UNJUK KERJA PENYAMA TURBO PADA SISTEM CODE DIVISION MULTIPLE ACCESS (CDMA)

Ukuran: px
Mulai penontonan dengan halaman:

Download "UNJUK KERJA PENYAMA TURBO PADA SISTEM CODE DIVISION MULTIPLE ACCESS (CDMA)"

Transkripsi

1 UNJUK KERJA PENYAMA TURBO PADA SISTEM CODE DIVISION Program Studi Tekik Elektro, Fakultas Tekik UKSW Jl. Dipoegoro 52-60, Salatiga eva.utami@staff.uksw.edu INTISARI Peelitia ii bertujua megetahui ujuk kerja peyama turbo pada sistem Code Divisio Multiple Access (CDMA) dalam meguragi BER akibat pegaruh iterferesi. Pada sistem peerima CDMA kovesioal setelah data dikirimka, kemudia diterima da diawasadika, tidak terdapat pegolaha data lebih lajut. Sedagka pada sistem CDMA dega peyama turbo terdapat proses peapisa da pemrosesa data yag telah diawasadika, sehigga laju galat bit data iformasi dapat dikuragi. Hasil peelitia meujukka sistem CDMA yag megguaka peyama turbo dapat meghasilka ilai BER yag lebih kecil dibadigka sistem CDMA kovesioal. Pada ilai Eb/No = 14 db, ilai BER utuk sistem CDMA kovesioal adalah 9, sedagka ilai BER utuk sistem CDMA dega peyama turbo adalah 4, Peelitia juga meujukka bahwa semaki besar jumlah pegulaga dalam sistem peyama turbo, maki besar pula peguraga laju galat bit data iformasi pada sistem CDMA, utuk pegulaga sebayak 4 kali dega ilai Eb/No = 14 db diperoleh ilai BER sebesar 1, PENDAHULUAN Pada sistem komuikasi bergerak seluler, Code Divisio Multiple Access atau CDMA erupaka tekik akses jamak yag megguaka metode spektrum tersebar. Spektrum tersebar yag diguaka dalam sistem CDMA ii adalah Direct-Sequece Spread Spectrum (DS-SS). 107

2 Teché Jural Ilmiah Elektrotekika Vol. 11 No. 2 Oktober 2012 Hal Trasmisi isyarat gelombag melewati beberapa litasa (litasa jamak) atara pegirim da peerima megakibatka isyarat yag diterima megalami perubaha amplitudo. Hal ii dikareaka isyarat tersebut merupaka superposisi isyarat-isyarat dari litasa yag berbeda dega fase yag berbeda. Akibatya terjadi peerimaa kuat isyarat yag bervariasi da acak yag terdistribusi Rayleigh. Pajag litasa da peudaa isyarat yag berbeda-beda megakibatka isyarat litasa jamak sampai pada peerima dega variasi waktu tuda. Sebuah pulsa yag dikirimka oleh pemacar aka diterima oleh peerima buka lagi sebagai sebuah pulsa melaika sebuah pulsa yag meyebar yag disebut delay spread. Delay Spread ii dapat meimbulka Iter-symbol Iterferece (ISI), karea setiap simbol aka salig bertumbuka dega simbol sebelum da sesudahya. Utuk meguragi pegaruh iterferesi da meigkatka kualitas isyarat yag diterima pada sistem CDMA maka diguaka metode ekualisasi atau peyama. Sistem peyama pada umumya terdiri dari peyama liear yag parameter tapisya ditetapka dega algoritma tertetu. Selajutya simbol aka diumpaka ke sistem estimasi yag terdiri dari demodulator, deiterleaver, da pegawasadi [1], [2], [3], [4]. Sistem peyama turbo merupaka sistem peyama adaptif da pegawasadia kaal yag dilakuka secara beruruta dalam beberapa proses pegulaga [3], [4]. Pegguaa sistem peyama turbo pada sistem CDMA diharapka aka mampu meeka agka kesalaha bit iformasi sehigga aka meigkatka kualitas isyarat yag diterima pada sistem CDMA. Nilai BER diguaka utuk melihat perbadiga kierja sistem CDMA yag megguaka metode kovesioal dega CDMA yag megguaka sistem peyama turbo. 2. SISTEM CDMA DENGAN PENYAMA TURBO 2.1. Code Divisio Multiple Access (CDMA) Sistem komuikasi CDMA megguaka tekik Direct Sequece Spread Spectrum (DSSS). Suatu dereta kode yag bersifat acak semu da meyerupai derau dibagkitka utuk meyadika data sebelum dikirimka. Dereta acak semu dibagkitka oleh sebuah pembagkit sadi acak semu atau pseudoradom geerator (PRG) [2]. Dega dereta kode yag berbeda da uik utuk setiap peggua yag berbeda maka sistem CDMA memiliki kemampua utuk melakuka akses jamak yaitu megirimka iformasi dari bayak peggua pada alokasi pita 108

