data yang digunakan adalah : a. Data Primer Data primer adalah data yang dikumpulkan langsung oleh peneliti dari responden, dan bukan berasal dari pengumpulkan data yang pernah dilakukan sebelumnya. Data primer adalah data yang diperoleh dari sumber-sumber asli. Sumber asli disini diartikan sebagai sumber pertama dari mana data tersebut diperoleh. Dalam pengumpulan data primer dalam penelitian ini menggunakan metode observasi dan interview. 1. Observasi Penulis melakukan pengamatan di SMK terhadap alur kerja yang dilakukan dan dicatat secara sistematis untuk kemudian dipelajari sehingga mendapatkan materi-materi yang dibutuhkan. 2. Wawancara Penulis melakukan tanya jawab dengan Ibu Dra. Suparni dan Ibu Dra. Syawiah selaku kepala jurusan di SMK untuk mendapatkan materi-materi yang lebih spesifik yang tidak didapat dari observasi tentang proses menentukan jurusan di SMK. b. Data Sekunder Sedangkan dalam pengumpulan data sekunder menggunakan buku, jurnal, publikasi dan lain-lain. Penulis mengumpulkan data dan informasi melalui studi pustaka yang bersifat sekunder yaitu data-data yang diperoleh melalui bukubuku referensi, dokumentasi, literatur, buku, jurnal, dan informasi lainnya yang ada hubungannya dengan masalah yang diteliti. C. Populasi dan Sampel Penelitian Populasi adalah wilayah generalisasi yang terdiri atas : obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari kemudian ditarik kesimpulannya (Sugiyono, 2009:p80). Penulis melakukan pengumpulan data pada SMK dengan cara pengambilan sampel (sampling), yaitu pemilihan sejumlah item tertentu dari populaasi yang ada dengan tujuan mempelajari sebagian item tersebut sehingga dapat mewakili seluruh item yang ada. Semua item-item di populasi mempunyai kesempatan (probabilitas) yang sama untuk terpilih menjadi item sampel. Teknik sampling yang penulis gunakan yaitu simple random sampling. Populasi calon siswa-siswi SMK tahun pelajaran 2015/2016 yang ada pada SMK sebanyak 103 calon siswa-siswi. Dalam menentukan ukuran sampel dari populasi tersebut penulis menggunakan rumus Slovin. n = N 1 + Ne 2. (1) Sumber : Prasetyo, Jannah(2005:137) Gambar 2. Rumus Slovin n = besaran sampel, N = besaran populasi, E = nilai kritis (batas ketelitian) yang diinginkan. 103 n = = x (10% 2 ) D. Simple Additive Weighting (SAW) Metode SAW (Simple Additive Weighting) sering juga dikenal istilah metode penjumlahan terbobot dari renting kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.(prasetyo, Bambang, dan Lina Miftahul Jannah, 2011:p25) 52 Jurnal Techno Nusa Mandiri Vol. XIV, No. 1 Maret 2017 Metode ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut atau kriteria. Algoritma metode SAW adalah sebagai berikut 1. Memberikan nilai setiap alternatif (A i ) pada setiap pada setiap kriteria atau atribut (C j ). 2. Memberikan nilai bobot (W) 3. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (r ij ) dari alternatif (A i ) pada atribut (C j ) berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit = Maksimum atau atribut biaya/cost = Minimum). Apabila berupa atribut keuntungan, maka nilai (X ij ) dari setiap kolom atribut dibagi dengan nilai Max (X ij ) dari setiap kolom, sedangkan jika berupa atribut biaya, maka nilai Min (X ij ) dari tiap kolom atribut dibagi dengan nilai (X ij ) setiap kolom. 4. Mengalikan matriks ternormalisasi (R) dengan nilai bobot (W). 