ESTIMASI MODEL KEBUTUHAN TRANSPORTASI MENGGUNAKAN DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "ESTIMASI MODEL KEBUTUHAN TRANSPORTASI MENGGUNAKAN DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN"

Transkripsi

1 ESTIMASI MODEL KEBTHAN TRANSPORTASI MENGGNAKAN DATA ARS LAL LINTAS PADA KONDISI PEMILIHAN RTE KESEIMBANGAN Rusmad Suyut Staf Pngaar Jurusan Tknk S nvrstas Muhammadyah Jakarta Jn. Cmaka Puth Tngah 27, Jakarta Pusat T: (021) Fax: (021) E-ma: rusmadsuyut@yahoo.com Ofyar Z. Tamn Staf Pngaar dan Pnt Dartmn Tknk S Insttut Tknoog Bandung Jaan Gansha 10, Bandung T: (022) Fax: (022) E-ma: ofyar@trans.s.tb.ac.d Abstrak Masaah-masaah yang tmbu d daam sstm transortas mmrukan Matrks Asa-Tuuan (MAT) sbaga nut utama yang mrrsntaskan oa raanan ada suatu wayah rncanaan. Mtod untuk mndaatkan MAT daat dkomokkan mnad Mtod Konvnsona dan Mtod brdasarkan data arus au ntas (basanya dsbut Mtod Tdak Konvnsona). Mtod Tdak Konvnsona mruakan suatu mtod stmas yang cuku fktf dan konoms karna data utama yang dbutuhkannya adaah data arus au ntas yang untuk mmrohnya mmbutuhkan baya yang murah, banyak trsda dan mudah ddaat. MAT yang dhaskan dar data arus au ntas sanutnya daat dbdakan mnad dua konds yatu MAT ada konds saat n dan MAT yang drdks untuk masa mndatang. Estmas MAT ada konds saat n dgunakan sbaga nut daam mmrakrakan MAT d masa mndatang. Saah satu cara yang daat dakukan adaah dngan mmodkan raku kbutuhan transortas d daam wayah stud. Tuuan ntan n adaah manutkan ngmbangan mtod stmas mod kbutuhan transortas brdasarkan nformas data arus au ntas, daam mnnau faktor-faktor yang brngaruh trhada kakurasan MAT. Mod yang dkmbangkan sanutnya d u mnggunakan data Kota Bandung dan sktarnya. Has yang droh mnunukkan bahwa MAT has stmas mnunukkan tngkat kssuaan yang tngg trhada MAT has ngamatan. Mtod u statstk yang dgunakan adaah: Root Man Squar Error (RMSE), Man Absout Error (MAE), Normasd Man Absout Error (NMAE) dan Kofsn Dtrmnas (R 2 dan SR 2 ). Has ntan mnymukan bahwa mod GO sau mnghaskan arus au ntas has stmas yang trbak. Jka drtmbangkan bbraa krtra tambahan, maka scara ksuruhan mtod stmas yang trbak adaah kombnas antara mod GR dngan mtod stmas KTB. Dsamng tu, dar has yang droh, nggunaan mtod mhan rut ksmbangan mmunya ngaruh yang sangat sgnfkan ka dbandngkan dngan nggunaan mtod a-or-nothng. Kata-kata kunc: mod kbutuhan transortas, arus au ntas, mod stmas, mod gravty, mod mhan rut PENDAHLAN Pada hamr suruh akas rncanaan transortas, nut data yang ang sut dan maha droh adaah matrks asa-tuuan (MAT). Mtod yang tah dkmbangkan untuk mndaatkan MAT scara gars bsar dkomokkan mnad 2 (dua) yatu mtod konvnsona dan mtod tdak konvnsona. Mtod konvnsona untuk mndaatkan MAT dakukan mau surv wawancara rumah tangga atau surv wawancara d t aan. Surv trsbut basanya mmrukan baya yang bsar, tnaga survyor yang banyak, kttan yang tngg daam ngoahan data, waktu yang ama srta umumnya mngganggu ngguna aan. ntuk mngatas kndaa trsbut, tah dkmbangkan mtod an yatu mtod tdak konvnsona. Mtod trsbut mnggunakan nformas data arus auntas d ruas aan untuk mmrkrakan MAT. Jurna Transortas Vo. 6 No. 2 Dsmbr 2006:

2 MAT yang dhaskan dar nformas arus au ntas sanutnya daat dbdakan mnad 2 (dua) konds yatu MAT yang ada ada konds saat n dan MAT yang drdks untuk mnggambarkan konds rgrakan d masa mndatang. Pada kasus rtama, MAT mnggambarkan oa raanan ada konds yang braku saat n. Sdangkan ada kasus kdua, rdks tata guna ahan dan sosa konom drukan untuk mmrakrakan MAT d masa mndatang, dan sanutnya untuk mnghaskan rakraan arus au ntas d masa mndatang. Estmas MAT ada konds saat n drukan untuk mnysakan banyak tugas-tugas d bdang manamn transortas. Dsamng tu MAT trsbut uga dgunakan sbaga nut daam mmrakrakan MAT d masa mndatang untuk kruan rncanaan transortas. Saah satu cara yang daat dakukan untuk mmrakrakan MAT masa mndatang adaah dngan mmodkan raku au ntas atau kbutuhan transortas d daam wayah stud. Pada ntan sbumnya, Tamn (1988) dan Tamn t a, (2000) tah mngmbangkan suatu mtod stmas mod kbutuhan transortas dngan mnggunakan mod sbaran rgrakan Gravty (GR) dan Gravty-Oortunty (GO). Sdangkan mtod stmas yang dgunakan mngkabras aramtr mod trsbut adaah mtod Kuadrat-Trkc (KT) dan Kmran-Maksmum (KM), Infrns-Bays (IB) dan Entro-Maksmum (EM). Dsamng tu uga dtnau faktor-faktor ngaruh annya, srt: okas trbak data arus au ntas, umah otmum data arus au ntas, ngaruh tundaan d smang, ngaruh fuktuas arus au ntas srta kombnas mod Sbaran Prgrakan-Pmhan Moda. Kdua mtod trdahuu trsbut mnggunakan tknk mhan rut roorsona, dmana roors mhan rut ( d ) tdak trgantung ada voum arus au ntas. Contoh yang ang umum untuk ns n adaah mhan rut a-or-nothng. Mtod trsbut mmbuat ross stmas mnad bh sdrhana karna na d daat dstmas sbumnya dan scara trsndr (ndndnt). Mskun dmkan ada konds d wayah rkotaan dmana srng trad kmactan, tknk mhan rut roorsona trsbut mnad kurang rasts. Brdasarkan konds trsbut, maka ntan n brtuuan untuk manutkan ntan-ntan trdahuu, khususnya dngan cara mngmbangkan tknk mhan rut tdak roorsona srt mhan rut ksmbangan (qubrum assgnmnt) untuk mnntukan na d. Dngan mtod n na d tdak daat dstmas sbumnya, karna mruakan fungs dar arus au ntas. Pnggunaan mtod mhan rut tdak roorsona trsbut mngakbatkan ross tras mnad bh komks dan bh ama. METODOLOGI STDI Mtodoog Pntan Mtodoog n dsusun agar sta taha kgatan dar ross ntan n daat braan dngan bak, shngga daat mncaa tuuan ntan yang tah dttakan sbumnya. Scara umum, mtodoog n daat dhat daam bagan ar ada Gambar 1. Pngaruh Mod Sbaran Prgrakan Mod Gravty (GR) Pada mod gravty nybaran rgrakan ddasarkan ada akssbtas, bangktan dan tarkan dar zona asa k zona tuuan. Gambaran tngkat kmudahan daam 140 Jurna Transortas Vo. 6 No. 2 Dsmbr 2006:

3 mncaa zona tuuan daam mod n dnyatakan daam fungs baya raanan atau fungs hambatan (mdanc functon). Mod n dham oh kons hukum gravty Nwton (Tamn, 2000). INPT DATA Data arus auntas Sstm Jarngan Sstm Zona O, Dd Pngaruh Mod Sbaran Prgrakan : Gravty (GR) dan Gravty-Oortunty (GO) Pngaruh Mod Pmhan Rut : A-Or-Nothng dan Equbrum Assgnmnt Na Awa Paramtr Matrks-Asa-Tuuan (MAT) d Prubahan Na Paramtr Pngaruh Mtod Estmas Paramtr Mod : Kuadrat-Trkc (KT), Kmran-Maksmum (KM), Infrns-Bays (IB), Entro- Maksmum (EM) Voum Lau Lntas Estmas Paramtr, Fungs Tuuan Ts Konvrgns tdak ya Ssa Faktor Pngaruh ntuk Ta Taha Dar Pross Pmodan Estmas Mod Kbutuhan Transortas Dngan Data Arus Lau Lntas Gambar 1 Mtodoog Pntan Prsamaan mod gravty adaah sbaga brkut: T d = O. Dd. A. Bd. f ( Cd ) (1) dngan: 1 A = (2) B D f ( C ) B d = ( d d d ) ( AO f ( Cd )) d 1 (3) Estmas mod kbutuhan transortas (Rusmad Suyut dan Ofyar Z. Tamn) 141