3 frekuesi da waktu yag bersamaa. Agar tidak terjadi iterferesi atar peggua CDMA, setiap peggua memiliki sadi acak semu yag salig orthogoal [5]. Sadi ii disebut sadi acak semu (Pseudoradom Noise) [2]. Gambar 1 meujukka ilustrasi proses pegirima DS-SS. data bier d(t) modulator s d (t) s(t) Gambar 1. Pemacar utuk CDMA. Isyarat iformasi/data bier d(t) dimodulasika sehigga meghasilka isyarat termodulasi s d (t). Proses peebara dilakuka dega megalika isyarat termodulasi s d (t) dega sadi peebar c(t) meghasilka isyarat s(t) Bit-bit sadi peebar disebut sebagai chip [1]. Pada bagia peerima, isyarat yag diterima adalah r(t)yag merupaka s(t) versi tertuda da telah melewati kaal irkabel. Isyarat tersebut dikalika kembali dega isyarat acak semu c (t) yag merupaka salia isyarat c(t) pada bagia pegirim. Isyarat c (t) disebut dega isyarat referesi yag diperoleh dari proses sikroisasi sadi. Jika diasumsika proses sikroisasi terjadi dega sempura, maka c (t)= c(t). Perkalia r(t) dega c(t) meghasilka kembali isyarat iformasi termodulasi BPSK s d (t). Proses medapatka kembali isyarat iformasi termodulasi dari isyarat spektrum tersebar diamaka despreadig. Isyarat s d (t) selajutya didemodulasika utuk memperoleh kembali isyarat iformasi bier d(t). c(t) 2.2. Sistem Peyadia da Pegawasadi Fugsi sistem peyadia dalam sistem komuikasi digital adalah utuk medeteksi da megoreksi kesalaha data yag diterima sehigga kesalaha dalam pegirima data dapat diteka[6]. Sistem peyadia utuk tujua ii adalah peyadia deret terstruktur megguaka Forward Error Correctio (FEC) yag dapat dikelompokka mejadi dua, yaitu peyadia blok da peyadia kovolusioal. Peyadia blok memiliki laju sadi lebih tiggi daripada peyadia kovolusioal, amu peyadia blok memiliki kemampua koreksi kesalaha lebih redah dibadigka peyadia kovolusioal. Pada sistem komuikasi yag 109

