Jurnal Teknologi Informasi, Volume 11 Nomor 2, Oktober 2015, ISSN

Save this PDF as:
Ukuran: px
Mulai penontonan dengan halaman:

Download "Jurnal Teknologi Informasi, Volume 11 Nomor 2, Oktober 2015, ISSN"

Transkripsi

1 KLASIFIKASI CITRA TELUR FERTIL DAN INFERTIL DENGAN ANALISIS TEKSTUR GRAY LEVEL CO-OCCURRENCE ATRI DAN SUPPORT VECTOR ACHINE Dewi Nurdiyah 1, Stefaus Satosa 2, Ricardus Aggi Pramuedar 2 Pascasarjaa Tekik Iformatika, Uiversitas Dia Nuswatoro, Semarag ABSTRACT Fertility eggs test are steps that must be performed i a attempt to hatch eggs. Fertility test usually use egg cadlig. The purpose of observatio is to choose eggs fertile (eggs cotaied embryos) ad ifertile eggs (eggs that are o embryos). Ad the fertilized egg will be etered ito the icubator for hatchig eggs ad ifertile ca be egg cosumptio. However, there are obstacles i the process of sortig the eggs are less time efficiet ad iaccuracies of huma visio to distiguish betwee fertile ad ifertile eggs. To overcome this problem, it ca be used Computer Visio techology is havig such a priciple of huma visio. It used to idetify a object based o certai characteristics, so that the object ca be classified. The aim of this study to classify image fertile ad ifertile eggs with SV (Support Vector achie) algorithm based o iput from bloodspot texture aalysis ad blood vessels with GLC (Gray Level Co-occurrece atrix). Eggs image studied are 6 day old eggs. It is expected that the proposed method is a appropriate method for classificatio image fertile ad ifertile eggs. Keywords: Classificatio of fertile ad ifertile eggs with texture aalysis GLC ad SV, fertility detectio 1. PENDAHULUAN Uji fertilitas telur dalam bidag peteraka saat ii masih bayak megguaka cara maual yaitu dega memafaatka alat teropog telur utuk melihat embrio dalam telur. uji fertilitas ii dilakuka satu persatu pada telur sehigga memerluka waktu yag lama da peglihata mausia kurag akurat utuk megeali telur fertil(telur terdapat embrio) da telur ifertil (telur tidak terdapat embrio) serig terjadi. Utuk megatasi hal tersebut, dapat diguaka tekologi Computer viso yag mempuyai prisip seperti peglihata mausia. Yaki megeali suatu objek berdasarka ciri-ciri tertetu, sehigga objek tersebut dapat diklasifikasika. Utuk kasus uji fertilitas telur dapat memafaatka citra digital yaitu berupa foto telur kemudia dari foto tersebut dapat dideteksi telur fertil atau ifertil. Usaha peetasa telur, bertujua utuk meetaska telur yag meliki perkembaga embrio yag berupa bloodspot (oktah darah) da blood vessel (pembuluh darah) yag disebut dega telur fertil. Sedagka telur yag tidak meliki embrio didalamya disebut telur ifertil. Pegujia fertilitas telur perlu dilakuka utuk meyortir telur utuk dimasukka ke ikubator. Telur yag dimasukka ke ikubator adalah telur fertil. Sedagka telur yag tidak masuk ke ikubator adalah telur ifertil yag dapat dimafaatka sebagi telur kosu [1]. Peyortira telur saat ii masih megguaka alat teropog telur atau cadler, yaitu dega memberika cahaya pada telur di ruaga gelap sehigga dapat dilihat telur fertil atau ifertil. Namu, peglihata mausia kurag akurat utuk megeali telur fertil atau ifertil. asalah ii dapat diatasi dega computer visio, yaki pegeala objek suatu citra oleh komputer

