PROGRAM SIMULASI UNTUK REALISASI STRUKTUR TAPIS INFINITE IMPULSE RESPONSE UNTUK MEDIA PEMBELAJARAN DIGITAL SIGNAL PROCESSING

Ukuran: px
Mulai penontonan dengan halaman:

Download "PROGRAM SIMULASI UNTUK REALISASI STRUKTUR TAPIS INFINITE IMPULSE RESPONSE UNTUK MEDIA PEMBELAJARAN DIGITAL SIGNAL PROCESSING"

Transkripsi

1 Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 PROGRAM SIMULASI UTUK REALISASI STRUKTUR TAPIS IFIITE IMPULSE RESPOSE UTUK MEDIA PEMBELAJARA DIGITAL SIGAL PROCESSIG Damar Widjaja 1), Teresia Herlina Bintari 2), Bayu Primawan 3) Jurusan Teni Eletro, Universitas Sanata Dharma, Yogyaarta 1), 2), 3) ABSTRACT This project elaborates on a simulation program for creating structure of infinite impulse response (IIR) filter. The simulation program will simulate how to design the IIR filter from determination specification, calculation of filter coefficient, structure realiation and calculation of wordlength effect. Program will calculate the filter coefficient from input specification and is represented by a fixed number of bit (quantiation). The calculation of IIR filter coefficient uses the Pole Zero Placement method and the Impulse Invariant method. Filter coefficient that has been quantied is formed in the form of direct and cascade structures. From the structures, program calculates the finite wordlength effect that consists of coefficient quantiation errors. The simulation program for the creation of the structure IIR filter was implemented and tested to observe the filter performance. The filter performance is observed from the curve of response frequency representing the output of simulation program. It has been observed that the Pole Zero Placement method is the best method to design IIR filter. High sampling frequency increases the performance of the filter and limited number of quantiation bit decreases the performance of the filter. Keywords: IIR, Filter Coefficient, Structure Realiation 1. Pendahuluan Tapis adalah suatu rangaian yang menghasilan arateristi tanggapan freuensi yang telah ditentuan dengan tujuan melewatan rentang freuensi yang diinginan dan menean atau menola freuensi yang tida diinginan. Pada proses pengolahan sinyal, tapis digunaan untu eperluan penapisan (filtering), penghalusan (smoothing), dan predisi (prediction). Sedangan tapis digital adalah algoritma matematia yang diimplementasian dalam hardware atau software yang beroperasi dengan sinyal masuan untu menghasilan sinyal eluaran untu tujuan filtering. Dalam proses pembelajaran Jurusan Teni Eletro di perguruan tinggi, poo bahasan mengenai tapis digital terdapat dalam materi uliah Pengolahan Sinyal Digital. Tapis digital dilasifiasian menjadi dua macam berdasaran tanggapan impulsnya, yaitu tapis digital dengan tanggapan impuls berhingga atau Finite Impulse Response (FIR) dan tapis digital dengan tanggapan impuls ta berhingga atau Infinite Impulse Response (IIR). Tujuan penelitian ini adalah menghasilan suatu program simulasi untu realisasi strutur tapis digital IIR. Hasil penelitian ini dapat dimanfaatan sebagai alat bantu pembelajaran yang mempermudah dosen untu menjelasan tapis digital dan mempermudah mahasiswa untu memahaminya. Program simulasi ini dirancang dengan beberapa batasan, antara lain spesifiasi tapis yang menjadi masuan program terdiri dari passband edge frequency, transition width, freuensi sampling, passband ripple, dan stopband attenuation. Penghitungan oefisien tapis menggunaan Invariant Impulse Method dan Pole-Zero Placement Method. Realisasi strutur tapis menggunaan direct form dan cascade form. Finite wordlenght effect yang dianalisis adalah coefficient quantiation errors. 2. Tinjauan Pustaa 2.1 Tapis Digital IIR Tapis IIR memilii strutur yang reursif dengan arateristi persamaan beda (difference quation ) sebagaiberiut [1][3] : y ( n) = h( ) x( n ) = b x( n ) a y( n ) = = = 1 dengan y(n) adalah eluaran tapis digital, h() adalah tanggapan impuls tapis digital, x(n ) adalah masuan tapis sebelumnya, y(n ) adalah eluaran tapis sebelumnya, dan a dan b adalah oefisien tapis. Fungsi transfer untu tapis IIR adalah: H ( ) b b + b b = = = M M 1+ a am 1+ a = 1 Fungsi transfer pada persamaan (2) dapat difatorisasi menjadi [2][4] : M (1) (2) 249

2 Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 H ( ) = K( 1 )( 2 )...( ) ( p )( p )... ( p ) dengan 1, 2 merupaan tempat eduduan ero dan p 1, p 2 merupaan tempat eduduan pole. 1 2 M (3) 2.2 Realisasi Strutur Tapis Digital IIR Realisasi strutur yaitu pengubahan fungsi transfer, H(), e strutur tapis yang sesuai. Penggambaran strutur umum menggunaan diagram blo. Elemen-elemen dasar dari realisasi strutur yaitu pengali (multiplier), penjumlah (adder), dan delay. Elemen-elemen dasar dari strutur tapis ditunjuan pada Gambar 1. Gambar 1. Elemen-elemen Dasar Strutur Tapis [1] Strutur Langsung Realisasi bentu langsung dari persamaan (1) ditunjuan pada Gambar 2., dengan = M supaya sederhana. Koefisien yang digunaan sama seperti yang ada pada fungsi transfer, tetapi untu denominator tandanya dibali. Gambar 2. Realisasi Strutur Langsung Tapis IIR [1] Strutur Kasade Realisasi asade untu fungsi transfer difatoran e dalam /2 dengan second order section (sos) beriut [1] : 2 2 b + b1 + b2 H ( ) = 2 = 1 1+ a1 + a2 dengan H ( ) = D 2 = 1 D ( ) ( ) 1 2 ( ) = b + b1 + b2 1 2 ( ) = 1+ a + a 1 merupaan orde tapis, yang berjumlah genap. Jia ganjil, maa salah satu dari H () merupaan first-order section. () adalah numerator dan D () adalah denominator. Setiap sos, H (), dapat direalisasian dengan membuat blo-blo dan hasilnya emudian digabungan secara asade, seperti ditunjuan oleh Gambar 3. 2 (4) Gambar 3. Realisasi Strutur Kasade Tapis IIR [1] 25

3 Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I Perancangan 3.1 Langah-langah Perancangan Tapis Digital IIR Perancangan tapis digital IIR dilauan dengan mengiuti alur perancangan yang terdiri dari lima tahap utama seperti beriut [1] : 1. Menentuan spesifiasi tapis, seperti passband edge frequency, transition width, freuensi sampling, transition width, passband ripple, stopband attenuation. 2. Menghitung oefisien tapis, yaitu mencari nilai a dan b. Ada beberapa metode yang dapat digunaan untu menghitung oefisien tapis. Metode yang aan digunaan dalam penelitian ini adalah metode Peletaan Pole-Zero dan metode. 3. Realisasi strutur tapis, yaitu mengubah fungsi transfer, H(), e bentu strutur tapis yang sesuai. Ada beberapa macam bentu strutur tapis, antara lain strutur langsung, strutur asade, dan strutur paralel. Strutur tapis yang aan digunaan dalam penelitian ini adalah strutur langsung dan strutur asade. 4. Analisa finite wordlength effect Finite wordlength effect adalah efe yang terjadi jia jumlah bit untu menyataan oefisien terbatas. Efenya adalah penurunan inerja tapis sampai pada ondisi tida stabil. Sumber utama penurunan inerja tapis digital yaitu: a) Sediitnya level uantisasi sinyal masuan dan eluaran. b) Coefficient quantiation error, yaitu uantisasi oefisien yang tida aurat yang menyebaban perubahan tanggapan freuensi dan dapat menyebaban tapis tida stabil. c) Roundoff error, yaitu esalahan arena pembulatan aritmatia yang menyebaban tapis tida stabil. d) Overflow, yaitu hal yang terjadi jia hasil penjumlahan melebihi wordlength yang diinginan. Penelitian ini aan membahas tentang coefficient quantiation error saja. 5. Implementasi tapis Implementasi bisa dilauan pada dengan mengacu pada persamaan beda (difference equation). Gambar 4. menunjuan algoritma lima tahap utama perancangan program simulasi untu realisasi strutur tapis IIR. Menentuan spesifiasi tapis Menghitung dan menampilan oefisien tapis Menampilan realisasi strutur Menghitung dan menampilan coefficient quantiation error Menampilan urva tanggapan freuensi Gambar 4. Algoritma Perancangan Program Simulasi 3.2 Layout Tampilan Layout program adalah rancangan secara visual yang merupaan bentu implementasi program simulasi untu realisasi strutur tapis IIR. Bentu dari layout program dapat dilihat pada Gambar 5. Gambar 5 ini juga menunjuan hasil simulasi untu Low Pass Filter (LPF). Layout terdiri dari beberapa omponen sebagai penyusunnya. Komponenomponen tersebut terbagi menjadi dua bagian besar, yaitu bagian masuan dan bagian eluaran. Bagian masuan digunaan oleh pengguna untu memasuan spesifiasi filter, memilih metode perhitungan oefisien, dan memilih strutur filter yang diinginan. Beberapa pilihan masuan telah disediaan di program, seperti rentang freuensi yang diinginan, metoda perhitungan oefisien dan jenis strutur filter. Pengguna dapat memilih dari pop-up menu dan radio button yang ada. Push button digunaan untu beberapa tombol seperti Design Filter 1 yang digunaan untu menjalanan program perancangan tapis pertama, Design Filter 2 digunaan untu menjalanan program perancangan tapis edua, Strutur 1 digunaan untu menampilan gambar strutur tapis dan oefisien strutur tapis pertama, dan Strutur 2 digunaan untu menampilan gambar strutur tapis dan oefisien strutur tapis edua. Bagian eluaran terdiri dari tampilan urva tanggapan freuensi, strutur filter dan nilai-nilai oefisien yang dihasilan, dan error uantisasi yang terjadi. Tampilan urva tanggapan freuensi dapat diubah dengan push button yang ada di bawah grafi yang dapat digunaan untu melihat legend, memperlihatan grid, dan melauan oom. Selain itu, program simulasi ini juga dilengapi dengan menu bar. Pada menu bar terdapat menu item File yang di dalamnya terdapat submenu bua, simpan, dan eluar. Submenu Bua digunaan untu membua file, submenu Simpan digunaan untu menyimpan file, dan submenu Keluar digunaan untu eluar dari program. Menu item yang lainnya 251

4 Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 adalah Bantuan yang di dalamnya terdapat submenu Bantuan yang berisi penjelasan mengenai syarat-syarat untu masuan tapis yang harus dipenuhi. 4. Pembahasan 4.1 Hubungan antara Metode Perancangan Tapis dengan Kinerja Tapis Contoh masuan dan hasil program simulasi untu merancang LPF ditunjuan pada Tabel 1. Gambar 5. merupaan contoh tampilan program simulasi hasil perancangan. Metode dan metode dapat dipilih dengan menean tombol Design 1 dan tombol Design 2. Setelah itu aan muncul urva tanggapan freuensi. Gambar 5. digunaan untu melihat perbandingan inerja tapis yang dirancang menggunaan edua metode di atas. Gambar 6. merupaan contoh tampilan strutur tapis menggunaan bentu langsung. Tabel 1. Spesifiasi Perancangan LPF. Spesifiasi Masuan Hasil/Keluaran passband edge frequency (H) transition width (H) freuensi sampling (H) passband ripple (db) stopband attenuation (db) bentu strutur langsung langsung langsung Masuan Keluaran Gambar 5. Layout dan Tampilan Hasil Perancangan Low Pass Filter. Dari Tabel 1. terlihat bahwa untu metode menghasilan selisih passband edge frequency yang lebih ecil dari metode dibanding spesifiasi masuan. Demiian juga dengan selisih transition width. Dalam hal passband ripple, pada metode memperlihatan inerja yang sangat bai. Sedangan stopband attenuation, metode menghasilan inerja yang lebih bai. Dari hasil pengamatan eseluruhan, metode menghasilan inerja terbai untu merancang tapis, arena spesifiasi atual yang dihasilan lebih mendeati spesifiasi yang diharapan dengan transition width yang lebih curam, passband ripple dan stopband attenuation nilainya mendeati nol. 252

5 Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 Gambar 6. Tampilan Strutur Tapis Bentu Langsung. 4.2 Hubungan antara Freuensi Sampling dengan Kinerja Tapis Gambar 7 (a) menunjuan grafi hubungan antara galat passband edge frequency terhadap freuensi sampling. Pada metode, galat yang besar terjadi saat freuensi sampling rendah, yaitu 16.2%. Semain tinggi freuensi sampling, galat passband edge frequency semain ecil, yaitu 1.56%. Pada metode, galat terbesar terjadi saat freuensi sampling rendah, yaitu 3.6%. Semain tinggi freuensi sampling, galat passband edge frequency semain ecil, yaitu 1.94%. Jadi semain tinggi freuensi sampling, inerja tapis semain bai Freuensi Sampling (H) Freuensi Sampling (H) (a) (b) Freuensi Sampling (H) Freuensi Sampling (H) (c) 4.21 (7d) Gambar 7. Grafi Hubungan Antara Galat pada (a) Passband Edge Frequency, (b) Transition Width, (c) Passband Ripple, dan (d) Stopband Attenuation dengan Freuensi Sampling. Gambar 7 (b) menunjuan grafi hubungan antara galat transition width terhadap freuensi sampling. Pada metode, galat yang besar terjadi saat freuensi sampling rendah, yaitu 39.55%. Semain tinggi freuensi sampling, galat transition width yang dihasilan semain ecil, yaitu 3.5%. Pada metode, saat freuensi sampling rendah, galat yang terjadi ecil, yaitu 2.55%. Saat freuensi sampling semain tinggi, galat transition width semain besar, yaitu sebesar 22.55%. Jadi inerja edua metoda dalam hal transition width saling berebalian. Gambar 7 (c) menunjuan grafi hubungan antara galat passband ripple dengan freuensi sampling. Pada Metode, galat yang besar terjadi saat freuensi sampling rendah, yaitu %. Main tinggi freuensi sampling, galat passband ripple semain ecil, yaitu.7%. Pada metode, freuensi rendah menghasilan galat besar, yaitu 9.15%. Semain tinggi freuensi sampling, galat passband ripple semain ecil, yaitu 56.33%. Jadi semain besar freuensi sampling, inerja tapis semain bai. Gambar 7 (d) menunjuan grafi hubungan antara galat stopband attenuation terhadap freuensi sampling. Tapis yang dirancang menggunaan metode memilii stopband attenuation seperti spesifiasi yang diharapan, sehingga galat sama dengan nol. Pada metode, galat yang besar terjadi saat freuensi sampling 253

6 Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 rendah, yaitu sebesar %. Semain tinggi freuensi sampling, galat stopband attenuation semain ecil, yaitu 29.11%. Jadi semain besar freuensi sampling, inerja tapis semain. 4.3 Hubungan antara Jumlah Koefisien Tapis dengan Kinerja Tapis Gambar 8 (a) menunjuan grafi hubungan antara galat passband edge frequency terhadap bit uantisasi. Pada metode, galat ecil saat jumlah bit uantisasi ecil, yaitu 8.56%. Semain besar jumlah bit uantisasi, galat passband edge frequency semain besar, yaitu 16.4%, tetapi selanjutnya stabil. Pada metode, galat terbesar terjadi saat jumlah bit uantisasi ecil, yaitu 6.4%. Semain besar jumlah bit uantisasi, galat passband edge frequency semain ecil, yaitu 3.6%. Jadi semain besar jumlah bit uantisasi, inerja tapis semain bai untu metode, arena galat semain ecil dan nilai passband edge frequency semain mendeati spesifiasi yang diharapan (a) (b) (c) (d) Gambar 8. Grafi Hubungan Antara Galat pada (a) Passband Edge Frequency, (b) Transition Width, (c) Passband Ripple, dan (d) Stopband Attenuation dengan. Gambar 8 (b) menunjuan grafi hubungan antara galat transition width dengan bit uantisasi. Pada metode Impuls Invariant, saat bit uantisasi ecil, galat transition width ecil, yaitu 8.1%. Semain besar bit uantisasi, galat transition width semain besar, yaitu 4.5%. Pada metode, saat bit uantisasi ecil, galat transition width cuup besar, yaitu sebesar 61.6%. Semain besar bit uantisasi, galat transition width semain ecil, yaitu 1.6%. Jadi semain besar bit uantisasi, inerja tapis semain bai untu metode. Gambar 8 (c) menunjuan grafi hubungan antara galat passband ripple dengan bit uantisasi. Pada metode Impuls Invariant, galat terbesar terjadi saat bit uantisasi ecil, yaitu %. Saat bit uantisasi semain besar, galat passband ripple yang dihasilan lebih ecil, yaitu 99.99%. Pada metode, saat bit uantisasi ecil, galat passband ripple sebesar 79.11%. Semain besar bit uantisasi, galat passband ripple nai sangat besar, yaitu %. Kemudian nilai passband ripple menurun sehingga galat yang terjadi sebesar 9.18%. Dapat diataan bahwa semain besar bit uantisasi, maa inerja tapis semain bai. Gambar 8 (d) menunjuan grafi hubungan antara galat stopband attenuation dengan bit uantisasi. Pada metode, saat bit uantisasi ecil, galat yang terjadi sebesar 14.43%. Semain besar bit uantisasi, galat stopband attenuation mendeati nol. Pada metode, saat bit uantisasi ecil, galat yang terjadi sebesar 83.5%. Saat bit uantisasi semain besar, galat yang terjadi sebesar %. Kemudian galat semain menurun hingga sebesar %. Jadi semain besar bit uantisasi, inerja tapis semain bai. 4.4 Hubungan Antara Transition Width dan Stopband Attenuation dengan Jumlah Koefisien Tapis Hasil Perancangan dan Kinerja Tapis Gambar 9 menunjuan grafi hubungan antara stopband attenuation dengan jumlah oefisien tapis hasil perancangan. Pada metode, jumlah oefisien tapis semain banya saat nilai stopband attenuation semain besar. Jadi semain besar stopband attenuation, inerja tapis semain bai semain mendeati arateristi tapis ideal. Pada metode, perubahan nilai stopband attenuation tida mempengaruhi jumlah oefisien. Hal ini disebaban nilai stopband attenuation tida digunaan dalam merancang tapis. Stopband attenuation yang dihasilan pada tapis merupaan jumlah dari oefisien tapis pada fungsi transfer. 254

7 Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 Jumlah Koefisien () Stopband Attenuation (db) Jumlah Koefisien () Transition Width (H) (a) (b) Gambar 9. Grafi Hubungan antara (a) Stopband Attenuation dan (b) Transition Width dengan Jumlah Koefisien Tapis. Gambar 9 (b) menunjuan grafi hubungan antara transition width dengan jumlah oefisien tapis hasil perancangan. Pada metode, jumlah oefisien tapis semain ecil saat nilai transition width semain besar. Jadi semain ecil transition width, inerja tapis semain bai arena dengan semain banya jumlah oefisien, tapis yang dihasilan semain mendeati arateristi tapis ideal. Dari semua percobaan yang telah dilauan, program simulasi ini mampu melauan simulasi sesuai dengan teori tentang tapis IIR. Jadi program ini dapat digunaan sebagai program bantu dalam proses pembelajaran tapis IIR yang merupaan topi dasar pada bidang digital signal proccessing. Keterbatasan dari program simulasi ini antara lain melauan penghitungan oefisien hanya dengan dua metode, memberian realisasi filter dalam dua strutur dan memberian analisa finite wordlength effect hanya untu coefficient quantiation error. Sehingga program simulasi ini, di masa mendatang masih dapat diembangan untu memberian simulasi perancangan tapis IIR secara lengap. 5. Kesimpulan Berdasaran perancangan dan pengamatan yang telah dilauan, maa diperoleh beberapa esimpulan sebagai beriut: 1. Program simulasi untu realisasi strutur tapis digital IIR telah berhasil dibuat dengan bai. 2. Metode menghasilan tapis dengan spesifiasi atual yang lebih mendeati spesifiasi yang diharapan dibandingan metode. 3. Dari data percobaan, terbuti bahwa freuensi sampling dan bit uantisasi yang semain besar aan meningatan inerja tapis, serta stopband attenuation yang semain besar dan transition width yang semain ecil aan meningatan jumlah oefisien tapis. Daftar Pustaa [1] Ifeachor, Emmanuel C., dan Jervis, Barrie W. (21). Digital Signal Processing, 2 nd edition. Prentice-Hall, USA. [2] DeFatta, David J., Lucas, Joseph G., dan Hodgiss, William S. (1995). Digital Signal Processing: A System Design Approach. John Wiley and Sons, ew Yor. [3] Mitra, S.K. (21). Digital Signal Processing: A Computer-Based Approach. McGraw-Hill, ew Yor. [4] Application Toolbox II: Digital Filter Design, Toolbox II: Digital Filter Design/Chapter%26.pdf, diases terahir tanggal 16 Mei

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

Tanggapan Waktu Alih Orde Tinggi

Tanggapan Waktu Alih Orde Tinggi Tanggapan Watu Alih Orde Tinggi Sistem Orde-3 : C(s) R(s) ω P ( < ζ (s + ζω s + ω )(s + p) Respons unit stepnya: c(t) βζ n n < n ζωn t e ( β ) + βζ [ ζ + { βζ ( β ) cos ( β ) + ] sin ζ ) ζ ζ ω ω n n t

Lebih terperinci

KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA. Thiang, Resmana, Wahyudi

KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA. Thiang, Resmana, Wahyudi KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA Thiang, Resmana, Wahyudi Jurusan Teni Eletro, Universitas Kristen Petra Jl. Siwalanerto 121-131 Surabaya Email : thiang@petra.ac.id,

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan

Lebih terperinci

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.

Lebih terperinci

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR) Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

KULIAH 9 FILTER DIGITAL

KULIAH 9 FILTER DIGITAL KULIAH 9 FILTER DIGITAL TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 9 Filter Digital Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau

Lebih terperinci

ANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV 1

ANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV 1 Jurnal Reaksi (Journal of Science and Technology) ANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV Raisah Hayati Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe

Lebih terperinci

PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION

PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

SATUAN ACARA PERKULIAHAN ( SAP ) SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem

Lebih terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

DESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL

DESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL DESAIN SENSOR KECEPAAN BERBASIS DIODE MENGGUNAKAN FILER KALMAN UNUK ESIMASI KECEPAAN DAN POSISI KAPAL Alrijadjis, Bambang Siswanto Program Pascasarjana, Jurusan eni Eletro, Faultas enologi Industri Institut

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

BAB III HASIL DAN PEMBAHASAN

BAB III HASIL DAN PEMBAHASAN 15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( ) PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132

Lebih terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

Pendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535

Pendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535 Maalah Seminar Tugas Ahir Pendetesi Rotasi Menggunaan Gyroscope Berbasis Miroontroler ATmega8535 Asep Mubaro [1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teni Eletro, Faultas Teni, Universitas

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Tempat dan Watu Penelitian Penelitian ini dilauan di Jurusan Matematia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Lampung. Watu penelitian dilauan selama semester

Lebih terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Apliasi Pada tahap implementasi ini merupaan penerapan apliasi dari hasil perancangan sistem yang ada untu mencapai suatu tujuan yang diinginan. Implementasimelasanaan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan

Lebih terperinci

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.

Lebih terperinci

Pencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan

Pencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan Abstra Pencitraan omografi Eletri dengan Eletroda Planar di Permuaan D. Kurniadi, D.A Zein & A. Samsi KK Instrumentasi & Kontrol, Institut enologi Bandung Jl. Ganesa no. 10 Bandung Received date : 22 November2010

Lebih terperinci

PEMBUATAN MEDIA PEMBELAJARAN PADA MATA KULIAH TEKNIK KONTROL ADAPTIF SUB POKOK BAHASAN PENGHAPUSAN DERAU

PEMBUATAN MEDIA PEMBELAJARAN PADA MATA KULIAH TEKNIK KONTROL ADAPTIF SUB POKOK BAHASAN PENGHAPUSAN DERAU Techno, ISSN 40-8607 Volume 5 No. 2 Otober 204 Hal. 23 29 PEMBUATAN MEDIA PEMBELAJARAN PADA MATA KULIAH TEKNIK KONTROL ADAPTIF SUB POKOK BAHASAN PENGHAPUSAN DERAU Instructional Media Creation on Subjects

Lebih terperinci

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas

Lebih terperinci

Studi dan Implementasi Video Watermarking dengan Mekanisme Adaptive Embedding

Studi dan Implementasi Video Watermarking dengan Mekanisme Adaptive Embedding Studi dan Implementasi Video Watermaring dengan Meanisme Adaptive Embedding Fetty Fitriyanti.L, Suhono H. Supangat Multimedia and Cyberspace Engineering Research Group Kelompo Keahlian Tenologi Informasi

Lebih terperinci

Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection

Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna atif Detection CDMA dengan Modulasi Quadrature Phase Shift Keying Berbasis Perangat Luna Saretta Nathaniatasha

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION

KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION Konferensi Nasional Sistem dan Informatia 29; Bali, November 14, 29 KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION Sofyan Tan, Lie Hian Universitas Pelita Harapan,

Lebih terperinci

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi

Lebih terperinci

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU Wahyudi 1, Adhi Susanto 2, Sasongo P. Hadi 2, Wahyu Widada 3 1 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Tembalang,

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program

Lebih terperinci

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa

Lebih terperinci

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3

Lebih terperinci

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,

Lebih terperinci

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah

Lebih terperinci

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani

Lebih terperinci

METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET

METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET Maryanti 1, Nana Juhana, ST. 1, Manahan P.Siallagan S.Si, MT. 1 1) Jurusan Teni Informatia, FT, UNIKOM

Lebih terperinci

Pengaruh Proses Stemming Pada Kinerja Analisa Sentimen Pada Review Buku

Pengaruh Proses Stemming Pada Kinerja Analisa Sentimen Pada Review Buku Jurnal Hasil Penelitian LPPM Untag Surabaya Januari 2018, Vol. 03, No. 01, hal 55-59 jurnal.untag-sby.ac.id/index.php/jhp17 E-ISSN : 2502-8308 P-ISSN : 2579-7980 Pengaruh Proses Stemming Pada Kinerja Analisa

Lebih terperinci

APLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES. : Agus Sumarno NRP :

APLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES. : Agus Sumarno NRP : APLIKASI WAELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES Nama : Agus Sumarno NRP : 06 00 706 Jurusan : Matematia Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si Abstra Model time series

Lebih terperinci

3.1 TEOREMA DASAR ARITMATIKA

3.1 TEOREMA DASAR ARITMATIKA 3. TEOREMA DASAR ARITMATIKA Definisi 3. Suatu bilangan bulat > disebut (bilangan) rima, jia embagi ositif bilangan tersebut hanya dan. Jia bilangan bulat lebih dari satu buan bilangan rima disebut (bilangan)

Lebih terperinci

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK

Lebih terperinci

OSN 2014 Matematika SMA/MA

OSN 2014 Matematika SMA/MA Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian yang aan dilauan meruju epada beberapa penelitian terdahulu yang sudah pernah dilauan sebelumnya, diantaranya: 1. I Gst. Bgs. Wisuana (2009)

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract

Lebih terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman. JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses

Lebih terperinci

PERANCANGAN DAN SIMULASI LOW PASS FINITE IMPULSE RESPONSE DENGAN METODE WINDOWING

PERANCANGAN DAN SIMULASI LOW PASS FINITE IMPULSE RESPONSE DENGAN METODE WINDOWING PERANCANGAN DAN SIMULASI LOW PASS FINITE IMPULSE RESPONSE DENGAN METODE WINDOWING Irmawan, S.Si, MT Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya ABSTRAK Filter digital adalah suatu algoritma

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium

Lebih terperinci

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:

Lebih terperinci

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009 Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan

Lebih terperinci

Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan

Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan Sri Arttini Dwi Prasetyowati 1), Adhi Susanto ), homas Sriwidodo ), Jazi Eo Istiyanto 3)

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

MODUL 5 FILTER FIR DAN WINDOW

MODUL 5 FILTER FIR DAN WINDOW MODUL 5 FILTER FIR DAN WINDOW I. Tugas Pendahuluan Perintah atau fungsi pada MATLAB dapat dilihat dan dipelajari dengan online help pada Command window. Contoh ketiklah : help plot. Maka arti dari perintah

Lebih terperinci

PENERAPAN ALGORITMA APRIORI UNTUK MEMPEROLEH ASSOCIATION RULE ANTAR ITEMSET BERDASARKAN PERIODE PENJUALAN DALAM SATU TRANSAKSI

PENERAPAN ALGORITMA APRIORI UNTUK MEMPEROLEH ASSOCIATION RULE ANTAR ITEMSET BERDASARKAN PERIODE PENJUALAN DALAM SATU TRANSAKSI PENERAPAN ALGORITMA APRIORI UNTUK MEMPEROLEH ASSOCIATION RULE ANTAR ITEMSET BERDASARKAN PERIODE PENJUALAN DALAM SATU TRANSAKSI Devi Fitrianah, Ade Hodijah Program Studi Teni Informatia, Faultas Ilmu Komputer,

Lebih terperinci

PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Sutino 1, Helmie Arif Wibawa 2, Priyo Sidi Sasongo 3 123 Jurusan Ilmu Komputer/Informatia, FSM,

Lebih terperinci

PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN

PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN Murinto Program Studi Teni Informatia Universitas Ahmad Dahlan Kampus III UAD Jl. Prof. Soepomo Janturan

Lebih terperinci

Analisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network

Analisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK

Lebih terperinci

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,

Lebih terperinci

SIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE

SIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE SIMULASI FILR KALMAN UNUK SIMASI SUDU DNGAN MNGGUNAKAN SNSOR GYROSCOP Wahyudi *), Adhi Susanto **), Sasongo Pramono **), Wahyu Widada ***) Abstact he Kalman filter is a recursive solution to the process

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Pengaturan Kecepatan Motor DC Menggunaan Jaringan Syaraf Tiruan Feedforward Bacpropagation Sorihi *, Wahyudi **, Iwan Setiawan ** Abstra - Jaringan syaraf bacpropagation merupaan aringan syaraf yang telah

Lebih terperinci

BAB III MODEL KANAL WIRELESS

BAB III MODEL KANAL WIRELESS BAB III MODEL KANAL WIRELESS Pemahaman mengenai anal wireless merupaan bagian poo dari pemahaman tentang operasi, desain dan analisis dari setiap sistem wireless secara eseluruhan, seperti pada sistem

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS

Lebih terperinci

KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012

KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012 KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB Konsep Kinetia/ Laju Reasi Laju reasi menyataan laju perubahan onsentrasi zat-zat omponen reasi setiap satuan watu: V [ M ] t Laju pengurangan onsentrasi

Lebih terperinci

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia

Lebih terperinci

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

PENENTUAN ELEVASI PERMUKAAN AIR BERDASARKAN DATA SERIES TINGGI TEKANAN AIR

PENENTUAN ELEVASI PERMUKAAN AIR BERDASARKAN DATA SERIES TINGGI TEKANAN AIR PENENTUAN ELEVASI PERMUKAAN AIR BERDASARKAN DATA SERIES TINGGI TEKANAN AIR Andi Rusdin* * Series data of sea surface elevation is required to determine the parameters of tidal and wave parameters. The

Lebih terperinci

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye

Lebih terperinci

Neural Network menyerupai otak manusia dalam dua hal, yaitu:

Neural Network menyerupai otak manusia dalam dua hal, yaitu: 2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat

Lebih terperinci

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,

Lebih terperinci