4 Teché Jural Ilmiah Elektrotekika Vol. 11 No. 2 Oktober 2012 Hal melewati kaal dega peluag kesalaha tiggi, peyadia kovolusioal lebih serig diguaka [2], [6]. Peyadi kovolusioal terdiri dari register geser, pejumlah modulo-2 da multiplexer [2]. Parameter pada peyadi kovolusioal diyataka dalam laju sadi R yag merupaka perbadiga jumlah bit masuka k terhadap bit keluara da pajag batas (costrait legth, K) yag merupaka jumlah register geser yag diguaka. Algoritma Viterbi merupaka algoritma pegawasadi utuk peyadi kovolusioal, yag cara kerjaya membadigka uruta data yag diterima dega data pada semua jalur pada diagram Trellis. Algoritma Viterbi megguaka prisip maximum likelihood decodig yaitu memilih satu jalur sebagai uruta data yag dikirim jika jalur tersebut memiliki peluag lebih besar dibadigka dega jalur yag lai [1]. Pada algoritma Viterbi ada dua tekik yag bisa dipakai yaitu Hard Decisio Viterbi Decoder da Soft Decisio Viterbi Decoder. Utuk tekik hard decisio masuka terdiri dari dua aras saja sedagka utuk tekik soft decisio masuka terdiri dari aras-aras ilai terkuatisasi. Dalam sistem komuikasi, iterleaver berfugsi utuk megubah uruta data dega atura tertetu [1]. Dega adaya pegubaha uruta data tersebut, maka jika terjadi burst error atau ledaka galat, reteta kesalaha data yag pajag dapat dihidari. Hal ii dikareaka pada saat data diterima aka dilakuka proses de-iterleavig atau peguruta kembali data sesuai uruta semula, sehigga burst error aka mejadi acak, yag aka lebih mudah dikoreksi pada saat proses rekostruksi Sistem Peyama Turbo Sistem peyama turbo merupaka sistem peyama adaptif da pegawasadia kaal yag dilakuka secara beruruta dalam beberapa proses pegulaga [3], [4]. Skema prisip kerja sistem peyama turbo dapat dilihat pada Gambar

5 siyal keluara kaal litasa jamak Modul I Modul II Modul III Modul p data terawasadi tudaa waktu tudaa waktu tudaa waktu Gambar 2. Skema Prisip Kerja Sistem Peyama Turbo. Peyama Turbo pada setiap modul terdiri atas peyama adaptif sebagai Adaptive Iterferece Caceller (AIC), demodulator, deiterleaver, soft-i soft-out (SISO) biary decoder yag berfugsi sebagai pegawasadi sekaligus peyadi, iterleaver, da modulator [4]. Skema peyusu setiap modul dapat dilihat pada Gambar 3. tudaa waktu r p r (p-1) Peyama adaptif demodulator De iterleaver SISO biary decoder Iiterleaver Modulator d p d (p-1) Gambar 3. Struktur Peyama Turbo Pada peyama turbo, mula-mula isyarat traiig dikirimka terlebih dahulu utuk memastika algoritma adaptif koverge. Pada pegulaga yag pertama peyama turbo haya aka medapat masuka dari cuplika isyarat keluara trasmisi r da semua koefisie kaal pada setiap tap masih sama dega ol. Masuka peyama adaptif P(f) adalah isyarat r, da pembaharua koefisie ditetuka oleh P P R G Dˆ 1 (1) 111

6 Teché Jural Ilmiah Elektrotekika Vol. 11 No. 2 Oktober 2012 Hal dega P adalah vektor koefisie tapis saat ii, P +1 adalah vektor koefisie tapis utuk pegulaga selajutya, G adalah vektor keluara tapis P(f) saat ii, D adalah taggapa yag diigika saat ii yag berupa replika isyarat traiig, R adalah vektor masuka peyama saat ii, da μ adalah parameter lagkah atau step size parameter. Koefisie pembobot tapis yag berubah selama proses adaptif berlagsug aka dicari ilai rata-rataya sehigga didapat satu vektor koefisie pembobot yag dipakai utuk meapis isyarat iformasi yag terdistorsi. Setelah melewati proses peapisa, isyarat iformasi aka didemodulasi, lalu data iformasi aka diurutka kembali oleh deiterleaver, diawasadika da kemudia disadika kembali oleh SISO biary coverter, utuk kemudia diacak da dimodulasi kembali sehigga dihasilka simbol estimasi bersama dega isyarat yag diterima adaptif pada modul berikutya, seperti terlihat pada Gambar 4. d. Isyarat estimasi ii r aka mejadi masuka bagi peyama Gambar 4. Struktur Peyama Adaptif Sistem Peyama Turbo Pada modul kedua da selajutya, peyama adaptif tersusu atas dua tapis adaptif, P(f) da Q(f). Utuk setiap perulaga, peyama turbo aka diumpai oleh cuplika isyarat terdistorsi, ( p d 1) berikut. ( p r 1), da cuplika isyarat estimasi modul sebelumya,. Pembaharua koefisie pembobot tapis P(f) da Q(f) megikuti persamaa P Q 1 1 P Q R ( s D ( s P da Q masig-masig adalah vektor koefisie pembobot tapis P(f) da Q(f). μ adalah step size parameter, R da D dˆ dˆ ) ) (2) adalah vektor simbol terdistorsi da simbol estimasi saat ii. Nilai s dˆ ) adalah galat yag merupaka selisih keluara ( 112

