Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) PENGENALAN WAJAH DUA DIMENSI MENGGUNAKAN MULTI-LAYER PERCEPTRON BERDASARKAN NILAI PCA DAN LDA
|
|
- Leony Sri Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 27 PENGENALAN WAJAH DUA DIMENSI MENGGUNAKAN MULTI-LAYER PERCEPTRON BERDASARKAN NILAI PCA DAN LDA Shofwatul Uyu 1, Muhammad Fadzlur Rahma 2 1,2 Program Studi Tekik Iformatika, Fakultas Sais da Tekologi, Uiversitas Islam Negeri Sua Kalijaga. Jl. Marsda Adisucipto No.1 Yogyakarta shofwatul.uyu@ui-suka.ac.id 1,fazlur.mudaya@gmail.com 2 ABSTRAK Mausia memiliki kecerdasa multi itelligece yag sagat kompleks sehigga secara otomatis mampu megeali seseorag yag perah ditemui. Saat ii bayak sekali sistem pegeala wajah yag sedag dikembagka baik secara supervised maupu usupervised. Jariga Syaraf Tirua (JST) merupaka salah satu metode supervised, dimaa salah satu metode pembelajaraya disebut dega Multi-Layer Perceptro (MLP). Peetua bayakya ode pada hidde layer secara tepat mempegaruhi kierja dari MLP pada sistem pegeala wajah. Peelitia ii megguaka 12 citra wajah sebagai data latih yag diekstraksi mejadi covaria matriks lalu diambil ilai eige dari setiap data citra megguaka metode pricipal compoet aalysis (PCA) da liear discrimiat aalysis (LDA). Setiap data meghasilka 4 ilai eige yag mejadi masuka pada algoritma pelatiha MLP yag meghasilka ilai bobot optimal yag mejadi acua utuk megeali citra wajah. Berdasarka hasil pegujia da perbadiga variasi ilai parameter yag diguaka utuk megeali citra wajah telah didapatka ilai akurasi optimal sebesar 77,77%. Aristektur dari MLP tersebut terdiri atas : 4 ode di iput layer, 8 ode di hidde layer da 3 ode di output layer dega ilai epoch pelatiha sebesar 60x10 4. Kata Kuci : sistem pegeala wajah, MLP, PCA da LDA 1. PENDAHULUAN Megeali wajah seseorag merupaka suatu hal yag mudah dilakuka oleh mausia. Seseorag aka cepat megeal, meghafal da membedaka wajah setiap orag yag dikeal sebelumya walaupu dega ekspresi yag berbeda-beda ketika ditemui, atau bahka dalam keadaa terag maupu gelap. Aka tetapi, bagaimaa agar sistem komputer dapat megeali wajah mausia, aka ada kedala pada sistem tapa adaya pembelajara bagi sistem tersebut. Dalam perkembagaya, tekologi pegeala wajah bayak dimafaatka di berbagai macam cakupa aplikasi yag sagat luas seperti sistem keamaa, sistem akses kotrol suatu area ataupu sistem absesi kelas Latar Belakag Pegeala wajah mempuyai dua aplikasi utama yaitu: verifikasi da idetifikasi. Verifikasi sematamata mecocokka data baru seseorag dega data yag ada di database (oe to oe) da umumya meghasilka dua keadaa yaitu true atau false. Sedagka idetifikasi megeali seseorag dega keputusa berdasarka tigkat kedekata atau kemiripa. Kemampua megukur karakteristik fisik atau perilaku yag dapat diguaka utuk memverifikasi atau megidetifikasi seseorag disebut dega biometrik [1]. Sidik jari da tada taga, masig-masig merupaka cotoh biometrik berdasarka karakteristik fisik da perilaku seseorag. Perbedaa medasar atara fase pegeala wajah da deteksi wajah adalah dimaa pegeala wajah memulai dega proses ekstraksi ciri pada citra wajah yag lalu diidetifikasi da diverifikasi pada basis data sistem pegeala wajah yag telah dilatih dega kumpula citra wajah. Sedagka fase pada deteksi wajah merupaka proses klarifikasi pada citra yag sebelumya pegklarifikasi dibetuk dari data latih yag terdiri dari citra wajah da citra o-wajah sebagai pembadig Rumusa Masalah Berdasarka latar belakag masalah di atas maka rumusa masalah dalam peelitia ii adalah : Apakah pegeala wajah dega megguaka metode ekstraksi ciri PCA da LDA dapat mecapai prosetase keberhasila diatas 50% serta bagaimaa meetuka struktur JST yag tepat utuk algoritma pelatiha data di dalam sistem pegeala wajah Tujua Sesuai dega latar belakag da rumusa masalah yag dibahas diatas, maka tujua dari peelitia ii adalah utuk egetahui jumlah prosetase
