APLIKASI SEARCH ENGINE PAPER/KARYA ILMIAH BERBASIS WEB DENGAN METODE FUZZY RELATION

Ukuran: px
Mulai penontonan dengan halaman:

Download "APLIKASI SEARCH ENGINE PAPER/KARYA ILMIAH BERBASIS WEB DENGAN METODE FUZZY RELATION"

Transkripsi

1 ALIKASI SEARCH ENGINE AER/KARYA ILMIAH BERBASIS WEB ENGAN METOE FUZZY RELATION Bernard Adyta armad Alumnus Fakultas Teknolog Industr, Jurusan Teknk Informatka, Unverstas Krsten etra e-mal: Rolly Intan Fakultas Teknolog Industr, Jurusan Teknk Informatka, Unverstas Krsten etra e-mal: Resmana Lm Fakultas Teknolog Industr, Jurusan Teknk Elektro, Unverstas Krsten etra e-mal: ABSTRAK: Banyaknya umlah paper yang dkoleks sebuah lembaga penddkan setap tahun akan bertambah. Serng dengan pertambahan umlah paper tersebut maka dperlukan sebuah metode untuk mencar paper agar bla membutuhkan referens maka paper/dokumen yang dperlukan dapat dengan mudah dapat dtemukan. Seauh yang ada saat n, kebanyakan mesn pencar mash mengandalkan pencaran dengan menggunakan keyword matchng/strng matchng sehngga mengakbatkan hasl pencaran hanya akan menamplkan paper paper yang mempunya keyword/kata kunc yang dcar. eneltan n membahas sebuah sstem pencaran dengan menggunakan metode fuzzy relaton, dmana dengan fuzzy relaton ddapatkan hubungan antara keyword dan paper. engan metode fuzzy relaton maka sebuah pencaran mempunya kemungknan menamplkan hasl berupa paper yang tdak mengandung keyword yang dcar. Karena kata yang mengakbatkan paper (yang tdak mengandung keyword muncul mempunya hubungan dengan keyword yang dmasukkan. Kata kunc: mesn pencar, relas fuzzy, sstem cerdas. ABSTRACT: The number of paper collected by an educatonal nsttuton s ncresng each year. The ncreasng number of paper collected demand a method n order to fnd the rght paper everytme there s someone who needs a reference. By far, most search engne stll depend on keyword matchng / strng machng to fnd the aproprate result. Ths method wll only fnd the aproprate paper based on the occurance of the nserted keyword on the paper. Ths research wll dscuss a searchng system usng fuzzy relaton, by usng fuzzy relaton the relaton between keyword and paper s found and determned. Searchng system usng fuzzy relaton allows the search result nclude paper that do not have the keyword to be shown as a result. Ths result s made posssble because the word whch occur n the paper s related to keyword nserted. Keywords: search engne, fuzzy relaton, ntellgent system. ENAHULUAN okumen apa pun bentuknya pastlah dsmpan dengan sebuah metode tertentu, dengan harapan bla dkemudan har dokumen / data yang terkandung ddalam dokumen dperlukan maka cukup dengan melakukan pencaran maka data yang dngnkan akan ddapatkan dengan cepat dan uga haslnya cukup relevan dengan apa yang dcar. Namun semakn banyak dokuemen yang dsmpan maka waktu pencaran uga akan menngkat dengan sgnfkan dtambah lag uga dengan hasl pencaran yang tdak relevan karena ada banyak dokumen yang harus dplah dan dtelt relevansnya dengan subek yang dcar. Oleh karena tu dperlukan sebuah metode untuk melakukan pencaran terhadap karya lmah yang telah dkoleks. Mencar sebuah pattern/pola hubungan data pada kumpulan data yang tdak terstruktur adalah kunc dar knowledge dscovery [3] dmana dengan adanya pattern/pola hubungan yang tepat untuk knowledge dscovery maka nformas yang dhaslkan lebh relevan dan tdak terbatas pada bentuk masukan kata. Bentuk pencaran yang umum dgunakan adalah dengan mencar seberapa serng sebuah kata kunc yang dmasukkan (dmasukkan sebaga pencaran terdapat pada karya lmah, semakn banyak kata kunc yang dtemukan pada sebuah karya lmah maka danggap bahwa karya 95 Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Krsten etra

2 96 JURNAL INFORMATIKA VOL. 6, NO. 2, NOEMBER 2005: lmah tersebut semakn dekat hubungannya dengan kata kunc yang dmasukkan (keyword/strng matchng. eneltan n akan menabarkan sebuah metode pencaran dmana pencaran tdak hanya berdasarkan pada umlah dtemukannya kata kunc pada karya lmah (number of word occurance namun uga melhat pada hubungannya dengan karya lmah dan kata kunc yang lan. Hubungan antara kata kunc dengan karya lmah dnyatakan dengan metode fuzzy relaton. FUZZY RELATION [2] Fuzzy relaton delaskan sebaga sebuah metode untuk menggambarkan hubungan antara dua obek (kata yang berbeda. Sebaga contoh kata genetc algorthm dan soft computng merupakan dua kata yang berbeda. Secara sntaks maka tdak ada hubungan antara kata genetc algorthm dan soft computng. Namun bla ada satu atau lebh karya lmah yang mengandung kata genetc algorthm dan soft computng maka danggap bahwa terdapat sebuah hubungan antara keduanya. Kemudan lebh auh hubungan antara keduanya belum tentu kedekatannya. Semsal hubungan kata soft computng dengan genetc algorthm memlk nla 0.6 maka belum tentu sebalknya hubungan kata genetc algorthm kepada soft computng memlk nla yang sama. ar sn bsa terlhat uga kata mana yang mempunya art lebh luas dar yang lan. Fuzzy relaton pada peneltan n melput 4 tpe yatu : 1. keyword to paper 2. paper to paper 3. paper to keyword 4. keyword to keyword Ke-empat tpe datas durutkan berdasarkan pada langkah langkah perhtungannya. Untuk langkah pertama yatu keyword to paper. Nla ddapatkan dar hasl pencaran pada karya lmah dengan menggunakan keyword/strng machng dengan melhat pada umlah dtemukannya kata pada karya lmah. Kemudan dlakukan penentuan nla fuzzy dengan rumus: n nla _ keyword _ terhadap _ paper mn 1, (1 20 n umlah dtemukannya kata pada karya lmah (number of word occurance. Nla 20 merupakan nla subektf dmana sebuah karya lmah dkatakan related (bernla fuzzy 1 bla kata dtemukan sebanyak lebh dar sama dengan 20 kal. Berkut n adalah lustras perhtungan bla dlakukan pencaran dengan kata kunc urusan teknk nformatka. Kombnas kata: urusan teknk -> 20 Occurance. a urusan teknk nformatka -> 10 Occurance. b urusan nformatka -> 5 Occurance. c teknk nformatka -> 7 Occurance. d urusan -> 30 Occurance. e teknk -> 20 Occurance. f nformatka -> 25 Occurance. g erhtungan nla occurancenya occurance a 20 * 2/ b 10 * 3/3 10 c 5 * 2/ d 7 * 2/ e 30 * 1/3 10 f 20 * 1/ g 25 * 1/ occurance engan menggunakan rumus (1 maka nla fuzzy (keyword to paper dar karya lmah yang bersangkutan dengan kata kunc urusan teknk nformatka adalah 1. kemudan dengan cara yang sama dmsalkan terdapat hubungan keyword to paper sebaga berkut: 1. asumskan terdapat hubungan keyword to paper sebaga berkut: { 1, 2,..., n } adalah set of papers { 1, 2,..., m } adalah set of keywords 1 {0.3/ 2, 0.7/ 5, 1/ 7, 1/ 8 }, 2 {1/ 2, 0.8/ 5, 0.8/ 7, 1/ 8 }, 3 {0.9/ 1, 0.9/ 3, 1/ 4, 0.8/ 6 }, 4 {1/ 1, 0.5/ 3, 0.8/ 4, 0.8/ 6 }, 5 {0.1/ 2, 0.7/ 5, 1/ 4, 1/ 8 }, 6 {0.9/ 2, 1/ 5, 0.8/ 4, 1/ 8 }. 2. Kemudan akan dlakukan pencaran hubungan paper to paper dengan menggunakan rumus [2]: mn( (, ( R(, (2 ( Keterangan: R : Relas : aper / dokumen ke : aper / dokumen ke : Keyword : Membershp functon sebaga suatu mappng Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Krsten etra

3 armad, Aplkas Search Engne aper/karya Ilmah Berbass Web 97 : [0,1]. Contoh perhtungan paper to paper : 0,3 + 0,7 + 0,8 + 1 R ( 1, 2 0, ,8 + 0,8 + 1 Hasl selengkapnya seperta pada tabel 1. Tabel 1. Hubungan paper terhadap paper X / Y erhtungan berkutnya adalah perhtungan paper to keyword. erhtungan n merupakan kebalkan dar langkah 1. dan drumuskan sebaga berkut [2]: ( η ( (3 ( 1 ( L+ ( m Keterangan : R : Relas : aper / dokumen ke : aper / dokumen ke : Keyword : Membershp functon sebaga suatu mappng : [0,1]. Contoh perhtungan: mencar bobot keyword ( 2 pada paper 1 0,3 0.3 η ( ,3 + 0, Hasl selengkapnya : 1 {0.25/ 3, 0.32/ 4 }, 2 {0.1/ 1, 0.28/ 2, 0.06/ 5, 0.24/ 6 }, 3 {0.25/ 3, 0.16/ 4 }, 4 {0.28/ 3, 0.26/ 4, 0.36/ 5, 0.27/ 6 }, 5 {0.23/ 1, 0.22/ 2, 0.25/ 5, 0.27/ 6 }, 6 {0.22/ 3, 0.26/ 4 }, 7 {0.33/ 1, 0.22/ 2 }, 8 {0.33/ 1, 0.28/ 2, 0.36/ 5, 0.27/ 6. } 4. Smlarty antara 2 keyword dnyatakan dengan suatu fungs R dmana R : [ 0,1] sebagamana tertuls pada rumus [2] : mn ( η (,η ( R (, (4 η ( ( Keterangan : R : Relas : aper / dokumen ke : aper / dokumen ke : Keyword : Membershp functon sebaga suatu mappng : [0,1]. Contoh perhtungan : R, 3 0, R, ( 1 1 ( Hasl selengkapnya: Tabel 2. Hubungan Keyword Terhadap Keyword X / Y ar serangkaan perhtungan datas maka akan ddapatkan hubungan antara keyword dan paper serta kombnas dar keduanya. erhtungan datas mash belum cukup untuk menghaslkan pencaran dmana uga melbatkan hubungan dengan kata dan atau karya lmah lan pada halaman yang sama. Untuk mewuudkan hal tersebut maka dlakukan lag satu tahapan perhtungan yatu untuk menentukan hubungan dengan kata atau karya lmah lan serta menentukan uga bentuk urutan keluaran yang dngnkan (rangkng. erhtungan tersebut dsebut sebaga extended fuzzy. erhtungan extended fuzzy dbahas dengan menggunakan contoh kasus sebaga berkut: Kata pencaran adalah K 1 dan K 1 mempunya hubungan dengan kata yang lan. Hubungannya dabarkan sebaga berkut: K 1 {1/K 1,0.8/K 7,0.5/K 8 } Maka pencaran uga melbatkan kedua keyword datas sehngga pencaran akan mencar K 1,K 7,K 8 Kemudan dar hasl pencaran masng masng keyword ddapatkan 3 hasl fuzzy set yang masng masng mempunya nla sendr sendr. Ms : 5 {1/K1,0.5/K7} 6 {1/K7} 7 {0.4/K1,0.8/K7} 8 {0.8/K8} Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Krsten etra

4 98 JURNAL INFORMATIKA VOL. 6, NO. 2, NOEMBER 2005: {0.7/K8} 10 {0.9/K8} Hubungan antara ketga fuzzy sets datas dbentuk dengan mengalkan nla (ot roduct relas keyword dengan nla element pada hasl, berkut adalah bentuk perhtungannya: K 1 dengan 5 > 1 *1 1 K 1 dengan 8 > 1 * K 1 dengan 7 > 1 * K 7 dengan 6 > 0.8 * K 7 dengan 7 > 0.8 * K 7 dengan 5 > 0.8 * K 8 dengan 9 > 0.5 * K 8 dengan 10 > 0.5 * Secara umum maka hasl pencaran dapat uga dtulskan menad sebaga berkut: {1/ 5, 0.8/ 8, 0.4/ 7, 0.8/ 6, 0.64/ 7, 0.40/ 5, 0.35/ 9, 0.45/ 10 } bla terdapat kesamaan hasl (ms 5 mempunya nla 1 dan 0.4 maka nla tertngg yang dambl, bla terad kesamaan nla maka dambl salah satu. Sehngga hasl pencaran adalah: {1/ 5, 0.8/ 8, 0.4/ 7, 0.8/ 6, 0.35/ 9, 0.45/ 10 } Terlhat bahwa bla dcar dengan cara basa (ordnary maka hasl pencaran adalah {1/ 5, 0.8/ 8, 0.4/ 7 } ANALISIS AN ESAIN SISTEM Secara umum maka desan sstem yang dgunakan adalah sebaga berkut: Gambar 2. Sstem Searchng Sepert pada umumnya sebuah search engne maka dperlukan sebuah mekansme untuk mendapatkan data, dalam peneltan n proses ndexng adalah proses untuk mendapatkan data dan membentuk data tersebut untuk kemudan dsmpan agar dapat dengan mudah dambl dan memenuh krtera pencaran yang dngnkan. ada peneltan n, search engne yang dbuat dapat melakukan pencaran dengan bentuk nputan berupa kata (word ataupun frase (phrase. Beda antara keduanya dlhat dengan ada tdaknya tanda petk ( yang mengapt kata nputan. Contoh: fuzzy logc merupakan frase fuzzy logc merupakan kata Untuk mendukung pencaran dengan frase dan kata maka ada sebuah tabel yatu p_ndexng, yang ddesan sedemkan rupa agar mempercepat proses pencaran. Gambar 3. Bentuk Tabel p_ndexng Gambar 1. Sstem Indexng engan menggunakan desan sepert yang ada pada Gambar 3 maka umlah pembacaan menad sebanyak n-1 kal, dmana bla pencaran melbatkan 3 kata maka pencaran mencar ke dalam database sebanyak 2 kal saa. Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Krsten etra

5 armad, Aplkas Search Engne aper/karya Ilmah Berbass Web 99 HASIL AN ENGUJIAN enguan dlakukan dengan dua cara yatu dengan dokumen percobaan dan dokumen karya lmah asl yang dmlk oleh pusat peneltan UK etra. ar Gambar 4 terlhat bahwa dengan nputan kata programmng, dokumen karya lmah yang tdak mengandung kata programmng uga kut keluar sebaga hasl pencaran. Hal n dsebabkan karena kata nformatka mempunya hubungan dengan kata programmng sehngga karya lmah yang mengandung kata nformatka uga akan d tamplkan manakala kata programmng dmasukkan sebaga kata pencaran. Gambar 5 merupakan mplementas dar search engne pada dokumen karya lmah yang sebenarnya. Satu hal yang menad kendala dalam perhtungan fuzzy relaton adalah masalah borosnya waktu perhtungan. Waktu perhtungan akan bertambah serng dengan bertambahnya dokumen dan kata pencaran. KESIMULAN Gambar 4. Hasl encaran dengan Menggunakan okumen ercobaan Berdasarkan pada hasl penguan maka dapat dsmpulkan beberapa kesmpulan sebaga berkut: 1. Search engne dengan fuzzy relaton mempunya kelemahan yatu waktu perhtungan yang cukup lama (bla dbandngkan dengan penggunaan web. Namun pada saat yang sama mempunya keunkan yatu dengan dapat dtemukannya relas antara kata dan dokumen 2. Search engne basa/based on strng machng mempunya kelebhan dalam kecepatan namun tdak dapat memberkan/menemukan relas antara kata dan dokumen 3. embuatan search engne sebaknya memsahkan dua aktftas yatu ndexng dan searchng. Karena proses ndexng akan memakan load server. 4. erhtungan fuzzy relaton akan bertambah lama bla melbatkan lebh banyak dokumen dan lebh banyak keyword yang ada pada lbrary AFTAR USTAKA 1. Castagnetto, Jesus, et al.(eds. rofessonal H rogrammng. F. 2. Intan, Rolly, and Mukadono, Masao. Toward a Fuzzy Thesaurus Based on Smlarty n Fuzzy Coverng. Australan Journal of Intellgent Informaton rocessng Systems, vol 8 no 3, Gambar 5. Hasl encaran dengan Menggunakan okumen Karya Ilmah 3. Latr, CH. C and Yaha, S. Ben. Textmnng: Generatng assocaton rules from textual data. Computer Scence department, Faculty of scences of tuns, Tunsa Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Krsten etra

APLIKASI SEARCH ENGINE PAPER/KARYA ILMIAH BERBASIS WEB DENGAN METODE FUZZY RELATION ABSTRAK: Banyaknya jumlah paper yang dikoleksi sebuah lembaga

APLIKASI SEARCH ENGINE PAPER/KARYA ILMIAH BERBASIS WEB DENGAN METODE FUZZY RELATION ABSTRAK: Banyaknya jumlah paper yang dikoleksi sebuah lembaga APLIKASI SEARCH ENGINE PAPER/KARYA ILMIAH BERBASIS WEB DENGAN METODE FUZZY RELATION ABSTRAK: Banyaknya jumlah paper yang dikoleksi sebuah lembaga pendidikan setiap tahun akan bertambah. Seiring dengan

Lebih terperinci

ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN

ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN Hendra Bunyamn Jurusan Teknk Informatka Fakultas Teknolog Informas Unverstas Krsten Maranatha

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

PENGURUTAN DATA. A. Tujuan

PENGURUTAN DATA. A. Tujuan PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

PEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

PEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Semnar Nasonal Inovas Dan Aplkas Teknolog D Industr 2017 ISSN 2085-4218 ITN Malang, 4 Pebruar 2017 PEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Helza

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar

Lebih terperinci

PENGGUNAAN HIBRIDISASI GENETICS ALGORITHMS DAN FUZZY SETS UNTUK MEMPRODUKSI PAKET SOAL

PENGGUNAAN HIBRIDISASI GENETICS ALGORITHMS DAN FUZZY SETS UNTUK MEMPRODUKSI PAKET SOAL PENGGUNAAN HIBRIDISASI GENETICS ALGORITHMS DAN FUZZY SETS UNTUK MEMPRODUKSI PAKET SOAL Rolly Intan Fakultas Teknolog Industr, Jurusan Teknk Informatka, Unverstas Krsten Petra e-mal: rntan@petra.ac.d ABSTRAK:

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

Post test (Treatment) Y 1 X Y 2

Post test (Treatment) Y 1 X Y 2 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP) Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Sstem Krptograf Stream Cpher Berbass Fungs Chaos Crcle Map Dengan Pertukaran Kunc Dffe-Hellman A-6 Muh. Fajryanto 1,a), Aula Kahf 2,b), Vga Aprlana

Lebih terperinci

OPTIMASI MASALAH PENUGASAN. Siti Maslihah

OPTIMASI MASALAH PENUGASAN. Siti Maslihah JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN

PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN Handry Wardoyo 1 Jeanny Pragantha Vny Chrstant M. 3 1 3 Teknk Informatka Unverstas Tarumanagara

Lebih terperinci

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155

Lebih terperinci

PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD

PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Semnar Nasonal Sstem dan Informatka 2007; Bal, 6 November 2007 PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Nur Hasanah ) Istkhomah 2) Taufq Hdayat 3) Sr Kusumadew 4) Jurusan

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Penulis melaksanakan penelitian terlebih dahulu membuat surat izin penelitian

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Penulis melaksanakan penelitian terlebih dahulu membuat surat izin penelitian BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Pelaksanaan Peneltan Penuls melaksanakan peneltan terlebh dahulu membuat surat zn peneltan yang dtujukan pada SMK Neger 1 Cmah, dengan waktu pelaksanaan peneltan

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au

Lebih terperinci

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor

Lebih terperinci

PENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON

PENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON PENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1) Sandy Wrakusuma 2) 1) S1 Sstem Komputer, STIKOM Surabaya, emal: madha@stkom.edu 2) S1

Lebih terperinci

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity 37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan 35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan

Lebih terperinci

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

PERHITUNGAN PENILAIAN MAHASISWA TERHADAP MENGAJAR DOSEN BERBASIS KASUS MENGGUNAKAN ALGORITMA BAYESIAN

PERHITUNGAN PENILAIAN MAHASISWA TERHADAP MENGAJAR DOSEN BERBASIS KASUS MENGGUNAKAN ALGORITMA BAYESIAN JURNAL DAI IN: - Vol. No. JUNI ERHITUNGAN ENILAIAN MAHAIWA TERHADA MENGAJAR DOEN BERBAI KAU MENGGUNAKAN ALGORITMA BAYEIAN Ern enwat TMIK AMIKOM Yogyakarta ern.s@amkom.ac.d ABTRAKI roses belaar mengaar

Lebih terperinci

PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM)

PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) Rcha Agustnngsh, Drs. Lukman Hanaf, M.Sc. Jurusan Matematka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya

Lebih terperinci

ANALISIS ALGORITMA BAYESIAN TERHADAP BASIS KASUS UNTUK KERUSAKAN PERSONAL COMPUTER (PC)

ANALISIS ALGORITMA BAYESIAN TERHADAP BASIS KASUS UNTUK KERUSAKAN PERSONAL COMPUTER (PC) ANALISIS ALGORITMA BAYESIAN TERHADAP BASIS KASUS UNTUK KERUSAKAN PERSONAL COMPUTER (PC) Dna Maulna Sstem Informas STMIK AMIKOM Yogyakarta emal : dna.m@amkom.ac.d Abstract Personal Computer ( PC ) s a set

Lebih terperinci

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses

Lebih terperinci

Gambar 3.1 Diagram alir penelitian

Gambar 3.1 Diagram alir penelitian BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan

Lebih terperinci

BAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA

BAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA BAB ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA.1 Pendahuluan Pada sstem tga fasa, rak arus keluaran nverter pada beban dengan koneks delta dan wye memlk hubungan yang

Lebih terperinci

Sistem Pendukung Keputusan dalam Merekomendasikan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS

Sistem Pendukung Keputusan dalam Merekomendasikan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS Sstem Pendukung Keputusan dalam Merekomendaskan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS Karmla 1, Muhammad dwan 2, In Parlna 3, Heru Satra 3 1,2,3 Jurusan Sstem Informas, STIKOM Tunas Bangsa,

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

Lebih terperinci

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua

Lebih terperinci

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant) PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com

Lebih terperinci

PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON

PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON STMIK AMIKOM Yogyakarta, 6-8 Februar 2015 PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1), I Dewa Gede Ra Mardana 2), Sandy Wrakusuma 3) 1), 2), 3)

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau

Lebih terperinci