Perbandingan Algoritma Fuzzy C-Means (FCM) Dan Algoritma Mixture Dalam Penclusteran Data Curah Hujan Kota Bengkulu

Ukuran: px
Mulai penontonan dengan halaman:

Download "Perbandingan Algoritma Fuzzy C-Means (FCM) Dan Algoritma Mixture Dalam Penclusteran Data Curah Hujan Kota Bengkulu"

Transkripsi

1 Perbadga Algortma Fuzzy C-Meas (FCM Da Algortma Mxture Dalam Pelustera Data Curah Huja Kota Begulu Herla Latpa Sar Dose Tetap Program Stud Te Ifromata verstas Dehase Begulu Emal : herlalatpasar@ymal.om Dew Surat Dose Tetap Program Stud Te Ifromata verstas Dehase Begulu Emal : Mrs.Dewsurat@gmal.om Abstra Peelta dlaua utu medesa Fuzzy Clusterg megguaa algortma C-Meas da algortma Mxture dalam pelustera data urah huja Kota Begulu, membadga algortma C-Meas da Algortma Mxture dalam emghasla performas algortma C-Meas da lagortma Mxture dalam meghasla tgat eaurata loas perraa urah huja bulaa stasu Klmatolog Pulau Ba Begulu. Data urah huja Kota Begulu daalss megguaa algortma software matlab. Dar hasl peguja megguaa software matlab dbatu megguaa software SOCR dperoleh hasl peguja dega megguaa Fuzzy C-Meas area pegelompoa dataya berdasara dega derajat eaggotaa sehgga pusat luster yag dahsla dalam meapa fugs sasara mear solus terba utu lusterluster dapat dlaua lebh epat dtujua dega proses pegeheta teras. Output dar fuzzy C-meas bua merupaa Fuzzy Iferee System, amu merupaa dereta luster da beebrapa derajat eaggotaa utu tap tap tt data. Iformas dapat dguaa utu membagu suatu fuzzy feree system. Kata Ku Algortma Fuzzy C-Meas; Algortma Mxture. I. PENDAHLAN Koves Iterasoal d seluruh dua meyataa bahwa urah huja mempuya pera yag sagat petg, utu meduug setor peerbaga, dbera layaa jasa meteorolog utu megata eamaa da eselamata peerbaga. Idoesa juga telah meerapa hal dataraya dalam peratura Pemertah No. 3 tahu 200 tetag eselamata peerbaga. Berdasara data praraa urah huja tahu 204 pada Kota Begulu yag dlaua pada empat pos pegamata yag dguaa dalam proses praraa urah huja yag terjad dar masg-masg pos pegamata ddapat praraa urah huja dega rata-rata 200mm - 400mm masu dalam pegelompoa sfat praraa urah huja ormal. Stasu Klmatolog Pulau Baa Begulu adalah salah satu t Pelasaa Tes Bada Meteorolog Klmatolog da Geofsa yag mempuya tugas poo utu melasaaa pegamata, pegolaha, da peyebara data usur-usur uaa / Ilm (ag, huja, suhu, teaa udara, vsblty da laya sehgga data urah huja dapat delompoa dsesuaa dega ebutuha masyaraat. Dar Pegelompoa data urah huja dalam satu tahu atau 2 bula sesua dega ebutuha pegelompoa data berdasara sfat huja, dmaa sfat huja dbag mejad 3 (tga ategor yatu Atas Normal (AN ja la urah huja lebh dar 5% terhadap rata-rataya, Normal (N ja la urah huja atara 85%-5% terhadap ratarataya da Bawah Normal (BN ja la urah huja urag dar 85% terhadap rata-rataya. Sehgga urah huja yag teream pada empat pos pegamata ota Begulu aa delompo berdasara sfat huja dega megguaa Algortma Fuzzy C-Meas da Algortma Mxture. Metode fuzzy lusterg, telah baya daplasa utu megelompoa suatu data berdasara esamaa/emrpa yag dml oleh suatu wlayah. Terdapat berbaga maam te fuzzy lusterg msalya Fuzzy Cluster-Meas (FCM da Mxture Modellg. tu Fuzzy C-Meas (FCM adalah utu memmalsasa objetve futo yag dset dalam proses lusterg, yag ada pada umumya berusaha memmalsasa varas d dalam suatu luster da memasmala varas atar luster. Mxture Modellg merupaa salah satu jes data lusterg dmaa dalam pemodelaya, data dalam suatu elompo dasumsa terdstrbus sesua dega salah satu jes dstrbus statst yag ada. Beberapa otoh pemafaata Algortma Clusterg dataraya oleh The Houw Log da PM Sregar (2003 dalam peraa pegelompoa samar dalam preds eerga d Idoesa, oleh Muhamad Aql, Frmasyah, Ab Prabowo da Moses (2000 memafaata lusterg tgat pemaaa pompa ar taah megguaa model fuzzy lusterg, Susato da Erawat (2006 juga memafaata pembaga elas peserta ulah berdasara fuzzy lusterg da [9] fuzzy C-Meas utu lusterg data (Stud asus : data performae megajar dose. Meurut [], Tujua pegguaa algortma C-Meas da algortma Mxture adalah utu lagah awal megelompoa reord-reord data yag daalss sehgga terelompo e dalam terval-terval elas yag lebh sedt yag dharapa dapat mempertgg tgat auras yag dhasla.. Dar data yag dhasla dar edua algortma atya aa dbadga sehgga dapat dsmpula dar edua algortma aa dapat satu algortma dmaa haslya atya medeat auras data. Oleh areaya aa sagat mear bagamaa megguaa algortma C-Meas da algortma Mxture sehgga atya dapat djada sebaga salah satu te dalam peglustera data urah huja. Semar Nasoal Aplas Teolog Iformas (SNAT 206 ISSN: Yogyaarta, 6 Agustus 206 A-7

