Penghapus Derau Adaptif dengan Algoritma NLMS Ukuran Langkah Adaptasi Tetap dan Berubah

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penghapus Derau Adaptif dengan Algoritma NLMS Ukuran Langkah Adaptasi Tetap dan Berubah"

Transkripsi

1 8 Peghapus Derau Adaptif dega Algoritma NLMS Ukura Lagkah Adaptasi Tetap da Berubah Paca Mudji Rahardjo, Pratolo Rahardjo Abstrak Peghapus derau adaptif adalah peapis optimal yag dapat diterapka bila masuka referesi tersedia. Keutuga metode ii adalah kemampua adaptasi da distorsi keluara yag redah. Pegguaa ukura lagkah yag tepat memberika kecepata kovergesi yag tiggi. Peelitia ii memodifikasi ANC klasik sehigga memberika kecepata kovergesi yag lebih tiggi da distorsi siyal keluara yag lebih redah. Seratus iterasi pertama meerapka ukura lagkah tetap kemudia berubah-ubah utuk iterasi berikutya. Ukura lagkah modifikasi ii berdasar pada estimasi SNR. Simulasi komputer dega derau putih, meujukka ANC usula mempuyai distorsi 1 higga db dibawah ANC klasik. Kata kuci : Peghapus derau adaptif, NLMS, ukura lagkah adaptasi. Abstract The adaptive oise caceller (ANC) is a optimal filter that ca be applied whe proper referece iput is available. The advatages of this method are the adaptatio capability ad the low output distortio. The use the right step size gives the high covergece rate. This research modified the classic ANC so give higher covergece rate ad lower output sigal distortio. The first hudred iteratio applied fixed step size the modified differet oes for the ext iteratios. These modified step sizes were based o SNR estimatios. Computer simulatios with white oise, show the proposed ANC has sigal distortios 1 to db lower tha that with classic ANC. Idex Terms Adaptive oise caceller, adaptatio step size, NLMS Algorithm. I. PENDAHULUAN Peghapus derau adaptif adalah suatu metode peapisa optimal yag dapat diterapka bila masuka referes yag sesuai tersedia. Mafaat metode ii adalah kemampua adaptasiya, derau keluara yag redah, da distorsi siyalya yag redah. Kemampua adaptasi megijika pemrosesa masuka yag memiliki sifat-sifat tak diketahui da dalam beberapa kasus ostasioer. Ii meuju ke sistem stabil yag Naskah diterima pada taggal Mei 7. Paca Muji Rahardjo bekerja di Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Brawijaya. Alamat peulis paca@brawijaya.ac.id. Pratolo Rahardjo dari Jurusa Tekik Elektro, Fakultas Tekik - Uiversitas Udayaa Bali. Jural EECCIS Vol. 1, No. 1, Jui 7 secara otomatis megubah diriya off, bila tak ada perbaika SNR (sigal-to-oise ratio) yag dapat dicapai. Derau keluara da distorsi siyal umumya lebih redah daripada yag dapat dicapai dega kofigurasi tapis optimal kovesioal[1[. Beberapa peeliti telah membuktika bahwa algoritma perubaha bobot dega ukura lagkah adaptasi yag berubah, memiliki ujukkerja yag lebih tiggi daripada dega ukura lagkah adaptasi yag tetap, yag diragkum pada bagia berikut[3-[6. Ikeda da Sugiyama [1999[3 telah megusulka peghapus derau adaptif dega ukura lagkah adaptasi yag berbeda pada algoritma NLMS-ya. Hasil aalisis ujukkerjaya meujukka bahwa ANC (adaptive oise caceller) usula ii meguragi distorsi siyal pada siyal keluara lebih besar 15 db dibadigka dega ANC klasik. Namu kelemaha ANC ii adalah kecepata kovergesya lebih redah daripada ANC klasik. Pada peelitia ii aka dilakuka modifikasi ANC klasik dega megacu pada ANC Ikeda, dega meerapka ukura lagkah adaptasi tetap diikuti dega ukura lagkah berubah, sehigga atiya dapat meghasilka kecepata koverges yag tiggi dega distorsi siyal keluara yag redah. Peelitia ii juga aka megaalisis ilai varias da korelasi yag belum dilakuka peeliti sebelumya, utuk memba-digka ujuk kerja algoritma NLMS dega ukura lagkah tetap da berubah, megacu pada peelitia Ikeda [3, pada simulasi peghapus derau adaptif. Tujua peelitia ii adalah utuk membuktika bahwa ANC dega ukura lagkah adaptasi tetap da berubah memiliki kecepata koverges yag tiggi serta distorsi siyal keluara yag redah. Serta membadigka pegaruh ukura lagkah tetap da berubah pada algoritma NLMS terhadap ilai varias da korelasi siyal, pada simulasi peghapus derau adaptif. II. LANDASAN TEORI A. Kosep Dasar Peghilag Derau Adaptif Dalam sistem [1, hal. 49 da [, hal. 34, masuka referes diproses dega tapis adaptif yag secara otomatis megatur taggapa impulsya melalui

