Analisa Problem Difraksi Pada Celah dengan Regularisasi TSVD dan Tikhonov

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisa Problem Difraksi Pada Celah dengan Regularisasi TSVD dan Tikhonov"

Transkripsi

1 Prodng SNPPI 0 ISBN: Anala Problem Dfrak Pada Celah dengan Regulara SVD dan khonov Mudrk Alaydru eknk Elektro, Unverta Mercu Buana J. Raya Meruya Selatan, Kembangan, Jakarta, 650 E-mal : mudrkalaydru@yahoo.com Abtrak-- Dalam problem dfrak erkng dketahu gelombang dfrak dan dcar gelombang umber dar dfrak n. Jka data gelombang dfrak yang dukur mengandung kealahan, malnya dakbatkan oleh noe, maka olu problem nver dengan nvere matrk akan memberkan hal yang ecara fka tdak memlk makna. Problem yang epert n memlk maalah dengan tabltanya, ehngga perlu dlakukan regulara. Pendekatan yang dlakukan adalah dengan mengamat nla ngular dar matrk tm dengan Sngular Value Decompoton. Metoda regulara runcated Sngular Value Decompoton memotong nla ngular yang lebh kecl dar noe edangkan regulara khonov menggunakan ebuah fung flter, yang melakukan modfka pada factor pembeban etap nla ngular. Hal pengamatan menunjukkan model ba drekontruk dengan cukup bak, tetap bearan ampltudonya mengecl cukup gnfkan. Kata Kunc : dfrak gelombang, problem nver, regulara khonov, SVD, SVD I. PENDAHUUAN Problem dfrak memankan peranan pentng dalam pelbaga aplka teknk dar dpln lmu fka. Gelombang elektromagnetka (termauk d dalamnya cahaya) dan gelombang uara, jka berada d ruang yang homogen, akan merambat epanjang gar luru. Jka d ruang terebut terdapat gangguan, malnya terdapat truktur yang memlk karaktertk materal yang berbeda, maka akan terjad dfrak atau penghamburan gelombang. D dalam fka dkenal konep ntegral lpatan (convoluton ntegal), dengan ntegra n ba dhtung gelombang dfrak, jka umber dfrak (malnya aru ltrk) dkenal. Operator atau kernel ntegra n, yang kerap debut ebaga fung Green, memankan peranan pentng dalam proe perhtungan tu endr. Dengan proe ntegra n, ada tga hal yang memankan peranan, yang pertama lngkungan terjadnya dfrak, dnyatakan oleh operator atau tm, yang kedua nput, berupa umber terjadnya dfrak dan yang ketga adalah bearan gelombang dfrak tu endr. II. PROBEM DIFRAKSI CAHAYA PADA CEAH Formula maalah yang dbaha d peneltan n adalah ebuah gelombang elektromagnetka m(θ) yang datang membentuk udut θ terhadap bdang normal. Gelombang n mengena bdang yang opaque (malnya metal) dengan ebuah celah dengan lebar a. D ruang ebelah kanan (gambar ) akan terbentuk gelombang dfrak d(φ) []. Gambar. Formula maalah Permaalahan n ba dberkan dengan hubungan ntegra berkut n π / d ( ϕ) = G( ϑ, ϕ) m( ϑ) dϑ dengan π / () πa n ( nϑ + nϕ) (, ) ( co co ) λ () G ϑ ϕ = ϑ + ϕ πa ( n n ) ϑ + ϕ λ Pada problem maju/langung (forward atau drect problem) dberkan nla dar gelombang datang m(ϑ), dengan ntegra yang dberkan d peramaan () dan kernel d peramaan (). Perhtungan ntegra n pada realanya dlakukan dengan bantuan komputer, yatu algortma ntegra numerk, yang bekerja ecara dkret. Gambar menunjukkan po dkret dar pengamatan π π ϕ = + ( ) =,,, n n Dan ttk ntegra 78

2 Prodng SNPPI 0 ISBN: π π ϑ j= + ( j ), untuk j =,,..., n n Demkan juga untuk =5, karena metr dar matrk G, maka d untuk ekta n, ama dengan G(:,6). Gambar. Formula maalah ke wlayah dkret Peramaan ntegral ba dubah menjad tm peramaan lner, Gambar 4. Data d dengan ekta m(=0)=, dan m()=0 untuk 0. ( ϑ, ϕ ) m( ϑ ) Δϑ + + G( ϑ ϕ ) m( ϑ ) Δϑ d ϕ ) G, ( j = j n j n untuk j=,,..,n. Dengan nota matrk ddapatkan peramaan [ d ] = [ G][ m] (3) Gambar 3 menunjukkan kolom dar matrk G untuk n = 0. Kolom matrk n berfat metr G(:,)=G(:,0), dan eterunya. Karaktertk dar matrk G yang metr n memberkan hal yang juga metr. Kolom dar matrk G n membentuk ruang kolom (column pace) yang kombna lnernya merupakan gelombang dfrak d [3]. Gambar 5. Data d dengan ekta m(=5)=, dan m()=0 untuk 5. III. PROBEM INVERSI DAN SINGUAR VAUE DECOMPOSIION (SVD) Pada prakteknya erng kal dtemukan, jutru gelombang dfraknya yang dkenal (malnya melalu uatu pengukuran), dan m perlu dhtung. Dar peramaan (3), ecara teoret ba dhtung nver dar matrk G, ehngga = [ G] [ (4) Gambar 3. Ruang kolom (column pace) dar matrk G (d adalah kombna lner dar ruang kolom n) Dengan menggunakan gelombang datang (exctaton) berupa mpul (pke) berturut-turut pada = 0 dan 5, dhalkan data d pada gambar 4 dan 5. Hal n ba dpredk dar gambar 3. Untuk ekta mpul pada =0, maka vektor m, yang merupakan faktor pengal dar kombna lner kolom-kolom matrk G, hanya memlk nla d m(0)=, yang lannya bernla 0, ehngga gelombang dfrak d, memlk nla yang ama dengan G(:,0). Menggunakan matrk G dan data d yang telah dkenal d gambar 4 dan gambar 5, proedur d peramaan (4) ecara prakt memberkan hal mpul nyal m pada =0 dan =5. Data hal pengukuran, d, baanya mengandung noe. Data d yang ada pada gambar 4 dkontamnakan dengan noe dengan varan 0-6. Gambar 6 menunjukkan data d tanpa noe, yang dberkan ecara logartma untuk lebh menampakkan eberapa kecl noe dbandngkan dengan data. D gambar 6 n-pun terlhat, data d dan data d + noe hampr tak ada bedanya, karena noe yang cukup kecl. 79

3 Prodng SNPPI 0 ISBN: [ G ] [ V][ S] [ U] + = (6) Dengan peudo-nvere n ba dhtung model, atau + [ G] [ = (7) Gambar 6. Data d dengan ekta m(=0)=, dan m()=0 untuk 0, addtve noe dengan varan 0-6, dan d + noe. Solu permaalah dengan menggunakan peramaan (4) dkenal juga dengan olu naf, untuk kau dengan noe n, memberkan hal m epert yang dtunjukkan d gambar 7. erlhat fluktua data yang angat cepat dan ampltudo yang angat tngg. Data n ecara fka pat alah, karena energ yang terkandung angat bear. Dar defn Hadamard [], problem yang epert n debut juga problem llpoed. Yatu uatu jen problem yang tdak tabl, yang karena ada edkt perubahan pada uatu nyalnya (dalam hal n data), maka terjad perubahan yang angat bear pada modelnya m. Gambar 7. Data rekontruk m dengan d yang terkena noe dengan varan 0-6. Untuk mendapatkan nforma mengena kejadan terebut d ata, dlakukan pengamatan lebh lengkap terhadap matrk G. Setap matrk pada daarnya ba ddekompokan dalam nla ngulernya [3], [ G ] = [ U] [ S] [ V] (5) Andakan matrk G adalah matrk egempat dengan dmen m x n. Matrx [U] dan [V] berfat ortonormal dan kuadrat edangkan matrx [S] adalah matrx dagonal dengan elemennya merupakan nla ngular yang bernla potf. Moore dan Penroe [] menguulkan cara untuk menghtung nvere dar matrx G dengan menggunakan SVD, nvere n merupakan generala nvere, atau debut juga peudo-nvere dar G, yatu Invere epert n dnamakan Moore-Penroe peudonvere. Sehngga vector model ba dhtung menjad + + = [ G] [ = Dengan [ z] = S [ V ] [ S] [ U ] [ = z V., [ ] [ U ] 0 = M 0 0 [ z] = M 0 Sehngga + = = 0 0 n [ U ]., [ O O n = 0 U., d U., d M M M U., m d m m 0 U U M U m.,.,., m U., U., = M M U., m m [ [ V ] (8)., Peramaan (8) memberkan nforma yang angat jela terhadap fenomena ddapatnya nla m yang angat bear d gambar 7. D peramaan (8) terlhat m berbandng luru dengan hal bag noe dengan nla nguler. Jad jka nla ngulernya angat kecl, jauh lebh kecl dar noe, akan ddapatkan nla yang bear. Gambar 8 memberkan nla nguler dar matrk G untuk kau n=0, tampak nla nguler dengan ordo 0-5. Dengan noe bervaran 0-6, ddapatkan perbandngan 0 9, eua dengan bearan yang ddapatkan d gambar 7. 80

4 Prodng SNPPI 0 ISBN: Gambar 8. Nla ngular dar matrk G untuk n = 0. IV. REGUARISASI SVD DAN IKHONOV Regulara adalah uatu langkah yang dlakukan untuk mendapatkan hal yang wajar. angkah n djalankan dengan mengubah problem atau truktur dar problem, yang pada akhrnya akan ddapatkan uatu kond trade-off antara hal yang mauk akal dan problem yang benar-benar telah dubah. Jen regulara yang pertama adalah regulara berbakan pada pemotongan dekompo nla ngular (runcated Sngular Value Decompoton/SVD). Floof dar regulara SVD n berangkat dar peramaan (8). Bahwa hal m menjad tdak wajar, jka noe lebh bear dar nla ngular. Kond Pcard [4] ddefnkan untuk menjamn ddapatkannya hal model m yang wajar atau tdak, yatu dengan membandngkan bear nla ngular dengan noe yang ada. Gambar 9 menunjukkan perbandngan nla ngular dengan noe yang ada. Dar gambar terebut terlhat, bak untuk dkreta yang kaar (coare) n=0 ataupun yang halu n=00, ddapatkan hanya ektar nla ngular yang pertama, yang lebh bear dar noe bervaran 0-6. p [ U ] +., [ = [ V ] (9)., = p adalah jumlah nla ngular yang dkut ertakan dalam perhtungan model. Gambar 9. Perbandngan nla ngular dengan noe varan 0-6 (ata n=0, bawah n=00) Selan dar tu, d peneltan n juga dbaha metoda regulara lan, yatu regulara khonov. Regulara khonov berbakan pada mnmala uatu fungonal, mn { G m d + α m } α adalah parameter regulara. Secara matrk ba dformula menjad G d mn m α I 0 Selama α tdak nol, tambahan n buah bar berfat ndependen, ehngga matrk yang ddapatkan berfat full-rank, dan ba dolukan dengan cara yang baa, yatu A x = b A A x = A b Atau dengan A= G, menjad α I G d [ ] = [ ], G α I m G α I α I 0 ( G G + α I ) m = G d ( VS U USV + α I ) m = VS U d ( VS SV + α I ) m = VS U d Sehngga ddapatkan hal akhr U [ n., m α = V., = + α (0) Beda antara SVD dan Regulara khonov adalah: Pada SVD damat hanya ebagan dar elemen nla nguler tertentu, edangkan pada regulara khonov emua dmaukan dalam perhtungan, tetap dengan menggunakan faktor flter 8

5 Prodng SNPPI 0 ISBN: f = () +α Yang bernla, jka nla nguler cukup bear, tetap bernla nol, jka nla nguler terlalu kecl. V. HASI D bagan n dtamplkan hal rekontruk dengan regulara SVD. Dengan menggunakan data yang terkontamna noe (gambar 6), dgunakan peramaan (9) dengan berbaga macam nla p. Jka eluruh nla ngular dkut ertakan (p=0), maka ddapatkan hal rekontruk model d gambar 7. Gambar 0 menunjukkan kau untuk nla p < 0, jad tdak emua nla ngular dmaukkan dalam perhtungan. Bahkan untuk p = pun, hal rekontruk mah belum menunjukkan hal yang ba dtpercaya. Dengan nla p=0 (d gambar 9, nla ngular untuk =,,..0 lebh bear dar noe), baru ddapatkan rekontruk yang mula bak, walaupun dengan nla makmal yang jauh d bawah,0, yatu hanya ektar 4,5. Pemlhan nla p yang lebh kecl lag, d gambar 0 p=, memberkan hal yang menjauh dar nla ekak yang eharunya drekontruk. Jad ada uatu nla optmal tertentu, yang d n hanya 0 nla ngular. Gambar 0. Hal rekontruk model untuk berbaga macam nla p (jumlah nla ngular yang dkutkan) Selanjutnya dlhat hal dar regulara khonov. angkah pertama adalah penentuan nla parameter regulara α. Hanen d [4] memperkenalkan cara penentuannya dengan menggunakan metoda kurva (-curve). Gambar menunjukkan grafk dar modfka nla α, yang berpengaruh terhadap mnmala dar norm redu dan norm olu. Metoda kurva- mencar nla deal dar kedua mnmala n, yang menurut [4] dplh ttk pojok dar kurva, mplementa metoda n dberkan dalam bahaa Matlab [5]. Dengan routne l_curve ddapatkan nla parameter regulara α=8, oluton norm x e e e-0.473e e e e curve, kh. corner pada α= e redual norm A x - b Gambar. Kurva penentuan parameter regulara α. Jka parameter regulara α tdak ddapat/dhtung, dlakukan beberapa kau dengan nla α yang berbeda-beda, gambar 3 menunjukkan efek dar parameter n terhadap hal rekontruk. erlhat ampltude yang ddapat dar regulara n juga lebh kecl dar ampltude gelombang datang yang ebenarnya Gambar menunjukkan perbandngan untuk jumlah rekontruk yang berbeda, n=0 dan n=00, terlhat dkreta yang lebh bear, hanya memperhalu bentuk dar hal rekontruk. Gambar 3. Hal model rekontruk regulara khonov dengan parameter berbeda-beda. Gambar. Perbandngan hal rekontruk untuk dkreta n=0 dan n=00. Dengan parameter regulaa α=8, , dhtung model rekontruk m menggunakan peramaan (0). Gambar 4 menunjukkan perbandngan hal yang ddapatkan dengan SVD dan regulara khonov. erlepa dar deva yang 8

6 Prodng SNPPI 0 ISBN: kecl, ecara keeluruhan keduanya memberkan hal yang ama. Gambar 4. Perbandngan model rekontruk dengan regulara SVD dan khonov. VI. KESIMPUAN Regulara problem nvere dengan runcated Sngular Value Decompoton (SVD) dan regulara khonov memberkan peluang untuk tetap memberkan hal rekontruk yang relatve mendekat model yang dngnkan dan ecara fka memlk makna. SVD menyaratkan pemotongan jumlah nla ngular, yang haru lebh bear dar noe yang ada. Sedangkan regulara khonov menyaratkan nla parameter α yang tepat, ehngga hal ekak akan terdekat dengan lebh bak. Ampltudo dar model yang drekontruk memlk nla yang lebh kecl dar model yang ebenarnya. DAFAR PUSAKA: [] Ater, R.C., Borcher, B., hurber, C.H., Parameter Etmaton and Invere Problem, nd ed., Academc Pre, Elever, Amterdam, 0. [] Hanen, P.C., Dcrete Invere Problem, Inght and Algorthm, SIAM Pre, Phladelpha, 00. [3] Strang G., Introducton to near Algebra, 4 th ed., Welleley, Cambrdge Pre, 009. [4] Hanen, P.C., Rank-Defcent and Dcrete Ill- Poed Problem: Numercal Apect of near Inveron, SIAM, Phladelpha, 998. [5] Hanen, P. C. Hanen. Regularzaton tool: A MAAB package for analy and oluton of dcrete ll-poed problem. Numercal Algorthm, 6(I II): 35, 994. he oftware avalable n: utool/regutool.html. 83

PEMODELAN SISTEM FISIS

PEMODELAN SISTEM FISIS 4 PEMODEAN SSTEM SS 4. Pendahuluan Satu tuga yang pentng dalam anal dan perancangan tem kendal adalah pemodelan dar tem. Sebelum kta melakukan perancangan ebuah tem kendal, terlebh dahulu haru dlakukan

Lebih terperinci

Penurunan Syarat Orde Metode Runge-Kutta dengan Deret Butcher

Penurunan Syarat Orde Metode Runge-Kutta dengan Deret Butcher Vol., No., -9, Januar 06 Penurunan Syarat Orde Metode Runge-Kutta dengan Deret Butcer Mutar Abtrak Tulan n membaa aplka deret Butcer dalam penurunan yarat orde metode Runge- Kutta. Penurunan deret Butcer

Lebih terperinci

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) IV. PEMBAHASAN

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) IV. PEMBAHASAN 8 IV PEMBAHASAN 4 Aum Berkut n aum yang dgunakan dalam memodelkan permanan a Harga paar P ( merupakan fung turun P ( kontnu b Fung baya peruahaan- C ( fung baya peruahaan- C ( merupakan fung nak C ( C

Lebih terperinci

EL2005 Elektronika PR#01

EL2005 Elektronika PR#01 EL2005 Elektronka PR#0 SOAL B C E G a. Buktkan bahwa n = ( ). b. Turunkan peramaan untuk A v = /. c. Htung nla n dan A v = / jka dberkan = 00 kω, = 00 Ω, = kω, dan = 00. d. Ulang oal (c) jka dberkan =

Lebih terperinci

* PERANCANGAN SISTEM PENGENDALIAN BERTINGKAT PADA STEAM DRUM PT INDONESIA POWER UBP SUB UNIT PERAK-GRATI

* PERANCANGAN SISTEM PENGENDALIAN BERTINGKAT PADA STEAM DRUM PT INDONESIA POWER UBP SUB UNIT PERAK-GRATI * PERANCANGAN SISTEM PENGENDALIAN BERTINGKAT PADA STEAM DRUM PT INDONESIA POWER UBP SUB UNIT PERAK-GRATI Oleh : eko wahyudanto (409.05.004) Pembmbng : Ir.Mochamad.Ilya HS NIP. 949099 97903 00 Latar Belakang

Lebih terperinci

Pengantar. Ilustrasi 29/08/2012. LT Sarvia/ REGRESI LINEAR BERGANDA ( MULTIPLE LINEAR REGRESSION )

Pengantar. Ilustrasi 29/08/2012. LT Sarvia/ REGRESI LINEAR BERGANDA ( MULTIPLE LINEAR REGRESSION ) 9/08/0 ( MULTIPLE LINEA EGEION ) Elty arva, T., MT. Fakulta Teknk Juruan Teknk Indutr Unverta Krten Maranatha Bandung Pengantar Pada e ebelumnya kta hanya menggunakan atu buah X, dengan model Y = a + bx

Lebih terperinci

Kajian Pemilihan Struktur Dua Rantai Pasok yang Bersaing Untuk Strategi Perbaikan Kualitas

Kajian Pemilihan Struktur Dua Rantai Pasok yang Bersaing Untuk Strategi Perbaikan Kualitas JURNAL TEKNIK POITS Vol. 1, No. 1, (01 1-5 1 Kaan Pemlhan Struktur Dua Ranta Paok yang Berang Untuk Strateg Perbakan Kualta Ika Norma Kharmawat, Lakm Prta W, Suhud Wahyud Juruan atematka Fakulta atematka

Lebih terperinci

BAB 5E UMPAN BALIK NEGATIF

BAB 5E UMPAN BALIK NEGATIF Bab E, Umpan Balk Negat Hal 217 BB 5E UMPN BK NEGTF Dengan pemberan umpan balk negat kualta penguat akan lebh bak hal n dtunjukkan dar : 1. pengutannya lebh tabl, karena tdak lag dpengaruh leh kmpnen-kmpnen

Lebih terperinci

Penguat. output matching network. Input matching network. Rangkaian penyesuai impedansi penguat gelombang mikro

Penguat. output matching network. Input matching network. Rangkaian penyesuai impedansi penguat gelombang mikro Hgh Gan Amplfer Degn Untuk pera penguatan bear, aru dran ( untuk FET) harulah cukup bear, ektar 90% dar nla aturanya ( 0,9 I d ) Rangkaan penyeua mpedan untuk nput dan utput haru matchng cnjugate dengan

Lebih terperinci

Marzuki Program Studi Pendidikan Matematika FKIP Universitas Almuslim ABSTRAK

Marzuki Program Studi Pendidikan Matematika FKIP Universitas Almuslim ABSTRAK PERBANDINGAN PRETAI IWA ANTARA PEMBELAJARAN PROBLEM OLVING DENGAN METODE KONVENONAL PADA DALIL PHYTAGORA TERHADAP IWA KELA VIII MP NEGERI PEUANGAN ELATAN KABUPATEN BIREUEN Marzuk Program tud Penddkan Matematka

Lebih terperinci

Penggunaan Metode Branch and Bound dan Gomory Cut dalam Menentukan Solusi Integer Linear Programming

Penggunaan Metode Branch and Bound dan Gomory Cut dalam Menentukan Solusi Integer Linear Programming JURNAL SAINTIFIK VOL. NO., JANUARI 0 Penggunaan Metode Branch and Bound dan Gomory Cut dalam Menentukan Solu Integer Lnear Programmng Wahyudn Nur, Nurul Mukhlah Abdal Program Stud Matematka FMIPA Unverta

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

Sistem Pengaturan Waktu Riil

Sistem Pengaturan Waktu Riil Stem engaturan Waktu Rl Algortma engatur Dgtal Ir. Jo ramudjanto, M.Eng. Juruan Teknk Elektro FTI ITS Telp. 594730 Fax.59337 Emal: jo@ee.t.ac.d Stem engaturan Waktu Rl - 0 Objektf: Metode Dan enalaan arameter

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

Jika rangkaian pada gambar 1 dipicu (eksitasi) dengan tegangan V 1 dan V 2, maka arus I 1 dan I 2 akan dikaitkan dengan persamaan berikut :

Jika rangkaian pada gambar 1 dipicu (eksitasi) dengan tegangan V 1 dan V 2, maka arus I 1 dan I 2 akan dikaitkan dengan persamaan berikut : PARAMETER uatu rangkaan (network) mempunya uatu black box yang berkan berbaga komponen elektronka atau lumped element epert retor, kapator, nduktor atau trantor. Untuk mendefnkan parameter-, perlu dtekankan

Lebih terperinci

BAB V ANALISIS RESPON DINAMIK TANAH DAN RESPON SPEKTRA DESAIN

BAB V ANALISIS RESPON DINAMIK TANAH DAN RESPON SPEKTRA DESAIN BAB V ANALISIS RESPON DINAMIK TANAH DAN RESPON SPEKTRA DESAIN Anal repon te pefk dlakukan untuk mengevalua repon tanah lokal terhadap gerakan batuan daar d bawahnya. Kond tanah lokal mempengaruh karaktertk

Lebih terperinci

ABSTRAK. Lentera :Vol.12, No.3, Nopember

ABSTRAK. Lentera :Vol.12, No.3, Nopember PERBEDAAN PRETAI BELAJAR PENYEDERHANAAN BENTUK AKAR YANG DIAJARKAN DENGAN MENGGUNAKAN METODE TANYA JAWAB DAN METODE KOOPERATIF MODEL GROUP INVETIGAI PADA IWA KELA X MA NEGERI 7 KOTA LHOKEUMAWE Marzuk Doen

Lebih terperinci

BAB IV PEMBAHASAN MODEL

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

Lebih terperinci

Perancangan dan Implementasi Pengaturan Kecepatan Motor Brushless DC Menggunakan Metode Model Predictive Control (MPC)

Perancangan dan Implementasi Pengaturan Kecepatan Motor Brushless DC Menggunakan Metode Model Predictive Control (MPC) JURNAL EKNIK IS Vol. 4, No., (05) ISSN: 337-3539 (30-97 Prnt) E-4 Perancangan dan Implementa Pengaturan Kecepatan Motor Bruhle DC Menggunakan Metode Model Predctve Control (MPC) Fachrul Arfn, Joaphat Pramudjanto,

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

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

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

Bab VIII Aspek Kosmologi Teori Skalar-Vektor-Tensor

Bab VIII Aspek Kosmologi Teori Skalar-Vektor-Tensor Bab VIII Apek Komolog Teor Skalar-Vektor-Tenor VIII. Pendahuluan Kemungknan nvaran Lorentz dlanggar pada energ-energ tngg dalam teor 4- dmen dengan konekuen yang dapat duj (Mattngly dan Vucetch, 005 telah

Lebih terperinci

2. Menentukan model nonlinier jerapan P yang paling baik. PENDAHULUAN

2. Menentukan model nonlinier jerapan P yang paling baik. PENDAHULUAN PENDAHULUAN Latar Belakang Fofor (P) merupakan unur hara pentng dalam tanah. Keteredaan P bag tanaman erng bermaalah, bentuk fofor yang tereda atau umlah yang dapat dambl oleh tanaman hanya ebagan kecl

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

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

Lebih terperinci

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

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

Lebih terperinci

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB Semnar Nasonal Teknolog 007 (SNT 007) ISSN : 1978 9777 Yogakarta, 4 November 007 IMPEMENTASI INTERPOASI AGRANGE UNTUK PREDIKSI NIAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATAB Krsnawat STMIK AMIKOM Yogakarta

Lebih terperinci

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

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

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

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

Lebih terperinci

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

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

Lebih terperinci

III.1. KESTABILAN BERDASARKAN POSISI EIGEN VALUE. Dari persamaan sistem pada persamaan, dapat dicari eigen value. Eigen

III.1. KESTABILAN BERDASARKAN POSISI EIGEN VALUE. Dari persamaan sistem pada persamaan, dapat dicari eigen value. Eigen LARGE SCALE SYSTE Core b Dr. Ar Trwatno, ST, T Dept. of Electrcal Engneerng Dponegoro Unvert BAB III KESTABILAN SISTE III.. KESTABILAN BERDASARKAN POSISI EIGEN VALUE Dar peramaan tem pada peramaan, dapat

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

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

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

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

Lebih terperinci

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

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

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

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

Lebih terperinci

TEORI KESALAHAN (GALAT)

TEORI KESALAHAN (GALAT) TEORI KESALAHAN GALAT Penyelesaan numerk dar suatu persamaan matematk hanya memberkan nla perkraan yang mendekat nla eksak yang benar dar penyelesaan analts. Berart dalam penyelesaan numerk tersebut terdapat

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,

Lebih terperinci

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012 Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar

Lebih terperinci

Sistem Komunikasi II (Digital Communication Systems)

Sistem Komunikasi II (Digital Communication Systems) Stem Komunka II (Dgtal Communcaton Sytem) Lecture #4: Demodula / Detek Baeband (Baeband Demodulaton/Detecton) - PART II - Topk: 4. Nota & Termnolog Vektor. 4. Energ & Eucldean Dtance. 4.3 Optmal Detecton:

Lebih terperinci

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG

Lebih terperinci

BAB IV PERHITUNGAN DAN ANALISIS

BAB IV PERHITUNGAN DAN ANALISIS BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter

Lebih terperinci

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

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

Lebih terperinci

1. SIFAT SIFAT CAHAYA

1. SIFAT SIFAT CAHAYA . SIAT SIAT CAHAYA Oleh : Arf Krtanta Cahaya merupakan alah atu pektrum gelmbang elektrmagnetk, yatu gelmbang yang merambat tanpa memerlukan medum. Cahaya memlk fat fat ebaga berkut: Gambar pektrum gelmbang

Lebih terperinci

PEMBELAJARAN INCREMENTAL PADA SUPPORT VECTOR MACHINE DENGAN PENDEKATAN PRIMAL

PEMBELAJARAN INCREMENTAL PADA SUPPORT VECTOR MACHINE DENGAN PENDEKATAN PRIMAL PEMBELAJARAN INCREMENAL PADA SUPPOR VECOR MACHINE DENGAN PENDEAAN PRIMAL Prncea Pradta S, Anny Yunart, Rully Soelaman 3 eknk Informatka, Fakulta eknolog Informa, IS emal : prncea_pradtas@yahoo.com, anny@f.t.ac.d,

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

BAB III SKEMA NUMERIK

BAB III SKEMA NUMERIK BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

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

Lebih terperinci

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

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

Lebih terperinci

Bab III Analisis Rantai Markov

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI LNSN TEORI. nala Jarngan Kera Metode arngan kera dperkenalkan menelang decade 0-an, oleh atu tm engneer dan ahl matematka dar peruahaan u Pont bekera ama dengan Rand orporaton, dalam uaha mengembangkan

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujuan Peneltan Peneltan n bertujuan untuk mengetahu Pembelajaran Kooperatf Tpe Student Team Achevement Dvon (STAD) dengan Meda Komk Lebh Efektf darpada Pembelajaran dengan

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

UKURAN LOKASI, VARIASI & BENTUK KURVA

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

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

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

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

Perhitungan Bunga Kredit dengan Angsuran

Perhitungan Bunga Kredit dengan Angsuran Perhtungan Kredt dengan / Mengapa Perhtungan Kredt Perlu Dketahu? Perhtungan bunga kredt yang dgunakan bank akan menentukan besar keclnya angsuran pokok dan bunga yang harus dbayar Debtur atas kredt yang

Lebih terperinci

SIMULASI POLA TINGKAH LAKU TEGANGAN SISTEM TENAGA LISTRIK DI TITIK OPERASI MEMPERGUNAKAN METODA OPTIMISASI DENGAN PENDEKATAN MIXED SENSITIVITY

SIMULASI POLA TINGKAH LAKU TEGANGAN SISTEM TENAGA LISTRIK DI TITIK OPERASI MEMPERGUNAKAN METODA OPTIMISASI DENGAN PENDEKATAN MIXED SENSITIVITY No. 7 Vol. hn. XIV Aprl 7 IN: 854-847 IULAI POLA INGAH LAU EGANGAN IE ENAGA LIRI DI II OPERAI EPERGUNAAN EODA OPIIAI DENGAN PENDEAAN IXED ENIIVIY H (ODEL IEEE 4 BU 5 EIN) Heru Dbyo Lakono ), Ftrlna ),)

Lebih terperinci

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil .1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)

Lebih terperinci

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

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

Lebih terperinci

PENENTUAN MODULUS YOUNG KAWAT BESI DENGAN PERCOBAAN REGANGAN

PENENTUAN MODULUS YOUNG KAWAT BESI DENGAN PERCOBAAN REGANGAN Berkala Fka Indonea Volume Nomor Jul 009 PENENTUAN MODULUS YOUNG KAWAT BESI DENGAN PERCOBAAN REGANGAN Dw Martn,), Raden Oktova,3) ) SMA N Wate, Kab. Kulon Progo, Jl. Terbahar, Yogyakarta ) E-mal : dwmart70@yahoo.co.d

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

Histogram Citra. Bab Membuat Histogram

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

Lebih terperinci

BAB II DASAR TEORI DAN METODE

BAB II DASAR TEORI DAN METODE BAB II DASAR TEORI DAN METODE 2.1 Teknk Pengukuran Teknolog yang dapat dgunakan untuk mengukur konsentras sedmen tersuspens yatu mekank (trap sampler, bottle sampler), optk (optcal beam transmssometer,

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

BAB V INTEGRAL KOMPLEKS 6 BAB V INTEGRAL KOMPLEKS 5.. INTEGRAL LINTASAN Msal suatu lntasan yang dnyatakan dengan : (t) = x(t) + y(t) dengan t rl dan a t b. Lntasan dsebut lntasan tutup bla (a) = (b). Lntasan tutup dsebut lntasan

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

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

Lebih terperinci

BAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag

BAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag BAB IV APLIKASI Pada bagan n akan dbahas bagamana contoh mengestmas parameter model yang dasumskan memlk karaterstk spasal lag sekalgus spasal error. Estmas dlakukan dengan menggunakan software Evews 3

Lebih terperinci

DISTRIBUSI FREKUENSI

DISTRIBUSI FREKUENSI BAB DISTRIBUSI FREKUENSI Kompetens Mampu membuat penyajan data dalam dstrbus frekuens Indkator 1. Menjelaskan dstrbus frekuens. Membuat dstrbus frekuens 3. Menjelaskan macam-macam dstrbus frekuens 4. Membuat

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

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

Lebih terperinci

Siti Aminah 1) Fakultas Perikanan Universitas Lambung Mangkurat Banjarbaru ABSTRAK

Siti Aminah 1) Fakultas Perikanan Universitas Lambung Mangkurat Banjarbaru ABSTRAK ANALISIS PEMANFAATAN SUMBERDAYA IKAN KEMBUNG (Ratrellger pp) DI PERAIRAN KABUPATEN TANAH LAUT PROVINSI KALIMANTAN SELATAN UTILIZATION ANALYSIS OF THE MACKEREL (RASTRELLIGER SPP) RESOURCES IN TANAH LAUT

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

PENGENDALI OTOMATIS DI INDUSTRI

PENGENDALI OTOMATIS DI INDUSTRI Bab IX PENGENDALI OOMAIS DI INDUSRI Pengendal otomat membandngkan nla ebenarnya dar keluaran tem dengan maukannya, menentukan enymangan dan menghalkan nyal kendal yang akan mengurang enymangan ehngga menjad

Lebih terperinci

Fisika Dasar I (FI-321)

Fisika Dasar I (FI-321) Fska Dasar I (FI-31) Topk har n (mnggu 5) Usaha dan Energ Usaha dan Energ Energ Knetk Teorema Usaha Energ Knetk Energ Potensal Gravtas Usaha dan Energ Potensal Gravtas Gaya Konservatf dan Non-Konservatf

Lebih terperinci

PENERAPAN METODE FUZZY ITEM RESPONSE THEORY PADA e-learning COMPUTERIZED ADAPTIVE TEST

PENERAPAN METODE FUZZY ITEM RESPONSE THEORY PADA e-learning COMPUTERIZED ADAPTIVE TEST Vol. 4, No. Deember 014 ISSN 088-130 PENERAPAN METODE FUZZY ITEM RESPONSE THEORY PADA e-learning COMPUTERIZED ADAPTIVE TEST Dah Kuumawat 1, Andharn Dw Cahyan.Muhammad Fuad 3 Program Stud Teknk Informatka,

Lebih terperinci

PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM)

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

Lebih terperinci