2 Perumusa masalah dar peelta adalah sebaga berut :. Bagamaa meerapa algortma C-Meas dalam peglustera data urah huja? 2. Bagamaa meerapa algortma algortma Mxture dalam peglustera urah huja? 3. Membadga luster data urah huja dega Algortma C-Meas da Algortma Mxture? 4. Bagamaa meetua algortma yag sesua dguaa utu peglustera berdasara data urah huja? II. FZZY CLSTERING Kemuula fuzzy lusterg dlatarbelaag adaya masalah urse of dmesoalty, yatu jumlah rule yag begtu epat membesar dega bertambahya jumlah varabel put FIS. Jumlah rule yag terlalu besar jelas aa membuat omputas mejad berat da juga optmas parameter-parameter rule mejad lebh sult. Dega fuzzy lusterg, suatu data put output aa delompoa dalam beberapa grup atau luster. Iformas luster aa membatu dalam FIS tpe Sugeo terba yag bsa memodela elaua hubuga data putoutput dega jumlah rule mmum. Defs sebuah rule dasosasa dega suatu luster data. Pembagua FIS dema bsa seara otomats dlaua megguaa fugs gefs2[7]. Fuzzy lusterg adalah salah satu te utu meetua luster optmal dalam suatu ruag vetor yag ddasara pada betu ormal Eulda utu jara atar vetor. Fuzzy lusterg sagat bergua bag pemodela fuzzy terutama dalam megdetfas atura-atura fuzzy. tu pegelompoa para pegambl eputusa mejad elompo-elompo el, berdasara persamaa araterst, dbutuha suatu measme tertetu. Pada proses peglustera (lusterg seara las, pembetua parts dlaua sedema rupa sehgga setap obje berada tepat pada satu parts. Namu, adaalaya ta tda dapat meempata suatu obje tepat suatu parts, area sebearya obje tersebut terleta datara dua atau lebh parts yag la. Pada loga fuzzy, ada beberapa metode yag dapat dguaa utu melaua pegelompoa sejumlah data yag serg deal dega ama fuzzy lusterg. Pada ebayaa stuas, fuzzy lusterg, lebh alam ja dbadga dega peglustera seara las. Suatu algortma lusterg dataa sebaga algortma fuzzy lusterg ja da haya ja algortma tersebut megguaa parameter strateg adaptas seara soft ompettve (Barald, 998. Sebaga besar algortma fuzzy lusterg ddasara atas optmas fugs obyetf atau mdfas dar fugs obyetf tersebut. Pemlha algortma lusterg yag tepat, sagatlah petg dem susesya proses lusterg. Seara umum, algortma peglustera dra berdasara uura edeata da rtera peglustera (Vazrgas,2003. ura edeata meujua seberapa deat edeata ftur atara dua data; sedaga rtera peglustera basaya despresa dega megguaa fugs baya atau tpe atura yag laya. a. Parts Klas (hard partto Kosep parts mejad baga yag sagat petg bag proses peglustera. Tujua proses peglustera pada parts las adalah membag hmpua data e x e dalam elompo (grup atau elas dega asums bahwa detahu (Babusa, Dega megguaa teor hmpua las, parts las x dapat ddefsa sebaga suatu eluarga dar hmpua baga- hmpua baga (A A C P X, P X adalah power set } } ( ( dar X, dega propert sebaga berut (Bezde,98:! C A X... ( A Aj ; j... (2 Aj X;... (3 Persamaa meujua bahwa uo hmpua baga A bers semua data. Hmpua baga hmpua baga harus bersfat dsjo (persamaa 2, da tda boleh ada yag berupa hmpua osog (persamaa 3. Dalam betu fugs eaggotaa, suatu parts dapat dpresetasa sebaga matrs parts x. Bars e- pada matrs tersebut bers la eaggotaa µ pada hmpua baga A. Berdasara persamaa maa eleme-eleme pada matrs harus memeuh ods sebaga berut : 0, ; ;... (4 { } ;... (5 0 < < ;... (6 Semua emuga parts matrs X dsebut dega hard partto spae (Bezde, 98 Parts Fuzzy (fuzzy partto Ja pada parts las, suatu data seara eslusf mejad aggota haya pada satu luster saja, tda dema halya dega parts fuzzy. Pada parts fuzzy, la eaggotaa suatu data pada suatu luster µ terleta pada terval [0,]. Matrx parts pada parts fuzzy memeuh ods sebaga berut : 0, ; ;... (7 [ ] ;... (8 0 < < ;... (9 Bars e- pada matrs parts bers la eaggotaa data pada hmpua baga fuzzy A. Jumlah Semar Nasoal Aplas Teolog Iformas (SNAT 206 ISSN: Yogyaarta, 6 Agustus 206 A-8

