PENGELOMPOKAN ZAT GIZI MAKANAN MENGGUNAKAN ANALISIS DISKRIMINAN
|
|
- Utami Darmali
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei PENGELOMPOKAN ZAT GIZI MAKANAN MENGGUNAKAN ANALISIS DISKRIMINAN H.A. Parhusi, Jantini T. Natangku Center of Alied Science and Mathematics Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Salatiga htt:// Abstrak Paer ini menjelaskan tentang enggelomokkan jenis makanan berdasarkan zat gizi yang terkandung di dalamnya. Pengelomokkan jenis makanan terbagi atas banyaknya zat gizi mikro (karbohidrat dan kalsium) dan zat gizi makro (rotein dan lemak). Metode yang digunakan adalah metode Analisis Diskriminan. Data yang diambil dari Daftar Komosisi Bahan Makanan (DKBM) Indonesia, yang meliuti dari 5 jenis makanan dan 4 variabel jenis gizi yang dikandung. 4 jenis gizi tersebut adalah Protein, dan Lemak, Karbohidrat, Kalsium. Metode ini akan membagi 4 variabel menjadi gru yaitu zat gizi mikro dan zat gizi makro ada makanan. Hasil dari analisis data tersebut akan menunjukkan jenis makanan tersebut termasuk jenis makanan yang mengandung banyak zat gizi mikro atau lebih banyak mengandung zat gizi makro. Kata Kunci: Zat gizi makro, zat gizi mikro, analisis diskriminan.. Pendahuluan Zat gizi ada makanan daat dibagi menjadi bagian berdasarkan jumlah yang terkandung didalamnya, yaitu zat gizi mikro meruakan zat gizi yang dibutuhkan tubuh dalam jumlah kecil atau sedikit dan zat gizi makro meruakan zat gizi yang dibutuhkan tubuh dalam jumlah besar(web ). Pada identifikasi jenis makanan berdasarkan gizi yang dikandung ini, telah didentifikasi masing masing jenis gizi yang meruakan zat gizi mikro dan makro. Zat gizi mikro yang telah diidentifikasi yaitu karbohidrat dan kalsium, sedangkan zat gizi makro yaitu rotein dan lemak. Akan tetai daat dijumai bahwa jenis makanan yang didaftar tidak dikelomokkan dengan mudah berdasarkan kedua jenis gizi tersebut. Terlebih lagi jika makanan bersifat lokal maka identifikasi makanan tersebut sangat sulit dilakukan (Ireland, ). Demikian ula berdasarkan Daftar Makanan Indonesia ada literatur, engelomokkan masih
2 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei berdasarkan jenis makanan yang tentunya masih dilakukan secara manual. Makalah ini memberikan cara melakukan klasifikasi dengan analisa diskriminan. Makalah ini menggunakan data yang bersumber dari Daftar Komosisi Bahan Makanan (DKBM) Indonesia yang ditunjukkan ada Tabel. Tabel. Data Kandungan Gizi ada Jenis - jenis Makanan No Nama Makanan Kandungan Protein Lemak Karbohidrat Kalsium Bandeng Presto Cumi - cumi Goreng Emek Tangiri Gurame Asam Manis Ikan Mas Goreng Mujair Goreng Botok Lamtoro Buncis Rebus Keredok Gado - gado Ketorak Pecel Sayur Asem Sayur Daging Sai Sayur Lodeh Sou Sayur Tahu Toge Sayur Teme Semur Jengkol Semur Telur Soto Banjar Soto Betawi Soto Kudus Soto Pekalongan Toge Goreng Tumis Bayam Tumis Kangkung Cerelac Sosis daging Keleon Kue Bika Ambon Bawal Goreng Cumi - cumi
3 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei 34 Kue Wijen Udang Goreng Keiting Asam Manis Lais Legit Ledre Pisang Mendhut Pisang Goreng Gambas Oyong Tumis Kacang Panjang Satru Ponorogo Taoge Kacang Kedele Widaran Wingko Babat Yangko Donat Enting Geuk Bakau Makalah ini disusun sebagai berikut. Pada Bab II ditunjukkan analisa diskriman sebagai metode yang digunakan dalam melakukan engelomokkan. Prosedur yang dilakukan dijelaskan secara bertaha ada Bab III. Selanjutnya sebagai hasil analisis ditunjukkan ada Bab IV. Adaun kesimulan dinyatakan ada bagian akhir makalah ini.. Analisis Diskriminan Pada dasarnya analisa diskriminan diergunakan untuk mengetahui eubah-eubah enciri yang membedakan kelomok individu yang ada, selain itu juga daat diergunakan sebagai kriteria engelomokan yang dilakukan berdasarkan erhitungan statistik terhada kelomok yang terlebih dahulu diketahui secara jelas engelomokannya. Aabila dua atau lebih gru ( beberaa eubah X,..., n,...,, n nm ) telah diukur dalam, X X m maka daat dibangun fungsi linear tertentu, dimana fungsi itu meruakan fungsi embeda terbaik bagi kelomok kelomok gru yang diteliti. Analisis diskriminan adalah teknik statistika untuk mengelomokkan gru - gru ke dalam kelomok-kelomok yang saling bebas berdasarkan sekelomok variabel bebas. Proses klasifikasi gru gru tersebut meruakan salah satu analisis statistika
4 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei yang dierlukan, jika ada beberaa kelomok gru kemudian ingin diketahui aakah kelomok-kelomok tersebut memang berbeda secara statistika. Kelomok-kelomok ini terjadi karena ada engaruh satu atau lebih variabel lain yang meruakan variabel indeenden. Kombinasi linier dari variabel-variabel ini akan membentuk suatu fungsi diskriminan. Aabila dimensi data sangat besar, maka analisis diskriminan daaat dilakukan dengan melakukan engelomokan data terlebih dahulu (clustering) ( Thomas dan Dean,-). Pada makalah ini data akan diisahkan menjadi gru dan misalkan ruang samel adalah suatu oulasi P. Sebutlah gru sebagai zat gizi makro dan sebagai gru zat gizi mikro dengan ketentuan bahwa kalsium dan karbohidrat termasuk kelomok zat gizi mikro sedangkan rotein dan lemak termasuk kelomok zat gizi makro. Sedangkan data ada Tabel terdiri dari 4 samel, rotein, lemak karbohidrat dan kalsium. Pada makalah ini akan ditekankan ada engklasifikasian data multivariat dalam kelomok gru dengan nilai kovariansi sama yaitu = =. Sebutlah f ( ) menyatakan fungsi densitas untuk dan f ( x) untuk. Fungsi densitas masingmasing adalah x i=,. () Misalkan data di setia samel dalam variabel () Sedangkan nilai rata-rata dan kovariansi untuk masing masing samel dan yaitu berturut-turut. (3a) Pada engelomokkan masing-masing individu data, daat terjadi salah enematan (misclassification) yang daat berengaruh terhada biaya yang digunakan. Biaya suatu anggota gru salah ditematkan sebagai anggota gru sebutlah c( ).