2 9 algoritma kuadrat terkecil seperti LMS (least-measquare) yag taggap terhadap ketergatuga siyal galat, diataraya, pada keluara tapis. Maka dega algoritma yag tepat, tapis dapat beroperasi dibawah kodisi yag berubah da dapat megatur ulag diriya secara kotiyu utuk memiimumka siyal galat[1[. Aggap bahwa s,, 1, da y adalah stasioer da memiliki rerata ol. Aggap bahwa s tak berkorelasi dega da 1, da aggap bahwa 1 berkorelasi dega, keluaraya adalah [1: s y (1) Bila dikuadratka, aka diperoleh: s ( s( () Dega memberi ilai harapa di kedua sisi persamaa () da keyataa bahwa s tak berkorelasi dega da dega y, meghasilka E[ s E[ s( E[ s E[( E[( (3) Daya siyal E[s tak aka dipegaruhi tapis yag diatur utuk memiimumka E[, sehigga daya keluara miimum adalah: Emi[ s Emi[( (4) Oleh karea itu bila tapis diatur higga E[ miimum, E[( juga termiimumka. Keluara tapis y kemudia estimasi kuadrat terkecil terbaik atas derau primer. Selai itu, bila E[( dimiimumka, E[( s) juga termiimumka, karea dari persamaa (1), ( s) ( (5) Keluara secara umum berisi siyal s plus beberapa derau. Dari persamaa (1) da (5), derau keluara diberika sebagai (, karea memiimumka E[ berarti pula memiimumka E[(. Pemii-muma daya keluara total memiimumka daya derau keluara da karea siyal keluara tetap kosta, pemiimuma daya keluara total adalah pemaksimala SNR keluara. Dari persamaa (4) diketahui bahwa daya keluara terkecil yag mugki adalah Emi[ s. Bila ii terpeuhi, E [(. Oleh karea itu, y = da = s. Dalam kasus ii, memiimumka daya keluara meyebabka siyal keluara yag sempura bebas dari derau. B. ANC Ikeda [3 Ikeda da Sugiyama [1999, telah megusulka peghilag derau adaptif dega distorsi siyal redah utuk isyarat tutur. Dalam ANC usulaya terdapat dua tapis adaptif: tapis utama (MF: mai filter) da subtapis (SF: subfilter). SNR siyal masuka diestimasi megguaka SF. Utuk meguragi distorsi siyal dalam siyal keluara ANC, ukura lagkah utuk memperbaharui koefisie dalam MF dikotrol berdasarka SNR estimasi tersebut. C. Filter Adaptif Klasik [1[ Struktur filter ii meerapka ukura lagkah yag tetap utuk semua iterasi. Pegaruh pemiliha terhadap kecepata koverges da distorsi siyal keluara filter, dapat diteragka sebagai berikut: Bila besar, maka kostata waktu aka kecil, atau cepat mecapai koverges. Excess MSE da misadjustmet-ya aka besar, atau distorsi siyal keluara filter saat steady state besar. Sebalikya dega pemiliha yag kecil, maka kecepata kovergesiya redah da distorsi siyal keluara saat steady state redah. D. Filter Adaptif Ikeda [3 Struktur filter ii meerapka ukura lagkah yag berubah-ubah atau adaptif pada setiap iterasiya berdasarka estimasi SNR. Utuk SNR kecil, meerapka besar, da sebalikya utuk SNR besar, meerapka kecil. Pegaruh peerapa terhadap kecepata kovergesi da distorsi siyal keluara filter, diteragka sebagai berikut: Kecepata koverges filter ii dipegaruhi oleh estimasi SNR saat iterasi-iterasi pertama. Karea berubah-ubah sejak awal iterasi, maka vektor bobot aka terus berfluktuasi sebelum mecapai steady state. Akibatya distorsi keluara besar sebelum mecapai steady state. Distorsi keluara saat steady state dipegaruhi oleh estimasi SNR. Bila estimasi SNR besar, maka kecil, sehigga perubaha bobot sagat kecil atau tidak ada perubaha. Sebalikya bila estimasi SNR kecil, maka besar, da bobot aka segera berubah utuk medapatka/meghasilka SNR besar. Sehigga distorsi siyal keluara dapat dimiimalka dega peerapa yag berubahubah berdasarka estimasi SNR. III. METODE PENELITIAN Data utama pada peelitia ii adalah sampel suara tutur yag sebelumya direkam dega peragkat-luak soud recorder. Lagkah selajutya adalah: 1. Simulasi struktur ANC klasik dega algoritma NLMS, dega taggapa impulse jalur derau h j(k) sebesar z -1, artiya 1(k) sama dega (k-1). Nilai seperti yag dicoba oleh Ikeda, yaitu,4. Pajag filter L sama dega 5. Kemudia megamati siyal keluara ANC ii.. Simulasi struktur da algoritma usula Ikeda. 3. Megamati kurve pembelajara hasil tahap pertama Jural EECCIS Vol. 1, No. 1, Jui 7