3 derajat eaggotaa setap data pada semua luster (jumlah setap olom berla (persamaa 8. Semua emuga parts dar matrs X dsebut dega fuzzy parttog spae, yag ddefsa sebaga : M h x { 0,},, ;, ; 0 < < b. Parts Posblst (possblst partto Tda sepert halya edua parts datas, pada parts posblst jumlah la eaggotaa suatu data pada semua luster tda harus, amu utu mejam suatu data mejad aggota dar (palg tda suatu luster, maa dharusa ada la eaggotaa yag berla lebh dar 0. Matrs parts pada parts fuzzy memeuh ods sebaga berut (Krshapuram, 993: 0, ; ;... (0 [ ] > 0; 0 <,,... ( < ;... (2 Semua emuga parts matrsx dsebut dega Possblst parttog spae, yag ddefsa sebaga : M p x { 0, },, ;, > 0; ;0 < < A. Algortma C-Meas Fuzzy C-Meas (FCM adalah suatu te peglustera data yag maa eberadaa tap-tap tt data dalam suatu luster dtetua oleh derajat eaggotaa. FCM bua merupaa eaggotaa fuzzy feree system, amu merupaa dereta pusat luster da beberapa derajat eaggotaa utu tap-tap tt data. Iformas dapat dguaa utu membagu suatu fuzzy feree system [3]. Membershp futo utu suatu data e suatu luster tertetu dhtug megguaa rumus sebaga berut : j D( X D( X, V, V j 2 m,... (3 dmaa: u : Membershp futo data e- e luster e- v : Nla etrod luster e- m : Weghtg Expoet Membershp futo, u, mempuya wlayah la 0 u. Data tem yag mempuya tgat emuga yag lebh tgg e suatu elompo aa mempuya la membershp futo e elompo tersebut yag medeat aga da e elompo yag la medeat aga 0.. Tetua : a. Matr X beruura x m, dega jumlah data yag aa dluster; da m jumlah varable (rtera. b. Jumlah luster yag aa dbetu C( 2. Pagat (pembobot w (>. d. Masmum teras e. Crtera pegheta ξ (la postf yag sagat el f. Iteras awal, t, da ; 2. Betu Matrs parts awal, 0, sebaga berut : 2 C " 2 22 C " 2!!!! 2 C 3. Htug Pusat Cluster, V, utu setap luster : V ( j ( w. x w j "... (4 4. Perba derajat eaggotaa setap data pada setap luster (perba matrs parts, sebaga berut: dega : d C j d d j d v 2 /( w m j... (5 j v j / 2 Tetua rtera berhet, yatu perubaha matrs parts pada teras searag dega teras sebelumya, sebaga berut : t t... (6 Apabla ξ, maa teras dheta, amu apabla > ξ, maa aa teras (tt+ da embal e lagah 3. Peara la D dapat dlaua dega megambl eleme terbesar dar la mutla selsh atara dega (t-... (t B. Algortma Mxture Algortma Mxture merupaa salah satu jes data lusterg dmaa dalam pemodelaya, data dalam satu elompo dasumsa terdstrbus sesua dega salah satu jes dstrbus sesua dega salah satu jes dstrbus statst yag ada. Algortma mxture merupaa metode yag mempuya optmas yag sama dega algortma C- Meas melalu proses optmzato da Maxmzato []. Dstrbus statst yag palg serg dguaa dalam data lusterg megguaa metode mxture adalah Semar Nasoal Aplas Teolog Iformas (SNAT 206 ISSN: Yogyaarta, 6 Agustus 206 A-9

4 dstrbus Gaussa/Normal. Dsampg area emudaha peurua berbaga rumus yag dperlua dega dstrbus multvarate Gaussa meghtug jara dega rumus sebaga berut : D Mahalaob s T 2, x x2 x 2 x 2 x mahalaobs dmaa: (x2 x T : Traspose dar sebuah matrs ( - : Iverse dar sebuah matrs Σ : Varae Covarae matrs dega relatve abudae dar luster yag bersaguta sepert berut P f x... (7 dmaa: p f (x q q ( : Probabltas data e- mejad aggota luster e- : Relatve abudaes luster e- : Dstrbus probabltas luster e- : Parameter yag teraup d dalam dstrbus yag dasumsa utu luster e- tu peelta, dpapara metode radom searh yag membera la jumlah luster seara radom d awal setap proses optmas. Algortma yag dguaa adalah sebaga berut : a. Tetua jumlah luster b. Aloasa data seara radom e masg-masg luster yag telah dtetua. Htug meas (sama dega etrod pada K- Meas dar masg-masg luster 2. Htug stadar devas/varae ovarae dar masg-masg luster 3. Htug la probabltas masg-masg data e masg-masg luster 4. Kembal e Step b., apabla perubaha la probabltas mash d atas la threshold yag dtetua, atau apabla perubaha pada la etrod mash d atas la threshold yag dtetua, atau apabla perubaha pada la objetve futo mash d atas la threshold yag dtetua.. Kembal e Step a. apabla mash ada jumlah luster yag g daalsa. Dega asums bahwa data terdstrbus seara ormal, meas luster e-, ì,dhtug dega megguaa rumus sama dega metode Fuzzy K-Meas dega u merupaa la probabltas data tersebut termasu d dalam luster e-. Sedaga stadar devas/varae ovarae luster e-, ó Ó, dhtug dega megguaa rumus sebaga berut: N N... (8 N N 2 T... (9 dmaa: N : Jumlah data ì : Meas luster e- sedaga utu meghtug la probabltas data e- e luster e- dguaa rumus peghtuga probabltas C. Praraa Curah Huja Praraa adalah suatu proses yag memperraa sesuatu seara sstemat tetag sesuatu yag palg mug terjad d masa depa berdasara formas d masa lalu da searag yag dmlya agar esalaha (selsh atara hasl pedugaa dega eyataaya dapat dperel [0]. Curah Huja (mm merupaa etgga ar huja yag jatuh pada tempat yag datar dega asums tda meguap, tda meresap da tda megalr. Curah huja (satu mm adalah ar huja setgg (satu mm yag jatuh (tertampug pada tempat yag datar seluas m² dega asums tda ada yag meguap, megalr da meresap [0]. Curah huja umulatf (satu bula adalah jumlah urah huja yag terumpul selama 28 atau 29 har utu bula februar da 30 atau 3 har utu bula-bula laya. Sfat huja merupaa perbadga atara jumlah urah huja selama retag watu yag dtetapa (satu perode musm emarau dega jumlah urah huja ormalya (rata-rata selama 30 tahu ( pada bula da tempat yag sama. Sfat huja dbag mejad 3 (tga ategor, yatu : a. Atas Normal (AN : ja la urah huja lebh dar 5% terhadap rata-rataya. b. Normal (N : ja la urah huja atara 85%-5% terhadap rata-rataya.. Bawah Normal (BN : ja la urah huja urag dar 85% terhadap rata-rataya. III. METODOLOGI PENELITIAN Keraga erja (frame wor merupaa lagahlagah yag dlaua dalam peulsa. Adapu eraga erja yag dguaa dalam peulsa adalah sepert gambar. Semar Nasoal Aplas Teolog Iformas (SNAT 206 ISSN: Yogyaarta, 6 Agustus 206 A-0