2 28 keberhasila pegeala wajah dega megguaka metode ekstraksi ciri PCA da LDA serta mecari struktur jariga syaraf tirua yag tepat utuk algoritma pelatiha sistem pegeala wajah. 2. KAJIAN PENELITIAN Peelitia terdahulu terkait sistem pegeala wajah sudah bayak dilakuka, atara lai oleh [2] yag megembagka sistem pegeala wajah berdasarka peampaka yag berbasis sigal megguaka DCT 2D. Hasil ekstraksi megguaka DCT 2D selajutya diormalisasi ilaiya, proses selajutya adalah melakuka reduksi dimesi megguaka PCA. Hasil peyeleksia fitur tersebut selajutya diukur kemiripaya megguaka Euclidea Distace maupu Mahatta. Ekstraksi fitur citra dilakuka megguaka DCT-2D yag dilakuka secara zigzag utuk megekstrak fitur yag dibutuhka. Selajutya [3] membagu sebuah peragkat luak pegeala citra wajah mausia megguaka metode Eigefaces dega memafaatka GUI dari Matlab. Pada tahap pegujia, aka dicari akurasi/tigkat pegeala yag dicapai oleh peragkat luak ii utuk megetahui seberapa besar kemampua dari peerapa metode Eigefaces dalam megeali citra wajah dega ekstraksi fitur megguaka metode PCA. Adapu tigkat pegeala optimal yag diperoleh pada peelitia tersebut sebesar 75%. Berbeda dega [4] yag telah megguaka dua metode ekstrasi atau kompresi fitur citra dega megguaka alat batu pemrograma Borlad Delphi 7.0. Hasil ekstraksi ciri PCA da LDA kemudia dijumlahka sehigga haya memiliki satu parameter sehigga masih ditemuka kekuraga pada proses traiig yag mejadika sistem pegeala wajah tidak dapat bekerja secara maksimal. Semetara [5] telah megitegrasika TDLDA (Two Dimesioal Liear Discrimiat Aalysis) da SVM (Support Vektor Machie) utuk pegeala wajah. TDLDA yag merupaka metode pegembaga dari LDA berfugsi sebagai metode ekstraksi fitur yag bisa megatasi sigular problem da SVM sebagai metode klasifikasi yag mempuyai kemampua geeralisasi yag tiggi. Peelitia tersebut mampu meghasilka akurasi dalam pegeala wajah sebesar 84,18%. Oleh karea itu pada peelitia ii diguaka dua metode utuk ekstraksi ciri citra wajah yaitu PCA da LDA. Utuk pembelajaraya diguaka metode terawasi yaitu Jariga Syaraf Tirua MLP. PCA megkompresi citra wajah berdasarka idetifikasi pola data citra yag ada lalu disusu kembali berdasarka kesamaa da perbedaa pola data yag ada. Sedagka LDA dega mudah meagai kasus dalam frekuesi kelas yag tidak seimbag da operasi kelas tersebut telah diperiksa pada data tes acak yag dihasilka. Fokus dari peelitia ii adalah utuk megetahui seberapa besar prosetase keberhasila pegeala wajah megguaka metode ekstraksi ciri PCA da LDA. Selai itu juga igi megetahui struktur MLP yag tepat utuk algoritma pelatiha sistem pegeala wajah tersebut. 3. METODE PENELITIAN Tahapa-tahapa yag dilakuka pada peeliti ii terdiri dari tiga tahapa, atara lai : 1. Ekstraksi ciri citra wajah Proses utuk megambil ilai fitur dari citra wajah. Utuk ekstraksi wajah diguaka metode PCA da LDA 2. Traiig data Proses traiig atau pelatiha data hasil dari ekstraksi fitur citra wajah megguaka metode MLP. 3. Pegujia. Proses pegujia terhadap Jariga Syaraf Tirua dalam megeali wajah berdasarika hasil traiig pada tahapa sebelumya. Utuk lebih jelasya dapat dilihat pada gambar 1. Gambar 1 Diagram alir tahapa peelitia 4. HASIL DAN PEMBAHASAN Pada bab ii diuraika megeai hasil da pembahasa sistem pegeala wajah dega metode PCA da LDA. Secara rigkas sistem pegeala wajah pada peelitia ii dapat dilihat pada gambar 2.