5 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei Sebutlah ula c( ) meruakan biaya suatu anggota gru anggota gru salah ditematkan sebagai. Kita erlu memunyai sifat rata-rata sebagai haraan biaya salah terklasifikasi (exected cost misclassification (ECM)) yang sekecil mungkin. Yang dimaksud biaya disini daat juga berua energi atau usaha yang digunakan dalam engelomokan. Dalam alikasi seringkali sangat sulit untuk terukur. Karena batas antar gru daat bias (tidak tegas), maka kita erlu melakukan klasifikasi dengan memunyai robabilitas rior tia gru terlebih dahulu. Sebutlah dan berturut-turut menyatakan robailitas rior gru ke- dan gru ke-. Jika domain gru adalah R dan domain gru adalah R maka berlaku (Johnson dan Wichern,7, hal.5) R : f( x) f ( x) c( ) c( ) dan R : f( x) f ( x) c( ) c( ). (3b) Seber menjelaskan formulasi (3b) secara lebih detail [4] yang dieroleh dengan memerhatikan total nilai haraan ECM yang diminimalkan. Salah satu kejadi khusus dengan ECM yaitu untuk c( ) = c( ) atau rasio keduanya sama dengan yang artinya biaya untuk salah enematan ada gru dan gru sama. Maka daat dieroleh ersamaan (3b) menjadi f ( x) R : ; f( x) f ( x) R :. (3c) f( x) Karena diasumsikan kedua gru tersebut memunyai matriks kovariansi gru yang sama, maka matriks kovariansi samel S dan S berasal dari kelomok gru, maka daat dieroleh kovariansi kelomok tersebut melalui ersamaan berikut : (4) Dengan mensubtitusi nilai untuk, untuk dari ersamaan (3a) ada ersamaan (4) maka daat dieroleh aturan klasifikasi. Suatu samel x dalam gru jika dienuhi
6 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei (5) Diasumsikan bahwa nilai =, dieroleh nilai. Karena nilai sehingga ersamaan (5) menjadi. (6) Jika ersamaan (6) terenuhi, maka x (samel) masuk dalam gru sedangkan jika tidak terenuhi maka x (samel) masuk dalam gru. Pada literatur tidak ditunjukkan bagaimana x diambil. Pada makalah ini x meruakan vektor yang tia komonennya meruakan rata-rata dari komonen dalam gru yang sama. Contoh : Untuk data Bandeng resto ada Tabel, maka Jadi setia jenis makanan ada Tabel erlu ditentukan vektor x yang disubstitusikan ada ersamaan (6). Formulasi yang telah disebutkan mensyaratkan bahwa data haruslah berdistribusi normal. Oleh karena itu data erlu diuji dan hal ini ditunjukkan ada Teorema (Parhusi.dkk, ) Teorema. Jika X= [ X,...,X ] berdistribusi N (, ) dengan > maka. x ' x terdistribusi X ( ), dengan X ( ) menyatakan chi-square distribusi dengan derajat kebebasan sebesar.. N (, ) menyatakan distribusi untuk robabilitas (- ) ellisoida x : ( x ) ' ( x ) X ( ) dengan X ( ) menyatakan batas atas rosentase ke x dari distribusi X. Oleh karena itu sebagai uji normalitas berdasarkan data samel yaitu : x ' S x X ( ) (7) dengan X ( ) menyatakan distribusi chi-squre. Jika ersamaan (7) tersebut tidak dienuhi maka data diangga tidak berdistribusi normal. Kita akan menyatakan banyaknya data berdistribusi normal dalam rosentase. Jika sebagian besar data ].
7 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei memenuhi ersamaan (7) maka kita daat menyimulkan data secara keseluruhan berdistribusi normal. Perlu dierhatikan bahwa formula yang digunakan bebas dimensi. Sehingga setia data yang digunakan dalam analisa haruslah bebas dimensi. Kita daat melakukan hal itu dengan membagi setia data tia kolom dengan maksimum tia kolom. 3. Metode Penelitian. Data yang digunakan Data yang digunakan ada kasus ini di ambil dari data Daftar Komosisi Bahan Makanan (DKBM) Indonesia (Tabel ). Data diilih sebanyak 5 jenis makanan dan 4 variabel yang masing masing mewakili jenis zat gizi yang ada.. Data dinyatakan tana dimensi dengan membagi tia kolom dengan maksimum tia kolom. 3. Data erlu diuji aakah berdistribusi normal. Jika berdistribusi normal maka analisa diskriminan daat dilakukan. 4. Data yang berdistribusi normal tersebut kemudian diisahkan menjadi kelomok gru yaitu makro (rotein dan lemak) dan mikro (karbohidrat dan kalsium). Analisa dengan rosedur tersebut dilakukan dengan menggunakan bantuan rogram MATLAB Hasil dan Pembahasan Agar analisis diskriminan daat dilakukan, maka normalitas data terlebih dahulu diuji. Hal itu dilakukan menggunakan bantuan rogram Matlab 6.5. Kita menggunakan.5 dan derajat kebebasan =4 berdasarkan Tabel X ( ) dieroleh X ( ) = 9.49 yang digunakan sebagai batas ada ersamaan (7). Hasil uji kenormalan tersebut daat terlihat dalam Gambar dengan garis utus-utus menyatakan nilai batas X ( ) = Diatas garis batas, maka data tidak berdistribusi normal. Akan tetai hanya sebagian kecil data yang tidak berdistribusi normal (6%). Oleh karena itu daat disimulkan data secara keseluruhan berdistribusi normal.