5 Medefsa Ruag Lgup Masalah Megaalsa Masalah Meemua Tujua Mempelajar Lteratur Megumpula Data Memsaha Data utu Peguja Algortma Fuzzy C-Meas Mxture Modellg Megputa Data Pelatha da Pelatha Testg/peguja Megmplemetasa Fuzzy Clusterg C- Meas da Mxture Gambar. Keraga erja peelta Berdasara eraga erja pada gambar maa masg-masg lagahya duraa sebaga berut :. Defs Ruag lgup masalah Ruag lgup masalah yag aa dtelt harus dtetua terlebh dahulu area tapa mampu meetua serta medefsa rumusa da batasa masalah yag aa dtelt, maa tda aa perah ddapat solus yag terba dar masalah tersebut. Jad lagah adalah lagah awal yag terpetg dalam peulsa. 2. Aalsa Masalah Aalsa masalah adalah lagah yag dlaua utu memaham masalah yag telah dtetua ruag lgup atau batasaya. Dega megaalsa masalah yag telah dtetua tersebut, maa dharapa masalah dapat dpaham dega ba. 3. Meetua Tujua Berdasara pemahama dar masala, maa dtetua tujua yag aa dapa dar peelta. Pada tujua dtetua target yag aa dapa, terutama yag dapat megatas masalah-masalah yag ada. 4. Mempelajar Lteratur tu meapa tujua maa dpelajar beberapa lterature-;teratur yag dapat djada dasar atau rujua dalam peelta. 5. Megumpula Data Dalam pegumpula data dlaua observas yatu pegamata seara lasug dtempat peelta sehgga permasalaha yag ada dapat detahu dega jelas. Kemuda dlaua wawaara yag bertujua utu medapata formas atau data yag dbutuha. Sela tu, juga dlaua stud epustaaa yatu dega membaa buu-buu yag meujag dalam melaua pegaalsaa terhadap data da formas yag ddapat. 6. Memsaha Data utu pelatha da peguja Setelah dlaua pegumpula data, maa selajutya data yag dperoleh dpsaha mejad dua baga. Baga pertama dperguaa utu melath Fuzzy Clusterg da baga edua dguaa utu meguj algortma Fuzzy C-Meas da Mxture. 7. Peraaga Aplas Fuzzy Clusterg Baga merupaa peraaga aplas fuzzy lusterg dmaa dalam peelta terdapat dua algortma yag dguaa utu meguja data urah huja megguaa algortma fuzzy C-Meas da algortma mxture berdasara dega Algortma yag dml oleh masg-masg. Dmaa utu algortma C-Meas melaua uruta proses yag terdapat dalam algortma dega megguaa rumus 4, 5, 6, 7 da 8. sedaga utu algortma Mxture melaua uruta algortma sama dega algortma C-Meas meetua jumlah luster emuda mejalaa rumus berdasara uruta algortma Megumpula data utu pelatha Lagah dlaua sebelum melaua pelatha agar dalam melaua pelatha data yag d guaa legap. 8. Pelatha Lagah dlaua utu melath edua algortma yatu Fuzzy C-Meas da Mxture utu meemua auras data sehgga terjad pegelompoa atau peglustera data urah huja. 9. Peguja / Testg Baga dlaua utu meguj dar edua metode algortma yag dguaa maaah yag meghasla luster yag auras data mejad luster sesua dega luster yag dtetua. 0. Megmplemetasa Fuzzy Clusterg Setelah fuzzy lusterg dega algortma fuzzy - meas da mxture duj maa selajutya Fuzzy lusetrg dega edua algortma tersebut dmplemetasa. Aalsa sstem adalah peguraa dar suatu sstem utuh e dalam baga ompoe-ompoe dega masud utu megdetfas da megevaluas permasalahapermasalaha, hambata-hambata yag terjad da ebutuha-ebutuha yag dharapa sehgga dapat dusula suatu perbaa. Data yag dguaa adalah data urah huja bulaa Kota Begulu selama lma tahu dmaa data berasal dar alat peguur urah huja Ambrometer atau Type Hellma. Program batu yag dguaa dalam peglustera data urah huja Kota Begulu megguaa Algortma C-Meas da Algortma Mxture adalah Matlab 6.5 yag maa dalam program Matlab vers 6.5 terdapat Toolbox Fuzzy Cluster yag Semar Nasoal Aplas Teolog Iformas (SNAT 206 ISSN: Yogyaarta, 6 Agustus 206 A-