2 Sebelumya, telah dilakuka peelitia megeai klasifikasi telur fertil da ifertil berdasarka betuk kuig telur [2]. Jika lojog maka kemugkia fertil, da jika bulat kemugkia ifertil. etode klasifikasi yag diusulka adalah LS-SV (Least Squares Support Vector achie). Akurasi yg dihasilka adalah 92,5%. Kelemaha dari peelitia ii, betuk telur dipegaruhi oleh ras [3]. Jadi, klasifikasi berdasarka fitur ekstraksi betuk, masih kurag presisi. Hoju Zhag, dkk. meeliti tetag pegeala telur ifertil sejak dii dalam tahap awal ikubasi. Fitur ekstraksi yag diguaka adalah betuk kuig telur da putih telur. Jika area kuig telur lebih kecil dibadigka putih telur maka telur ifertil. Da jika area kuig telur lebih besar dari pada putih telur maka dikeali sebagai telur fertil. kemudia setelah didapaka fitur ekstraksi tersebut, diklasifikasika dega megguaka algoritma BP (Backpropagatio). utuk pegambila gambar secara horisotal akurasi klasifikasi yag dihasilka adalah 857%. Sedagka utuk pegambila gambar secara vertikal akurasi klasifikasi yag dihasilka adalah 97.86% [4]. Kelemaha dari peelitia ii, betuk telur dipegaruhi oleh ras telur [3]. Jadi, klasifikasi berdasarka fitur ekstraksi betuk, masih kurag presisi da citra yag didapatka saat proses pegambila citra berbeda sehigga mempegaruhi hasil akurasi klasifikasi. Telur fertil ditetuka berdasarka adaya embrio yag berupa bloodspot da blood vessel, sedagka telur ifertil tidak terdapat embrio. Sebelumya, telah dilakuka peelitia megeai deteksi telur fertil da ifertil berdasarka adaya bloodspot atau blood vessel. Arivazhaga, S.et al, (23), melakuka peelitia utuk medeteksi kecatata telur komersil berdasarka keretaka cagkag, cagkag kotor da adaya gumpala darah (bloodspot). deteksi kecacata tersebut dilakuka dega cara segmetasi megguaka media filterig. Kelemaha dari peelitia ii, peetua kecacata telur diilai dari adaya bloodspot, aka lebih akurat apabila diilai berdasarka bloodspot da blood vessel [5]. Ir.Apriai Kusumawardhai,.cs (22), telah meiliti fertilitas telur berdasarka keberadaa embrio, metode yag diusulka adalah segmetasi dega memberika ilai ambag global (global thresholdig). Nilai ambag yag diguaka yaitu 5. Kelemaha dari peilitia ii, peerapa ilai ambag utuk semua citra aka berpegaruh pada hasil yag kurag maksimal. Dikareaka, setiap citra kemugkia meliki ilai ambag yag berbeda. pada peelitia ii, pegambila citra haya pada bagia tegah telur, aka lebih akurat apabila seluruh bagia telur diambil. Karea embrio tidak selalu meempati posisi di tegah telur [6]. Peelitia fertilitas telur juga telah dilakuka oleh Boag Sha (20). edeteksi fertilitas telur pada bagia tegah dega segmetasi area blood vessel megguaka local adaptive thresholdig. Peetua ilai threshold dega megguaka Fuzzy C-eas. Namu, sebelum citra disegmetasi, citra ditajamka (ehace) dega megguaka tekik bottom-hat da top-hat. [7]. Kelemaha dari peelitia ii adalah citra yag diteliti haya di bagia tegah. Aka lebih akurat apabila seluruh bagia diteliti. Berdasarka peelitia-peelitia sebelumya, fitur ekstraksi yag diguaka utuk medeteksi telur fertil da ifertil adalah bloodspot atau bloodvessel. aka, pada peelitia ii peeliti megambil kedua fitur ekstraksi tersebut yaki bloodspot da blood vessel agar deteksi fertilitas telur lebih presisi. Tekstur atara telur fertil da ifertil berbeda, karea telur fertil meliki embrio. Sehigga, diperluka algoritma aalisis tekstur seperti GLC (Gray Level Co-occurrece atrix). Gleb Beliakov et.al (28) telah melakuka peelitia megeai aalisis tekstur dega GLC sebelum dilakuka klasifikasi. Hasil dari peelitia meujuka bahwa hasil akurasi dari klasifikasi yag didahului proses aalisis tekstur GLC lebih baik yaitu 96% sedagka aalisis tekstur dega PCA (Pricipal Compoet Aalysis) da LDA (Liier Discriat Aalysis) yaitu 95% da 93% [8]. Beberapa peelitia fertilitas telur sebagia besar megguaka segmetasi utuk proses awal (preprocessig). Telah dilakuka peelitia oleh C.athili (22), utuk memudahka proses segmetasi sebaikya megovesi citra dari ruag wara RGB (red, gree, blue) ke ruag wara CY (cya, mageta,yellow) atau YIQ (luas, chroma) atau HSV (hue, saturatio, value). Hal ii disebabka wara merah, hijau da biru pada ruag wara RGB terkorelasi erat. Sehigga, sulit utuk beberapa algoritma utuk melakuka proses segmetasi [9]