3 29 pegeala wajah yag diujika terhadap sistem. Da data keluara berupa ama yag ada pada basis data pelatiha beserta omor target yag dihasilka dari algoritma aplikasi dari pada sistem. Gambar 2 Tahapa proses system Secara detail sistem ii dapat meerima masuka dari user berupa citra wajah yag atiya diolah dega proses ekstraksi ciri lalu hasil ekstraksi disimpa pada basis data yag meampug hasil dari ekstraksi citra-citra wajah. User juga dapat melakuka pembelajara terhadap hasil dari ekstrasi ciri yag dilakuka pada citra di setiap waktu atau setelah melakuka peambaha data citra wajah. Semetara, dari hasil pembelajara yag telah dilakuka di awal, sistem dapat melakuka 4.1. Ekstraksi Ciri Citra Wajah Pada subbab ii membahas tetag ekstraksi ciri citra wajah dilakuka sebelum pelatiha da pada saat pegeala citra wajah. a. Metode Ekstraksi Ciri Pricipal Compoet Aalysis Hasil output dari proses ii berupa ilai eige hasil ekstraksi dari iput citra wajah. Sebelum medapat output berupa ilai eige, citra dirubah mejadi Covaria matriks. Alur kierja dari PCA dapat dilihat pada gambar 3. Mulai Iput : Citra Mamogram Meghitug rata-rata X mamogram X i i X 1 cov( x, y) Meghitug ilai covaria i 1 ( x X)( y Y) i i Meghitug rata-rata Y mamogram Y i i Y 1 Membetuk covaria matriks cov( x, x) cov( x, y) covmatrik cov( y, x) cov( y, y) Mecari ilai eige A=USV AA T US 2 V Output = Nilai eige (ilai matrik sigular 2) S Selesai Gambar 3 Diagram alir ekstraksi ciri PCA
4 30 b. Metode Ekstraksi Ciri Liear Discrimiat Aalysis LDA dega mudah meagai kasus dalam frekuesi kelas yag tidak seimbag da performa kelas tersebut telah diperiksa pada data tes acak yag dihasilka. Metode ii memaksimalka rasio varias betwee-class ke dalam varias withi-class di semua data yag bisa dipisahka [6]. Dalam proses ektraksi dega metode LDA, sama seperti halya PCA yag mecari Covaria matriks dari pada citra wajah, aka tetapi masih ada proses lajut utuk mecari matriks scatter withi dega persamaa tepat sebelum melakuka peetua ilai eige. Lebih jelasya lihat gambar 4. Gambar 4 Diagram alir metode ekstraksi ciri LDA Peelitia ii megguaka 12 data latih utuk diekstraksi, sebelum semua data ilai hasil ekstraksi dipaggil utuk dilakuka pembelajara terhadap pegeala citra wajah. Dari 12 data latih, terdiri dari citra wajah 4 orag yag berbeda, masigmasig orag meyumbag tiga citra yag diambil dari sudut yag berbeda. Hal tersebut dilakuka utuk memperkaya sistem pegeala terhadap daya itelegesi utuk megidetifikasi citra wajah satu orag walaupu citra tersebut diambil dari sudut yag berbeda. Adapu citra data latih yag dikeaka ekstraksi ciri dapat dilihat pada tabel 1
5 31 Tabel 1 Citra data latih No. Nama Citra 1 Afif 2 Aldi 3 Catur 4 Fazlur 4.2. Traiig Data Pada tahap traiig atau pelatiha data, sistem megguaka jariga syaraf tirua MLP sebagai metode pembelajara atau pelatiha dalam megeali citra wajah. Dega 3 lapisa pembelajara yag terdiri dari satu lapisa iput da output serta lapisa hidde. Di setiap lapisa terdiri dari ode-ode yag terhubug satu sama lai di setiap lapisa sehigga membetuk jariga. Adapu lapisa iput terdapat empat ode yag medapat ilai masuka dari empat ilai eige hasil ekstraksi citra wajah yag sebelumya telah diormalisasi dega persamaa. Sedagka ode output terdiri dari tiga buah ode yag meggambarka ilai bier dari kuci data pelatiha, dimaa setiap data pelatiha mempuyai omor urut yag uique lalu omor tersebut dibierisasi utuk mejadi target sebagai solusi output dari algoritma pembelajara, sehigga, dega eam ode pada lapisa output dapat meampug maksimal data pembelajara sebayak 8 data atau ama. Semetara utuk lapisa hidde haya dega satu lapisa saja da terdiri dari delapa ode. Adapu jariga syaraf tirua MLP yag diguaka dalam peelitia ii dapat dilihat pada gambar 5. Gambar 5 Desai Jariga Syaraf Tirua MLP Hasil dari MLP bagi sistem berupa ilai bobot yag mejadi acua utuk diterapka pada algoritma aplikasi utuk megeali citra wajah yag diuji dega data citra wajah yag sudah ada pada data pembelajara. Adapu alur kerja algoritma pembelajara jariga syaraf tirua MLP dapat dilihat pada gambar 6.