6 mempuya emampua dalam megelompoa data sesua dega elompo data yag telah dtetua. Krtera yag dguaa utu megheta proses t t teras dar algortma C-Meas adalah, apabla < ( toleras maa teras dheta. Namu apabla > ( toleras maa aa teras (tt+ da proses embal e meghtug la etrod. Proses Peguja yag dlaua adalah peerapa algortma C-Meas utu peglustera dega data urah huja, jumlah luster, bayaya teras, toleras(ξ, da pagat/pembobot telah dtetua. Data urah huja, jumlah luster, bayaya teras, toleras(ξ, da pagat/pembobot d put pada saat rug program. Dalam proses aa dhtug Cetrod da Membershp Futo dega megguaa algortma C-Meas. Berut aa djabara lagah-lagah peglustera dalam model algortma C-Meas. Dbera data sebaga berut : Z Aa dlaua Fuzzy Clusterg dega FCM. Lagah a. Jumlah luster yag dharapa 3 b. Nla pembobot m3. Toleras pegheta ξ.0-6 d. Masmum teras 00 Lagah 2 : Isalsas matrs parts awal seara aa Iteras : Lagah 3 htug luster eter (meas V Lagah 4 da 5 htug jara da perbaharu matrs parts. Ddapata matrs parts sebaga berut : Krtera yag dguaa utu megheta proses teras dar algortma Mxture adalah P f x, ( apabla P < ( toleras maa teras dheta. Proses Peguja yag dlaua adalah peerapa algortma Mxture utu peglustera dega data urah huja, jumlah luster, bayaya teras, toleras(ξ, da pagat/pembobot telah dtetua. Tt awal, bayaya teras, toleras(ξ, da pagat/pembobot d put pada saat rug program. Dalam proses aa dhtug Cetrod da Membershp Futo dega megguaa algortma Mxture. Berut aa djabara lagahlagah peglustera dalam model algortma Mxture, dbera data pada tabel. TABEL I. DATA ALGORITMA MIXTRE X X2 Y Y Aa dlaua Fuzzy Clusterg Dega Gaussa Mxture Modellg (GMM. Lagah : Tetua jumlah luster dmaa Kerel/C 2 Lagah 2 : a. Htug Meas (sama dega etrod pada FCM dar masg-masg luster. Isalsas matrs parts aa dar data 3.54 ( > Iteras 2 : Lagah 3 : Htug luster eter (meas V Lagah 4 da 5 htug jara da perbaharu matrs parts. Ddapata matrs parts baru sebaga berut : 0.05 ( > Da seterusya, perhtuga aa dlasaaa hgga < terpeuh atau masmum teras terapa. Maa ddapat meas : V b. Htug Stadar Devas/varae ovarae dar masg-masg luster S S S S XX XY YX YY IV. SIMLASI DAN PENGJIAN SISTEM Perobaa dlaua dega megguaa Bahasa Pemrograma Matlab 6.5, data yag dguaa Semar Nasoal Aplas Teolog Iformas (SNAT 206 ISSN: Yogyaarta, 6 Agustus 206 A-2

7 drepresetasa dalam betu proses peguja yag dlaua dalam peerapa algortma Fuzzy Clusterg Meas (FCM da Mxture. Dar hasl perobaa, parameter yag aa dhtug dalam edua metode tu adalah matrs parts, pusat luster (etrod, stadar devas, da la probabltas. Dalam perobaa yag dlaua dalam peguja sstem dega megguaa data yag tersmapa dalam Mrosoft Exel dega ama DATA CRAH HJAN.xls. Dmaa data yag dguaa terdapat 2 sample data (dmaa utu data selama satu tahu/2 bula, dalam dua varabel yatu X : tempat pemersaa Dperta Padag Harapa da X2: Stasu Klomatolog Pulau Bal. TABEL II. DATA CRAH HJAN DATA VARIABEL KE : X X Dmaa data yag tabel atya yag aa dmplemetasa e dalam algortma Fuzzy Clusterg Meas (FCM da Algortma Mxture. A. Peguja Hasl Peglustera dalam Algortma Fuzzy Clusterg Meas (FCM Peguja hasl peglustera dalam algortma Fuzzy lusterg meas (FCM dmaa dega megut algortma yag sudah dbahas dbab empat. Dalam algortma FCM terdapat Peguja hasl matrs parts dega megsalsas matrs parts awal seara aa dar data yag dguaa. Berut lagah-lagah yag dlaua dalam peguja data tersebut dega megguaa Matlab 6.5 yag terdapat pada Matlab edtor terdapat tga plha, ta megl plha hage MATLAB urret dretory. Maa muul tampla hasl rug program. Gambar 2. Commad Wdows hasl rug program Setelah starya djalaa maa aa memula dega teras pertama, da star edua djalaa maa aa meerusa proses terasya dmaa aa terlhat d ommad wdows proses teras yag dlaua. Gambar 3. Commad Wdows utu proses teras 2D FCM Dega tampla pada terfae 2D FCM ya sebaga berut : Semar Nasoal Aplas Teolog Iformas (SNAT 206 ISSN: Yogyaarta, 6 Agustus 206 A-3