7 peyama adaptif, s da simbol estimasi dˆ. Selajutya isyarat s aka megalami proses berulag kembali sehigga dihasilka simbol estimasi baru, d. Nilai MSE(Mea Square Error) utuk tiap perulaga diyataka dega ˆ 2 MSE E s d (3) 2.4. Tapis Adaptif dega Algoritma Least Mea Square (LMS) Least Mea Square (LMS) adalah salah satu algoritma adaptif yag dapat dipakai dalam sistem peyama. Algoritma ii memiliki kelebiha pada perhituga yag tidak terlalu kompleks serta mudah diimplemetasika, amu memiliki kelemaha, dalam hal waktu yag dibutuhka utuk mecapai kodisi koverge [1], [2]. Koverge adalah kodisi saat ilai peubah tak bebas, memiliki ilai tertetu saat ilai peubah bebasya memiliki ilai tak higga. Dalam sistem adaptif kodisi koverge dapat terjadi apabila utuk ilai atau perulaga tak berhigga, ilai MSE tetap pada suatu kostata tertetu. Tapis adaptif yag aka diguaka dalam sistem peyama ii adalah tapis adaptif trasversal isyarat masuka X X -1 X -2 Z -1 Z -1 Z -1 X -N w 0 () w 1 () w 2 () w 0 () Σ y() Mekaisme Pegedali Bobot Adaptif e() Σ d() Gambar 5. Blok Diagram Tapis Adaptif Trasversal [2]. 113

8 Teché Jural Ilmiah Elektrotekika Vol. 11 No. 2 Oktober 2012 Hal Tapis adaptif tersusu atas M tap tapis dega masig-masig koefisie tiap tap disebut w (), ideks = 0,1,2,...,M-1,M-2, meyataka tap ke-. Isyarat x() merupaka masuka yag aka ditapis oleh tapis adaptif. Koefise tapis aka selalu diadaptasi utuk medapatka keluara tapis seperti yag diharapka. Jika d() adalah taggapa yag diigika yaitu represetasi polar simbol bier ke- yag dikirimka, da e() adalah isyarat galat, maka isyarat galat e() adalah selisih atara taggapa yag diigika d(), dega ilai keluara tapis saat ii y(), dituliska e() = d()-y() (4) Dari blok diagram tapis adaptif trasversal di atas da dega memakai algoritma LMS, maka koefisie pembobot tapis utuk perulaga selajutya, diyataka sebagai berikut ŵ(+1) = ŵ() + μx()e() (5) dega w(+1) merupaka pembaharua koefisie pembobot tapis, w() merupaka pembobot tapis saat ii, μ merupaka parameter lagkah adaptasi, x() merupaka masuka yag aka ditapis oleh tapis adaptif, da e() merupaka isyarat galat. Keluara tapis dapat ditulis sebagai y() = x T () + ŵ() (6) Utuk lagkah pertama ilai pembobot tapis saat ii, ŵ() diset 0 pada = 0. Terdapat dua syarat kovergesi yag harus dicapai, yaki kovergesi ilai MSE serta kovergesi ilai rata-rata koefisie pembobot tapis. Nilai berpegaruh pada lamaya proses adaptasi serta ilai MSEyag dicapai pada saat koverge. Pegaruh jumlah tap tapis, M, aka mempegaruhi kovergesi ilai MSE. Kodisi yag harus dipeuhi agar MSE koverge adalah E J[] koverge : 2 0 (7) dega i, i = 1, 2,..., M adalah ilai eige matriks korelasi tap masuka. Kodisi kestabila ii juga dapat diyataka dalam betuk i i (8) Semetara itu, kodisi agar kovergesi rata-rata vektor pembobot tercapai adalah 114 E wˆ [ ] koverge : 2 0 (9) max

9 dega max adalah ilai terbesar matriks korelasi tap masuka. Jika kedua kodisi pada persamaa ii tercapai maka LMS aka koverge. 3. HASIL SIMULASI DAN PEMBAHASAN Gambar 6 meampilka hasil simulasi berupa grafik hubuga BER fugsi Eb/No yag meujukka perbadiga ilai BER sistem CDMA kovesioal dega sistem CDMA megguaka peyama turbo. Nilai BER fugsi Eb/No yag dihasilka sistem CDMA kovesioal dega Sistem CDMA megguaka peyama turbo diperlihatka dalam Tabel 1. Dapat ditujukka bahwa sistem CDMA megguaka peyama turbo memiliki ujuk kerja yag lebih baik dibadig sistem CDMA kovesioal, yaitu meghasilka ilai BER yag lebih redah. Hal ii dikareaka di dalam sistem CDMA yag megguaka peyama turbo terdapat proses peapisa dega peyama adaptif yag tidak terdapat di dalam sistem CDMA kovesioal. Dalam simulasi ii diguaka spesifikasi jumlah litasa jamak 3, jumlah data masuka 1000 bit da jumlah peggua 10. Gambar 6. Grafik Hubuga BER Fugsi Eb/No atara Sistem CDMA Kovesioal dega Sistem CDMA Megguaka Peyama Turbo pada Litasa Jamak da Bayak Peggua 115

10 Teché Jural Ilmiah Elektrotekika Vol. 11 No. 2 Oktober 2012 Hal Tabel 1. Hubuga BER Fugsi Eb/No atara Sistem CDMA Kovesioal dega Sistem CDMA Megguaka Peyama Turbo pada Litasa Jamak. E b /N o (db) BER Kovesioal Peyama Turbo 4 0, , , , , , Peurua BER utuk sistem CDMA megguaka sistem peyama turbo terhadap sistem CDMA kovesioal ditujukka oleh Tabel 2. Tabel 2. Peurua BER Sistem CDMA dega Sistem Peyama Turbo Eb/No (db) Peurua BER (db) 4 0,093 db 8 1,264 db 14 3,134 db. Hasil simulasi utuk peigkata jumlah pegulaga modul pada sistem CDMA megguaka Peyama Turbo ditampilka pada Gambar 7. Dalam sistem peyama turbo dapat dilakuka pegulaga modul, sebagai upaya utuk meigkatka kierjaya. Terdapat eam grafik hasil simulasi dalam BER fugsi Eb/No yag meujukka perbadiga sistem-sistem CDMA kovesioal, sistem CDMA megguaka peyama turbo dega pegulaga modul 1, 2, 3, 4 da 5. Dalam simulasi ii diguaka spesifikasi jumlah litasa jamak 3, jumlah data masuka 1000 bit da jumlah peggua

11 Gambar 7. Grafik Hubuga BER Fugsi Eb/No atara Sistem CDMA Kovesioal dega Sistem CDMA Megguaka Peyama Turbo dega Pegulaga Modul pada Litasa Jamak da Bayak Peggua Gambar 7 memperlihatka bahwa semaki bayak jumlah pegulaga modul dalam sistem peyama turbo, aka memberika ilai BER yag lebih redah. Nilai BER yag dihasilka oleh Gambar 7 di atas dapat dilihat pada Tabel 3. Eb/No (db) Tabel 3 Hubuga BER Fugsi Eb/No Sistem CDMA Kovesioal da CDMA Kovesioal Megguaka Peyama Turbo dega Pegulaga BER Peyama Turbo Modul I Modul II Modul III Modul IV Modul V 4 0, ,4056 0, , , , , ,2135 0, , , , , , , , , , Peigkata kierja dapat terjadi karea adaya sistem peyama adaptif da pegawasadia kaal yag dilakuka secara beruruta dalam beberapa proses pegulaga. Peurua ilai BER utuk sistem CDMA megguaka sistem peyama turbo dega peigkata jumlah pegulaga terhadap sistem CDMA kovesioal secara legkap ditujukka oleh Tabel

12 Teché Jural Ilmiah Elektrotekika Vol. 11 No. 2 Oktober 2012 Hal Tabel 4 Peurua BER Sistem CDMA Megguaka Peyama Turbo dega Pegulaga Modul Terhadap CDMA Kovesioal Eb/No Peurua BER (db) (db) Modul II Modul III Modul IV Modul V 4 0,279 db 0,507 db 1,257 db 2,170 db 8 2,228 db 2,9719 db 6,419 db 9,546 db 14 7,787 db 12,23 db 22,648 db 29,38 db Hasil simulasi utuk perubaha jumlah peggua da jumlah pegulaga modul pada sistem CDMA megguaka peyama turbo ditampilka dalam Gambar 8. Simulasi dilakuka dega jumlah data masuka 1000 bit da jumlah peggua divariasika dari 1-30, pada kaal litasa jamak. Dapat ditujukka bahwa peambaha jumlah peggua aka meigkatka ilai BER, karea iterferesi yag terjadi semaki besar. Utuk megatasi peigkata ilai BER pada jumlah peggua yag bertambah, diperluka peyama turbo yag modul pegulagaya lebih besar. Utuk mempertahaka kierja BER yag sama pada jumlah peggua yag lebih besar diperluka modul perulaga yag lebih bayak, hal ii diperlihatka pada ilai BER dalam Tabel 5. Gambar 8. Grafik BER fugsi Jumlah Peggua pada Sistem CDMA dega Peigkata Peggua Divariasika dari 1-30 Peggua 118

13 Tabel 5. Hubuga BER Fugsi Jumlah Peggua Sistem CDMA Megguaka Peyama Turbo dega ilai Eb/No = 6 db Jumlah Peggua yag Aktif BER Peyama Turbo dega Pegulaga Modul I Modul II Modul III Modul IV Modul V ,010 1, , KESIMPULAN Sistem CDMA megguaka peyama turbo dapat meghasilka ilai BER yag lebih kecil dibadigka sistem CDMA kovesioal. Kierja sistem CDMA dega peyama turbo aka meigkat dega peigkata jumlah pegulaga modul. Peurua ilai BER dalam sistem CDMA megguaka peyama turbo dapat terjadi dikareaka adaya sistem peyama adaptif da pegawasadia kaal yag dilakuka secara beruruta dalam beberapa proses pegulaga, sehigga laju galat bit iformasi akibat pegaruh adaya Iter-symbol Iterferece (ISI) dapat dikuragi. DAFTAR PUSTAKA [1] Goldsmith, Adrea, Wireless Commuicatios, Cambridge Uiversity Press, [2] Rappaport, Theodore S, Wireless Commuicatio System Priciple Ad Practice, 2 d editio, Pretice-Hall, [3] Ruttik, Kalle, Itroductio to Turbo Processig, Commuicatios Laboratory Helsiki Uiversity of Techology, Filad, [4] Wag, Xiaodog, Iterative (Turbo) Soft Iterferece Cacellatio ad Decodig for Coded CDMA, IEEE Trasactios o Commuicatios, vol 47, o.7, Juli [5] Moriaga, Norihiko da Ryuji Koho, Wireless Comuicatio Techologies : New Multimedia Systems, The Kluwer Iteratioal Series i Egieerig ad Computer Sciece, [6] B. Skalar, Digital Commuicatios, Pretice-Hall, New Jersey,

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB II TEORI MOTOR LANGKAH

BAB II TEORI MOTOR LANGKAH BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag

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

BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA

BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA II.1 Pegedali Modus Lucur Sistem o-liier dimodelka dalam persamaa status pada persamaa (2.1) berikut ii: x &( = f ( + B( u(...(2.1) dega x ( merupaka

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

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

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

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 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 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

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

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

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

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

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

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa

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

UNJUK KERJA KOREKSI KESALAHAN TIPE-II HYBRID ARQ DENGAN MENGGUNAKAN KASKADE KODE HAMMING

UNJUK KERJA KOREKSI KESALAHAN TIPE-II HYBRID ARQ DENGAN MENGGUNAKAN KASKADE KODE HAMMING UNJUK KERJA KOREKSI KESALAHAN TIPE-II HYBRID ARQ DENGAN MENGGUNAKAN KASKADE KODE HAMMING Naemah Mubarakah 1) 1) Staf Pegajar Departeme Tekik Elektro, Fakultas Tekik USU Abstrak Keadala da throughput adalah