3 1 Amp da kedua, da membadigka keduaya. ANC klasik koverges/steady state pada iterasi ke 6, sedagka ANC Ikeda bear-bear steady state pada iterasi ke 1. Pada kodisi steady state distorsi siyal keluara ANC Ikeda lebih redah daripada ANC klasik. Dari hasil pegamata tahap ketiga, dibuatlah struktur ANC baru dega meggabugka kelebiha masig-masig ANC. ANC baru ii meerapka struktur ANC klasik utuk iterasi awal, kemudia meerapka struktur ANC Ikeda setelah mecapai steady state. Dega megamati bahwa estimasi daya siyal da derau dega megkuadratka ilai - ilai sebelumya sebesar M cuplika, maka struktur ANC usula mecoba megestimasi daya siyal da derau yag diperoleh lagsug dari tapis utama dega meghilagka sub tapis. Diharapka tapa adaya sub tapis dapat mempersigkat waktu komputasi. Diagram blok ANC usula dapat dilihat pada Gambar.Kovergesi da distorsi keluara struktur ii dapat dijelaska sebagai berikut: Seperti halya struktur ANC klasik, struktur ii meerapka ilai tetap di awal iterasi utuk medapatka kecepata kovergesi. Dari hasil pegamata dipilih meerapka ilai tetap higga iterasi keseratus. Setelah mecapai iterasi keseratus, ilai dibuat berubah-ubah utuk medapatka distorsi siyal keluara redah saat steady state. Estimasi SNR seperti halya yag dilakuka Ikeda sampli Gambar 1 Siyal tutur 4. Utuk megetahui ujuk kerja ANC usula dibadigka dega ANC sebelumya, dilakuka beberapa percobaa merubah-ubah paramater jumlah sadapa N, cuplika M, tudaa L, da variasi besarya derau pada masuka referes. Ujuk kerja yag dibadigka adalah spektrum siyal keluara, distorsi siyal keluara, ilai varias, koefisie korelasi, da waktu komputasi. 5. Megeset parameter-parameter seperti yag diperlihatka di table Meghitug ilai varias siyal asli, siyal berderau, siyal tertapis ANC klasik, ANC Ikeda da ANC usula, utuk membadigka daya ratarata siyal, da meghitug ilai koe-fisie korelasi Jural EECCIS Vol. 1, No. 1, Jui 7 x 1 4 siyal asli dega siyal berderau; siyal asli dega siyal tertapis utuk membadig-ka tigkat kesamaa atara siyal[7[8. 7. Meghitug distorsi siyal keluara ANC klasik, ANC Ikeda da ANC usula da meampilkaya dalam betuk grafik, utuk megetahui perbadiga masig-masig ANC. Distorsi siyal keluara dihitug berdasarka [3: Q 1 P D ( k) { e( k j) s( k j)} (6) j Q 1 j P ( k) s ( k j) (7) O V ( k) 1log1{ P ( k) / P ( k)} (8) TABEL 1. NILAI-NILAI PARAMETER [3 Parameter Nilai Jumlah sadapa, N Pajag tudaa, L Ukura lagkah subtapis, SUB.4 Ukura lagkah maksimum, MAX.4 SNR miimum, Vmi [db D dega e(k), s(k), Q berturut-turut adalah siyal keluara ANC, ucapa asli, da jumlah cuplika utuk megestimasi P D(k) da P O(k). Semua perhituga da pegolaha siyal dilakuka dega peragkat-luak MATLAB 5.3 [9[1. IV. HASIL PENELITIAN DAN PEMBAHASAN A. Peetua Jumlah Bobot Dari hasil peelitia terlihat bahwa dega meigkatya jumlah sadapa N, maka peigkata korelasi semaki tiggi amu membutuhka waktu komputasi yag pajag pula. Dari pertimbaga datadata yag diperoleh dipilih pada peelitia ii dega jumlah sadapa lima, yag berarti jumlah bobot adalah lima. B. Aalisis koefisie korelasi da varias [7 Setelah ditetapkaya jumlah bobot adaptasi, peelitia selajutya adalah megamati perubaha ilai koefisie korelasi da varias dega meerapka berbagai amplitude derau. Hasil pegamata dapat dilihat pada Gambar 3 da 4. Terlihat pada kedua gambar, bahwa pada SNR lebih kecil dari db korelasi ANC Ikeda lebih kecil dari ANC klasik, ii karea besarya derau pada awal ucapa saat ANC Ikeda belum O -5 db Ukura lagkah miimum, MIN -6 SNR maksimum, Vmax -1 db

4 11 mecapai koverges, sehigga meyebabka variasya lebih besar. Pada ANC Usula yag meerapka ukura lagkah tetap pada 1 iterasi pertama diikuti dega ukura lagkah berubah, derau pada awal ucapa segera berkurag dega cepatya koverges, sehigga diperoleh korelasi yag tiggi da varias yag redah. V. KESIMPULAN 1. Aalisis dega ilai varias da koefisie korelasi siyal, dapat meampilka ujukkerja sistem yag meghasilka siyal tersebut.. Peghapus derau adaptif dega ukura lagkah berubah berdasarka SNR meghasilka distorsi siyal keluara yag redah daripada dega ukura lagkah tetap. 3. Peghapus derau adaptif usula, yaitu dega ukura lagkah tetap pada 1 iterasi pertama diikuti dega ukura lagkah berubah, mempuyai kecepata koverges yag tiggi da distorsi siyal keluara yag redah, serta waktu komputasi yag lebih sigkat daripada ANC Ikeda. 4. Perubaha ilai varias da koefisie korelasi siyal dapat diamati dega spektrum daya siyal. Perubaha ilai varias yag kecil da koefisie korelasi yag besar diperlihatka dega spektrum daya yag medekati spektrum daya siyal asli. 5. Perbadiga waktu komputasi terormalisasi ketiga ANC, sebagai berikut: a. ANC klasik :.4 b. ANC Usula :.6 c. ANC Ikeda : 1 VI. S A R A N 1. Peelitia dapat dikembagka utuk siyal ostasioer.. Program dapat dikembagka lagi megguaka bahasa pemrograma lai, yag medukug peerapa real-time. 3. Peelitia ii dapat diterapka dalam peragkat keras secara real-time. UCAPAN TERIMA KASIH Peulis megucapka bayak terima kasih kepada koordiator proyek DUE, Ditje DIKTI DEPDIKNAS, yag telah memberika beasiswa kepada peulis selama belajar di Program Pascasarjaa, Uiversitas Gadjah Mada. Prof. Adhi Susato, MSc.Ph.D. da DR. Ir. Thomas Sri Widodo, DEA, (UGM) atas bimbigaya. Trasactios o Sigal Processig, Vol. 47, No. 3, pp [4 Ah, S-S., Voltz, P.J., 1996, Covergece of the Delayed Normalized LMS Algorithm with Decreasig Step Size, IEEE Trasactios o Sigal Processig, Vol. 44, No. 1, pp [5 Krishamurty, V., Yi, G., Sigh, S., 1, Adaptive Step-Size Algorithms for Blid Iterferece Suppressio i DS/CDMA Systems, IEEE Trasactios o Sigal Processig, Vol. 49, No. 1, pp [6 Soo, J-S., Pag, K.K., 1991, A Multistep Size (MSS) Frequecy Domai Adaptive Filter, IEEE Trasactios o Sigal Processig, Vol. 39, No. 1, pp [7 Garder,W.A., 1989, Itroductio to Radom Processes, McGraw-Hill, Sigapore. [8 Glover, I., Grat, P., 1997, Digital Commuicatios, Pretice Hall, Corwall. [9 Haselma, D., Littlefield, B., 1998, Masterig MATLAB 5, A Comprehesive Tutorial ad Referece, Pretice Hall, New Jersey. [3 --, 1999, Sigal Processig Toolbox For Use with Matlab. Versio 4.. The Math Works Ic. Paca Mudji Rahardjo, lahir di Sumeep tahu 197. Pada tahu 1995 memperoleh gelar ST, dari Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Brawijaya dega kosetrasi tekik elektroika da tahu 1 memperoleh gelar MT, dari Jurusa Ilmu-Ilmu Tekik, Program Pascasarjaa Uiversitas Gadjah Mada Yogyakarta, di bidag Sistem Isyarat da Elektrois, dega beasiswa dari proyek DUE (developmet of udergraduate educatio) ditje DIKTI Depdikas. Tahu , bekerja sebagai Assistat Egieer, di Productio Egieerig Departmet, PT. Asahi Electroics Idoesia, Batam. Perusahaa perakita Telephoe Aswerig Device da JVC car stereo. Tahu , bekerja sebagai Egieerig Assistat, di Egieerig Departmet, PT. Tokyo Pigeo Idoesia, Purwa-karta, Jawa Barat. Perusahaa Perakita Audio mechaism. Tahu sekarag, sebagai dose tetap di Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Brawijaya, Malag. Perah aktif megajar di beberapa PTS di Malag. Bidag yag ditekui adalah Elektroika terapa, Pemrosesa siyal da citra. Pratolo Rahardjo. Memperoleh gelar ST, tahu 1995, dari Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Dipoegoro da tahu memperoleh gelar MT, dari Jurusa Ilmu-Ilmu Tekik, Program Pascasarjaa Uiversitas Gadjah Mada Yogyakarta, di bidag Sistem Isyarat da Elektrois, dega beasiswa proyek EEDP ditje DIKTI Depdikas. Tahu sekarag, sebagai dose tetap di Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Udayaa. Bidag yag ditekui adalah Elektroika terapa da Pemrosesa siyal. DAFTAR PUSTAKA [1 Hayki, S., 1991, Adaptive Filter Theory, d editio, Pretice Hall, New Jersey. [ Widrow, B., Stears, S.D. 1985, Adaptive Sigal Processig, Pretice Hall, New Jersey. [3 Ikeda, S., Sugiyama, A., 1999, A Adaptive Noise Caceller with Low Sigal Distortio for Speech Codecs, IEEE Jural EECCIS Vol. 1, No. 1, Jui 7

5 1 s(k) hj(k) xp(k) 1(k) + - e(k) daya rata-rata PS(k) perhituga SNR kedali ukura lagkah V(k) (k) xr(k) tapis utama y(k) daya rata-rata PN (k) lagkah tetap Gambar Diagram blok ANC usula.1.1 VARIANS SNR db SNR 14 db SNR 6 db SNR db SNR -6 db SNR -14 db klasik ikeda usula Gambar 3 Varias siyal keluara ANC KORELASI.6.4. SNR db SNR 14 db SNR 6 db SNR db SNR -6 db SNR -14 db asli da berderau klasik ikeda paca Gambar 4 Koefisie korelasi siyal asli dega keluara ANC Jural EECCIS Vol. 1, No. 1, Jui 7

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

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah 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 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

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

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

Lebih terperinci

Bab 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

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

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

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

Lebih terperinci

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

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

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

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

ANALISIS PERBANDINGAN METODE INTENSITY FILTERING DENGAN METODE FREQUENCY FILTERING SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL

ANALISIS PERBANDINGAN METODE INTENSITY FILTERING DENGAN METODE FREQUENCY FILTERING SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL Semiar Nasioal Aplikasi Tekologi Iformasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyakarta, 16 Jui 2007 ANALISIS PERBANDINGAN METODE INTENSITY FILTERING DENGAN METODE FREQUENCY FILTERING SEBAGAI REDUKSI NOISE

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

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

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

Lebih terperinci

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

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

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 III METODOLOGI PENELITIAN

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

Lebih terperinci

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

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 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

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

MANAJEMEN RISIKO INVESTASI

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

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

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

Lebih terperinci

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

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

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

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

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

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

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

Lebih terperinci

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

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

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

Lebih terperinci

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

IV. METODE PENELITIAN

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

Lebih terperinci

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. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi 5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki

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

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

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

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

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

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

Lebih terperinci

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

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

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

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

Lebih terperinci

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

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

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

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

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

Studi Kasus Optimasi Proses Sizing Benang di P.T. XYZ

Studi Kasus Optimasi Proses Sizing Benang di P.T. XYZ Studi Kasus Optimasi Proses Sizig Beag di P.T. XYZ Didik Wahjudi Dose Jurusa Tekik Mesi-Fakultas Tekologi Idustri, Uiversitas Kriste Petra Ceter for Quality Improvemet Jl. Siwalakerto -, Surabaya 609 dwahjudi@peter.petra.ac.id

Lebih terperinci

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode korelasional, yaitu

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode korelasional, yaitu BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah metode korelasioal, yaitu Peelitia korelasi bertujua utuk meemuka ada atau tidakya hubuga atara dua variabel atau

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

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

III. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar

III. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar III. METODE PENELITIAN A. Subjek da Tempat Peelitia Subjek dari peelitia adalah siswa kelas.b SMA Muhammadiyah 2 Badar Lampug Tahu Ajara 2011-2012 dega jumlah siswa 40 orag yag terdiri dari 15 siswa laki-laki

Lebih terperinci

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),

Lebih terperinci

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

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

Lebih terperinci

Bab 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

Pengamatan, Pengukuran dan Eksperimen

Pengamatan, Pengukuran dan Eksperimen TEORI KESALAHAN EKSPERIMEN FISIKA DASAR I Pegamata, Pegukura da Eksperime Pegamata da pegukura Teori / model Eksperime Ramala Pegamata payig attetio watch somethig attetively record of somethig see or

Lebih terperinci

BAB III LANDASAN TEORI

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

Lebih terperinci

BAB III METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka

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

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

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

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala

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

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

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar, 45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam

Lebih terperinci

BAB III METODE PENELITIAN. penelitian ini adalah penelitian diskriptif kuantitatif. Dalam hal ini peneliti akan

BAB III METODE PENELITIAN. penelitian ini adalah penelitian diskriptif kuantitatif. Dalam hal ini peneliti akan BAB III METODE PENELITIAN A. Jeis Peelitia Berdasarka pertayaa peelitia yag peeliti ajuka maka jeis peelitia ii adalah peelitia diskriptif kuatitatif. Dalam hal ii peeliti aka mediskripsika kemampua relatig,

Lebih terperinci

Perbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment

Perbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo

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

= 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

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. mendapat perlakuan dengan menggunakan model pembelajaran TSTS (Two Stay

BAB III METODOLOGI PENELITIAN. mendapat perlakuan dengan menggunakan model pembelajaran TSTS (Two Stay A III METODOLOGI PENELITIAN Peelitia ii adalah peelitia eksperime yag dilakuka terhadap dua kelas, yaitu kelas eksperime da kotrol. Dimaa kelas eksperime aka medapat perlakua dega megguaka model pembelajara

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

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 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

PENGGUNAAN GAMBAR DALAM PENYAJIAN SOAL CERITA MATEMATIKA DI KELAS I MIN GUNUNG PANGILUN PADANG. Oleh: Nuryasni MTsN Model Padang

PENGGUNAAN GAMBAR DALAM PENYAJIAN SOAL CERITA MATEMATIKA DI KELAS I MIN GUNUNG PANGILUN PADANG. Oleh: Nuryasni MTsN Model Padang PEDAGOGI Jural Ilmiah Ilmu Pedidika Volume XIII No. April 03 PENGGUNAAN GAMBAR DALAM PENYAJIAN OAL CERITA MATEMATIKA DI KELA I MIN GUNUNG PANGILUN PADANG Oleh: Nuryasi MTsN Model Padag Abstract Peelitia

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

Lebih terperinci

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung 42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis peelitia Peelitia ii merupaka jeis peelitia eksperime. Karea adaya pemberia perlakua pada sampel (siswa yag memiliki self efficacy redah da sagat redah) yaitu berupa layaa

Lebih terperinci

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

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

Lebih terperinci

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

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

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

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

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

Lebih terperinci

UNIVERSITAS BINA NUSANTARA. Program Ganda Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006

UNIVERSITAS BINA NUSANTARA. Program Ganda Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 UNIVERSITAS BINA NUSANTARA Program Gada 2005-2006 Skripsi Sarjaa Program Gada Semester Gajil 2005/2006 PEMBANGKITAN FRAKTALUNTUK MENINGKATKAN EFISIENSI KERJA DESAINER GRAFIS MENGGUNAKAN METODE NEWTON RAPHSON

Lebih terperinci

IV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian

IV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian IV METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di Kabupate Bogor dega respode para peterak ayam broiler yag mejali kerjasama sebagai mitra dega perusahaa kemitraa Dramaga Uggas

Lebih terperinci