8 Gambar 6. Tampla Show All pada Software SOCR Gambar 4. Hasl 2D FCM setelah dlaua proses teras B. Peguja Hasl Peglustera dalam Algortma Mxture Peguja hasl peglustera dalam algortma Mxture dmaa dega megut algortma yag sudah dbahas dbab sebelumya. Dalam algortma Mxture sebearya utu put data sama dega algortma yag dbahas pada FCM, tetap pada algortma mxture terdapat la stadar devas da la probabltas yag masu dalam proses algortma. Dar hasl tampla Show All terdapat result tabel for seres dmaa meampla formas la meas dar sumbu x da y, la stadar devas, bobot/weght, out/teras yag dlaua berdasara dega proses ru yag djalaa da epslo. Hasl pegelompoa data Gaussa Mxture Modellg (GMM meujua pegelompoa data berdasara dega dstrbus statst dega Gaussa, pada algortma lagah awal yag dlaua berdasara dega la etrod tt-tt data yag ddapat mea baru da probabltas luster tap teras sehgga terjad pergesera data sehgga proses ru yag dlaua medetes terjadya overlap data dalam sebuah luster. C. Perbadga Algortma Fuzzy Clusterg Meas (FCM da Algortma Mxture (Gaussa Mxture Modelg/GMM Data yag dguaa adalah data urah huja tahu 2008 dega dua pos pegamata yatu XStasu Klmatolog Pulau Ba da X2Dperta Padag Harapa. Dmaa data dambl dar bula jauar sampa dega desember Berdasara dega peelusura algortma Fuzzy Clusterg Meas (FCM da Gaussa Mxture Modellg (GMM dlaua proses pegputa da perhtuga data dega megguaa program Matlab 7. dega jumlah luster, matrs X, matrs parts, etrod/meas, stadar devas, la probabltas, pembobot/pagat (w, masmum teras da rtera pegheta. Hasl perhtuga dapat dsaja pada tabel 3. Gambar 5. Tampla Graph dar Software SOCR Chart Graph yag dhasla dar proses put data da proses mappg yag sudah dlaua da juga dapat dega fasltas Show All area area pada tampla aa meampla semua hart dega tabel yag ada. Semar Nasoal Aplas Teolog Iformas (SNAT 206 ISSN: Yogyaarta, 6 Agustus 206 A-4