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

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 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

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

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

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

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,

Lebih terperinci

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

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

Perbandingan Beberapa Metode Pendugaan Parameter AR(1)

Perbandingan Beberapa Metode Pendugaan Parameter AR(1) Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali Jural Tekika ISSN : 285-859 Fakultas Tekik Uiversitas Islam Lamoga Volume No.2 Tahu 29 Kestabila Ragkaia Tertutup Waktu Kotiu Megguaka Metode Trasformasi Ke Betuk Kaoik Terkedali Suhariyato ) Dose Fakultas

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

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

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 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

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

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

Modul 2 PENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. RSSI 10x

Modul 2 PENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. RSSI 10x Modul ENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. TUJUAN a. Memperkiraka jarak atar ode berdasarka model komuikasi irkabel b. Megukur kuat siyal terima dari modul komuikasi X Bee c. Medapatka karakteristik

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

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN : Vol. 7. No. 1, 31-41, April 24, ISSN : 141-8518 Peetua Kestabila Sistem Kotrol Lup Tertutup Waktu Kotiu dega Metode Trasformasi ke Betuk Kaoik Terkotrol Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak

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

Bab 3 Kerangka Pemecahan Masalah

Bab 3 Kerangka Pemecahan Masalah Bab 3 Keragka Pemecaha Masalah 3.1. Metode Pemecaha Masalah Peelitia ii disajika dalam lagkah-lagkah seperti ag terdapat pada gambar dibawah ii. Peajia secara sistematis dibuat agar masalah ag dikaji dalam

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 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 II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA Bab II Ladasa eori BAB II IJAUA PUSAKA 2.1 Metode Desai Kapasitas Dalam perecaaa bagua taha gempa, salah satu metode desai yag biasa dipakai adalah Desai Kapasitas yag memakai SI 03-1726-2002 sebagai acua.

Lebih terperinci

ANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG

ANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG ANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG Agam Rido Priawa¹, Ir. Mahfudz Shidiq, M.T. ², Hadi Suyoo, S.T., M.T., Ph.D.³ ¹Mahasiswa Jurusa Tekik Elektro, ² ³Dose Jurusa

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 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

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN Peelitia pejadwala pembagkit termal ii adalah utuk membadigka metode Lagragia Relaxatio yag diajuka peulis dega metode yag diguaka PLN. Di sii aka diuji metode maa yag peramalaya

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

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

PENGANTAR MODEL LINEAR Oleh: Suryana

PENGANTAR MODEL LINEAR Oleh: Suryana PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

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

UKURAN PEMUSATAN UKURAN PENYEBARAN

UKURAN PEMUSATAN UKURAN PENYEBARAN UKURAN PEMUSATAN DATA TUNGGAL DATA KELOMPOK. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL UKURAN PENYEBARAN JANGKAUAN HAMPARAN RAGAM / VARIANS SIMPANGAN BAKU

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

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

Karakteristik Dinamik Elemen Sistem Pengukuran

Karakteristik Dinamik Elemen Sistem Pengukuran Karakteristik Diamik Eleme Sistem Pegukura Kompetesi, RP, Materi Kompetesi yag diharapka: Mahasiswa mampu merumuskaka karakteristik diamik eleme sistem pegukura Racaga Pembelajara: Miggu ke Kemampua Akhir

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

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa

Lebih terperinci

Deret Fourier. Modul 1 PENDAHULUAN

Deret Fourier. Modul 1 PENDAHULUAN Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi

Lebih terperinci

BAB IV PENGUMPULAN DAN PERHITUNGAN DATA

BAB IV PENGUMPULAN DAN PERHITUNGAN DATA BAB IV PENGUMPULAN DAN PERHITUNGAN DATA 4.1 Meetuka udara masuk (efisiesi volumetrik) da efisiesi pegirima pada hasil uji 4.1.1 Rumus udara masuk (efisiesi volumetrik) da efisiesi pegirima Jumlah volume