6 32 Gambar 6 Diagram alir jariga syaraf tirua MLP Setiap pembelajara, tidak semua jariga syaraf tirua yag diracag diawal aka memberi solusi pelatiha yag tepat bagi sistem, Aka selalu ada perbaika jariga syaraf tirua utuk medapat solusi bobot optimal yag diperluka oleh sistem. Adapu siklus pelatiha jariga syaraf tirua bisa dilihat pada gambar 7. Gambar 7 Siklus jariga syaraf tirua
7 ID Target Jural Ilmiah Komputer da Iformatika (KOMPUTA) 33 Tujua dari adaya pelatiha sistem adalah utuk medapatka ilai error miimum dalam meetuka bobot dari jariga syaraf tirua MLP. Dega ilai bobot optimal yag diperoleh algoritma pelatiha, dapat meujag sistem dalam megeali masuka citra wajah pada algoritma aplikasi terbatas pada data pelatiha. Diiisiasika terlebih dahulu alfa (α) dega ilai 0,5 da ilai epoch yag mejadi titik berhetiya perulaga dalam algoritma pelatiha MLP Pegujia Tahapa terakhir pada peelitia ii adalah pegujia JST. Pegujia JST ii dilakuka dega megguaka sistem pedukug test yag meguji kemampua JST dalam megeali citra wajah. Pada tahap ii, peeliti melakuka pegujia pada dua aspek, yaki pegujia struktur jariga syaraf tirua pembelajara MLP da pegujia pegeala citra wajah. Dalam pegujia struktur jariga syaraf tirua MLP, peeliti mecoba utuk membuat solusi bobot optimal yag dihasilka oleh sistem. Dega meguji lapisa hidde da ilai epoch sebagai kodisi berheti pelatiha jariga syaraf tirua MLP. Adapu skema da hasil pegujia jariga syaraf tirua sistem dapat dilihat pada tabel 2. Dari tabel 2, diperoleh prosetase bobot optimal yag didapat dari tes sederhaa dega masuka citra basis data pelatiha sebagai iput tes. Target pada tes sederhaa yag dilakuka adalah ID ama citra masuka yag ada pada basis data citra ekstraksi. Tabel 2 Percobaa jariga syaraf tirua No Epoch Waktu Pelatiha Error Accuracy (%) 1 5x meit 9 detik , x meit 20 detik , x meit 24 detik , x meit 25 detik , x meit 35 detik , x meit 46 detik ,00 Pada pegujia pegeala citra, peeliti megguaka bobot optimal hasil dari pegujia struktur JST MLP yag dilakuka dega skema tabel 2. Tahap ii megguaka citra uji yag berbeda dega citra latih dari orag yag sama. Citra uji diambil dari 4 orag yag berbeda, yag sebelumya sudah dilakuka pelatiha terhadap citra latih dari keempat orag tersebut. Pegujia pegeala citra wajah dilakuka dega bobot yag diambil dari pegujia omor 6 dega ilai epoch 60x10 4 pada percobaa struktur JST karea memiliki ilai error terakhir yag palig kecil, yaitu 0.01, da dapat megeali semua data latih dega tepat. Adapu skema maupu hasil dari pegujia pegeala citra dapat dilihat pada tabel 3. No Tabel 3 Pegujia pegeala citra wajah Data Uji Data Hasil Nama Citra Nama 1 Afif 1 Afif 2 Afif 1 Afif 3 Afif 1 Afif 4 Aldi 3 Catur 5 Aldi 2 Aldi 6 Aldi 2 Aldi 7 Catur 2 Aldi 8 Catur 3 Catur 9 Catur 2 Aldi 10 Fazlur 4 Fazlur 11 Fazlur 4 Fazlur 12 Fazlur 3 Catur Status SALAH SALAH SALAH SALAH