4 T d = umah rgrakan dar zona asa k zona tuuan d A ; B d = faktor nymbang masng-masng untuk sta asa dan tuuan d O = tota rgrakan dar zona asa D d = tota rgrakan k zona tuuan d f(c d ) = fungs umum baya raanan / fungs hambatan Prsamaan fungs hambatan dantaranya adaah: f C d C (4) Fungs Pangkat : ( ) α Fungs ksonnsa : f = d βcd ( C d ) = (5) α βcd Fungs Tannr : f ( C ) = C. (6) d d Mod Gravty-Oortunty (GO) Tamn (2000) mnyatakan bahwa mod Intrvnng-Oortunty tah dkmbangkan oh Stouffr ada tahun 1940, dngan mngasumskan bahwa umah rgrakan dar suatu zona asa k zona tuuan adaah brbandng urus dngan umah ksmatan ada zona tuuan, dan brbandng trbak dngan umah ksmatan-antara. Jad, mod Gravty kurang mmrhatkan fk Intrvnng, sdangkan mod Oortunty tdak mmrhatkan fk akssbtas, shngga scara ogs, mod yang da akan droh dngan mnggabungkan kdua fk trsbut daam satu mod, yatu mod Gravty-Oortunty (GO). Bntuk dasar mod GR dan IO bsa ddaat sbaga kasus khusus. Jad mhan antara ndkatan mod GR atau IO dutuskan scara mrk dan statstk dngan mnggunakan batasan aramtr yang mngontro bntuk fungs mkansm nybaran rgrakan. Tamn (2000) mngusukan formuas mod GO sbaga brkut: T d = O. Dd. A. Bd. fd (7) dngan: A dan B d ddfnskan sbaga rsamaan (2) dan (3) 1 [ δ ] f = d d.f ( ε,μ ) ( ε,μ ) 1 F = (9) Ω = x 1 ε.α.d β Φ (10) ( ) ( ) [( ) ].C = [ δ d.dd ] d D (11) Paramtr (Ω, Φ) dh trbh dahuu, d uar ross kabras (hat Tab 1). Transformas (ε, µ) ddfnskan dngan Tab 2. Ssfkas Faktor Ksmatan Ssfkas faktor ksmatan mruakan rnyataan dar kombnas faktor ksmatan dan faktor hambatan. Scara umum ada mat kombnas yang basa daka daam rhtungan mod gravty-oortunty, srt yang trhat ada tab brkut. Paramtr yang mnntukan ssfkas adaah Ω dan Φ. Ω mruakan aramtr bag ssfkas fungs ksmatan sdangkan Φ aramtr bag fungs hambatan. Na 0 bag (8) 142 Jurna Transortas Vo. 6 No. 2 Dsmbr 2006:

5 aramtr trsbut mnandakan ssfkas fungs trsbut adaah ns angkat, sdangkan ka nanya satu mruakan ns ksonnsa. Tab 1 Ssfkas Fungs Ksmatan Ω Φ Ksmatan-Antara Hambatan ( Ω) ( Φ) Ω Ω Φ x[ ( 1 ε).α. D ] x[ β.c ] x 1 ε.α. D β.c x[ ] [ ] 1 1 ( 1 ε) 0 0 D ( 1 ε ) α 1 0 x ( 1 ε) 0 1.α.D ( ) ( Φ) ( ) x x ( ) β β.c β [. α.d ] α ( 1 ε ) D [ ] C α ( 1 ε ) β [ ] [ 1 ε.α. D β.c ] D.C C x ( 1 ε) x x ( 1 ε) β.c Sumbr : Ws (1986) srt dtus daam Tamn (2000) Tab 2 Ssfkas Faktor Proors [. α. D β. og C ] [.α.og D β. C ] Bntuk µ ε GO 0 µ 1 0 ε 1 LO 1 0 DO 1 0 ε 1 Cummuatv Oortunts (X ) ( ε,μ ) og ( ε) og Faktor Proors (F ) ( ε,μ ) ( ε,μ ) 1 og 1 ( ε) ( ε) 1 GR 0 µ 1 1 IO 0 0 ε 1 1/ε 1/ε 1 1/ε EO 0 0 BO 0 µ 1 0 x μ og + 1 μ x ( ) x μ og ( 1 μ) x x 1 1 og + 1 x Sumbr: Ws (1986) srt dtus daam Tamn (2000) Estmas mod kbutuhan transortas (Rusmad Suyut dan Ofyar Z. Tamn) 143

6 Struktur Faktor Proors Sbagamana sbuah fungs kontnyu rnyataan sbuah uang sau dnyatakan dar ssh dua buah uang kumuatf. Daam rhtungan mod gravty-oortunty, struktur fungs ksmatan dnyatakan sbaga kombnas dar ε dan µ. Dar kombnas dua aramtr trsbut scara gars bsar daat dkomokkan 6 struktur fungs yatu: Logartmc-Oortunty (LO), Drct-Oortunty (DO), Gravty (GR), Invrs-Oortunty (IO), Exonnta-Oortunty (EO) dan Bndd-Oortunty (BO). Pngaruh Mtod Estmas Mtod Estmas Kuadrat-Trkc (KT) Mtod stmas n mncoba mngkabras aramtr mod transortas yang tdak dktahu shngga mmnmumkan umah rbdaan kuadrat antara arus auntas has stmas dan has ngamatan. Scara matmats, masaah kabras dar mtod naksran kuadrat-trkc daat dnyatakan sbaga brkut dngan V = 1 untuk KT atau V = Vˆ untuk Kuadrat-Trkc- Brbobot (KTB): 2 L ( V ) Mnmum = Vˆ S = (12) 1 V dmana : V = umah arus d ruas has stmas Vˆ = umah arus d ruas has ngamatan Mtod Estmas Kmungknan-Maksmum (KM) Tamn (1988, 1999) uga sudah mmbangun mtod stmas yang mcoba untuk mmaksmumkan kmungknan yang trcantum ada rsamaan d bawah. Krangka kra dar mtod stmas KM adaah brua mhan hotss H yang mmaksmumkan rsamaan d bawah dngan batasan trtntu, yang nantnya mnghaskan sbaran V yang ang ssua dngan data has survy ( Vˆ ). Fungs obyktf dar krangka kra n adaah: Vˆ Mmaksmumkan : L = c. (13) Dngan batasan: V ˆ = 0 (14) V T dngan: Vˆ T = arus tota au ntas has ngamatan V c = konstanta, dmana = Vˆ Mtod Estmas Infrns-Bays (IB) T Tamn (1999) mnybutkan, mtod n mnggunakan suatu robabtas subyktf untuk mngukur tngkat krcayaan tntang suatu kadaan. Pada mtod n, rtmbangan subyktf brdasarkan ntus, ngaaman atau nformas yang tdak 144 Jurna Transortas Vo. 6 No. 2 Dsmbr 2006:

7 angsung, scara sstmats dgabungkan dngan data ngamatan untuk mndaatkan suatu taksran yang smbang. Fungs obyktf dar mtod stmas Infrns-Bays (IB) adaah : Maksmumkan ( ) = L N N ˆ IB τ V V ogtd.d (15) = 1 d Mtod Estmas Entro-Maksmum (EM) Mnurut Tamn (2000), mtod stmas ntro maksmum dkmbangkan dar anaog fska yatu kons tntang mtod nyusunan mkro suatu sstm trtntu msanya moku gas. Pada mod sbaran rgrakan dasumskan bahwa rgrakan yang trad srt moku gas yang daat brgrak bbas, shngga mnghaskan sbaran maksmum. Daam ha mod sbaran raanan, rgrakan yang trad daat dangga sbaga moku gas yang daat brgrak bbas shngga sbarannya maksmum atau dstrbusnya mrata. Ha trsbut mruakan kons dasar dar ngmbangan mtod stmas ntro maksmum. Fungs tuuan dar mod stmas ntro maksmum adaah sbaga brkut: Mmaksmumkan N N T L N N d.d N N = = 1 d 1 E = + 1 T ˆ d.d. og Td.d V (16) = ˆ 1 = 1 d = 1 V = 1 d = 1 Pngaruh Mtod Pmhan Rut Mtod Pmhan Rut A-Or-Nothng Mtod n mngasumskan bahwa roors ngndara daam mmh rut yang dngnkan hanya trgantung ada asums rbad, cr fsk sta ruas aan yang akan daunya, dan tdak trgantung ada tngkat kmactan. Mod n mruakan mod mhan rut yang ang sdrhana, yang mngasumskan bahwa smua ngndara brusaha mmnmumkan baya raanannya yang trgantung ada karaktrstk arngan aan dan asums ngndara. Jka smua ngndara mmrkrakan baya n dngan cara yang sama, astah mrka mmh rut yang sama. Baya n dangga tta dan tdak dngaruh oh fk kmactan. Mtoda Pmhan Rut Ksmbangan (Equbrum Assgnmnt) Jka ssorang mngabakan fk stokastk dan mngangga batasan-kaastas sbaga saah satu mkansm ross nybaran rgrakan daam suatu arngan, da harus mmrtmbangkan bbraa st mod. Sbaga contoh: mod batasan-kaastas harus mnggunakan fungs yang mngatkan rgrakan dngan waktu tmuh. Mod n mnggunakan rns ksmbangan Wardro (1952). Asums dasar modan ksmbangan adaah, ada konds tdak mact, sta ngndara akan brusaha mmnmumkan baya raanannya dngan brah mnggunakan rut atrnatf. Bag ngndara trsbut, baya dar smua atrnatf rut yang ada dasumskan dktahu scara mst daam modan. Jka tdak satuun ngndara daat mmrkc baya trsbut, maka sstm dkatakan tah mncaa konds ksmbangan. Estmas mod kbutuhan transortas (Rusmad Suyut dan Ofyar Z. Tamn) 145

8 ANALISIS DATA ntuk mncar vadas dar sta mtod stmas dgunakan data arus au ntas dar Kota Bandung. Mod arngan aan dbntuk sbaga wak sua arngan aan trdr dar 1238 ruas (tota 2279 ruas aan r arah) yang mut smua aan artr, koktor dan bbraa ruas aan oca ntng. Mod sstm zona yang mwak ss rmntaan raanan trdr dar tota 125 zona dngan rncan 100 zona ntrna d wayah Kota Bandung dan 25 zona kstrna d wayah Kabuatn Bandung, Kota Cmah dan Kabuatn Sumdang. statstk yang dakukan adaah ts Root Man Squar Error (RMSE mauun %RMSE), Man Absout Error (MAE mauun NMAE) dan kofsn dtrmnas (R 2 dan SR 2 ). Pngaruh Mod Sbaran Prgrakan Mod Sbaran Prgrakan Gravty (GR) Has stmas aramtr mod kbutuhan transortas yang dhaskan untuk brbaga ns mod GR adaah dtunukkan ada Tab 3. Pross trsbut dakukan dngan mtod stmas Kuadrat-Trkc-Brbobot (KTB), fungs hambatan ksonnsangatf dan mtod mhan rut ksmbangan (qubrum assgnmnt). Tab 3 Has Estmas Paramtr Mod Transortas Mnurut Jns Mod GR No. Mod Gravty Fungs Eksonnsa-Ngatf β Fungs Tuuan 1 Batasan-bangktan 0, ,515 2 Batasan-tarkan 0, ,062 3 Batasan-bangktan-tarkan 0, ,598 Dar Tab 3 daat dhat bahwa dar ktga ns mod GR, mod GR dngan batasan-bangktan-tarkan mnghaskan tngkat kakurasan yang ang bak dbandngkan ns mod GR annya. Ha trsbut dtunukkan brdasarkan na mnmum dar fungs tuuan dar mtod stmas KTB, dmana ns batasan-bangktantarkan nanya ang kc. Brdasarkan has stmas untuk mod batasan-bangktan-tarkan, sanutnya dakukan stmas aramtr mnurut ns fungs hambatan. Has stmas aramtr mod kbutuhan transortas yang dhaskan untuk brbaga ns fungs hambatan adaah dtunukkan ada Tab 4. Tab 4 Has Estmas Paramtr Mod Transortas Mnurut Jns Fungs Hambatan No. Fungs Hambatan Batasan-Bangktan-Tarkan α β Fungs Tuuan 1 Eksonnsa-Ngatf - 0, , Pangkat - 0, , Tannr 0, , , Jurna Transortas Vo. 6 No. 2 Dsmbr 2006:

9 Dar Tab 4 daat dhat bahwa has rbandngan antara ta ns fungs hambatan mnunukkan bahwa fungs hambatan Tannr mmbrkan tngkat knra yang trbak. Ha trsbut dtunukkan brdasarkan na mnmum dar fungs tuuan dar mtod stmas KTB. Stah fungs Tannr, urutan trbak sanutnya adaah fungs angkat. Fungs n knranya bh bak dbandngkan dngan fungs ksonnsangatf. Jka dkombnaskan dngan ns mod GR srt tah dbahas sbumnya, maka knra trbak dtunukkan oh ns mod GR batasan-bangktan-tarkan (DCGR) dngan fungs hambatan Tannr. Mod Sbaran Prgrakan Gravty-Oortunty (GO) Daam nraan mod n, dgunakan kombnas na aramtr Ω dan Φ sbaga brkut : Ω=1 dan Φ=1; Ω=1 dan Φ=0; Ω=0 dan Φ=1 srta Ω=0 dan Φ=0. Sdangkan aramtr Box-Cox ε dan μ dttakan d uar ross kabras utama. Dngan mnntukan kombnas dar ε dan μ, na fungs tuuan dan aramtr α dan β dstmas brdasarkan na awa aramtr α dan β. Has nraan ada data Kota Bandung mnunukkan bahwa kombnas aramtr mod GO dngan na fungs tuuan yang otmum untuk masng-masng mtod stmas trnyata mnuu ada satu na kombnas, trutama ada kombnas aramtr ε dan μ d mana ε=0,9 dan μ=0,1. Sdangkan na α dan β yang droh ratf brdkatan. Pada akhrnya, nguan statstk arus stmas untuk masng-masng mtodun mnghaskan na yang ratf brdkatan. Has stmas aramtr mod kbutuhan transortas yang dhaskan dngan Mod GO untuk brbaga ns kombnas fungs ksmatan (na Ω dan Φ) adaah dtunukkan ada Tab 5. Pross trsbut dakukan dngan mtod stmas Kuadrat- Trkc-Brbobot (KTB) dan mtod mhan rut ksmbangan (qubrum assgnmnt). Tab 5 Has Estmas Paramtr Mod Transortas Mnurut Jns Mod GO No. Na Ω dan Φ α β Fungs Tuuan 1 Ω = 1, Φ = 1-0, , , Ω = 1, Φ = 0 0, , , Ω = 0, Φ = 1 2, , , Ω = 0, Φ = 0 0, , ,0078 Dar Tab 5 daat dhat bahwa kmat kombnas ssfkas fungs ksmatan mnunukkan tngkat knra ratf hamr sama antara satu dngan annya. Pngaruh Mtod Estmas Paramtr Has stmas aramtr mod kbutuhan transortas yang dhaskan untuk brbaga ns mtod stmas adaah dtunukkan ada Tab 6. Pross trsbut dakukan dngan mod GR dngan batasan-bangktan-tarkan, fungs hambatan ksonnsangatf dan mtod mhan rut ksmbangan (qubrum assgnmnt). Mod batasan-bangktan-tarkan dh karna brdasarkan has smuas ada bagan sbumnya, mnunukkan knra yang trbak ka dbandngkan dngan mod batasanbangktan mauun batasan-tarkan. Estmas mod kbutuhan transortas (Rusmad Suyut dan Ofyar Z. Tamn) 147

10 Tab 6 Has Estmas Paramtr Mod Transortas Mnurut Jns Mtod Estmas ada Konds Mod GR Batasan-Bangktan-Tarkan dan Pmhan Rut Ksmbangan No. Mtod Estmas GR β Fungs Tuuan 1 Kuadrat-Trkc (KT) 0, , Kuadrat-Trkc-Brbobot (KTB) 0, , Kmran-Maksmum (KM) 0, , Infrns-Bays (IB) 0, , Entro-Maksmum (EM) 0, ,0330 Dar Tab 6 daat dhat bahwa masng-masng mtod stmas mnghaskan aramtr β yang nanya hamr sama antara satu mtod dngan mtod yang annya. ntuk mnntukan tngkat knra tdak bsa mnggunakan aramtr na fungs tuuan, karna mtod mncar fungs tuuan brbda antara satu mtod dngan mtod annya. Pngaruh Mtod Pmhan Rut Has stmas aramtr mod kbutuhan transortas yang dhaskan ada konds mhan rut ksmbangan (qubrum assgnmnt) dan mhan rut a-ornothng untuk brbaga ns mtod stmas adaah dtunukkan ada Tab 7. Pross trsbut dakukan dngan mod GR dngan batasan-bangktan-tarkan, fungs hambatan ksonnsa-ngatf srta mtod stmas KTB. ntuk mod GO dgunakan kombnas fungs ksmatan Ω=0 dan Φ=0, faktor roors ε=0,9 dan μ=0,1 srta mtod stmas KTB. Tab 7 Has Estmas Paramtr Mod Transortas Mnurut Jns Pmhan Rut No. GR GO Mtod Pmhan Fungs Fungs Rut β α β Tuuan Tuuan 1 Ksmbangan 0, ,14 0, , ,01 2 A-Or-Nothng 0, ,33-0, , ,19 Dar Tab 7 daat dhat bahwa ka dbandngkan dar na fungs tuuan, maka nggunaan mtod mhan rut ksmbangan auh bh bak dar ada nggunaan mtod mhan rut a-or-nothng. KESIMPLAN DAN REKOMENDASI Pntan n brtuuan untuk mnnau tngkat kakurasan MAT yang dhaskan dar nformas data arus auntas yang dngaruh oh faktor-faktor: (1) Mtod Sbaran Prgrakan Gravty (GR) dan Gravty-Oortunty (GO) (2) Mtod Estmas Kuadrat-Trkc (KT), Kmran-Maksmum (KM), Infrns- Bays (IB) dan Entro-Maksmum (EM) (3) Tknk Pmhan Rut A-Or-Nothng dan Ksmbangan (Equbrum Assgnmnt) Brdasarkan smuas brbaga faktor-faktor ngaruh (mod kbutuhan transortas, mtod stmas aramtr dan mtod mhan rut) srt tah durakan d atas, maka mod yang mnghaskan tngkat kakurasan ang tngg adaah mtod GO yang dkombnaskan dngan mtod stmas KTB dan mtod mhan rut ksmbangan (qubrum assgnmnt). Pnggunaan mod GO trsbut mnghaskan 148 Jurna Transortas Vo. 6 No. 2 Dsmbr 2006:

11 tngkat kakurasan yang hanya sdkt bh bak ka dbandngkan mnggunakan mod GR. Jka dgunakan mod GR, maka kombnas trbak dhaskan dngan mtod stmas KTB yang dkombnaskan dngan mod batasan-bangktan-tarkan (DCGR) dngan fungs hambatan raanan Tannr. Jka dbandngkan antara tngkat kakurasan yang dhaskan srta mmrtmbangkan krtra-krtra annya srt: komkstas rhtungan srta amanya waktu ross mnggunakan komutr, maka dusukan untuk mnggunakan mod GR sbaga dasar untuk stmas mod kbutuhan transortas. Daam ha n mod GR yang dusukan, dkombnaskan dngan mtod stmas KTB, dngan mod batasanbangktan-tarkan (DCGR) dan dngan fungs hambatan raanan Tannr. DAFTAR PSTAKA Tamn, O.Z Th Estmaton of Transort Dmand Mods From Traffc Counts. PhD Dssrtaton of th nvrsty of London, nvrsty Cog London. Tamn, O.Z. and Wumsn, L.G Transort Dmand Mod Estmaton From Traffc Counts. Journa of Transortaton, K. Tamn, O.Z., Safruddn, A. dan Hdayat, H Dynamc Orgn-Dstnaton (O-D) Matrcs Estmaton From Ra Traffc Count Informaton. 3 rd EASTS Confrnc Procdng, Ta Stmbr 1999, hostd by Chns Insttut of Transortaton, Ta. Tamn, O.Z Prncanaan dan Pmodan Transortas, Eds 2, Pnrbt ITB, Bandung. Tamn, O.Z. t a Dynamc Orgn-Dstnaton (OD) Matrcs Estmaton From Ra Tm Traffc Count Informaton, Laoran Taha I, Graduat Tam Rsarch Grant, Batch IV, nvrsty Rsarch for Graduat Educaton (RGE) roct. Tamn, O.Z. t a Dynamc Orgn-Dstnaton (OD) Matrcs Estmaton From Ra Tm Traffc Count Informaton, Laoran Akhr, Graduat Tam Rsarch Grant, Batch IV, nvrsty Rsarch for Graduat Educaton (RGE) roct. Wumsn, L.G An Entroy Maxmsng Mod for Estmatng Tr Matrcs From Traffc Counts. PhD Thss, Dartmnt of Cv Engnrng, nvrsty of Lds. Estmas mod kbutuhan transortas (Rusmad Suyut dan Ofyar Z. Tamn) 149