8 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei Gambar. Uji normalitas data (Data di atas garis horizontal meruakan data yang tidak berdistribusi normal) Selanjutnya dengan menggunakan ersamaan (3-6) kita daat melakukan analisa diskriminan. Untuk menggunakan ersamaan (6) maka matriks kovariansi gabungan haruslah unya invers (tidak singular). Dieroleh bahwa. Daat diselidiki bahwa matriks ini unya invers (determinan tidak nol) sehingga ersamaan (6) daat digunakan. Dengan membuat emrograman MATLAB, kita daat menseleksi bahwa daftar makanan yang makro ada Tabel adalah makanan ada daftar No berikut [; 3; 4; 7; 9; ; ; ; 4; 5; 8; 3; 3; 36; 37; 38; 4 43; 45; 46; 47; 48; 49; 5]. Hasil engelomokkan ini daat didaftar ada Excel untuk mendaatkan tamilan visual yang lebih mudah dibaca yang ditunjukkan ada Gambar. Untuk histogram yang cuku kecil (dekat di ) daat dikatakan bahwa jenis makanan tersebut tidak daa t berbeda secara signifikan dalam salah satu kelomok.
9 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei Gambar. Hasil klasifikasi data Tabel dalam kelomok makro (Protein dan lemak) yang berada di atas dan kelomok gizi mikro (berada di bawah ). Nilai ada garis vertikal adalah nilai yang dieroleh ada ruas kiri ersamaan (6) Kita daat menggunakan Gambar sebagai referensi. Misalkan bandeng resto lebih dikenal oleh awam yang memuat kandungan rotein dan lemak dibandingkan karbohidrat dan kalsiumnya. Sedangkan cumi-cumi goreng lebih memuat karbohidrat dan klasiumnya dibandingkan rotein dan lemaknya, dan seterusnya. Hasil ini erlu diteliti lebih lanjut dengan ara ahli ilmu angan. Pengelomokan yang hanya memuat gru tentu masih daat dikembangkan untuk lebih dari gru. Selain itu, ada Gambar daat diilih hasil engelomokan yang signifikan (tana diuji lebih lanjut) untuk masing-masing kelomok. Hal ini ditunjukkan ada Tabel. Tabel. Daftar hasil engelomokan jenis makanan yang digolongkan menjadi gru Daftar makanan dengan zat Daftar makanan dengan zat makro lebih banyak (rotein dan lemak) mikro lebih banyak (karbohidrat dan kalsium) Badeng resto, Botok Lamtoro, karedok, Cerelak, ledre isang, Satru onorogo, widaran, wingko babat, yangko, donat, bakao Cumi, ikan mas goreng, mujahir goreng, sayur daging sai, sou, semur telur, sayur lodeh.
10 Seminar Nasional Statistika Universitas Dionegoro, Semarang, Mei 5. Kesimulan Makalah ini berisi tentang engelomokan jenis makanan berdasarkan zat gizi yang dikandungnya. Dengan menggunakan daftar makanan yang diberikan oleh data yang digunakan, daftar tersebut daat dikelomokkan dalam gru. Terdaat 5 jenis makanan dengan berbagai variasi dikelomokkan dalam macam zat gizi yaitu makro (Protein dan Lemak) dan zat mikro (karbohidrat dan kalsium). Daftar Pustaka [] Johnson,R.A and Wichern, D.W., Alied Multivariate Statistical Analysis, 6th ed. Prentice Hall, 7. ISBN [] Ireland, J.D and Moller, A.,Review of International Food Classification and Descrition, Journal of Food Comosition and Analysis,, 3, [3] Parhusi, H. A., Evi, K., dan Dyah K., Uji Normalitas dan Fungsi Linear Keadatan Penduduk Salatiga tahun 8, Prosiding Seminar Nasional dan Pendidikan Sains FSM ISSN: 87-9, Vol. No. Juni, hal [4] Seber, G.A. F, Multivariate Observations, Wiley Series in Probability and Mathematical Statistics, 984. [5] Thomas, B. M. and Dean, N., Variable Selection and Udating In Model-Based Discriminant Analysis for High-Dimensional Data,- Pustaka Internet Web : htt://dahlanforum.wordress.com/9/4/4/zat- zat- gizi- yang-dibutuhkantubuh/.
PEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN
M-20 PEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN Titi Purwandari, Yuyun Hidayat 2,2) Deartemen Statistika FMIPA Universitas Padjadjaran, email : titiurwandari@yahoo.com,
Lebih terperinciDika Dwi Muharahman*, Nurul Gusriani, Elis Hertini. Departemen Matematika, Universitas Padjadjaran *E mail:
Perubahan Perilaku Pengguna nstant Messenger dengan Menggunakan Analisis Koresondensi Bersama (Studi Kasus Mahasiswa di Program Studi S-1 Matematika FMPA Unad) Dika Dwi Muharahman*, Nurul Gusriani, Elis
Lebih terperinciSKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN
SKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN Oleh : Rengganis L. N. R 302 00 046 PENDAHULUAN Latar Belakang Penduduk
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Pemilahan Data
BAB 3 PEMBAHASAN 3.1 Pemilahan Data Pemilahan data dilakukan untuk menentukan data mana saja yang akan diolah. Dalam enelitian ini, data yang diikutsertakan dalam engolahan ditentukan berdasarkan teori
Lebih terperinciSTUDI TINGKAT KEMISKINAN DI INDONESIA DENGAN ANALISA DISKRIMINAN ECM DAN METODE FISHER
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika Tuban, 4 Mei 4 STUDI TINGKAT KEMISKINAN DI INDONESIA DENGAN ANALISA DISKRIMINAN ECM DAN METODE FISHER Hanna Arini Parhusip*) Angelita Titis
Lebih terperinciBAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR
BAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR Berdasarkan ada bab sebelumnya, ada bab ini akan dijelaskan enetaan atribut-atribut (keseakatan istilah) yang akan digunakan, serta langkah-langkah
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciJurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN
Perbandingan Metode Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan (Studi Kasus: Pemilihan Jurusan Bahasa dan IPS ada SMAN 2 Samarinda Tahun Ajaran 2011/2012) Comarison of Classification Methods
Lebih terperinciBab I Pendahuluan. I.1 Latar Belakang Masalah
Bab I Pendahuluan I. Latar Belakang Masalah Dalam beberaa tahun terakhir ini, roses emonitoran kestabilan barisan matriks korelasi mendaatkan erhatian yang amat serius dalam literatur, terutama dalam literatur
Lebih terperinciIntegral dan Persamaan Diferensial
Sudaryatno Sudirham Studi Mandiri Integral dan Persamaan Diferensial ii Darublic BAB 3 Integral (3) (Integral Tentu) 3.. Luas Sebagai Suatu Integral. Integral Tentu Integral tentu meruakan integral yang
Lebih terperinci270 o. 90 o. 180 o PENDAHULUAN
PENDAHULUAN Latar Belakang Perkembangan analisis data saat ini masih bertumu ada analisis untuk data linear. Disisi lain, untuk kasus-kasus tertentu engukuran dilakukan secara sirkular. Beberaa ilustrasi
Lebih terperinciUji Normalitas Menggunakan Statistik Jarque-BeraBerdasarkan Metode Bootstrap
Uji Normalitas Menggunakan Statistik Jarque-BeraBerdasarkan Metode Bootstrap Dian Christiani Kabasarang a, Adi Setiawan b, Bambang Susanto c a,b,c Program Studi Matematika Fakultas Sains dan Matematika,
Lebih terperinciBAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM
BAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM 3.1. Pengembangan Teorema Dalam enelitian dan erancangan algoritma ini, akan dibahas mengenai beberaa teorema uji rimalitas yang terbaru. Teorema-teorema
Lebih terperinciIV. METODOLOGI A. WAKTU DAN TEMPAT PELAKSANAAN B. ALAT DAN BAHAN C. METODE PELAKSANAAN MAGANG
IV. METODOLOGI A. WAKTU DAN TEMPAT PELAKSANAAN Kegiatan magang ini dilaksanakan selama 6 (enam) bulan terhitung mulai Februari 2011 samai dengan Juli 2011 di PT. United Tractors Pandu Engineering yang
Lebih terperincioleh seperangkat variabel X, maka persamaan di atas dinamakan persamaan struktural, dan modelnya disebut model struktural.