3 Berdasarka hasil peelitia sebelumya, maka parameter yag aka diguaka utuk meilai telur fertil adalah keberadaa bloodspot da blood vessel. Sedagka utuk meilai telur ifertil adalah tidak adaya bloodspot da blood vessel. Karea perbedaa wara bloodspot da blood vessel dega wara area telur hampir rip. maka peulis megusulka utuk segmetasi citra dega cara megkoversikaya mejadi wara YIQ. Karea pada ruag wara RGB jarak atara wara R, G da B sagat dekat sehigga meyulitka proses segemetasi [10]. Setelah citra hasil segmetasi didapatka, dilakuka aalisis tekstur hasil segmetasi dega megguaka GLC, karea tekstur dari bloodspot da blood vessel tidak beratura sehigga membutuhka aalisis tekstur ordo dua da dega GLC matriks citra mejadi lebih sederhaa sehigga tidak membebai proses komputasi. Kemudia dari matriks GLC didapatka beberapa fitur ekstrasi yag mempegaruhi citra seperti korelasi, homogeitas, eergi, etropi, rata-rata, varia, cluster shade, cluster proace. Atribut-atribut tersebut mejadi iputa klasifikasi dega SV (Support Vector achie), Support Vector achie dipilih karea data iputa berupa ilai statistik dari GLC, solusi yag didapatka adalah global optimal [11] da hasil akurasi klasifikasi dapat maksimal [2]. 2. ETODE KLASIFIKASI CITRA TELUR FERTIL DAN INFERTIL DENGAN ANALISIS TEKSTUR GLC DAN SV etode yag diguaka pada peelitia ii megguaka SV dega kerel Liier da Polioal sebagai pegklasifikasi dari telur fertil da ifertil da megguaka ekstraksi fitur Gray Level Cooccurrece atrix (GLC) utuk ekstraksi fitur atau ciri dari telur fertil da ifertil. etode klasifikasi citra telur ii megguaka SV dega membadigka beberapa kerel yag ada, seperti Polioal, RBF, LP da Liier. Berikut ditampilka gambar diagram alir metode dalam peelitia ii. Citra Telur Preprocessig Segmetasi Pegukura Klasifikasi Aalisis Tekstur Gambar 1. Diagram Alir Peelitia 2.1. Citra Telur Dalam peeltia ii dilakuka pemotreta telur fertil yag ada di ikubator. Kemudia telur dari ikubator tersebut diteropog dega cadler yag telah dibuat utuk melihat telur fertil da ifertil. Alat teropog yag dibuat megguaka kardus yag tertutup rapat. Pajag alat teropog 21cm, tiggi 40cm, lebar 21cm. di dalam alat teropog tersebut diberika lampu putih 5watt utuk meyiari telur, da di bagia atas alat teropog diberika lubag dega diameter 2cm utuk tempat memotret telur yag telah disiari. Ilustrasi alat teropog yag dibuat sebagai berikut: 118

4 Tempat kamera Peyagga Peutup Telur tempat Telur Kabel lampu Gambar 2. Cadler atau Alat Teropog Telur Dalam proses pegambila citra telur, kodisi ruaga di dalam kardus harus gelap, agar embrio atau pembuluh darah di dalam telur dapat terlihat jelas. Kamera yag diguaka utuk megambil citra telur dalam peelitia ii adalah kamera FUJIFIL Fiepix S mega piksel, dega mode flash off. Dalam peelitia ii, peulis megambil 210 butir citra telur yag berumur 6 hari karea pada umur tersebut dapat dilihat dega jelas embrio telur. Telur fertil dapat dilihat berdasarka adaya bloodspot da pembuluh darah Preprocessig Tujua preprocessig pada citra telur adalah utuk memperbaiki citra sebelum diolah. Tujua dari pegubaha ke ruag wara YIQ adalah memudahka proses segmetasi. Karea ilai R, G da B pada ruag wara RGB terlalu dekat sehigga meyulitka utuk segmetasi Segmetasi Citra Dalam beberapa kali uji coba yag peulis lakuka, segmetasi dega peguraga ilai YIQ dega RGB memberika hasil terbaik dibadig dega megguaka beberapa algoritma thresholdig. Namu masih terdapat oise wara. Hal ii dapat dega mudah dihilagka dega cara memberika kodisi berdasarka maksimal ilai wara blood spot da pembuluh darah. Jika wara r > 0 da wara b > maka digatika oleh wara hitam. Sehigga mejadi backgroud. Lagkah-lagkah segmetasi sebagai berikut: 119

5 Koversi pixel RGB ke YIQ isal R=10 G=5 B=10 RGB ke YIQ Y = 0.2 * * * 10 I = * * * 10 Q = * * * 10 (b) (a) Segmetasi = YIQ RGB (c) Gambar 3. Proses Segmetasi Citra (a) Citra asli; (b) Citra YIQ; (c) Hasil Segmetasi 2.4. Aalisis Tekstur Setelah didapatka citra hasil segemetasi, citra diaalisis teksturya dega GLC. aka didapatka 9 atribut yag mejadi iputa dalam proses klasifikasi. Atribut tersebut diataraya : kotras, korelasi, homogeitas, eergi, etropi, rata-rata, varia, cluster shade, cluster proace. Fitur tersebut dapat dihitug dega megguaka formula: Kotras = (2) Homogeitas = (3) Eergi = (4) Rata-rata = (5) Korelasi = (6) Varia = (7) Cluster Shade = (8) Cluster Proace = (9) Etropi = (10) Dalam hal ii, P(i,j) meyataka probabilitas ilai pada baris i da kolom j; N meyataka bayakya data; G meyataka bayakya derajat keabua; µ meyataka rata-rata dari ilai P (Fritz Albergste, 28). Kemudia fitur ii disimpa dalam betuk matriks yag aka diguaka sebagai parameter utuk membagu model pembelajara pada metode SV

6 1 1 6, i 10 2 m m Tabel 1. set Citra Telur i m 2, 2, , 2, i m Y : : : : : : : : : : : : : : : : : : :.. : : : : : : : : : : : : : : : : : : : Keteraga : 1 : kotras 6 : korelasi 2 : homogeitas7 : varia 3 : eergy 8 : cluster shade 4 : etropi 9 : cluster proace 5 : rata-rata N : 210 data telur , , , , , , ,6 3 12, , , , , , , , ,8 0 81, , Klasifikasi a. Klasifikasi dega SV Kerel Liier Citra hasil segmetasi dari citra telur aka diklasifikasika berdasarka teksturya. Klasifikasi dibedaka mejadi 2 yaitu fertil da ifertil. Utuk data fertil dilabelka sedagka ifertil dilabelka -1. SV memberika solusi global optimal da sagat efisie utuk klasifikasi dega data statistik. Dari dataset yag ada pada tabel 1 terdapat 9 fitur, setiap fitur meliki ilai imal da maksimal artiya adalah rage ilai imal da maksimal dari setiap atribut, otomatis dari hasil komputasi. Sehigga w (bobot) utuk model klasifikasi sebayak 18. Yaki, w1, w1m, w2, w2m, w w3m, w4x, w4m, w5, w5m, w6, w6m, w7, w7m, w8, w8m, w9 da w9m. Dari 210 set data, peelitia ii megambil sample data latih 75%, yaki 151 da data uji 25%, yaki 59. Dari persamaa sebayak 15 dega cara mesubtitusika persamaa dega persamaa laiya aka didapaka ilai bias da bobot utuk 18 fitur yaki w1m, w1, w2m, w2, w3m, w w4m, w4, w5m, w5, w6m, w6, w7m, w7, w8m, w8, w9m, w9. Sehigga utuk memprediksi 59 data uji. Diperluka fugsi f(x) yag dapat 121