5. Menentukan nilai preferensi untuk setiap alternatif (V i ) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan bobot (W). Nilai (V i ) yang lebih besar mengidentifikasikan bahwa setiap alternatif A i lebih terpilih [11]. Formula ternormalisasi disajikan pada persamaan di bawah ini : x ij Max x ij Jika J adalah atribut keuntungan A. Analisa Masalah Acuan dalam pembangunan Sistem Pendukung Keputusan (SPK) ini berdasarkan penilaian secara umum dilakukan pada proses penentuan jurusan. Dimana dalam penilaian ini setiap siswa akan dinilai berdasarkan kriteria dan alternatif, dibawah ini adalah tabel kriteria dan alternatif yang akan diuji dengan metode Simple Additive Weighting (SAW). Metode Simple Additive Weighting (SAW) diperlukan kriteria-kriteria dan bobot untuk melakukan perhitungannya sehingga akan didapat alternatif terbaik, dalam hal ini akan alternatif yang dimaksud adalah calon siswar ij Min x ij x ij Jika J adalah atribut biaya Keterangan : a. Simbol r ij adalah rating kinerja ternormalisasi dari alternatif A i pada atribut C j I = 1,2,...,m dan j = 1,2,...,n. (m dan n merupakan banyaknya alternatif dan kriteria. b. Simbol X ij adalah nilai rating kecocokan pada A i dan C j. c. Simbol Max X ij adalah nilai terbesar dari semua nilai rating kecocokan pada setiap kriteria. d. Simbol Min X ij adalah nilai terkecil dari semua rating kecocokan pada setiap kriteria. e. Atribut keuntungan adalah jika nilai terbesar dalam atribut tersebut merupakan nilai terbaik. f. Atribut biaya adalah jika nilai terkecil dalam atribut tersebut merupakan nilai terbaik. Nilai preferensi untuk setiap alternatif (V i ) diberikan sebagai berikut : n v i= w i rij j=1. (2) Keterangan : a. Simbol V i adalah rangking untuk setiap alternatif. b. Simbol n adalah banyaknya (jumlah) alternatif. c. Simbol W j adalah nilai bobot dari setiap kriteria. d. Simbol r ij adalah nilai rating kinerja ternormalisasi. Metode yang digunakan dalam proses pengumpulan data adalah : (Darmastuti, 2013) A. Observasi Penulis melakukan pengamatan di SMK terhadap alur kerja yang dilakukan pihak sekolah dan dicatat secara sistematis untuk kemudian dipelajari sehingga mendapatkan materi-materi yang dibutuhkan untuk menentukan jurusan di SMK. B. Wawancara Penulis melakukan tanya jawab dengan Ibu Dra. Suparni dan Ibu Dra. Syawiah selaku kepala jurusan di SMK untuk mendapatkan materi-materi yang lebih spesefik yang tidak didapat dari observasi tentang proses menentukan jurusan di SMK. C. Studi Pustaka Mengumpulkan data dengan menggunakan literatul, jurnal, paper, dan sumber ilmiah lain. Seperti membrowsing melalui situssitus di internet dan baca-bacaan baik berupa artikel, teks, atau dokumen yang berhubungan dengan penelitian ini. HASIL DAN PEMBAHASAN Jurnal Techno Nusa Mandiri Vol. XIV, No. 1 Maret siswi SMK yang diterima ke dalam jurusan Akuntansi dan Pemasaran. Contoh Kasus : SMK akan memulai jurusan untuk kelas 10 dari awal penerimaan siswa-siswi baru, maka dari itu siswa-siswi harus menentukan jurusan mana yang diinginkannya, dimana yang dinilai dari siswa-siswi ada beberapa kriteria seperti nilai dari mata pelajaran Matematika, Bahasa Indonesia, Bahasa Inggris, IPA, dan hasil dari Tes Psikotes. B. Pengolahan Data Menggunakan Metode Simple Additive Weighting (SAW) Terdapat beberapa langkah untuk melakukan perhitungan penilaian tanaman anggrek menggunakan metode Simple Additive Weighting (SAW) : a. Kriteria Bobot Dalam perhitungan ini dibutuhkan kriteriakriteria untuk menentukan penilaian tanaman anggrek. Dari masing-masing kriteria tersebut akan ditentukan bobot-bobotnya. Pada bobot terdiri dari lima bilangan fuzzy, yaitu Sangat Rendah (SR), Rendah (R), Cukup (C,), Tiggi (T), Sangat Tinggi (ST) seperti terlihat pada tabel 1. Tabel 1. Bilangan Fuzzy Bilangan Fuzzy Nilai Sangat Rendah (SR) 1 Rendah (R) 2 Cukup (C) 3 Tinggi (T) 4 Sangat Tinggi (ST) 5 Berdasarkan kriteria dan ranting kecocokan setiap alternatif pada setiap kriteria yang telah ditentukan, selanjutnya penjabaran bobot setiap kriteria yang telah dikonversikan dengan bilangan fuzzy. Kriteria yang dibutuhkan dalam pengambilan keputusan menentukan jurusan pada SMK dapat dilihat pada tabel 2. Tabel. 