ANALISIS JALUR A. PENGERTIAN ANALISIS JALUR Telaah statistika menyatakan bahwa untuk tujuan eramalan/ endugaan nilai Y atas dasar nilai-nilai X 1, X,., X i, ola hubungan yang sesuai adalah ola hubungan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 295-304 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN DISKRIMINAN KUADRATIK KLASIK DAN DISKRIMINAN KUADRATIK
Lebih terperinciKETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD)
KETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD) Budyanra Jurusan Statistika, Sekolah Tinggi Ilmu Statistik, Jakarta
Lebih terperinciAnalisis Pengelompokan Mengenai Perubahan Struktur Kependudukan Dalam Menghadapi Era Bonus Demografi Di Kabupaten/Kota Provinsi Jawa Timur
D-486 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Print) Analisis Pengelomokan Mengenai Perubahan Struktur Keendudukan Dalam Menghadai Era Bonus Demografi Di Kabuaten/Kota Provinsi Jawa Timur
Lebih terperinciUJIAN TENGAH SEMESTER KALKULUS I Senin, 5 Maret 1999 Waktu : 2,5 jam
UJIAN TENGAH SEMESTER KALKULUS I Senin, 5 Maret 999 Waktu :,5 jam SETIAP NOMOR MEMPUNYAI BOBOT 0. Misalkan diketahui fungsi f dengan ; 0 f() = ; < 0 Gunakan de nisi turunan untuk memeriksa aakah f 0 (0)
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciTRANSFORMASI AFFIN PADA BIDANG
Jurnal Matematika Vol. No. November 03 [ : 8 ] TRANSFORMASI AFFIN PADA BIDANG Gani Gunawan dan Suwanda Program Studi Matematika, Fakultas MIPA, Universitas Islam Bandung Prgram Studi Statistika, Fakultas
Lebih terperincialjabar geo g metr me i
Pertemuan 12 & 13 ANALIS KOMPONEN UTAMA & FUNGSI DISCRIMINAN Obyektif : Reduksi variabel Interpretasi Aplikasi AKU dalam Anls Regresi Discrimination Fisher and Classification Classification with two Multivariate
Lebih terperinciPengelompokan Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Indikator Pendidikan SMA/SMK/MA dengan Metode C-Means dan Fuzzy C-Means
1 Pengelomokan Kabuaten/Kota di Provinsi Jawa Timur Berdasarkan Indikator Pendidikan SMA/SMK/MA dengan Metode C-Means dan Fuzzy C-Means Hanna Silia Karti dan Irhamah Jurusan Statistika, FMIPA, Institut
Lebih terperinciANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA
IndoMS Journal on Statistics Vol. 2, No. 2 (2014), Page 63-69 ANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA Rika Fitriani,
Lebih terperinciAnalisis Kapabilitas Proses Produksi Monosodium Glutamat (MSG) di PT. Ajinomoto Indonesia
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Print) D-5 Analisis Kaabilitas Proses Produksi Monosodium Glutamat (MSG) di PT. Ajinomoto Indonesia Junta Dwi Kurnia, Sri Mumuni Retnaningsih,
Lebih terperinciPengontrolan Kualitas Statistika Produk Wire Rod Steel Di PT. Krakatau Steel (Persero) Tbk. Cilegon
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Print) Pengontrolan Kualitas Statistika Produk Wire Rod Steel Di PT. Krakatau Steel (Persero) Tbk. Cilegon Aditya Rahadian Fachrur dan Sri Mumuni
Lebih terperinciPengaruh Riwayat Pemberian ASI Terhadap Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta
Pengaruh Riwayat Terhada Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta 1 2 srilestarijs@yahoo.com 1 2 AKPER Insan Husada Surakarta Breast milk is the most erfect food for baby. Giving
Lebih terperinciBAB II TINJAUAN PUSTAKA. untuk berkunjung ke suatu negara. Permintaan pariwisata biasanya diukur dari segi
BAB II TINJAUAN PUSTAKA 2.1 Permintaan Pariwisata Pariwisata mamu mencitakan ermintaan yang dilakukan oleh wisatawan untuk berkunjung ke suatu negara. Permintaan ariwisata biasanya diukur dari segi jumlah
Lebih terperinciII. TINJAUAN PUSTAKA
II. TIJAUA PUSTAKA Portofolio Saham Portofolio berarti sekumulan investasi, untuk kasus saham, berarti sekumulan investasi dalam bentuk saham. Proses embentukan orfolio saham terdiri dari mengidentifikasi
Lebih terperinciPENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR
PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR Inge Ratih Puspitasari, Hendro Permadi, dan Trianingsih Eni Lestari Universitas
Lebih terperinciBAB III STATIKA FLUIDA
A STATKA LUDA Tujuan ntruksional Umum (TU) Mahasiswa diharakan daat merencanakan suatu bangunan air berdasarkan konse mekanika fluida, teori hidrostatika dan hidrodinamika Tujuan ntruksional Khusus (TK)
Lebih terperinciPEMODELAN PENJADWALAN MATA PELAJARAN DENGAN INTEGER PROGRAMMING
PEMODELAN PENJADWALAN MATA PELAJARAN DENGAN INTEGER PROGRAMMING Dian Permata Sari, Sri Setyaningsih, dan Fitria Virgantari. Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciDBMP DBMP Yetti Wira_Gizi_2014_Poltekkes Palangka Raya. Yetti Wira_Gizi_2014_Poltekkes Palangka Raya
DBMP DBMP Pengertian : DBMP adalah daftar yang berisi 7 golongan bahan makanan. pada tiap golongan, dalam jumlah (dapat berbeda setiap makanan) yang dinyatakan bernilai energi dan zat gizi yang sama. Oleh
Lebih terperinciBiaya Modal (Cost of Capital)
Bahan Ajar : Manajemen Keuangan II Digunakan untuk melengkai buku wajib Disusun oleh: Nila Firdausi Nuzula Biaya Modal (Cost of Caital) Caital Budgeting dan Cost of Caital (CoC) meruakan dua konse yang
Lebih terperinciANALISA DATA PERTANIAN BOYOLALI DALAM BEBERAPA FAKTOR UNTUK OPTIMASI PRODUKTIVITAS PERTANIAN
Telah diresentasikan ada Konser Karya Ilmiah Fakultas Pertanian dan Bisnis UKSW, ada 4 Agustus 206 Artikel KKIN 206 ANALISA DATA PERTANIAN BOYOLALI DALAM BEBERAPA FAKTOR UNTUK OPTIMASI PRODUKTIVITAS PERTANIAN
Lebih terperinciASUPAN MAKANAN DAN PERTUMBUHAN BADUTA DI WILAYAH KERJA PUSKESMAS JUMPANDANG BARU KOTA MAKASSAR
ASUPAN MAKANAN DAN PERTUMBUHAN BADUTA DI WILAYAH KERJA PUSKESMAS JUMPANDANG BARU KOTA MAKASSAR Sri Syatriani 1, Muliati 2 1 Dosen STIK MAKASSAR 2 Peminatan Gizi STIK Makassar Abstract Background: Growth
Lebih terperinciKlasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan
Statistika, Vol. 15 No. 2, 87-97 November 215 Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Fitriana A.R. 1, Nurhasanah 2, Ririn Raudhatul
Lebih terperinciPengertian Bahan Pangan Hewani Dan Nabati Dan Pengolahannya
Pengertian Bahan Pangan Hewani Dan Nabati Dan Pengolahannya Secara garis besar, bahan pangan dapat dikelompokkan menjadi dua yaitu bahan pangan asal tumbuhan (nabati) dan bahan pangan asal hewan (hewani).
Lebih terperinciKARAKTERISASI SEBARAN BINOMIAL NEGATIF
Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 65 70 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND KARAKTERISASI SEBARAN BINOMIAL NEGATIF DEBY HANDAYANI Program Studi Magister Matematika, Fakultas Matematika
Lebih terperinciModifikasi Hydrograf Satuan Sintetik SCS Sungai Serayu Dengan Metoda Optimasi
Modifikasi Hydrograf Satuan Sintetik SCS Sungai Serayu Dengan Metoda Otimasi Ariani Budi Safarina ABSTRAK Metoda hydrograf satuan sintetik dierlukan untuk menentukan arameter banjir di daerah aliran sungai
Lebih terperinciAlgoritma Jaringan Syaraf Tiruan Hopfield
2.6. Jaringan Saraf Tiruan Hofield Jaringan syaraf Tiruan Hofield termasuk iterative autoassociative network yang dikembangkan oleh Hofield ada tahun 1982, 1984. Dalam aringan Hofield, semua neuron saling
Lebih terperinciKUESIONER PENELITIAN
Lampiran 1 KUESIONER PENELITIAN GAMBARAN PENATALAKSANAAN DIET JANTUNG DAN STATUS GIZI PASIEN PENDERITA HIPERTENSI KOMPLIKASI PENYAKIT JANTUNG YANG RAWAT INAP DI RUMAH SAKIT UMUM BANDUNG MEDAN TAHUN 2012
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Analisa Kestabilan Lyapunov
Institut Teknologi Seuluh Noember Surabaya Analisa Kestabilan Lyaunov Contoh Soal Ringkasan Latihan Contoh Soal Ringkasan Latihan Sistem Keadaan Kesetimbangan Kestabilan dalam Arti Lyaunov Penyajian Diagram
Lebih terperinciOptimisasi Penjadwalan Perawat Dengan Program Gol Linear
Jurnal Sains Matematika dan Statistika Vol. No. Juli 05 ISSN 460-454 Otimisasi Penjadwalan Perawat Dengan Program Gol Linear Pratiwi Siregar Habibis Saleh M.D.H. Gamal 3 Jurusan Matematika Fakultas Matematika
Lebih terperinciModifikasi Hydrograf Satuan Sintetik Nakayasu Sungai Cisangkuy Dengan Metoda Optimasi
Modifikasi Hydrograf Satuan Sintetik Nakayasu Sungai Cisangkuy Dengan Metoda Otimasi Ariani Budi Safarina ABSTRAK Metoda hydrograf satuan sintetik dierlukan untuk menentukan arameter banjir di daerah aliran
Lebih terperinciStudi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik
Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Empirik S 6 Jantini Trianasari Natangku 1), Adi Setiawan ), Lilik Linawati ) 1) Mahasiswa Program Studi Matematika FSM-UKSW Email : n4n4_00190@yahoo.co.id
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Kerangka Pemikiran Penelitian ini dimulai dengan adanya ermasalahan yang ditemukan oleh enulis yakni mengenai validitas CAPM di dalam engalikasiannya terhada engukuran
Lebih terperinciKUESIONER Hubungan Pengetahuan Gizi Dengan Status Gizi Santri Asrama 2 Pondok Pesantren Darul Ulum Peterongan Jombang
Lampiran 1: Kuesioner KUESIONER Hubungan Pengetahuan Gizi Dengan Status Gizi Santri Asrama 2 Pondok Pesantren Darul Ulum Peterongan Jombang Nomor Responden : Tanggal Wawancara : / / A. Identitas Responden
Lebih terperinciRESAMPLING BERDASARKAN ESTIMASI DENSITAS KERNEL BIVARIAT
RESAMPLING BERDASARKAN ESTIMASI DENSITAS KERNEL BIVARIAT Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52-60 Salatiga 50711 e-mail
Lebih terperinciHasil Kali Dalam Berbobot pada Ruang L p (X)
Hasil Kali Dalam Berbobot ada Ruang L () Muhammad Jakfar, Hendra Gunawan, Mochammad Idris 3 Universitas Negeri Surabaya, muhammadjakfar@unesa.ac.id Institut Teknologi Bandung, hgunawan@math.itb.ac.id 3
Lebih terperinciTeknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil
Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil Ronny Susetyoko, Elly Purwantini Politeknik Elektronika Negeri Surabaya
Lebih terperinciAnalisis Kepuasan Pengunjung Terhadap Pelayanan Perpustakaan ITS
D7 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) 75 (-98X Print) Analisis Keuasan Pengunjung Terhada Pelayanan Perustakaan ITS Sandra Yuni Wulandari dan Wahyu Wibowo Jurusan, Fakultas MIPA, Institut Teknologi
Lebih terperinciPERBANDINGAN KINERJA BEBERAPA METODE KLASIFIKASI HASIL REDUKSI DATA BERDIMENSI TINGGI
ISSN 1858-4667 JURNAL LINK Vol 16/No. 1/Februari 212 PERBANDINGAN KINERJA BEBERAPA METODE KLASIFIKASI HASIL REDUKSI DATA BERDIMENSI TINGGI Ronny Susetyoko 1, Elly Purwantini 2 1,2 Departemen Teknik Elektro,
Lebih terperinci8. Rangkaian Arus Searah, Pemroses Energi
ntroduction to ircuit nalysis Time Domain www.dirhamblora.com 8. angkaian rus Searah, Pemroses Energi Kita mengetahui bahwa salah satu bentuk gelombang dasar adalah bentuk gelombang anak tangga. Di bagian
Lebih terperinciMenentukan Rumus Umum Suku ke-n dari Barisan Bilangan dalam BentukPenjumlahan Polinom Melalui Sistim Persamaan Linier. OLEH WARMAN, S.Pd.
Menentukan Rumus Umum Suku ke-n dari Barisan Bilangan dalam BentukPenjumlahan Polinom Melalui Sistim Persamaan Linier OLEH WARMAN, S.Pd. DINAS PENDIDIKAN KABUPATEN BLITAR SMP NEGERI 1 GANDUSARI Agustus
Lebih terperinciSUMMARY HUBUNGAN FAKTOR PERILAKU DAN LINGKUNGAN LUAR RUMAH DENGAN KEJADIAN MALARIA DI DESA KAIDUNDU KECAMATAN BULAWA KABUPATEN BONE BOLANGO TAHUN 2013
SUMMARY HUBUNGAN FAKTOR PERILAKU DAN LINGKUNGAN LUAR RUMAH DENGAN KEJADIAN MALARIA DI DESA KAIDUNDU KECAMATAN BULAWA KABUPATEN BONE BOLANGO TAHUN 2013 Ariyanto Pakaya NIM 811409138 Program study Kesehatan
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciBAB VI HUKUM KEKEKALAN ENERGI DAN PERSAMAAN BERNOULLI
BAB VI HUKUM KEKEKALAN ENERGI DAN PERSAMAAN BERNOULLI Tujuan Intruksional Umum (TIU) Mahasiswa diharakan daat merencanakan suatu bangunan air berdasarkan konse mekanika luida, teori hidrostatika dan hidrodinamika.
Lebih terperinciOPTIMISASI PENJADWALAN PERAWAT DENGAN GOAL PROGRAMMING: SEBUAH STUDI KASUS DI RUMAH SAKIT UMUM PADANGSIDIMPUAN ABSTRAK
Prosiding Semirata05 bidang MIPA BKS-PTN Barat Universitas Tanjungura Pontianak OPTIMISASI PENJADWALAN PERAWAT DENGAN GOAL PROGRAMMING: SEBUAH STUDI KASUS DI RUMAH SAKIT UMUM PADANGSIDIMPUAN Pratiwi Siregar
Lebih terperinciPETA KENDALI X DENGAN UKURAN SAMPEL DAN INTERVAL PENGAMBILAN SAMPEL YANG BERVARIASI
JURNAL TEKNIK INDUSTRI VOL. 2, NO. 2, DESEMBER 2: 72-83 PETA KENDALI X DENGAN UKURAN SAMPEL DAN INTERVAL PENGAMBILAN SAMPEL YANG BERVARIASI Pauline Astari Singgih Dosen Fakultas Teknologi Industri, Jurusan
Lebih terperinciPETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS
PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS Adative R Control Chart as Alternative Shewhart R Control Chart in Detecting Small Shifts
Lebih terperinciBagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri
Vol. 10, No. 1, 26-34, Juli 2013 Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri Andi Fitri Ayu 1, Erna Tri Herdiani 1, M. Saleh AF 1, Anisa 1, Nasrah Sirajang 1 Abstrak
Lebih terperinciSILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE :
SILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE : JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 2005-2006 MATAKULIAH
Lebih terperinciSIKLUS MENU RUMAH SAKIT RIZANI BULAN JANUARI 2014
SIKLUS MENU RUMAH SAKIT RIZANI BULAN JANUARI 2014 MENU I Kare ayam + tahu Orak-arik Krengsengan daging Bening bayam labu cina Ayam bb rujak Tahu kukus + Sop makaroni + II Daging bb bali Perkedel kentang
Lebih terperinciBAB II LANDASAN TEORI. pembahasan pada bab-bab berikutnya, yaitu varians dan kovarians, distribusi normal,
BAB II LANDASAN TEORI ada bab ini dibahas tentang materi dasar yang digunakan untuk mendukung embahasan ada bab-bab berikutnya, yaitu varians dan kovarians, distribusi normal, matriks, investasi, ortofolio,
Lebih terperinciBAB III PEMBAHASAN. kali makanan utama dan tiga kali makanan antara/kudapan (snack) dengan jarak
BAB III PEMBAHASAN A. Perencanaan Menu Diet Diabetes Mellitus Diet DM di RS PKU Muhammadiyah Yogyakarta diberikan dengan cara tiga kali makanan utama dan tiga kali makanan antara/kudapan (snack) dengan
Lebih terperinciPeramalan Nilai Tukar (Kurs) Rupiah Terhadap Dolar Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, No.1, Juli 2017, Hal. 253-261 -ISSN: 2580-4596; e-issn: 2580-460X Halaman 253 Peramalan Nilai Tukar (Kurs) Ruiah Terhada
Lebih terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
Lebih terperinciPENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF. Adi Setiawan
PENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl Diponegoro 5-6 Salatiga
Lebih terperinciKompleksitas Algoritma Quick Sort
Komleksitas Algoritma Quick Sort Fachrie Lantera NIM: 130099 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jln. Ganesha 10, Bandung E-mail : if099@students.if.itb.ac.id
Lebih terperinciLampiran 1 Kategori pengukuran data penelitian. No. Variabel Kategori Pengukuran 1.
L A M P I R A N 50 Lampiran 1 Kategori pengukuran data penelitian No. Variabel Kategori Pengukuran 1. Proses Penyelenggaraan Makanan 2. Karakteristik Responden a. Umur (Depkes 2005) b. Uang saku 3. Karakteristik
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan jalur terendek (Shortest Path) meruakan suatu jaringan engarahan erjalanan dimana seseorang engarah jalan ingin menentukan jalur terendek antara dua kota
Lebih terperinciPengetahuan Gizi Tentang Asam Urat
LAMPIRAN 66 65 Pengetahuan Gizi Tentang Asam Urat 1. Apa yang dimaksud dengan asam urat? a. asam yang berbentuk kristal-kristal yang merupakan hasil akhir dari metabolisme purin b. asam yang ada di urat
Lebih terperinciKAJIAN KONSEP RUANG NORMA-2 DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA
Jurnal Matematika Murni dan Teraan εsilon Vol. 07, No.01, 013), Hal. 13 0 KAJIAN KONSEP RUANG NORMA- DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA Wahidah 1 dan Moch. Idris 1, Program Studi Matematika
Lebih terperinciFAKTOR-FAKTOR YANG MEMENGARUHI KEPUTUSAN MAHASISWA DALAM MEMILIH RUMAH KOST
e-jurnal Matematika Vol. No. Agustus 0, 5-3 AKTOR-AKTOR YANG MEMENGARUHI KEPUTUSAN MAHASISWA DALAM MEMILIH RUMAH KOST SITTI HAJAR, MADE SUSILAWATI, D.P.E. NILAKUSMAWATI 3,,3 Jurusan Matematika, akultas
Lebih terperinciBAB II MAKALAH Makalah 1 :
BAB II MAKALAH Makalah 1 : Analisis penilaian kinerja karyawan menggunakan Fuzzy Linear Programming (FLP). Dipresentasikan dalam Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA 2013 yang diselenggarakan
Lebih terperinciTRY OUT UN MATEMATIKA SMA IPA 2014
TRY OUT UN MATEMATIKA SMA IPA 4 Berilah tanda silang () ada huruf a, b, c, d, atau e di dean jawaban yang benar!. Diketahui remis-remis berikut. Jika Yudi rajin belajar maka ia menjadi andai. Jika Yudi
Lebih terperinciSIMULASI STOKASTIK MENGGUNAKAN ALGORITMA GIBBS SAMPLING ABSTRACT
JURNAL GAUSSIAN, Volume, Nomor, Tahun 0, Halaman -30 Online di: htt://eournal-s.undi.ac.id/inde.h/gaussian SIMULASI STOKASTIK MENGGUNAKAN ALGORITMA GIBBS SAMPLING Ania, Moch. Abdul Mukid, Agus Rusgiyono
Lebih terperinciPEMBUKTIAN PERNYATAAN LOGIKA PROPOSISI DENGAN MENGGUNAKAN RULES OF INFERENCE
Jurnal Comutech & Bisnis, Vol. 3, No. 2, Desember 2009, 100-104 ISSN Pembuktian 1978-9629 Pernyataan Logika Proosisi...(Dadi Rosadi, Praswidhianingsih) PEMBUKTIAN PERNYATAAN LOGIKA PROPOSISI DENGAN MENGGUNAKAN
Lebih terperinciDiterima 30 Januari 2014, direvisi 26 April 2014 ABSTRAK
296 NATURAL B, Vol. 2, No. 3, Aril 2014 Pemodelan Geograhically Weighted Regression dengan Pembobot Fixed Gaussian Kernel ada Data Sasial (Studi Kasus Ketahanan Pangan di Kabuaten Tanah Laut Kalimantan
Lebih terperinciKUESIONER KARAKTERISTIK PENDERITA DIABETES MELLITUS RAWAT INAP DI RUMAH SAKIT UMUM RANTAU PRAPAT TAHUN 2011
KUESIONER KARAKTERISTIK PENDERITA DIABETES MELLITUS RAWAT INAP DI RUMAH SAKIT UMUM RANTAU PRAPAT TAHUN 2011 IDENTITAS 1. Nama Pasien : 2. Umur : 3. Jenis kelamin : 4. Berat badan : 5. Tinggi badan : 6.
Lebih terperinciSTUDI SIMULASI GRAFIK PENGENDALI BERDASARKAN ESTIMASI FUNGSI DENSITAS KERNEL BIVARIAT
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, Juni 0 STUDI SIMULASI GRAFIK PENGENDALI BERDASARKAN ESTIMASI FUNGSI DENSITAS KERNEL BIVARIAT
Lebih terperinciPemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur)
Pemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur) Odik Fajrin Jayadewa, Dr. Irhamah, S.Si, M.Si, dan 3 Dwi Endah Kusrini, S.Si,
Lebih terperinciANALISIS MULTIVARIAT PADA DATA INDEKS GEOMAGNET GLOBAL
Prosiding SNaPP2011 Sains, Teknologi, dan Kesehatan ISSN:2089-3582 ANALISIS MULTIVARIAT PADA DATA INDEKS GEOMAGNET GLOBAL 1 John Maspupu 1 Pussainsa LAPAN, Jl. Dr. Djundjunan No. 133 Bandung 40173, Tlp.
Lebih terperinciDAFTAR KONVERSI BERAT MENTAH MASAK
DAFTAR KONVERSI BERAT MENTAH MASAK No. Nama Makanan F No. Nama Makanan F 1 Nasi, liwet 0.4 51 Telur ayam kampung, ceplok lunak 0.9 2 Nasi, tim 0.2 52 Telur ayam kampung, ceplok keras 1.1 3 Nasi, bubur
Lebih terperinciAnalisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya
Jurnal Penelitian Sains Volume 14 Nomer 4(A) 14403 Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya Yuli Andriani,
Lebih terperinciAPLIKASI DISCOUNTED CASH FLOW PADA KONTROL INVENTORY DENGAN BEBERAPA MACAM KREDIT PEMBAYARAN SUPPLIER
Program Studi MMT-ITS, Surabaya Agustus 9 APLIKASI ISOUNTE ASH FLOW PAA KONTROL INVENTORY ENGAN BEBERAPA MAAM KREIT PEMBAYARAN SUPPLIER Hansi Aditya, Rully Soelaiman Manajemen Teknologi Informasi MMT -
Lebih terperinciPengontrolan Kualitas Statistika pada Proses Produksi Woven Poly Propelene (WPP) Menggunakan Metode Diagram Kontrol Improved Generalized Variance
Pengontrolan Kualitas Statistika ada Proses Produksi Woven Poly Proelene (WPP) Menggunakan Metode Diagram Kontrol Imroved Generalized Variance Ulil Azmi (3080004) ), Sri Mumuni Retnaningsih ) ) Mahasiswa
Lebih terperinciMAKALAH SEMINAR PENDIDIKAN MATEMATIKA PENARIKAN AKAR PANGKAT TIGA DARI BILANGAN BULAT DENGAN HASIL HAMPIRAN
MAKALAH SEMINAR PENDIDIKAN MATEMATIKA PENARIKAN AKAR PANGKAT TIGA DARI BILANGAN BULAT DENGAN HASIL HAMPIRAN OLEH LUKMANUDIN D07.090.5 PROGRAM STUDY PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
Lebih terperinciVolume I No. 1, Februari 2016 ISSN
Volume I No., Februari 26 ISSN 252-3764 PERBANDINGAN ANALISIS DISKRIMINAN LINEAR, REGRESI LOGISTIK BINER DAN RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) (STUDI KASUS PADA PENGKLASIFIKASIAN KETEPATAN WAKTU
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bagian landasan teori ini aan dibahas materi-materi aa saja yang menunjang materi yang dibahas ada bab selanjutnya. Adaun materi-materi tersebut adalah analisis variansi, metode
Lebih terperinciREKAPITULASI RENCANA ANGGARAN BIAYA
KOP PERUSAHAAN SATUAN KERJA : REKAPITULASI RENCANA ANGGARAN BIAYA NO NAMA BAHAN JUMLAH HARGA (Rp) 1 Daging Sapi/Kerbau 2 Ikan Segar 3 Ikan Asin 4 Telur Ayam / Itik 5 Tempe / Kedelai 6 Kacang 7 Kacang Tanah
Lebih terperinciANALISIS PENGENDALIAN KUALITAS PRODUK CETAK BUKU DENGAN MENGGUNAKAN SEVEN TOOLS PADA PT..XYZ
Yogyakarta, 27 Agustus 2008 ANALISIS PENGENDALIAN KUALITAS PRODUK CETAK BUKU DENGAN MENGGUNAKAN SEVEN TOOLS PADA PT..XYZ Jurusan Teknik Industri Fakultas Teknologi Industri Universitas Islam Sultan Agung
Lebih terperinciPOPULERISASI MATEMATIKA
DISAIN ODEMA (Ornament Decorative Mathematics) UNTUK POPULERISASI MATEMATIKA Hanna Arini Parhusip Prodi Matematika,Fakultas Sains dan Matematika, Universitas Kristen Satya Wacana ABSTRAK. ODEMA (Ornament
Lebih terperinciBAB I PENDAHULUAN. Universitas Kristen Maranatha 1
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan di bidang ekonomi, sosial, dan teknologi memberikan dampak positif dan negatif terhadap gaya hidup dan pola konsumsi makanan pada masyarakat di Indonesia.
Lebih terperinciMODEL OPTIMISASI PORTOFOLIO INVESTASI MEAN- VARIANCE TANPA DAN DENGAN ASET BEBAS RISIKO PADA SAHAM IDX30
Jurnal Matematika Integratif Volume, No., Oktober 06,. 07-6 -ISSN:4-684, e-issn:549-903 doi:0.498/jmi.v.n.97.07-6 MODEL OPIMISASI POROFOLIO INVESASI MEAN- VARIANCE ANPA DAN DENGAN ASE BEBAS RISIKO PADA
Lebih terperinciBAB II KAJIAN TEORI. mendukung pembahasan pada bab-bab berikutnya, yaitu peubah acak, distribusi
BAB II KAJIAN TEORI Pada bab II ini akan dibahas tentang materi dasar yang digunakan untuk mendukung embahasan ada bab-bab berikutnya, yaitu eubah acak, distribusi normal, matriks, analisis multivariate,
Lebih terperinciKATA PENGANTAR. Lampiran 1. Angket Penelitian
Lampiran 1. Angket Penelitian KATA PENGANTAR Ibu yang terhormat, Pada kesempatan ini perkenankanlah kami meminta bantuan Ibu untuk mengisi angket yang telah kami berikan, angket ini berisi tentang : 1)
Lebih terperinciDETEKSI RISIKO DINI SAHAM GABUNGAN DENGAN MENGGUNAKAN VALUE at RISK
Program Studi MMT-ITS, Surabaya 14 Juli 01 DETEKSI RISIKO DINI SAHAM GABUNGAN DENGAN MENGGUNAKAN VALUE at RISK Haryono, Muhammad Sjahid Akbar dan Sony Sunaryo Statistics, Seuluh Noember Institute of Technology
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN. kasus yaitu mengenai perbaikan menu unpopular di restoran Dapur Sunda
BAB III OBJEK DAN METODE PENELITIAN 3.1 Objek Penelitian Penelitian ini dilakukan di salah satu restauran yang berada di kawasan kota jakarta yaitu restoran Dapur Sunda. Penelitian ini merupakan penelitian
Lebih terperinci