9 TABEL III. HASIL PERHITNGAN FCM DAN GMM No Fuzzy Clusterg Meas (FCM Pegelompoa data berdasara dega derajat eaggotaa 2 Pada hasl perhtuga la eter/ pusat luster : a. tu teras : pada luster terdapat pegata pergesera sebesar 0,07% b. tu teras : pada luster 2 terdapat pegata pergesera 0,05%. tu teras 2 : pada luster terdapat peurua sebesar 0.02% d. tu teras 2 : pada luster 2 terdapat peurua sebesar 0,008% Dar pergesera yag terjad pada proses dua teras sudah meapa tt pusat luster yag meapa fugs sasara (objet fugto pada oordat C: da da C2: da Iteras aa terhet apabla meapa fugs sasara (objet futo 4 Pada Fuzzy C-Meas dalam pelustera data membag data dbaga tegah tapa memra omposs da eadaa data yag dmodel. 5 Dalam Fuzzy C-Meas mempuya emampua pegaloasa ulag data e luster da objetve futo yag dguaa. 6 Pegaloasa data dalam setap luster tergatug pada pusat luster. Gaussa Mxture Modellg (GMM Pegelompoa data berdasara dega dstrbus statst (Gausa Mxture Modellg Pada hasl perhtuga la etrod pada 0 teras utu masg-masg luster ddapat la meas dar masg-masg luster yag megadug perubaha data 0% la probabltas utu luster 2, da varees utu luster da 2 terdapat tred data a turu. Dar oordat yag terdpaat dalam luster da 2 sema tgg la stadar devas peympaga yag terjads ema besar dega ods buru. Stadar devas dar hasl rtera yag pertama da edua yag dhasla matr devas yag tredya a turu. Hasl teras berhet sampa overlap data da luster yag dtetua Pada Gaussa Mxture Modellg pembaga data dega meyesuaa pada eadaa data yag melhat sebara da dstrbus data yag daalsa. Gaussa Mxture Modellg (GMM mempuya emampua utu medetes eberadaa suatu luster yag overlap dega luster yag la. Pegaloasa data berdasara dega meas masg-masg luster. Dar tabel 3 dapat dsmpula bahwa edua algortma Fuzzy Clusterg Meas (FCM da Gaussa Mxture Modellg (GMM pada data urah huja Kota Begulu maa algortma dapat dembaga dega asus adalah Fuzzy C-Meas area pegelompoa dataya berdasara dega derajat eaggotaa sehgga memperba pusat luster yag dhasla dalam meapa mmsas fugs sasara yag meggambara jara dar tt-tt data yag dbera e pusat luster utu mear loas terba utu luster-lusterdapat dlaua lebh epat yag dtujua dega proses pegheta teras. V. KESIMPLAN DAN SARAN Perbadga algortma Fuzzy Clusterg Meas (FCM da Gaussa Mxture Modellg (GMM utu medapata alteratf yag terba, dapat dguaa utu memeaha masalah dalam megelompoa data yag meml esamaa jumlah data urah huja yag sama atau medeat, sehgga dapat dguaa sebaga peduug pegambla eputusa dalam megelompoa data. Hasl aalsa perbadga atara algortma Fuzzy C- Meas (FCM da Gaussa Mxture Modellg (GMM maa algortma Fuzzy C-Meas dapat dembaga dalam pegelompoa data urah huja Kota Begulu yag berdasara sfat huja area algortma fuzzy C-Meas dapat meetua loas terba dalam luster berdasara dega proses terasya. Hasl peelta Algortma FCM dapat membatu Bada Metereolog, Klmatolog da Geofsa Stasu Klmatolog Pulau Ba Begulu dalam megelompoa atau meglustera data berdasara dega sfat huja. DAFTAR PSTAKA [] Agusta Yud, (2007, K-Meas-Peerapa, Permasalaha da Metode Terat, Joural Sstem da Iformata Vol.3 hal [2] Aql M, Frmasyah, Prabowo A, Maalao M, 2007, Klasterg Tgat Pemaaa Pompa Ar Taah Megguaa Model Fuzzy Jural Iformata Pertaa Volume 6 No. [3] Kusumadew S, 2002, Aalss Desa Sstem Fuzzy megguaa Toolbox Matlab, Yogyaarta, Graha Ilmu. [4] Kusumadew S da Puromo H, 2004, Aplas Loga Fuzzy tu Pegambla Keputusa, Yogyaarta, Graha Ilmu. [5] Kusr da Luthf Tauf Emha, 2009, Algortma Data Mg, Yogyaarta, Peerbt Ad. [6] Kusumadew S, Hartat, S, Harjoo A, Wardoyo R, 2006, Fuzzy Mult Atrbut Deso Mag (Fuzzy MADM Yogyaarta, Graha Ilmu. [7] Naba Agus, 2009, Belajar Cepat Fuzzy Log Megguaa Matlab, Belajar Cepat Fuzzy Log Megguaa Matlab Yogyaarta, Ad [8] Susato da Erawat, 2005, Pembaga Kelas Peserta ulah ebrdasara dega Fuzzy Clusterg da Partto Coeffet ad Expoetal Separato (PCAES Idex. [9] Luthf Tauf E, 2007, Fuzzy C-Meas utu Clusterg data (Stud Kasus : Data Performae Megajar Dose, Semar Natoal Teholog Tahu 2007, Yogyaarta. [0] Warsto B da Sumyat S, 2003, Preds Curah Huja Kota Semarag dega Feedward Neural Networ Megguaa Algortma Quas Newto BFGS da Leveberg-Marquardt, Jural Program Stud Te Lguga FT dp. Semar Nasoal Aplas Teolog Iformas (SNAT 206 ISSN: Yogyaarta, 6 Agustus 206 A-5

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

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 Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

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 Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear JURNL TKNIK ITS Vol. Sept ISSN: -97 - Implemetas lgortma Partcle Swarm utu Meyelesaa Sstem Persamaa Nolear rdaa Rosta Yudh Purwaato da Rully Soelama Jurusa Te Iformata Faultas Teolog Iformas Isttut Teolog

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k Prma: Jural Program Stud Pedda da Peelta Matemata Vol. 6, No., Jauar 07, hal. 7-59 P-ISSN: 0-989 METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l UNTUK BEBERAPA NILAI

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Jural Ilmah Mrote Vol., No. 4 OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Joha Vara Alfa ), Rully Soelama ), Chaste Fatchah ) ), ), ) Te Iformata, Faultas

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu

Lebih terperinci

Prosiding Seminar Nasional Matematika dan Pembelajarannya. Jurusan Matematika, FMIPA UM. 13 Agustus 2016

Prosiding Seminar Nasional Matematika dan Pembelajarannya. Jurusan Matematika, FMIPA UM. 13 Agustus 2016 Prosdg Semar Nasoal Matemata da Pembelajaraya. Jurusa Matemata, FMIPA UM. Agustus 06 METODE NUMERIK STEPEST DESCENT DENGAN ARAH PENCARIAN RERATA ARITMATIKA Rumoo Bud Utomo Uverstas Muhammadyah Tagerag

Lebih terperinci

STATISTIKA ELEMENTER

STATISTIKA ELEMENTER STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

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

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

8.4 GENERATING FUNCTIONS

8.4 GENERATING FUNCTIONS 8.4 GEERATIG FUCTIOS Fugs pembagt Fugs pembagt dguaa utu merepresetasa barsa secara efse dega megodea usur barsa sebaga oefse deret pagat dalam varabel. Fugs pembagt dapat dguaa utu: memecaha berbaga masalah

Lebih terperinci

EVALUASI OPERASI SISTEM TENAGA LISTRIK 5OO kv JAWA BALI MENGGUNAKAN PARTICLE SWARM OPTIMIZATION

EVALUASI OPERASI SISTEM TENAGA LISTRIK 5OO kv JAWA BALI MENGGUNAKAN PARTICLE SWARM OPTIMIZATION EVALUASI OPERASI SISTEM TENAGA LISTRIK 5OO V JAWA BALI MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Roy Chadrabuaa, Ad Soeprjato, Teguh Yuwoo Jurusa Te Eletro-FTI, Isttut Teolog Sepuluh Nopember Kampus ITS,

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube Aalsa Probablst Algortma Routg pada Jarga ypercube Zuherma Rustam Jurusa Matemata Uverstas Idoesa Depo 644. E-mal : rustam@maara.cso.u.ac.d Abstra Algortma routg pada suatu arga teroes suatu measme utu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

PENERAPAN OPTIMASI CHAOS DAN METODE BFGS (BROYDEN, BROYDEN, FLETCHER, GOLDFARB, AND SHANNO) PADA PENYELESAIAN PERMASALAHAN SISTEM PERSAMAAN NONLINIER

PENERAPAN OPTIMASI CHAOS DAN METODE BFGS (BROYDEN, BROYDEN, FLETCHER, GOLDFARB, AND SHANNO) PADA PENYELESAIAN PERMASALAHAN SISTEM PERSAMAAN NONLINIER PENERAPAN OPTIMASI CHAOS DAN METODE BFGS (BROYDEN, BROYDEN, FLETCHER, GOLDFARB, AND SHANNO PADA PENYELESAIAN PERMASALAHAN SISTEM PERSAMAAN NONLINIER Rully Soelama, Nur Chasa Faultas Teolog Iormas Isttut

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC JEMTN PD GRF FUZZY INTUITIONISTIC St lfatur Rohmaah, au Surarso, da ambag Irawato 3 Uverstas Islam Darul Ulum Lamoga, a0304@gmalcom Uverstas Dpoegoro Semarag 3 Uverstas Dpoegoro Semarag bstract tutostc

Lebih terperinci

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE Aalss Losses Jarga Dstrbus Prmer 0 v Area Lhoseumawe....Zamzam ANALSS LOSSES JARNGAN DSTRBUS PRMER 0 AREA LHOSEUMAWE Zamzam 1 1 Dose Jurusa Te Eletro Polte Neger Lhoseumawe ABSTRA Peelta bertujua utu megetahu

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat Mater Bahasa Pemrograma Blaga Bulat (Iteger Programmg) Kulah - Pegatar pemrograma blaga bulat Beberapa cotoh model pemrograma blaga bulat Metode pemecaha blaga bulat Metode cuttg-plae Metode brach-ad-boud

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

UKURAN KARAKTERISTIK DATA & ANALISIS PERBANDINGANNYA

UKURAN KARAKTERISTIK DATA & ANALISIS PERBANDINGANNYA Statst Eoom 2013 UKURAN KARAKTERISTIK DATA & ANALISIS PERBANDINGANNYA Karaterst Data : Meyagut pada uura-uura yag dapat meleat/dml adalah seumpula data sebaga formas aa ods data 1 Uura dalam data uattatf

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB I PENDAHULUAN. Statistik Terapan Sem 3 D-IV Jalan Tol

BAB I PENDAHULUAN. Statistik Terapan Sem 3 D-IV Jalan Tol BAB I PENDAHULUAN PENGERTIAN ISTILAH STATISTIK DAN STATISTIKA Baya seal des tetag statst, dsebaba area luasya ruag lgup statst Utu eperlua prats, statst dapat darta secara sempt da luas Dalam art sempt,

Lebih terperinci

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID)

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID) PEELUSURA KARAKTERISTIK PERILAKU KOSUME DEGA METODE AUTOMATIC ITERACTIO DETECTIO AID Agus Rusgyoo Staf Pegajar Prod Statsta Jurusa Matemata FMIPA UDIP Abstract AID methods used to see relato betwee respos

Lebih terperinci

MEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

MEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA MEA QUARE ERROR TERKEIL DARI KOMBIAI PEAKIR RAIO-PRODUK UTUK RATA-RATA POPULAI PADA AMPLIG AAK BERTRATA R Kurat *, gt ugarto, Ruam Efed Maasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da

Lebih terperinci

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur Jural Matemata Itegrat ISSN 4-4 Vol. 9 No. Otober 0 pp. -9 Pelabela Total Super Ss Ajab Pada Gra Caterpllar Teratur Trya St Rahmah Nursham Muta Nur Estr Program Stud Matemata Jurusa MIPA Faultas Sas da

Lebih terperinci

Model Persediaan dengan Batasan Kapasitas Gudang dan Modal pada Kasus Backorder dan Lost Sales

Model Persediaan dengan Batasan Kapasitas Gudang dan Modal pada Kasus Backorder dan Lost Sales odel ersedaa dega atasa Kapastas Gudag da odal pada Kasus acorder da ost Sales Valeraa utosar urusa atemata Isttut Teolog Sepuluh Nopember Surabaya bstra ada model persedaa terdapat seragaa ebjaa memotor

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

BAB 2 TINJAUAN PUSTKA. Jaringan transmisi dan jaringan distribusi pada sistem tenaga listrik berfungsi

BAB 2 TINJAUAN PUSTKA. Jaringan transmisi dan jaringan distribusi pada sistem tenaga listrik berfungsi BAB TINJAUAN USTKA.. Sstem Dstrbus Jarga trasms da arga dstrbus pada sstem teaga lstr berfugs sebaga saraa utu meyalura eerg lstr yag dhasla dar pusat pembagt e pusat-pusat beba. Sstem arga dstrbus dapat

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA perpustaaa.us.ac.d dglb.us.ac.d BAB II TINJAUAN PUSTAKA. Ladasa Teor.. Efus Pleura Pleura adalah membrae petg yag membugus setap paru da berfugs utu meldug paru. Membrae baga luar damaa pleura paretal,

Lebih terperinci