8 34 Dari 12 pegujia yag dilakuka da diketahui melalui tabel 3, terdapat 8 target yag sukses medapati ama target yag sesuai dega ama citra masuka. Dari data tabel 3 didapatka hasil pegujia pegeala wajah dega struktur JST back propagatio 4 ode di layer iput, 8 ode di layer hidde da 3 ode di layer output dega prosetasi keberhasila megeali citra wajah sebesar 77,77%. Berdasarka hasil diatas, dapat disimpulka bahwa peelitia eksperimetal dega sistem pegeala wajah ii bekerja cukup optimal dega megguaka struktur JST MLP sebayak 3 layer. 5. PENUTUP 5.1. Kesimpula Berdasar pada peelitia yag telah dilakuka oleh peeliti megeai sistem pegeala wajah megguaka metode PCA da LDA, maka dapat diambil kesimpula sebagai berikut: a. Pegeala wajah dega megguaka ekstraksi ciri PCA da LDA, dapat megeali wajah dega prosetase keberhasila sebesar 77,77%. b. Peelitia ii megguaka struktur jariga syaraf tirua MLP dega 3 layer: 4 ode pada iput layer, 8 ode pada hidde layer da 3 ode pada output layer sebagai algoritma pelatiha, serta ilai epoch sebesar 60x Sara Peelitia yag telah dilakuka tetuya tidak lepas dari kekuraga pada setiap eksperime. Oleh karea itu, perlu diperhatika beberapa hal, diataraya. Pada peelitia ii, algoritma atau metode pelatiha data terbatas pada ilai epoch yag ditetuka oleh peeliti sebagai titik berheti proses pelatiha, sehigga tidak dapat meghasilka ilai bobot optimal utuk mejadi acua pada algoritma aplikasi pegeala wajah. Maka dari itu, kedepaya dapat megatasi masalah pelatiha tersebut. DAFTAR PUSTAKA [1] Ail K. Jai, Aru Ross, ad Salil Prabhakar, A Itroductio to Biometric Recogitio, IEEE Trasactios o Circuits ad Systems for Video Techology, vol. 14, o. 1, pp. 4-20, 2004 [2] Sopha, Mochamad K. da Mutasa, Arif. Ekstraksi Fitur Berbasis 2d-Discrete Cosie Trasform Da Pricipal Compoet Aalysis Utuk Pegeala Citra Wajah. Semiar Nasioal Aplikasi Tekologi Iformasi. Yogyakarta [3] Marti, Ni Waya. Pemafaata Gui Dalam Pegembaga Peragkat Luak Pegeala Citra Wajah Mausia Megguaka Metode Eigefaces. Semiar Nasioal Aplikasi Tekologi Iformasi. Yogyakarta [4] Purwato, Jemmy E. Pegeala Wajah Melalui Webcam Dega Megguaka Algoritma Pricipal Compoet Alaysis (PCA) Da Liier Discrimiat Aalysis (LDA). Tugas Akhir Uiversitas Komputer Idoesia. Badug [5] Damayati, Fitri. Arifi, Agus Zaial. da Soelaima Rully. Pegeala Wajah Berbasis Metode Two-Dimesioal Liear Discrimiat Aalysis. Thesis Program Magister Tekik Iformatika Istitute Tekologi Sepuluh November Surabaya [6] Balakrishama, S. & Gaapathiraju, A. Liear Discrimiat Aalysis A Brief Tutorial. Istitute for Sigal ad Iformatio Processig Departmet of Electrical ad Computer Egieerig Mississippi State Uiversity. 1998
Rizqi Elmuna Hidayah, S.Si, M.Kom
Techologia Vol 7, No.4, Oktober Desember 06 3 IMPLEMENTASI METODE PRINCIPAL COMPONENT ANALYSIS PADA PENGENALAN WAJAH BERBASIS EIGENFACE Rizqi Elmua Hidayah, S.Si, M.Kom (rizqielmua8@gmail.com) ABSTRAK
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciPRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN :
Estimasi Curah Huja di Kota Potiaak Megguaka Metode Propagasi Balik Berdasarka Parameter Cuaca da Suhu Permukaa Laut Ika Oktaviaigsih a, Muliadi b*, Apriasyah c a Prodi Fisika, b Prodi Geofisika, c Prodi
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciVERIFIKASI WAJAH MENGGUNAKAN SUBSPACE LINEAR DISCRIMINANT ANALYSIS SERTA JARINGAN SARAF TIRUAN
VERIFIKASI WAJAH MENGGUNAKAN SUBSPACE LINEAR DISCRIMINANT ANALYSIS SERTA JARINGAN SARAF TIRUAN Allegro M.C. Horhoruw, Rieldy J. Leiwakabessy, Gregory Alexader, Satrio Dewato Uiversitas Bia Nusatara, Jala
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa
III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
Lebih terperinciAplikasi Pengenalan Pola pada Citra Bola Sebagai Dasar Pengendalian Gerakan Robot
Jural Emitor Vol.16 No. 02 ISSN 1411-8890 Aplikasi Pegeala Pola pada Citra Bola Sebagai Dasar Pegedalia Geraka Robot Ratasari Nur Rohmah Jurusa Tekik Elektro Uiversitas Muhammadiyah Surakarta (UMS) Surakarta,
Lebih terperinciBAB III METODOLOGI PENELITIAN
38 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia adalah suatu cara ilmiah utuk medapatka data dega tujua tertetu. Peelitia yag megagkat judul Efektivitas Tekik Permaia Pioy Heyo dalam
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan
Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciIII. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di
4 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah siswa kelas VIII (delapa) semester gajil di SMP Xaverius 4 Badar Lampug tahu ajara 0/0 yag berjumlah siswa terdiri dari
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciBAB III METODE PENELITIAN
A. Jeis Peelitia BAB III METODE PENELITIAN Peelitia ii termasuk peelitia pegembaga (Developmet Research) karea peeliti igi megembagka peragkat pembelajara sub pokok bahasa bilaga. Peragkat pembelajara
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciBAB III METODOLOGI PENELITIAN
37 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii termasuk peelitia pegembaga, yaitu pegembaga buku teks matematika. Model pegembaga yag diguaka adalah model 4-D (four D models) dari Thigaraja
Lebih terperinciMETODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar
III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB III METOE PENELITIAN. penelitian ini, hanya menggunakan kelas eksperimen tanpa adanya kelas
BAB III METOE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia eksperime. Karea pada peelitia ii, haya megguaka kelas eksperime tapa adaya kelas cotrol. Peelitia ii megguaka pedekata kuatitatif.
Lebih terperinciSTUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN
STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii
Lebih terperinciMateri 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya
Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI0939 APLIKASI PERBAIKAN KONTRAS PADA CITRA RADIOGRAFI GIGI MENGGUNAKAN KOMBINASI METODE HISTOGRAM EQUALIZATION DAN FAST GRAY LEVEL GROUPING (Kata kuci: Fast gray level groupig,
Lebih terperinciPemilihan Ketua BEM Fakultas Teknik UN PGRI Kediri menggunakan Metode ELECTRE
Pemiliha Ketua BEM Fakultas Tekik UN PGRI Kediri megguaka Metode ELECTRE Nalsa Citya Resti Sistem Iformasi, Fakultas Tekik, Uiversitas Nusatara PGRI Kediri E-mail: alsacitya@upkediri.ac.id Abstrak salah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT
Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinci3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder
3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciMETODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki
18 III. METODE PENELITIAN A. Subyek da Tempat Peelitia Subjek peelitia adalah siswa kelas X2 SMA Budaya Badar Lampug Tahu Ajara 2010-2011 dega jumlah siswa 40 orag yag terdiri dari 19 siswa lakilaki da
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciIII. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar
III. METODE PENELITIAN A. Subjek da Tempat Peelitia Subjek dari peelitia adalah siswa kelas.b SMA Muhammadiyah 2 Badar Lampug Tahu Ajara 2011-2012 dega jumlah siswa 40 orag yag terdiri dari 15 siswa laki-laki
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciKLASIFIKASI MUTASI JABATAN STRUKTURAL PEGAWAI NEGERI SIPIL MENGGUNAKAN METODE DECISION TREE
KLASIFIKASI MUTASI JABATAN STRUKTURAL PEGAWAI NEGERI SIPIL MENGGUNAKAN METODE DECISION TREE Yati, I Ketut Edy Purama, da Surya Sumpeo Tekik Elektro,Istitut Tekologi Sepuluh Nopember Alamat: Gedug B, C
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Secara umum metode peelitia diartika sebagai cara ilmiah utuk medapatka data dega tujua da keguaa tertetu. Cara ilmiah berarti kegiata peelitia itu didasarka pada ciri-ciri keilmua,
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,
45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciSISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB
ISSN: 1693-6930 211 SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB M. Riza Ferdiasyah, Kartika Firdausy, Tole Sutiko Program Studi Tekik Elektro, Uiversitas Ahmad Dahla Kampus III
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciIII. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu
III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :
Lebih terperinciPREDIKSI ph AIR HUJAN DI KALIMANTAN BARAT DENGAN METODE BACKPROPAGATION
Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 04, No. 3 (2015), hal 397 406. PREDIKSI ph AIR HUJAN DI KALIMANTAN BARAT DENGAN METODE BACKPROPAGATION Fra Siskus Dia Ariato, Muhlasah Novitasari
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI III.1 Peambaga Teks (Text Miig) Text Miig memiliki defiisi meambag data yag berupa teks dimaa sumber data biasaya didapatka dari dokume, da tujuaya adalah mecari kata-kata yag dapat
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperincisimulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai
37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciKompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci
Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,
Lebih terperinciPERANCANGAN DATABASE BUKU TAMU DAN SURAT MENYURAT PADA DINAS PEMBERDAYAAN MASYARAKAT DAN DESA KABUPATEN BOGOR
PERANCANGAN DATABASE BUKU TAMU DAN SURAT MENYURAT PADA DINAS PEMBERDAYAAN MASYARAKAT DAN DESA KABUPATEN BOGOR Marhaei, Yoki Saputra Prodi Sistem Iformasi Istitut Sais da Tekologi Nasioal (ISTN) Email :
Lebih terperinciPENGUKURAN KEMIRIPAN DOKUMEN TEKS BAHASA INDONESIA MENGGUNAKAN METODE COSINE SIMILARITY
E-Joural Tekik Iformatika Volume 9, No 1 (2016), ISSN : 2301-8364 1 PENGUKURAN KEMIRIPAN DOKUMEN TEKS BAHASA INDONESIA MENGGUNAKAN METODE COSINE SIMILARITY Dewa Ayu Rai Ariatii, Arie S. M. Lumeta, Agustius
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB III METODOLOGI PENELITIAN
3 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode yag diguaka dalam peelitia ii adalah metode kuatitatif dega eksperime semu (quasi eksperimet desig). Peelitia ii melibatka dua kelas, yaitu satu
Lebih terperinciAplikasi Interpolasi Bilinier pada Pengolahan Citra Digital
Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun
47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka
Lebih terperinciBAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain
BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka
Lebih terperinciSidang Tugas Akhir Teknik Manufaktur
Sidag Tugas Akhir Tekik Maufaktur Aplikasi pegguaa Metode Butterorth Lopass Filter dega Edge Detectio Ca-Roberts utuk megetahui Karakteristik stress-strai Material berbasis Image Processig Oleh : HANIF
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN
ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI KEAMANAN PINTU BERBASIS PENGENALAN WAJAH DENGAN METODE EIGENFACE
ISSN : 2355-9365 e-proceedig of Egieerig : Vol.3, No.1 April 2016 Page 79 PERANCANGAN DAN IMPLEMENTASI KEAMANAN PINTU BERBASIS PENGENALAN WAJAH DENGAN METODE EIGENFACE DESIGN AND IMPLEMENTATION SECURITY
Lebih terperinciPENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD
Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciBAB II TEORI MOTOR LANGKAH
BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinci