TINJAUAN PUSTAKA 2.1 Citra

Ukuran: px
Mulai penontonan dengan halaman:

Download "TINJAUAN PUSTAKA 2.1 Citra"

Transkripsi

1 TINJAUAN USTAKA.1 Ctra Menurut Gonzalez 00 ctra dartkan sebaga bentuk representas dua dens -D dar ntenstas cahaa ang dtuls sebaga fungs f dana dan enunjukkan letak koordnat dan ttk tersebut dtunjuk oleh fungs nla f. Ctra dgtal adalah sebuah age f ang telah dbuat pada koordnat dengan tngkat ntenstas cahaa tertentu. Ctra dgtal dapat dtaplkan sebaga atrks dua dens dengan bars dan kolona bers poss ctra sedangkan eleenna enatakan nla warna pada poss tersebut. Eleen pada ctra dgtal dsebut sebaga pksel. Setap pksel terdr dar 3 koponen warna atu RRed GGreen dan BBlue. ada odel warna RGB setap warna ang dhaslkan erupakan hasl perpaduan antara ketga warna dasar atu erah hjau dan bru. Model n dsusun berbasskan koordnat cartesus dana warna hta berfungs sebaga ttk pusat koordnatr=0 G=0 B=0 dan warna puth berada pada ttk terjauh R=55 G=55 B=55 sedangkan warna abu-abu berada pada suatu ttk dana ketga warna erah hjau dan bru elk nla ang saa contoh : R=50 G =50 B=50. Untuk lebh jelasna dapat dlhat pada gabar berkut. Gabar 1. Model warna RGB dala bentuk koordnat Cartesus Suber :

2 5 Jad dengan representas warna sste RGB dapat enghaslkan 168 juta jens warna. Tentu sangat banak kobnas dbandngkan dengan representas warna ang dwaklkan kurang dar 4 bt atau true color. Dengan perkebangan teknolog hardware sekarang graphc card sudah dapat eberkan efek warna 3 bt d ana 8 bt selebhna dperuntukkan besarna ntenstas terang dar warna dlabangkan dengan α. Dengan besar ntenstas warna 8 bt atau 56 aka odel warna juga dapat drepresentaskan dala heksa-desal dgt ula dar level terkecl 00 sapa dengan ang tertngg FF 55.. Dokuen Btap.bp Dokuen btap.bp erupakan salah satu forat gabarctra. ada suatu dokuen.bp dapat terspan ula dar 1 bt warna htaputh hngga 4 bt warna true color...1 Struktur Dokuen Btap Gabar. Struktur dokuen btap.bp

3 6 Struktur forat dokuen n sepert terlhat pada Gabar elk 4 bagan : header nfo header optonal pallete dan age data. Bagan header btap berskan 14 bte data ang berskan nforas ang enatakan dentfkas sebaga suatu dokuen btap besar atau ukuran data pada dokuen n beserta nforas awal pebacaan dokuen btap. Bagan nfo header sepanjang 40 btes berskan nforas tngg dan lebar ctrajulah btpel resolus besarna dokuen jens kopres bla ada serta defns ang berhubungan dengan warna ang dpaka. Metode kopres ctra dapat dkategorkan enjad dua aca lossless dan loss. ada etode lossless tdak ada nla pksel ang berubah naun pada etode loss ada pksel ang nlana berubah hana saja perubahanna sedekan kecl sehngga tdak tapak oleh ata. Kopres ang dgunakan pada dokuen btap ash sangat sederhana untuk btap berukuran kecl ash dapat eperlhatkan kopres ang berart naun seakn besar ukuran dokuen seakn leah juga hasl kopres ang ddapatkan. Tabel 1. eperlhatkan tpe kopres btap. Tabel.1 Jens kopres pada dokuen btap Nla kopres Jens kopres 0 Tdak ada kopres 1 Kopres 8 bt Kopres 4 bt 3 RGB dengan askng Bagan optonal palette encatat warna-warna ang dpaksakanpentng untuk dpaka dala btap ang kurang dar 4 bt true color btap. Jad bagan n bsa ada ataupun tdak. ada true color btap tdak ada optonal palette. Bagan age data berskan data-data ang akan dkonvers sebaga warna taplan gabarctra ang akan terlhat dontor.

4 7.. Keunggulan dan Kekurangan Dokuen Btap Keunggulan dokuen btap adalah sangat udah untuk dbuat dapat engabl data tap pksel data dengan sste koordnat anpulas tap pksel dapat dengan udah dlakukan sesua dengan kapastas warna dapat dspan. Kekurangan dokuen btap adalah besarna ukuran dokuen bahkan dengan adana teknk kopres untuk dokuen berukuran sangat besar kopres tdak apu untuk eperkecl lebh dar ukuran dokuen. Selan tu dokuen btap sult untuk dubah skala resolusna kadang-kadang akan engakbatkan perubahaan kepadatan warna..3 Steganograf Menurut Johnson 1998 kata Steganograf epuna art ang saa dengan tulsan g dlndung dana duluna n erupakan etode untuk penapaan pesan rahasa ang berfungs untuk epertahankan kerahasaan dar pesan tersebut. Steganograf adalah sen dala epertahankan kerahasaan nforas tanpa engubah aksud dar nforas tersebut. Steganograf dapat dkatakan sebaga bentuk lan dar krptograf. Bak Steganograf aupun krptograf telah dgunakan sejak dahulu sebaga eda untuk perlndungan pesan. Steganograf engkauflasekan sebuah nforas sehngga tersebun dan tdak dapat dlhat pada nforas pebawana sedangkan krptograf engubah pesan enjad bentuk lan dsebut sferteks sehngga pesan seula tdak dapat dcerna. Tujuan utaa dar penebunan nforas pada steganograf atu agar phak ang engetahu lokas keberadaan nforas dapat engekstrakna. Busch Steganograf sangat rp dengan krptograf karena elk fungs ang saa atu enapakan pesan ang tdak dapat dbaca oleh orang lan selan s penera. Untuk faktor keaanan serngkal Steganograf dgabungkan dengan krptograf sehngga pesan ang dsapakan denkrps terlebh dahulu dan keudan dsspkan ke dala pksel-pksel sebuah age Kesler001.

5 8 Gabar 3. Ilustras perbedaan antara Krptograf dengan Steganograf.4 Algorta enspan dan Ekstras roses enspan esan Steganograf berart tulsan ang tersebun hal n engacu pada teknk secara uu tentang bagaana engolah nforas rahasa sedekan rupa sehngga keberadaan nforas tdak terlhat oleh orang lan. ada gabar dbawah n Cover C enunjukkan eda pebawa dar pesan ang djadkan sebaga penebun keberadaan pesan. Message M enunjukkan pesan ang ngn drahasakan keberadaanna. Stego-Ke K eastkan hana orang ang engetahu kunc rahasalah ang bsa ebaca pesan tersebun tersebut Zollner Gabar 4. roses enspan esan Zollner 1998

6 9 roses penspan pesan dlakukan secara zgzag dula dar kr ke kanan keudan turun ke bawah lalu ke kanan dan turun ke bawah kebal lag dar kr ke kanan dan seterusna Wu dan Tsa 003 sebagaana lustras Gabar 5. Gabar 5. roses penspan fle cover secara zgzag dala satu blok ang tdak salng berrsan. roses Ekstraks esan Untuk engabl pesan dala fle stego age dlakukan proses ekstraks pesan. roses ekstraks dlakukan dengan ebaca stego object dengan enggunakan pleentas algorta ekstraks pesan sehngga pesan ang terdapat pada stego object akan dketahu. Gabar 6. roses endapat pesan.5. Algorta LSB Salah satu teknk steganograf adalah LSB Least Sgnfcant Bt. Sesua dengan naana a erupakan teknk ang enspkanenggantkan bt-bt terkecl asng-asng RGB dala suatu warna pksel pada sebuah age.

7 10 Algorta LSB bekerja dengan cara sebaga berkut : 1 Meecah warna-warna dar pksel enjad nla-nla RedGreenBlue Menggant nla-nla RGB tersebut enjad bner 3 Mengubah nla asng-asng pesan ang akan dasukkan ke bentuk bner 4 Mengantkan bt-bt ang palng tdak berpengaruh pertaa dar bner RGB pada age dengan bt-bt dar pesan tad. 5 Setelah dsspkan engubah kebal hasl dar nla-nla bt RGB ke dala nla desal. 6 Mengabungkan kebal nla-nla RGB enjad nla warna. ada suatu pksel ang terdr dar nla RGB terdapat susunan bt-bt ang ebentuk nla asng-asng RGB dana susunan bt tersebut dpsahkan enjad dua bagan atu : 1. Least Sgnfcant Bts LSB Least Sgnfcant Bts dsn berart bt-bt ang elk nla lebh kecl dbandngkan bt-bt lanna dula dar bt ang pertaa sapa bt keepat dana perubahaan pada nla Lsb n tdak begtu epegaruh perubahan warna suatu pksel.. Most Sgnfcant Bts MSB Most Sgnfcant Bts dsn berart bt-bt ang elk nla lebh besar dar pada bt lanna dula dar bt ang terakhr sapa bt kela dana nla Msb n erupakan nla ang elk pengaruh besar pada warna pksel jka dlakukan perubahan pada bt tersebut. roses enspan esan Dala enspkan k-lsb ke cover dbentuk dar persaaan I = I Mod I k B 1 s o o +

8 11 dana I s adalah ntenstas pksel dar stego-age ntenstas pksel dar cover age I o adalah B adalah nla desal dar suatu blok ang dtepelkan pada pksel dan od. erupakan operas odular. Sebaga contoh ddala penspan 4-LSB atu k = 4 anggap blok pertaa data rahasa bers epat bt 1001 atu B 00 = 1001 = 9 dan I o 00 = = 138 sehngga ddapatkan hasl ang akan dtepelkan adalah I 00 = 138 od = 137 = s roses Ekstraks esan 1. Konvers nla desal kedala bner dengan panjang 8 bt.. Abl nla bner pengablan nla bner tergantung pada proses penspan dala hal n pesan ang dsspkan sebanak k bt aka bt ang dabl adalah k bt Lsb..6 Algorta el Value Dfferencng VD Algorta VD n dteukan oleh Da-Chun Wu dan Wen-Hsang Tsa pada tahun 003. Sste arah pencaran selsh dua pksel terdekat sepert pada Gabar 5 enghtung selsh dua pksel enggunakan persaaan d bawah n. Selsh n akan enentukan besarna kapastas pesan ang dapat dsspkan. ada daerah kontras dana selsh antara dua pksel besar daa tapung enjad besar. Sebalkna pada daerah halus dana selsh antara dua pksel kecl akan enebabkan daa tapung enjad sedkt. d = - Selsh ang dperoleh dgunakan untuk encar batas bawah l j dan batas atas u j berdasarkan tabel jangkauan Tabel 3 ang dplh. Nla l j dan u j dgunakan untuk enghtung w j = u j - l j + 1 sehngga dperolah nla t enggunakan persaaan 3. t = logw j 3

9 1 Nla t ang dperoleh dgunakan untuk encar d = t + l j dana t adalah nla desal dar t. Langkah selanjutna adalah enghtung nla dan setelah dsspkan pesan enggunakan persaaan 4. Algorta VD secara lengkap bekerja sebaga berkut : roses enspan 1. Untuk setap ttk ang berurutan dan pada cover age htung perbedaan antara nla dan sebaga d. Berdasarkan nla d carlah nla batas bawah l j dan batas atas u j dar tabel jangkauan R j.. Htung nla w j = u j -l j Htung nla t =logw j dengan bass logarta. 4. Nla t adalah enentukan julah bt pesan ang dapat dsspkan 5. Abl pesan sepanjang t adalah nla desal dar t 6. Htung nla 7. Htung nla 8. Carlah nla dan dengan enggunakan persaaan 4 < + + > < + > + = ; d dan d jka ; d dan d jka 4 ; d dan d jka ; d dan d jka ' ' ' ' ' ' roses Ekstraks esan ada proses ekstraks pesan pencaran selsh pksel terdekat sesua dengan Gabar 6. Selengkapna proses ekstras pada algorta VD sebaga berkut : 1. Untuk setap ttk ang berurutan dan pada stego age htung perbedaan antara nla dan sebaga

10 13 ang dutlakkan. Berdasarkan nla carlah nla batas bawah l j dan batas atas u j dar tabel jangkauan R j.. Htung nla w j = u j -l j Htung nla t =logw j dengan bass logarta. 4. Nla t adalah enentukan julah bt pesan ang telah dsspkan 5. Htung konvers nla kedala bner dengan panjang t 6. Hasl konvers nla kedala bner dengan panjang t erupakan pesan ang dsebunkan.7 SNR eak Sgnal to Nose Rato SNR adalah nla ang enatakan tngkat nose atas age ang telah dssp pesan dengan satuan desbel db. Seakn besar nla SNR perbedaan antara stego age dan cover age seakn kecl sebalkna seakn kecl nla SNR enunjukkan bahwa perbedaan antara stego age dan cover age seakn besar Chen 006. Menurut Cole 003 nla SNR dkatakan bak jka berada datas nla 0; artna d bawah nla 0 dstors ang terjad sangat besar antara stego age dan cover age. Sedangkan untuk nla MSE ang besar enatakan penpangan atau selsh antara cover age dan stego age cukup besar. Untuk gabar warna dengan koponen Red Green dan Blue nla MSE secara keseluruhan erupakan julah dar MSE untuk setap koponen Red Green dan Blue dbag tga. ersaaan untuk encar SNR sebaga berkut : SNR = 10 Log MSE 5 Sedangkan forula untuk enghtung nla MSE adalah sebaga berkut : 1 MSE = n = 1 n = 1 I K j 6 I = cover age K = stego age M = lebar age N = tngg age

11 14.8 Metode Evaluas Knerja Untuk engukur tngkat keberhaslan algorta dgunakan krtera obektf dan subektf. Krtera obektf ddasarkan pada perhtungan ateats enggunakan nla MSE dan SNR sedangkan krtera subektf berdasarkan hasl pengaatan anusa. enlaan n ddasarkan atas karaterstk pengaatan anusa Huan Vsual Sste. engujan subektf uuna dlakukan dengan engukur MOS ean opnon surve sebaga berkut : Tabel. Level dstros pengukuran ean opnon surve Nla Level Dstors Kualtas Gabar 1 Sangat Tdak Mrp erbedaan antara cover age dan stego age sangat jelas Tdak Mrp Antara cover age dan stego age ada perbedaan sedkt 3 Mrp Antara cover age dan stego age rp 4 Sangat Mrp Antara cover age dan stego age sangat rp tdak dapat dbedakan Untuk engukur MOS dlakukan dengan enebarkan kuesoner terhadap 60 responden ang terdr dar 30 responden bergerak dbdang koputer dan 30 responden tdak bergerak dbdang koputer. Teknk saplng Menurut Har 006 ada dua tpe saplng ang dapat dgunakan pada peneltan atu : 1. Non Randonon probablt saplng elhan saple dlakukan atas pertbangan penelt secara personal dan opn-opn lan ang endukung pelhan saple tersebut.

12 15 Adapun tpe-tpe Non robablt Saplng atu : a. Convenence Saplng Metode saplng dana saple ang dabl berdasarkan kengnan prbad dar penelt. b. Judgent Saplng Metode saplng dana responden dplh berdasarkan pengalaan ang dlkna dana pengalaan tersebut dpercaa dapat eenuh kebutuhan peneltan. c. Quota Saplng Metode saplng dana responden dplh berdasarkan kuota tertentu ang telah dtetapkan sal: deografs tngkah laku atau krtera lanna. d. Snowball Saplng Metode saplng dana sekupulan responden dplh lalu para responden tersebut ebantu penelt untuk enentukan orang selanjutna ang danggap eenuh krtera untuk dkutsertakan dala peneltan.. Rando probablt saplng Setap bagan dar populas elk kesepatan ang saa untuk dapat terplh ewakl saple peneltan. Adapun tpe-tpe robablt Saplng atu : a. Sple Rando Saplng Metode saplng dana setap saple ang ada d dala populas elk kesepatan ang saa besar untuk dplh. b. Ssteatc Rando Saplng Metode saplng dana saple ang ada dsusun berdasarkan urutan tertentu. c. Stratfed Rando Saplng Metode saplng dana populas ang ada dbag ke dala grup ang dsebut strata dan sapel akan dabl dar tap strata ang ada.

13 16 ada peneltan n enggunakan teknk stratfed rando saplng dana sapel dar populas dbag kedala dua kelopok atu 1 kelopok responden ang bergerak dala bdang koputer kelopok responden ang tdak bergerak dala bdang koputer ang asng-asng berjulah 30 responden. d. Cluster Saplng Metode saplng dana tap unt saple dbag ke dala sub populas ang lebh kecl ang dsebut cluster. Tap cluster dasuskan sebaga perwaklan dar populas ang ada. Teknk engupulan Data Kusoner adalah serangkaan pertanaan dana responden engs jawabanjawaban basana dengan alternatf-alternatf ang endekat jawaban-jawaban ereka Sekaran 003. Kusoner adalah ekanse pengupulan data ang efsen dana penelt engetahu dengan tepat apa ang dnta dan bagaana engukur varabel-varabel. Dala peneltan n nstruen ang akan dpaka dala engupulkan data adalah kusoner.

PERBAIKAN DAN EVALUASI KINERJA ALGORITMA PIXEL- VALUE DIFFERENCING ( PVD) ROJALI

PERBAIKAN DAN EVALUASI KINERJA ALGORITMA PIXEL- VALUE DIFFERENCING ( PVD) ROJALI PERBAIKAN DAN EVALUASI KINERJA ALGORITMA PIXEL- VALUE DIFFERENCING PVD) ROJALI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan n saya menyatakan

Lebih terperinci

Bab VII Contoh Aplikasi

Bab VII Contoh Aplikasi Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS)

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) BAB III SAPLING BERKELOPOK DAN SAPLING BERKELOPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) 3. Saplng Berkelopok Populas elk konds yang berbeda beda jka dlhat berdasarkan ukurannya. Pada pebahasan

Lebih terperinci

REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN

REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN Jurnal Ilah ILMU KOMPUTER Unverstas Udayana Vol. 9, No., Aprl 206 ISSN 979-566 REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN I Gust Agung Gede

Lebih terperinci

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc.

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc. MODUL ANALISIS PENGUKURAN FISIKA Dsusun Oleh: Kuncoro Ash Nugroho, M.Pd., M.Sc. JURUSAN PENDIDIKAN FISIKA FAKULTAS MATEMATIKAN DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA YOGYAKARTA BAB I METODE

Lebih terperinci

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6)

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6) ISSN : 693 73 Penerapan Aljabar Matrk Dala Analsa Masukan-Keluaran Elstya Rawat 6) Abstrak Analsa asukan-keluaran bertolak dar anggapan bahwa suatu sste perekonoan terdr atas sector-sektor yang salng berkatan.

Lebih terperinci

PERBAIKAN DAN EVALUASI KINERJA ALGORITMA PIXEL- VALUE DIFFERENCING (PVD)

PERBAIKAN DAN EVALUASI KINERJA ALGORITMA PIXEL- VALUE DIFFERENCING (PVD) ERBAIKAN DAN EVALUASI KINERJA ALGORITMA IXEL- VALUE DIFFERENCING VD Rojal ; Sug Gurtman 2 ; Heru T. Natalsa 3 ABSTRACT el Value Dfferencng VD represents one of the algorthms n steganograph. Ths algorthm

Lebih terperinci

ARUS BOLAK BALIK V R. i m

ARUS BOLAK BALIK V R. i m Modul 9 Elektroagnet KEGIATAN BEAJA A. ANDASAN TEOI AUS BOAK BAIK Arus dan tegangan lstrk bolak balk adalah arus dan tegangan lstrk yang berubah terhadap waktu atau erupakan fungs waktu. Yang berubah adalah

Lebih terperinci

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-35 (3-98X Prnt) D-95 Pengendalan Kualtas Proses Produks Tube Plastk D Pt. X Menggunakan Peta Kendal P Multvarat Ia Rdo Rarso, Luca Ardnant, dan Muhaad Mashur

Lebih terperinci

5.. Kekakuan Portal Bdang (Plane Frae) BAB 5 ANASS STRUKTUR PORTA BANG Struktur plane rae erupakan suatu sste struktur ang erupakan gabungan dar seulah eleen (batang) d ana pada setap ttk spulna danggap

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

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

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

Jurnal Sipil Statik Vol.1 No.8, Juli 2013 ( ) ISSN:

Jurnal Sipil Statik Vol.1 No.8, Juli 2013 ( ) ISSN: Jurnal Spl Statk Vol. No.8 Jul 3 (79-86) ISSN: 337-673 PEMILIHAN SISTEM PENGAMANAN PANTAI DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS: PANTAI WORI DI KECAMATAN WORI KABUPATEN MINAHASA

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

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

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 III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

ANALISIS KONSTRUKSI DAN SIFAT BCH CODE

ANALISIS KONSTRUKSI DAN SIFAT BCH CODE KNM XVI -6 Jul 202 UNPAD, Jatnangor ANALISIS KONSTRUKSI DAN SIFAT BCH CODE ACHMAD FAHRUROZI, M.SI,2, SRI MARDIYATI, M.KOM 2 Unverstas Gunadara Depok, achad.fahruroz@yahoo.co.d 2 Unverstas Indonesa Depok,

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

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

III. EVALUASI METODE PENARIKAN CONTOH PADA PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA

III. EVALUASI METODE PENARIKAN CONTOH PADA PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA 4 III. VALUASI TOD PNARIKAN CONTOH PADA PNDUGAAN PRODUKTIVITAS KOODITAS HORTIKULTURA 3.. Gabaran Uu etode Penarkan Contoh Penarkan contoh atau saplng erupakan suatu proses nferens engena keseluruhan (populas

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

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

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

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon Pelabelan Total Ss Ajab Pada Subkelas Pohon Hlda Rzky Nngtyas, Dr Daraj, SS, MT [] Jurusan Mateatka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopeber (ITS Jl Aref Rahan Hak, Surabaya 60 E-al: daraj@ateatkatsacd

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS

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

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

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL)

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) 1. Konse Dasar Sngle Index Model. Forula SIM untuk Sekurtas 3. SIM untuk Sekurtas Tunggal 4. SIM untuk Portofolo 5. Portofolo Otal Berdasarkan SIM Munya Alteza

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

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar)

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar) J. Sans IPA, Aprl 009, Vol. 5, o., Hal.: 66-70 ISS 978-873 PEETUA UKURA COTOH OPTIU DESAI TWO STAGE CLUSTER SAPLIG (Stud Kasus Pendugaan Varabel Deograf d Kabupaten Bltar) Rusda Yulyant* Pusat Peneltan

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

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

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 IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT PEAKSIR PRODUK AG EFISIE UUK RAA-RAA POPULASI PADA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKA Dw Andn *, Frdaus, Arsan Adnan Mahasswa Progra S Mateata Dosen Jurusan Mateata Faultas Mateata Ilu Pengetahuan

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

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

BAB IV PEMBAHASAN DB 10 = TP 13 DB 10 = TP 12 DB 9 = TP 11. Gambar 12 Site Layout Proyek Holland Village Cempaka Putih

BAB IV PEMBAHASAN DB 10 = TP 13 DB 10 = TP 12 DB 9 = TP 11. Gambar 12 Site Layout Proyek Holland Village Cempaka Putih BAB IV PEMBAHASAN 4.1. Data untuk encar nla alpha Berkut dberkan ste layout Proyek Holland Vllage Cepaka Puth. DB 15 = TP 14 DB 10 = TP 13 DB 10 = TP 1 DB 9 = TP 11 DB 13 = TP DB 7 = TP-A5 DB 6 = TP-A3

Lebih terperinci

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA onferens Nasonal Sste dan Inforatka 09; Bal, Noveber 4, 09 PENERAPAN LOGIA FUZZY DALAM PENGAMBILAN EPUTUSAN UNTU JALUR PEMINATAN MAHASISWA Sauel Lukas*, Melayana**, Wlla Sson* * Jurusan Teknk Inforatka

Lebih terperinci

BAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan

BAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

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

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

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

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

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381 Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua

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 III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

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

BAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.

BAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen. BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra

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

UKURAN LOKASI, VARIASI & BENTUK KURVA

UKURAN LOKASI, VARIASI & BENTUK KURVA UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya

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

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

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. 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

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

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 II Tinjauan Pustaka

Bab II Tinjauan Pustaka Bab II Tnauan Pustaka Msalkan vektor acak berdens p dengan atrks kovarans ( ) k sebaga koponen ke-k dan Σ σ. Koefsen korelas antara dua koponen dan adalah ρ σ σσ ( ) ( ) Var ( ) Cov, Var, Nla ρ eenuh ρ

Lebih terperinci

.. Kekakuan Rangka batang Bdang (Plane Truss) BAB ANAISIS STRUKTUR RANGKA BATANG BIANG Struktur plane truss merupakan suatu sstem struktur ang merupakan gabungan dar seumlah elemen (batang) d mana pada

Lebih terperinci

Filter-based Feature Selection pada Kategorisasi Artikel Berita Berbahasa Indonesia

Filter-based Feature Selection pada Kategorisasi Artikel Berita Berbahasa Indonesia Flter-based Feature Selecton pada Kategorsas Artkel Berta Berbahasa Indonesa Yan Pusptaran Jurusan Teknk Inforatka, Unverstas Wdyataa Jl. Ckutra 04A Bandung yan.pusptaran@wdyataa.ac.d Abstract Wth the

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

Histogram Citra. Bab Membuat Histogram

Histogram Citra. Bab Membuat Histogram Bab 6 Hstogram Ctra I nformas pentng mengena s ctra dgtal dapat dketahu dengan membuat hstogram ctra. Hstogram ctra adalah grafk yang menggambarkan penyebaran nla-nla ntenstas pxel dar suatu ctra atau

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

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

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI AWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL Mega Pradpta, Madu Ratna, I Nyoan Budantara urusan Statstka Fakultas MIPA Insttut Teknolog Sepuluh Nopeber

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

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

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. Penelitian ini dilaksanakan di Pizza Hut Garden 6 - Jakarta Barat. Penelitian dilakukan pada bulan Mei 2014 Juni 2014.

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di Pizza Hut Garden 6 - Jakarta Barat. Penelitian dilakukan pada bulan Mei 2014 Juni 2014. BAB III METODE PENELITIAN A. Tempat dan Waktu Peneltan 1. Tempat dan peneltan dlakukan Peneltan n dlaksanakan d Pzza Hut Garden 6 - Jakarta Barat 2. Waktu Pengumpulan data Peneltan dlakukan pada bulan

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

BAB 3 METODOLOGI PERANCANGAN

BAB 3 METODOLOGI PERANCANGAN 9 BAB 3 METODOLOGI PERANCANGAN Bab n bers penjelasan mengena langkah-langkah perhtungan serta prosedurprosedur yang dgunakan untuk menemukan solus atas rumusan masalah pada Bab. Dalam bab n juga akan dtamplkan

Lebih terperinci

BAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance

BAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance BAB IV METODE PENELITIAN 4.1 Lokas dan Waktu Peneltan Peneltan mengena Analss Pengaruh Kupedes Terhadap Performance Busness Debtur dalam Sektor Perdagangan, Industr dan Pertanan dlaksanakan d Bank Rakyat

Lebih terperinci

BAB III METODE PENELITIAN. Karangkajen, Madrasah Tsanawiyah Mu'allimaat Muhammadiyah Yogyakarta,

BAB III METODE PENELITIAN. Karangkajen, Madrasah Tsanawiyah Mu'allimaat Muhammadiyah Yogyakarta, BAB III METODE PENELITIAN A. Tempat dan Waktu Peneltan Peneltan n dlakukan pada 6 (enam) MTs d Kota Yogyakarta, yang melput: Madrasah Tsanawyah Neger Yogyakarta II, Madrasah Tsanawyah Muhammadyah Gedongtengen,

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

V = adalah himpunan hingga, dan misalkan

V = adalah himpunan hingga, dan misalkan BAB III ALJABAR HIPERGRAF 3. Hpergraf Defns Msalkan { v, v2,..., vn} V = adalah hpunan hngga, dan salkan ε = {, I} adalah koleks dar hpunan bagan dar V. Koleks ε enjad E suatu hpergraf pada V jka hpergraf.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 PENDHULUN 1.1 Latar elakang Dala pelaksanaan proyek serng kal engala suatu habatan atau penypangan sehngga serng terad kerugan bag penyelesaan proyek tersebut. Untuk tu perlu adanya suatu perencanaan

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan

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

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan

Lebih terperinci

e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 4676

e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 4676 e-proceedng of Engneerng : Vol.3, No.3 December 26 Page 4676 STEGANOGRAFI GAMBAR MENGGUNAKAN MODIFIKASI ENHANCED SIGNIFICANY BITS BERDASARKAN TEKNIK DETEKSI OBJEK GAMBAR IMAGE STEGANOGRAPHY USING MODIFIED

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Tujuan Peneltan Tujuan dalm peneltan n adalah mengetahu keefektfan strateg pembelajaran practce-rehearsal pars dengan alat peraga smetr lpat dan smetr putar dalam menngkatkan

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

BADAN PUSAT STATISTIK KABUPATEN JAYAPURA

BADAN PUSAT STATISTIK KABUPATEN JAYAPURA BADAN PUSAT STATISTIK KABUPATEN JAYAPURA BADAN PUSAT STATISTIK KABUPATEN JAYAPURA Sensus Penduduk 2010 merupakan sebuah kegatan besar bangsa Badan Pusat Statstk (BPS) berdasarkan Undang-undang Nomor 16

Lebih terperinci

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT. ABSTRACT 1.

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT. ABSTRACT 1. PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKAT Ryan Aresta Ral Suroso, Arsan Adnan, Rusta Efend r_yand7045@yaoo.co Maasswa Progra S Mateatka Dosen Jurusan Mateatka

Lebih terperinci

Bab 3. Penyusunan Algoritma

Bab 3. Penyusunan Algoritma Bab 3. Penusunan Algortma on anuwjaa/ 500030 Algortma merupakan penulsan permasalahan ang sedang dsorot dalam bahasa matematk. Algortma dbutuhkan karena komputer hana dapat membaca suatu masalah secara

Lebih terperinci