Lebih terperinci

SB/P/BF/14 PERFORMA PERTUMBUHAN IKAN NILA BEST PADA BERBAGAI MEDIA ph

SB/P/BF/14 PERFORMA PERTUMBUHAN IKAN NILA BEST PADA BERBAGAI MEDIA ph SB/P/BF/14 PERFORMA PERTUMBUHAN IKAN NILA BEST PADA BERBAGAI MEDIA ph M.H. Fariduddi Ath-thar, Vitas Atmadi Prakoso, Otog Zeal Arifi, da Rudhy Gustiao Balai Riset Perikaa Budidaya Air Tawar, Jl. Sempur

Lebih terperinci

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP ( Metode Beda Higga ) December 9, 2013 Sebuah persamaa differesial apabila didiskritisasi dega metode beda higga aka mejadi sebuah persamaa beda. Jika persamaa differesial parsial mempuyai solusi eksak

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

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 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

KIMIA. Sesi. Sifat Koligatif (Bagian II) A. PENURUNAN TEKANAN UAP ( P)

KIMIA. Sesi. Sifat Koligatif (Bagian II) A. PENURUNAN TEKANAN UAP ( P) KIMIA KELAS XII IA - KURIKULUM GABUNGAN 02 Sesi NGAN Sifat Koligatif (Bagia II) Iteraksi atara pelarut da zat megakibatka perubaha fisik pada kompoekompoe peyusu laruta. Salah satu sifat yag diakibatka

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

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

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

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

PRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN :

PRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN : Estimasi Curah Huja di Kota Potiaak Megguaka Metode Propagasi Balik Berdasarka Parameter Cuaca da Suhu Permukaa Laut Ika Oktaviaigsih a, Muliadi b*, Apriasyah c a Prodi Fisika, b Prodi Geofisika, c Prodi

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

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

Analisis dan Visualisasi Representasi Deret Fourier Gelombang Sinyal Periodik Menggunakan MATLAB

Analisis dan Visualisasi Representasi Deret Fourier Gelombang Sinyal Periodik Menggunakan MATLAB ELECRICIAN Jural Rekayasa da ekologi Elektro Aalisis da Visualisasi Represetasi Deret Fourier Gelombag Siyal Periodik Megguaka MALAB Ahmad Saudi Samosir Jurusa ekik Elektro Uiversitas Lampug, Badar Lampug

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II SINYAL WAKTU Pegolaha Siyal Digital Miggu II 24 Goodrich, Tamassia PENDAHULUAN Defiisi Siyal x(t) Fugsi dari variabel bebas yag memiliki ilai real/skalar yag meyampaika iformasi tetag keadaa atau ligkuga

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

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

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka Itegral etu Jika fugsi kotiu yag didefiisika utuk, kita bagi selag mejadi selag bagia berlebar sama Misalka berupa titik ujug selag bagia ii da pilih titik sampel di dalam selag bagia ii, sehigga terletak

Lebih terperinci

III Sistem LTI Waktu Diskrit Sistem LTI Operasi Konvolusi Watak sistem LTI Stabilitas sistem LTI Kausalitas sistem LTI

III Sistem LTI Waktu Diskrit Sistem LTI Operasi Konvolusi Watak sistem LTI Stabilitas sistem LTI Kausalitas sistem LTI III Sistem LTI Waktu Diskrit Sistem LTI Operasi Kovolusi Watak sistem LTI Stabilitas sistem LTI Kausalitas sistem LTI lts 1 III.1 Sistem LTI Sistem LTI Liear Time Ivariat Liear Tak-ubah-Waktu Liear Shift

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

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

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

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat. L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA Pada bab ii aka dituliska beberapa aspek teoritis berupa defiisi, teorema da sifat-sifat yag berhubuga dega aljabar liear, struktur aljabar da teori kodig yag diguaka sebagai

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

Bab IV. Penderetan Fungsi Kompleks

Bab IV. Penderetan Fungsi Kompleks Bab IV Pedereta Fugsi Kompleks Sebagaimaa pada fugsi real, fugsi kompleks juga dapat dideretka pada daerah kovergesiya. Semua watak kajia kovergesi pada fugsi real berlaku pula pada fugsi kompleks. Secara

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