7 meetuka kelas prediksi. Jika f(x) maka masuk kelas jika f(x) s/d 0 maka masuk kelas -1. egguaka rumus: diaggap -1 = w.xi+b -1 (11) diaggap 1 = w.xi+b +1 (12) b. Klasifikasi dega SV kerel polioal Pegguaa kerel trick merupaka solusi utuk klasifikasi SV oliier. Set data pada tabel ditrasformasika mejadi data berdimesi tiggi sebagai berikut 1 adalah data ke-1 meliki 18 atribut 1 = [6, , 2, ] 2 adalah data ke-2 meliki 18 atribut 2 = [ ,96 2, ] Utuk 3 sampai 210 seperti cotoh 1 da 2. Utuk set data berdimesi 2, maka didapatka dimesi baru NxN, yaki matriks kerel polioal berdimesi 210x21 utuk medapatka masig-masig elemeya dega rumus kerel polioal omor 22, utuk c= da d=2. Kosep perhituga seperti cotoh berikut : 1.1 = [6, , 2, ] * [6, , 2, ] = 82,33 Utuk K(1) = (1.1 +1) 2 = (82,33 + 1) 2 = = [6, , 2, ] * [ ,96 2, ] = 45,33 Utuk K(2) = (1.2 +1) 2 = (45,33+ 1) 2 = 2146,92 Dega cara yag sama dapat dihitug ilai K(3) s/d K(21210). Kemudia didapatka ilai K utuk setiap eleme matriks polioal. maka matriks yag aka terbetuk sebagai berikut ,92 N210 N210 Utuk medapatka ilai w da memaksimalka hyperplae megguaka rumus: K(x,y) = (x.x T +c) d (13) Ld = m α 1 + α α 210 ½ (6943 α ,92 α N210 α 210 ) Dari persamaa tersebut dapat diperoleh ilai α 1 s/d α 210. Sedagka utuk ilai w tidak dapat ditampilka secara eksplisit karea ilai w adalah gabuga dari α.y da ɸ(x), semetara b (bias) didapat dari proses pelatiha yag dilakuka dega rumus b = 1-yi(w.xi) (14) 122

8 Kemudia setelah meemuka ilai α da b, maka model SV siap diguaka utuk prediksi dega rumus N f(ɸ(x))=sig(w.ɸ(z)+b)=sig(σαi.yi. ɸ(xi).ɸ(z)+b) (15) kelebiha dari kerel oliier adalah hyperplae atau garis pesah atarkelas yag memugkika megklasifikasi data secara bear oleh data yag diaggap salah oleh kerel liier. Seperti pada gambar 2.5 Gambar 4. Ilustrasi hyperplae Kerel Liier da Noliier 2.6. Pegujia Dalam tahap ii, peelitia megguaka matriks kofusi sebagai ladasa utuk megukur kierja dari pegklasifikasia sehigga didapatka hasil akurasi yag dihitug berdasarka tabel matriks kofusi seperti berikut: Tabel 2. atriks Kofusi Kelas hasil prediksi (j) f ij Kelas = 1 (positif) Kelas = -1 (Negatif) Kelas asli (i) Kelas = 1 (positif) f 11 (TP) f 10 (FN) Kelas = -1 (egatif) f (FP) f (TN) Setiap sel f ij dalam matriks meyataka jumlah rekord atau data dari kelas i yag hasil prediksiya masuk ke kelas j. isalya, sel f 11 adalah jumlah data dalam kelas 1 yag secara bear dipetaka ke kelas da f 10 adalah data dalam kelas 1 yag dipetaka secara salah ke kelas -1. Berdasarka jeis peelitia, peelitia ii termasuk peeltia eksperime pegujia klasifikasi dilakuka secara kuatitatif dega matriks kofusi. Aalisis tekstur telur berdasarka hasil segmetasi area bloodspot da blood vessel dega GLC, kemudia klasifikasi telur fertil da ifertil dega SV. yag diambil sebayak 210 data citra telur. 3. HASIL DAN PEBAHASAN 3.1. Persiapa Dalam peelitia ii, dilakuka pemotreta telur di dalam cadler seperti pada gambar 2.2, cadler harus dalam kodisi tertutup da gelap agar bloodspot da blood vessel dapat terlihat. Sebelum melakuka pemotreta dilakuka kalibrasi kamera agar hasil pemotreta terlihat lebih terag da dikodisika utuk megambil areal telur. citra yag diambil merupaka data citra acak yag berjumlah 210 citra telur acak, dega 98 data citra telur ifertil da 112 citra telur fertil

9 Selajutya data tersebut dikelompokka mejadi 2 bagia yaitu mejadi 151 sebagai data latih da 59 data sebagai data uji Hasil Pegujia Dari hasil eksperime didapatka ilai masig-masig parameter dari GLC utuk setiap citra, seperti ditujukka pada tabel berikut Tabel 3. Cotoh ilai GLC Kotrasm=42 Etropim=1344 Variam=7595 Kotras=40 Etropi=1339 Varia=7613 Homogeitasm=9 Rata-ratam=2,0475 Clustershadem = Homogeitas= 79 Eergim=9493 Rata-rata=2,0475 Clustershade = 165 Autokorelasim=0 692 Clusterproacem=3 184 Eergi=9495 Autokorelasi=0 692 Clusterproace=3 188 egguaka metode SV sebagai klasifikasi citra meliki berbagai macam kerel diataraya RBF, Polioal, LP da liier Pegukura Kierja Utuk megukur kierja dari metode yag diusulka peelitia ii megguaka metode pegukura akurasi yag didapatka dari tabel matriks kofusi. Dega megguaka rumus: (16) (17) (18) (19) 3.4. Hasil Eksperime Dari percobaa 59 data uji citra telur acak megguaka metode SV diperoleh akurasi sebesar 92 % utuk kerel polioal da 88,1 % utuk kerel liier. Hal tersebut meujuka bahwa pegguaa metode SV dalam meetuka telur ifertil da fertil memberika hasil akurasi yag lebih baik dibadigka megguaka kerel SV yag ada, seperti pada tabel berikut ii: 124

10 Tabel 4. Hasil akurasi dega beberapa kerel laiya No Kerel Jumlah Bear Jumlah Salah Akurasi Laju error Precisio Recall 1 Polioal % LP ,8% RBF ,8% Liier ,1% LS-SV % Dapat disimpulka bahwa dari beberapa kerel SV yag telah diuji coba, meujukka bahwa kerel polioal memberika hasil akurasi yag palig baik dibadigka kerel yag laiya yaitu sebesar 92 %. 4. PENUTUP a. Pedekata SV kerel polioal meujukka akurasi terbaik dibadig kerel yag lai. Yaki 92%. Hal ii dikareaka hyperplae kerel polioal mampu megklasifikasika data secara bear oleh data yag diaggap salah oleh hyperplae kerel liier. Da berdasarka ilai GLC, telur fertil diyataka oleh kerel polioal dega reta ilai kotras meliki ilai atara 0 s/d 04. Homogeitas 98 s/d 1. Eergi 1 s/d 4. Etropi 0 s/d 07. Rata-rata 2,0 s/d 96. Korelasi 1 s/d 4,. Varia 46 s/d 12,9. Clustershade 0 s/d 2,5 da clusterproace 0 s/d 24,92. Da utuk citra ifertil atribut GLC utuk kotras meliki ilai atara s/d 35. Homogeitas 88 s/d 1. Eergi 28 s/d. Etropi 04 s/d 65. Rata-rata 2, s/d 5,87. Korelasi s/d 159. Varia 44 s/d 32,30. Clustershade -7,74 s/d 32,04 da clusterproace s/d 207,21. b. Berdasarka aalisis da pembahasa pada peelitia ii ada beberapa sara yag mugki bisa dijadika dasar utuk pegembaga peelitia ii, yaitu dapat megguaka hasil peelitia ii sebagai referesi utuk meeliti fertilitas telur puyuh serta meracag da membuat alat (hardware) utuk klasifikasi telur fertil da ifertil. DAFTAR PUSTAKA [1] Ea Wiarti, "Peluag Telur Ifertil pada Usaha Peetasa Telur Itik Sebagai Telur Kosumsi",Jural Sear Nasioal Tekologi Peteraka da Veterier, 25 [2] ei Hu a, The Idetificatio of White fertile Eggs Prior to Icubatio Based o achie Visio ad Least square, Africa Joural of Agricultural Research, Acadec Joural, Vol. 6(12), pp , 21 [3] Rosea Yusuf, Karakteristik orfologi Da Kualitas Telur Ayam Lokal Khas Dayak Dari Kabupate Berau Kalimata Timur, Jural Tekologi Pertaia 7(2):74-8 ISSN ,22 [4] Hogju Zhag. et al, A New ethod to Recogize Ufertilized Egg i Early Icubatio Stage, Tras Tech Publictio Switzerlad, CIS Joural, Applied echaics ad aterials Vols , 22[1] Arivazhaga, S.et al, (23), Exteral ad Iteral Defect Detectio ofegg usig achie Visio, Joural of Emergig Treds i Computig ad Iformatio Scieces, Vol. 4, No [5] Arivazhaga, S.et al, (23), Exteral ad Iteral Defect Detectio ofegg usig achie Visio, Joural of Emergig Treds i Computig ad Iformatio Scieces, Vol. 4, No

11 [6] Ir.Apriai Kusumawardhai,.cs, "Racag Bagu Sistem Deteksi Embrio Pada Telur egguaka Webcam", JURNAL TEKNIK POITS Vol. No. 22 [7] Boag Sha, "Fertility Detectio of iddle Stage Hatchig Egg i Vaccie Productio Usig achie Visio", IEEE Joural. DOI /ETCS [8] Gleb Beliakov, "Texture Recogatio by Usig GLC ad Various Agregatio Fuctio", IEEE Joural,E-ISBN [9] C.ythili. et al, "Color Image Segmetatio Usig ERKFC",Iteratio Joural of Computer Applicatio, Vol 41. No 2 arch 22 [10] Kadir, Abdul, da Susato, Adhi. (23).Teori da Apilaksi Pegolaha Citra.Yogyakarta. Peerbit ANDI. [11] Prasetyo, Eko.(22). iig Kosep da Aplikasi egguaka ATLAB. Yogyakarta. Peerbit ANDI

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

Aplikasi Pengenalan Pola pada Citra Bola Sebagai Dasar Pengendalian Gerakan Robot

Aplikasi Pengenalan Pola pada Citra Bola Sebagai Dasar Pengendalian Gerakan Robot Jural Emitor Vol.16 No. 02 ISSN 1411-8890 Aplikasi Pegeala Pola pada Citra Bola Sebagai Dasar Pegedalia Geraka Robot Ratasari Nur Rohmah Jurusa Tekik Elektro Uiversitas Muhammadiyah Surakarta (UMS) Surakarta,

Lebih terperinci

SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB

SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB ISSN: 1693-6930 211 SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB M. Riza Ferdiasyah, Kartika Firdausy, Tole Sutiko Program Studi Tekik Elektro, Uiversitas Ahmad Dahla Kampus III

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun 47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

PRESENTASI TUGAS AKHIR KI091391

PRESENTASI TUGAS AKHIR KI091391 PRESENTASI TUGAS AKHIR KI0939 APLIKASI PERBAIKAN KONTRAS PADA CITRA RADIOGRAFI GIGI MENGGUNAKAN KOMBINASI METODE HISTOGRAM EQUALIZATION DAN FAST GRAY LEVEL GROUPING (Kata kuci: Fast gray level groupig,