2 Kriteria Kriteria C Keterangan C 1 Nilai Matematika C 2 Nilai Bahasa Indonesia C 3 Nilai Bahasa Inggris C 4 Nilai IPA C 5 Nilai Psikotes Berikut adalah penjabaran masingmasing kriteria yang telah dikonversikan ke bilangan fuzzy dengan nilai bobotnya. 1. Kriteria Nilai Matematika (C 1 ) Tabel 3. Kriteria Nilai Matematika Nilai Matematika Bilangan Fuzzy Nilai Rendah (R) Cukup (C) Tinggi (T) 4 86 Sangat Tinggi (ST) 5 2. Kriteria Nilai Bahasa Indonesia (C 2 ) Tabel 4. Kriteria Nilai Bhs. Indonesia Nilai Matematika Bilangan Fuzzy Nilai Rendah (R) Cukup (C) Tinggi (T) 4 86 Sangat Tinggi (ST) 5 3. Kriteria Nilai Bahasa Inggris (C 3 ) Tabel 5. Kriteria Nilai Bhs. Inggris 4. Kriteria Nilai IPA (C 4 ) Tabel 6. Kriteria Nilai IPA Nilai Matematika Bilangan Fuzzy Nilai Rendah (R) Cukup (C) Tinggi (T) 4 86 Sangat Tinggi (ST) 5 5. Kriteria Nilai Psikotes (C 5 ) Tabel 8. Kriteria Nilai Psikotes Nilai Matematika Bilangan Fuzzy Nilai Rendah (R) Cukup (C) Tinggi (T) 4 86 Sangat Tinggi (ST) 5 b. Menentukan Ranting Kecocokan Data Alternatif Tanaman Anggrek Dendrobium Dalam penelitian ini digunakan sebanyak 50 sampel calon siswa-siswi SMK tetapi dalam perhitungan ini hanya digunakan 20 sampel data tanaman anggrek dengan data yang terlihat pada tabel 9. Tabel 9. Data Sampel Tanaman Anggrek No Nama Siswa CI C2 C3 C4 C5 1 Abdul Basir Abdul K 54 Jurnal Techno Nusa Mandiri Vol. XIV, No. 1 Maret Aditya S Agus S Agus S Ahmad V Aldhy A Alpha R Alviana N Al-Viyanti Angga P Anggita B Anggita Z Annisa P Assamy K Aurora N Azka A Azmi N Bagas D Bayu A Berdasarkan data sampel diatas, kemudian data tersebut dibentuk ke rating kecocokan setiap alternatif dengan kriteria. Sehingga nilai kriteria untuk setiap alternatif dapat dilihat pada tabel 10. Tabel 10. Rating Kecocokan Alternatif No Nama Siswa CI C2 C3 C4 C5 1 Abdul B Abdul K Aditya S Agus S Agus S Ahmad V Aldhy A Alpha R Alviana N Al-Viyanti Angga P Anggita B Anggita Z Annisa P Assamy K Aurora N Azka A Azmi N Bagas D Bayu A c. Membuat Normalisasi Matriks Matriks keputusan X merupakan data dari tabel 9 yang berisikan nilai rating kecocokan dari setiap kriteria. Matriks keputusan R terbentuk dari matriks X dengan permasalahan berikut ini: Sehingga diperoleh normalisasi matriks R berikut : Tabel 11 Hasil Matrik Normalisasi 1 0,4 0,6 0,6 0,4 0,66 1 0,66 0,66 0,66 1 0,5 0,5 0, ,75 1 0,75 0,5 0,75 0,5 1 0,5 0,75 0,6 0,6 0,4 0, ,8 0,8 0,8 0,6 1 0,8 0,4 0,6 0,66 1 0, ,5 0,75 0,5 1 0, ,75 0,5 0,66 1 0,66 0,66 0,66 0,5 0,75 1 0,75 1 0,66 0,66 1 0,66 0,66 0,5 1 0,5 0,75 0,5 1 0,75 0,75 0,75 0,5 0,75 0,75 0, ,66 0, ,66 0,75 0,75 0,5 0,75 1 0,4 1 0,6 0,4 0,6 d. Menentukan Tingkat Kepentingan Kriteria (W). Tabel 12. Tingkat Kepentingan Kriteria Kriteria (C) Bobot Nilai C 1 Sangat Tinggi 5 C 2 Cukup 3 C 3 Sangat Tinggi 5 C 4 Tinggi 4 C 5 Tinggi 4 Dari tabel diatas, diambil nilai bobot W = {5,3,5,4,4}. e. Menentukan Nilai Preferensi (Vi) Nilai preferensi (Vi) diperoleh dari penjumlahan dari perkalian diperoleh dari penjumlahan dari perkalian elemen baris matriks ternormalisasi (R) dengan bobot preferensi (W) yang bersesuaian dengan elemen kolom matriks dengan persamaan berikut ini : v 1 =(5x1)+(3x0,4)+(5x0,6)+(4x0,6)+(4x0,4)=13, 2 v 2 =(5x0,66)+(3x1)+(5x0,66)+(4x0,66)+(4x0,66) =14,88 v 3 =(5x1)+(3x0,5)+(5x0,5)+(4x0,75)+(4x1) =16 v 4 =(5x1)+(3x0,75)+(5x1)+(4x0,75)+(4x0,5)=17, 25 v 5 =(5x0,75)+(3x0,5)+(5x1)+(4x0,5)+(4x0,75)=1 5,25 v 6 =(5x0,6)+(3x0,6)+(5x0,4)+(4x0,6)+(4x1)=13, 2 v 7 =(5x1)+
Similar documents
View more...
Search Related
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks