ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL"

Transkripsi

1 ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL Nathanael G. Sumatoyo ABSTRACT Cognitive load has long been hypothesized to have deteriorating effects toward individuals performances in doing any tass. Article intended to examine such effects in the term of students speed in recognizing visual stimuli patterns. The cognitive load was represented by the length of the stimuli and whether there was or there was not distracting stimuli. Participants speeds were defined as the repetition needed to correctly recall the corresponding pattern. Three methods used in this research were Analysis of Variance (ANOVA), Paired t-test, and Profile Analysis. The result successfully reconfirms that the increase in patterns length and the manipulation of assignment complexity lead to slower participants recognition speed. Meanwhile, Profile Analysis finds no differences among groups of participants that are previously grouped by three variables: GPA, sex, and performance prediction. Keywords: cognitive load, ANOVA, paired t-test, profile analysis ABSTRAK Cognitive load telah lama dihipotesisan sebagai fator penurun inerja individu dalam menyelesaian suatu tugas. Artiel bertujuan mengonfirmasi pengaruh cognitive load terhadap emampuan mahasiswa mengenali pola stimuli visual yang ditampilan. Manipulasi cognitive load direpresentasian dengan mengubah panjang pola stimuli serta ada/tidanya stimuli pendistrasi. Kecepatan partisipan mengenali pola dinyataan dengan banyanya perulangan yang diperluan untu mengenali pola dengan benar. Tiga metode analisis yang digunaan dalam penelitian ini adalah ANOVA, Uji Nilai Tengah Berpasangan, dan Analisis Profil. Pengolahan data menghasilan simpulan peningatan panjang pola dan omplesitas tugas aan memperlambat ecepatan partisipan. Sementara itu, Analisis Profil tida menemuan perbedaan profil antar elompo yang dibentu berdasar IPK, jenis elamin, dan predisi inerja. Kata unci: cognitive load, ANOVA, uji nilai tengah berpasangan, analisis profil Jurusan Statistia, Faultas Sains dan Tenologi, Universitas Bina Nusantara, Jl. K.H. Syahdan No. 9 Palmerah, Jaarta Barat 480, Analisis Pengaruh Cognitive Load (Nathanael G. Sumatoyo) 3

2 PENDAHULUAN You can t sit on two chair at the same time, utipan lasi tersebut merupaan gambaran sederhana tentang cognitive load. Individu, pada batas tertentu, aan mengalami penurunan inerja seiring penambahan jumlah tugas maupun enaian omplesitas tugas tersebut. Penurunan inerja seperti itu buanlah sesuatu yang sulit ditemui. Dalam berbagai bidang ehidupan, dapat dijumpai saat etia individu mengalami esulitan dalam menangani tugas yang dihadapinya, buan arena disposisi pribadi, namun arena tugas yang ditangani telah benar-benar di luar batas emampuannya. Contoh bagi penurunan inerja tersebut, antara lain seorang mahasiswa tida optimal dalam persiapan ujian arena bahan yang terlalu banya, aryawan layanan onsumen yang esulitan menangani onsumen yang terlalu banya menuntut, atau untu contoh lebih estrem, seorang peserta seminar yang esulitan mengerti materi yang diberian arena pembicara menggunaan bahasa yang high profile. Singatnya, cognitive load terait dengan beban yang ada dalam memori erja (woring memory) etia individu sedang melauan suatu proses ognitif, bai itu proses berpiir, berbahasa, maupun proses lain yang melibatan pendayagunaan piiran. Semua hal tersebut menunjuan apliasi teori cognitive load yang sangat luas dan arenanya terus terbua bagi penelitian lain. Keterbuaan dan sifat teori yang apliatif itulah yang menari minat peneliti untu menjadian cognitive load sebagai tema utama penelitian. Cognitive Load TINJAUAN PUSTAKA Cognitive load, pertama ali diemuaan oleh Sweller (988), meruju pada onsep tentang beban pada memori erja (woring memory) dalam proses penyelesaian masalah (problem solving), berpiir, dan pendayagunaan piiran lain (termasu persepsi, memori, bahasa, dan lain sebagainya). Pengertian yang lebih umum dari definisi tenis tersebut disampaian oleh Adcoc (000) sebagai jumlah sumber daya mental yang diperluan untu memproses informasi (amount of mental resources necessary for information processing). Seja diusulan oleh Sweller dalam domain proses pembelajaran (learning process), teori cognitive load telah menari perhatian banya peneliti. Perhatian antara lain ditujuan pada usaha meminimalisir cognitive load demi tercapainya proses belajar yang optimum, misalnya dalam Quiroga, et. al. (004) dan Paas, et. al. (003). Fous peneliti pada domain proses pembelajaran tersebut tida lepas dari pengaruh cognitive load yang terindiasi menurunan performansi individu dalam melauan suatu tugas. Mengutip Barrouilet et. al. (007), performansi individu aan menurun seiring peningatan beban memori onuren dan peningatan apapun dari esulitan proses aan menyebaban informasi hilang dari memori janga pende (Anderson et al., 996; Case et al., 98; Conway & Engle, 994; Daneman & Carpenter, 980; Just & Carpenter, 99). Analisis Ragam (ANOVA) Hipotesis yang berlau dalam ANOVA adalah H 0 : μ= μ =... = μ, = jumlah elompo H : seurangnya dua nilai tengah tida sama 4 Jurnal Mat Stat, Vol. 9 No. Januari 009: 3-

3 Ragam seluruh pengamatan bila tida dielompo diberian oleh rumus beriut. s = n i= j= ( xij x..) n Pembilang s, disebut Jumlah Kuadrat Total, menguur eragaman total dalam data. Keragaman total tersebut dapat diuraian melalui identitas beriut. n n ij i. ij i ( x x..) = n ( x x..) + ( x x. ) i= j= i= i= j= Identitas uadrat tersebut dapat diuraian e dalam tiga penjumlahan uadrat. n n T.. ( xij x..) = xij = Jumlah Kuadrat Total = JKT n i= j= i= j= i= i= j= Ti. i= T.. ( i...) n x x = = Jumlah Kuadrat Nilai Tengah Kolom = JKK n n n (.) = = = xij xi JKT JKK Jumlah Kuadrat Galat JKG Tabel Analisis Ragam Klasifiasi Satu Arah (One-way ANOVA) Sumber Keragaman Nilai Tengah Kolom Galat Jumlah Kuadrat Derajat Bebas Kuadrat Tengah F-hitung JKK JKG n ( ) JKK s = JKG s = N s s Total JKT n- Uji Nilai Tengah Pengamatan Berpasangan (Paired t-test) Dalam metode ini perhatian ada pada selisih, di= xi xi dari masing-masing pengamatan. Selisih tersebut dipandang sebagai nilai suatu contoh aca d, d,..., dn dari suatu nilai tengah μ D dengan ragam σ D tida dietahui dan diduga dengan s d. Selang epercayaan ( α )00% bagi μ D diperoleh dengan menyataan P( tα / < T < tα /) = α dan T adalah D μ D T = dan tα / adalah nilai sebaran t dengan n derajat bebas. Sd / n Analisis Pengaruh Cognitive Load (Nathanael G. Sumatoyo) 5

4 Penolaan Ho: μ D = d 0 ditentuan berdasaran statisti uji d d0 t =, v= n sd / n Analisis Profil (Profile Analysis) Misalan untu elompo i, nilai tengah untu p perlauan adalah μ μ μ μ ' ] i [ i, i,..., ip =. Plot tida terputus dari nilai tengah tersebut disebut dengan profil elompo e-i. (Gambar ). Profil demiian dapat digambaran untu setiap elompo data yang diinginan. Terdapat tiga hal yang menjadi fous masalah dalam Analisis Profil. Pertama, uji eparalelan. Kedua, uji levels. Ketiga, uji flatness. Gambar Dua Profil dengan Empat Variabel Uji Keparalelan (Test of Parallelism) Mengutip Ainsworth (006), tujuan uji itu adalah mengonfirmasi perbedaan antar grup dalam nilai yang dihasilan dari pengurangan dua variabel ta bebas yang bersebelahan. Dengan ata lain, apaah hipotesis Ho : μ r, i μr, i = μs, i μs, i ; dengan r, s g dan i p dapat diterima? Pada prinsipnya, uji eparalelan itu sama dengan MANOVA (Multivariate Analysis of Variance) dengan catatan nilai variabel ta bebas tiap partisipan disubstitusi menjadi selisih nilainya. Identitas uadrat yang berlau dalam MANOVA sebagai beriut. g nl g g ( x x)( x x)' = n ( x x)( x x)' + ( x x)( x x )' lj lj l l l lj l lj l l= j= l= l= j= Dengan g n ( xl x)( xl x )' = Jumlah Kuadrat Perlauan l l= g nl ( xlj xl)( xlj xl)' = Jumlah Kuadrat Galat l= j= nl 6 Jurnal Mat Stat, Vol. 9 No. Januari 009: 3-

5 Uji Perbedaan Antar Kelompo (Test of Levels) Uji perbedaan antar elompo pada prinsipnya identi dengan univariate ANOVA. Nilai tiap partisipan adalah rataan dari variabel ta bebas partisipan bersangutan. Pembagian elompo disesuaian dengan elompo yang digunaan pada analisis profil. Uji Variabel Ta Bebas (Test of Flatness) Test of flatness menguji apaah rata-rata selisih variabel tida bebas tida sama dengan nol untu seurangnya sepasang variabel. Metode yang digunaan adalah selisih vetor nilai tengah dengan hipotesis nol Ho : μ μ 0 = 0 Hipotesis tersebut aan diuji menggunaan statisti t pada statistia univariat. dan, T T = ( X μ )' S ( X μ ) = n( X μ )' S ( X μ0) n X ( px) ( p x p) n = X n j = j S = X X X μ 0 ( p x ) n ( j )( j X) n j= μ0 μ0 μ 30 =... μ p0 ' dan - Hotelling, yaitu suatu bentu generalisasi dari METODE PENELITIAN Hipotesis Penelitian Penelitian memilii tiga hipotesis, yaitu panjang pola mempengaruhi ecepatan partisipan mengenali pola yang diberian; Komplesitas tugas mempengaruhi ecepatan partisipan mengenali pola yang diberian; Tida ada perbedaan profil antar elompo partisipan. Analisis Pengaruh Cognitive Load (Nathanael G. Sumatoyo) 7

6 Definisi Operasional Tabel Definisi Operasional Variabel VARIABEL BEBAS No. Variabel Definisi Operasional Hasil Uur Panjang Pola Jumlah penyalaan lingaran yang Jumlah penyalaan lingaran menyusun suatu pola. Menurut panjangnya, terdapat empat macam pola: A: 4 penyalaan B: 6 penyalaan C: 8 penyalaan D: 0 penyalaan Komplesitas Pengenalan pola yang dibarengi Ada atau tidanya stimuli distrasi Tugas dengan penyalaan stimuli distrasi 3 IPK Indes Prestasi Kumulatif mahasiswa. Nilai IPK, dengan sala -4 Dihitung per semester, dengan rumus SKS dialian grade huruf (A=4, B=3, C=, D=) 4 Jenis Kelamin Jenis elamin partisipan Salah satu pilihan: pria atau perempuan 5 Predisi inerja Predisi partisipan atas inerja sendiri dibandingan dengan inerja partisipan lain. Predisi dilauan dengan metode penilaian sendiri (selfassessment) Bilangan 0-3 yang menyataan 0 untu predisi inerja sangat buru, untu predisi inerja lebih buru atau sama dengan partisipan lain, untu predisi inerja lebih bai atau sama dengan partisipan lain, 3 untu predisi inerja sangat bai VARIABEL TAK BEBAS No Variabel Definisi Operasional Hasil Uur Kecepatan Pengenalan Pola Kecepatan partisipan mengenali pola yang diberian pada masing-masing sesi Jumlah perulangan yang diperluan oleh suatu partisipan untu meneba pola secara benar Pengumpulan Data, Populasi, dan Sampel Data dalam penelitian ini didapatan dengan program omputer. Setiap file hasil program aan berisi field data: () NIM partisipan, () IPK, (3) jenis elamin, (4) predisi inerja, (5-8) hasil untu sesi stimuli sederhana, dan (9-) hasil untu sesi stimuli omples. Setiap partisipan aan menerima Rp0.000,00. Populasi dalam penelitian ini adalah mahasiswa Bina Nusantara. Sampel adalah mahasiswa adalah Faultas Matematia dan Ilmu Pengetahuan Alam semester 7. Pemilihan mahasiswa semester tujuh dilauan arena IPK yang dimilii merupaan rataan dari enam semester sehingga aan lebih mencerminan potensi inteletual partisipan bersangutan. HASIL DAN PEMBAHASAN Karateristi partisipan dalam penelitian ini disampaian dalam Tabel 3. Tabel 3 Karateristi Partisipan Variabel IPK Jenis Kelamin Predisi Kinerja Lai-lai 4 Perempuan 8 Sangat Buru Lebih Buru/Sama dengan Rata 3 Lebih Bai/Sama dengan Rata 3 Sangat Buru 4 Jumlah Jurnal Mat Stat, Vol. 9 No. Januari 009: 3-

7 Analisis Ragam untu menguji Rumusan Masalah ) pada stimuli sederhana menghasilan nilai statisti uji-f Nilai F yang besar itu menghasilan penolaan Ho: tida ada perbedaan nilai tengah. Uji lanjut menggunaan Duncan s Multiple Range menunjuan bahwa perbedaan nilai tengah terjadi pada semua emunginan pasangan elompo. Keputusan yang sama ditemuan pula dalam Analisis Ragam stimuli omples, ali ini dengan F-hitung Kedua penolaan Ho menunjuan bahwa peningatan panjang pola aan mempersulit pengenalan yang dilauan oleh partisipan. Rumusan Masalah ) diuji menggunaan Uji Beda Nilai Tengah Berpasangan. Gambar menampilan plotting ecepatan tiap partisipan untu eempat panjang pola pada stimuli sederhana dan omples. a. Plotting untu Pola A Keterangan: Stimuli omples Stimuli sederhana b. Plotting untu Pola B c. Plotting untu Pola C d. Plotting untu Pola D Gambar Plotting Kecepatan Partisipan Dari Gambar terlihat jelas bahwa partisipan lebih lambat dalam mengenali stimuli omples. Pengamatan visual itu diperuat pola oleh nilai statisti Uji t-berpasangan untu pola A, B, C, dan D masing-masing 8.776, 8.996, , dan secara berurutan. Semua nilai statisti uji tersebut membawa epada penolaan Ho: selisih nilai tengah sama dengan nol, dan dengan demiian dapat diataan bahwa tugas yang lebih omples aan mempersulit pengenalan pola partisipan. Analisis Profil menghasilan eputusan yang seragam. Bai pada stimuli sederhana maupun omples, profil elompo yang dibentu berdasar IPK, jenis elamin, dan predisi inerja seluruhnya bersifat paralel, berhimpit, dan tida datar. Dengan profil demiian, dapat diataan bahwa dalam penelitian ini elompo IPK lebih tinggi memilii nilai tengah ecepatan pengenalan pola yang sama dengan nilai tengah elompo IPK rendah (tida ada perbedaan). Demiian juga, nilai tengah pria dan perempuan tida ada perbedaan, dan partisipan yang mempredisi inerjanya aan lebih bai ternyata tida dapat memenuhi predisi tersebut (tida ada perbedaan nilai tengah berdasar predisi inerja). Sifat profil tida datar sementara itu menerangan bahwa peningatan panjang pola (manipulasi variabel bebas) terbuti memberian efe epada ecepatan pengenalan pola (variabel tida bebas). Efe itu melalui sifat profil paralel dapat ditunjuan pula berlau sama untu semua elompo. Analisis Pengaruh Cognitive Load (Nathanael G. Sumatoyo) 9

8 PENUTUP Melalui penelitian ini dapat disimpulan hal sebagai beriut. Penambahan panjang pola aan memperlambat ecepatan partisipan dalam mengenali pola yang tampil. Hal ituditunjuan dengan hasil perhitungan dari Analisis Ragam. Manipulasi omplesitas tugas dengan memberian stimuli pendistrasi menghasilan efe perlambatan pada ecepatan partisipan mengenali pola yang tampil. Hasil demiian ditunjuan dengan perhitungan yang dilauan menggunaan metode Uji Nilai Tengah Berpasangan. Efe cognitive load berlau sama untu semua elompo partisipan, bai elompo yang berdasaran IPK, jenis elamin, maupun predisi inerja. Efe itu terlihat dari Analisis Profil yang menyataan eseluruhan profil memilii arater paralel, berhimpit (level), dan tida datar (not flat). Dapat ditunjuan adanya efe eyainan berlebih melalui hasil Analisis Profil atas data control predisi inerja. Keempat profil dinyataan berhimpit yang berarti tida ada perbedaan nilai tengah antar elompo predisi inerja. DAFTAR PUSTAKA Adcoc, A. B. (000). Effects of cognitive load on processing and performance. Diases dari Ainsworth, A. (006). Profile analysis equations. Diases dari Anderson, J. R., L. M., Reder, & C., Lebiere. (996). Woring memory: Activation limitations on retrieval. Cognitive Psychology, 30, 56. Barrouillet, P., Vergauwe, E., & Bernardin, S. (007). Time and cognitive load in woring memory. Journal of Experimental Psychology: Learning, Memory, and Cognition, 33 (3), Case, R., M. Kurland, & Goldberg, J. (98). Operational efficiency and the growth of short-term memory. Journal of Experimental Child Psychology, 33, Conway, A. R. A. & Engle, R. W. (994). Woring memory and retrieval: A resource-dependent inhibition model. Journal of Experimental Psychology: General, 4, Daneman, M. & Carpenter, P. A.. (980). Individual differences in woring memory and reading. Journal of Verbal Learning and Verbal Behavior, 9, pp Johnson, R. A. & Wichern, D. W. (00). Applied multivariate statistical analysis. Fifth Ed. Prentice Hall. Just, M. A. & P. A. Carpenter. (99). A capacity theory of comprehension: Individual differences in woring memory. Psychological Review, 99, 49. Paas, Fred., Renl, A., & Sweller, J. (003). Cognitive load theory and instructional design: Recent developments. Educational Psychologist, 38 (), Jurnal Mat Stat, Vol. 9 No. Januari 009: 3-

9 Quiroga, L. M., Crosby, M. E., and Marie K. Iding. (004). Reducing cognitive load. Proceedings of the 37th Hawaii International Conference on System Sciences 004. Sweller, John. (988). Cognitive load during problem solving: Effects on learning. Cognitive Science,, Walpole, R. E., & Myers, R. H. (995). Ilmu peluang dan statistia untu insinyur dan ilmuwan. Edisi Keempat. Bandung: Penerbit ITB. Analisis Pengaruh Cognitive Load (Nathanael G. Sumatoyo)

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN 60 BAB 4 HASIL DAN PEMBAHASAN Pada bab ini dijelaskan dan disajikan keterbatasan penelitian, hasil pengumpulan data, hasil analisis data, dan pembahasan hasil penelitian dalam kaitannya dengan teoriteori

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA . Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.

Lebih terperinci

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure 8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.

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

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

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

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

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

ANALISIS VARIANSI (ANOVA)

ANALISIS VARIANSI (ANOVA) ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t

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

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu

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

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

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

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

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

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

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

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

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

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:

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

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

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

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

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

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.

Lebih terperinci

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.

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

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

TUGAS I RANCANGAN PERCOBAAN BAB I

TUGAS I RANCANGAN PERCOBAAN BAB I TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

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

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

VIGOTIP SUBSTITUTION CIPHER

VIGOTIP SUBSTITUTION CIPHER VIGOTIP SUBSTITUTION CIPHER Alwi Alfiansyah Ramdan 135 08 099 Program Studi Teni Informatia Institut Tenologi Bandung Jl Ganesha 10, Bandung e-mail: alfiansyahramdan@gmailcom ABSTRAK Maalah ini membahas

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

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY Jurnal Manti Penusa Vol No Desember ISSN 88-9 ANALISIS EPUASAN ONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAET (URIR DENGAN MENGGUNAAN METODE TOPSIS FUZZY Desi Vinsensia Program Studi Teni Informatia

Lebih terperinci

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

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

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

MUSIK KLASIK DAN PENINGKATAN HASIL BELAJAR MATEMATIKA PADA SISWA KELAS TINGGI

MUSIK KLASIK DAN PENINGKATAN HASIL BELAJAR MATEMATIKA PADA SISWA KELAS TINGGI Volume, Nomor 1, April 013 http://doi.org/10.1009/jppp MUSIK KLASIK DAN PENINGKATAN HASIL BELAJAR MATEMATIKA PADA SISWA KELAS TINGGI Jayanti Dwiputri Abdi* ** *Faultas Ilmu Pendidian, Universitas Negeri

Lebih terperinci

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

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 5, Halaman 87-93 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PENERAPAN FORMULA BENEISH M-SCORE DAN ANALISIS DISKRIMINAN LINIER UNTUK

Lebih terperinci

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT. BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas

Lebih terperinci

3. Sebaran Peluang Diskrit

3. Sebaran Peluang Diskrit 3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.

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

Rancangan Petak Terbagi

Rancangan Petak Terbagi Rancangan Peta Terbagi Ade Setiawan 009 Percobaan Split-plot merupaan superimpose dari dua jenis satuan percobaan dimana rancangan lingungan untu eduanya bisa sama ataupun berbeda. Satuan percobaan untu

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB IV APLIKASI PADA MATRIKS STOKASTIK BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii

Lebih terperinci

PENENTUAN BATAS WILAYAH LAUT PROVINSI JAWA TENGAH DAN JAWA BARAT MENGGUNAKAN DATUM GEODESI NASIONAL. Sutomo Kahar *)

PENENTUAN BATAS WILAYAH LAUT PROVINSI JAWA TENGAH DAN JAWA BARAT MENGGUNAKAN DATUM GEODESI NASIONAL. Sutomo Kahar *) PENENTUAN BATAS WILAYAH LAUT PROVINSI JAWA TENGAH DAN JAWA BARAT MENGGUNAKAN DATUM GEODESI NASIONAL Sutomo Kahar *) Abstract According to Minister of Internal Affair regulation which is Permendagri No.

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

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:

Lebih terperinci

TEORI KINETIKA REAKSI KIMIA

TEORI KINETIKA REAKSI KIMIA TORI KINTIK RKSI KII da (dua) pendeatan teoreti untu menjelasan ecepatan reasi, yaitu: () Teori tumbuan (collision theory) () Teori eadaan transisi (transition-state theory) atau teori omples atif atau

Lebih terperinci

MAT. 12. Barisan dan Deret

MAT. 12. Barisan dan Deret MAT.. Barisan dan Deret i Kode MAT. Barisan dan Deret U, U, U3,..., Un,... Un a + (n-)b U + U +..., Un +... n?? Sn? BAGIAN PROYEK PENGEMBANGAN KURIKULUM DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN DIREKTORAT

Lebih terperinci

BAB ELASTISITAS. Pertambahan panjang pegas

BAB ELASTISITAS. Pertambahan panjang pegas BAB ELASTISITAS 4. Elastisitas Zat Padat Dibandingan dengan zat cair, zat padat lebih eras dan lebih berat. sifat zat padat yang seperti ini telah anda pelajari di elas SLTP. enapa Zat pada lebih eras?

Lebih terperinci

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership

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

BAB V PEMBAHASAN DAN SIMPULAN

BAB V PEMBAHASAN DAN SIMPULAN BAB V PEMBAHASAN DAN SIMPULAN A. Pembahasan Pembahasan ini penulis aan membahas tentang asus yang diambil dengan judul Penerapan Terapi Musi Rebana Pada Lansia ng Mengalami Stres Di Unit Rumah Pelayanan

Lebih terperinci

PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER

PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,

Lebih terperinci

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo

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

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

MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT)

MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) Asmara Iriani Tarigan (asmara@ut.ac.id) Sitta Alief Farihati Jurusan Matematia

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

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,

Lebih terperinci

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh

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

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

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

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

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

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO 1 Selvia Hana, Tohap Manurung 1 Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Abstra Antrian merupaan

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

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA 21 Manajemen Polusi Polusi yang diaibatan oleh suatu perusahaan arena tida adanya eteraitan antar area dalam proses produsi yang bai Hasil dari produsi tersebut adalam produ yang

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

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belaang Industri sepeda motor nasional merupaan industri yang masih terus mengalami pertumbuhan. Berdasaran data dari AISI (Asosiasi Industri Sepedamotor Indonesia) tingat produsi

Lebih terperinci

METODE PANGKAT BALIK TERGESER UNTUK MENCARI NILAI EIGEN DAN VEKTOR EIGEN

METODE PANGKAT BALIK TERGESER UNTUK MENCARI NILAI EIGEN DAN VEKTOR EIGEN MEODE PNGK BLIK ERGESER UNUK MENCRI NILI EIGEN DN VEKOR EIGEN Sangadi BSRC rtile disusses the shifted power method as the extension of the power method he shifted power method also requires a good starting

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

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

Pendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur

Pendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (0) -50 (0-9X Print) D- Pendeatan Regresi Nonparametri Spline Untu Pemodelan Laju Pertumbuhan Eonomi (LPE) di Jawa Timur Elfrida Kurnia Litawati dan I Nyoman Budiantara

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

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan

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

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

ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL BERBASIS KOMPUTER MENGGUNAKAN METODE ANALISIS PROFIL SKRIPSI

ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL BERBASIS KOMPUTER MENGGUNAKAN METODE ANALISIS PROFIL SKRIPSI ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL BERBASIS KOMPUTER MENGGUNAKAN METODE ANALISIS PROFIL SKRIPSI OLEH : Nathanael Gratias Sumaktoyo NIM. 0800742834 PROGRAM

Lebih terperinci

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai Pemodelan Dan Esperimen Untu enentuan Parameter Tumbuan Non Elasti Antara Benda Dengan Lantai Puspa onalisa,a), eda Cahya Fitriani,b), Ela Aliyani,c), Rizy aiza,d), Fii Taufi Abar 2,e) agister Pengajaran

Lebih terperinci

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B

Lebih terperinci

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA Ruhana Khabibah, Hery Tri Sutanto 2, Yuliani Puji Astuti 3 Jurusan Matematia, Faultas Matematia dan Ilmu

Lebih terperinci

ANALISIS DISKRIMINAN

ANALISIS DISKRIMINAN ANALISIS DISKRIMINAN I Prinsip Dasar dan Tujuan Analisis Analisis disriminan adalah salah satu teni statisti yang bisa digunaan pada hubungan dependensi (hubungan antarvariabel dimana sudah bisa dibedaan

Lebih terperinci

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain 8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.

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

2.1 Bilangan prima dan faktorisasi prima

2.1 Bilangan prima dan faktorisasi prima BAB 2 BILANGAN PRIMA 2.1 Bilangan prima dan fatorisasi prima Definisi 2.1.1. Bilangan bulat p > 1 diataan prima jia ia hanya mempunyai pembagi p dan 1. Dengan ata lain bilangan prima tida mempunyai pembagi

Lebih terperinci

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

4. 1 Spesifikasi Keadaan dari Sebuah Sistem Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti

Lebih terperinci