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011. III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia

Lebih terperinci

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

BAHAN DAN METODE PENELITIAN. Bahan dan objek penelitian yang digunakan yaitu:

BAHAN DAN METODE PENELITIAN. Bahan dan objek penelitian yang digunakan yaitu: III BAHAN DAN METODE PENELITIAN 3.1 Baha da Objek Peelitia 3.1.1 Objek Peelitia Baha da objek peelitia yag diguaka yaitu: 1. Telur tetas ayam lokal sebayak 200 butir. Umur telur yag telah disimpa pada

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

Lebih terperinci

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI III.1 Peambaga Teks (Text Miig) Text Miig memiliki defiisi meambag data yag berupa teks dimaa sumber data biasaya didapatka dari dokume, da tujuaya adalah mecari kata-kata yag dapat

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

METODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa

METODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa III. METODE PENELITIAN A. Lokasi da Waktu Peelitia Peelitia tetag Potesi Ekowisata Huta Magrove ii dilakuka di Desa Merak Belatug, Kecamata Kaliada, Kabupate Lampug Selata. Peelitia ii dilaksaaka atara

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 38 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia adalah suatu cara ilmiah utuk medapatka data dega tujua tertetu. Peelitia yag megagkat judul Efektivitas Tekik Permaia Pioy Heyo dalam

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan. 9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di 4 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah siswa kelas VIII (delapa) semester gajil di SMP Xaverius 4 Badar Lampug tahu ajara 0/0 yag berjumlah siswa terdiri dari

Lebih terperinci

BAB V METODOLOGI PENELITIAN

BAB V METODOLOGI PENELITIAN BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler

Lebih terperinci

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

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi, BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep

Lebih terperinci

METODOLOGI PENELITIAN. Penelitian ini telah dilakukan di Desa Koto Perambahan Kecamatan Kampar

METODOLOGI PENELITIAN. Penelitian ini telah dilakukan di Desa Koto Perambahan Kecamatan Kampar III. METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelitia Peelitia ii telah dilakuka di Desa Koto Perambaha Kecamata Kampar Timur Kabupate Kampar. Waktu pelaksaaa peelitia ii sekitar 3 bula yaki Bula Oktober-Desember

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja

Lebih terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat

BAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat 38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata

Lebih terperinci

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi, 7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia sikap kosume terhadap kopi ista Kopiko Brow Coffee ii dilakuka di Wilaah Depok. Pemiliha dilakuka secara segaja (Purposive) dega pertimbaga

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas X SMA N 10 Pekanbaru, semester

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas X SMA N 10 Pekanbaru, semester 3 BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia ii dilaksaaka di kelas X MA N 0 Pekabaru, semester tahu ajara 03/04. Waktu pegambila data dilaksaaka pada bula eptember 03. B. Objek da

Lebih terperinci

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

BAB III METODOLOGI PENELITIAN. yang diperoleh dengan penelitian perpustakaan ini dapat dijadikan landasan

BAB III METODOLOGI PENELITIAN. yang diperoleh dengan penelitian perpustakaan ini dapat dijadikan landasan BAB III METODOLOGI PENELITIAN 3.. Jeis Peelitia Peelitia perpustakaa yaitu peelitia yag pada hakekatya data yag diperoleh dega peelitia perpustakaa ii dapat dijadika ladasa dasar da alat utama bagi pelaksaaa

Lebih terperinci

PENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG 1 METER (001S)

PENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG 1 METER (001S) PENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG METER (00S) Ahmad Muhtarom Jurusa Tekik Sipil, Uiversitas Sriwijaya, Jl. Raya Palembag-Prabumulih KM.3

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

Sidang Tugas Akhir Teknik Manufaktur

Sidang Tugas Akhir Teknik Manufaktur Sidag Tugas Akhir Tekik Maufaktur Aplikasi pegguaa Metode Butterorth Lopass Filter dega Edge Detectio Ca-Roberts utuk megetahui Karakteristik stress-strai Material berbasis Image Processig Oleh : HANIF

Lebih terperinci