12 150 Jurna Transortas Vo. 6 No. 2 Dsmbr 2006:

PENGGUNAAN MODEL GRAVITY-OPPORTUNITY (GO) DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALULINTAS

PENGGUNAAN MODEL GRAVITY-OPPORTUNITY (GO) DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALULINTAS PENGGNN MODEL GRVITY-OPPORTNITY (GO) DLM ESTIMSI MTRIKS SL-TJN (MT) MENGGNKN DT RS LLLINTS Rusma Suyut Staf Pengaar Jurusan Teknk S nverstas Muhammayah Jakarta Jn. Cemaka Puth Tengah 7, Jakarta Pusat-10510

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini. BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu

Lebih terperinci

Hubungan antara K dengan koefisien fugasitas:

Hubungan antara K dengan koefisien fugasitas: Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =

Lebih terperinci

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka

Lebih terperinci

BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]

BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11] BAB II TINJAUAN PUSTAKA II.1 Umum Tngkat playanan suatu jarngan jalan tntukan olh waktu prjalanan, baya prjalanan (tarf an bahan bakar), knyamanan, an kamanan pnumpang. Jka trja pnurunan tngkat playanan

Lebih terperinci

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA)

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA) PROPERY DAN PERDAGANGAN EBAGAI EKOR DOMINAN PADA DAA BURA AHAM DENGAN PRINCIPAL COMPONEN ANALYI (PCA) Hanna A Parhus, Dva Wdyananto,dan Brnadta Dsnova Kr Cntr of Ald Mathmatcs (CAM), Program tud Matmatka

Lebih terperinci

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.

Lebih terperinci

BAB VI METODE BELAJAR WIDROW-HOFF

BAB VI METODE BELAJAR WIDROW-HOFF BAB VI METODE BELAJAR WIDROW-HOFF - Aturan laar LMS Last Man Squars lh ftf dar aturan laar rstron. - Aturan laar LMS atau Wdro-Hoff mmnmsasan man squar rror, shngga mnggsr atasan utusan sauh yang sa dlauan

Lebih terperinci

Kajian Peningkatan Akurasi Matriks Asal-Tujuan yang Dihasilkan dari Data Arus Lalulintas pada Kondisi Keseimbangan

Kajian Peningkatan Akurasi Matriks Asal-Tujuan yang Dihasilkan dari Data Arus Lalulintas pada Kondisi Keseimbangan PROC. ITB Sains & Tek. Vo. 39 A, No. 1&2, 2007, 23-39 23 Kajian Peningkatan Akurasi Matriks Asa-Tujuan yang Dihasikan dari Data Arus Lauintas pada Kondisi Keseimbangan Ofyar Z. Tamin 1 & Rusmadi Suyuti

Lebih terperinci

BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL. Inti dari pengambilan keputusan adalah memilih alternatif, tentunya harus

BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL. Inti dari pengambilan keputusan adalah memilih alternatif, tentunya harus 40 BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL 3.1. Pengamban Keputusan Int dar pengamban keputusan adaah memh aternatf, tentunya harus aternatf yang terbak (the best aternatve). Tujuan dar anass keputusan

Lebih terperinci

Kata kunci : Probabilitas pemilihan bus, Logit binner, Stated Preference

Kata kunci : Probabilitas pemilihan bus, Logit binner, Stated Preference PROBABILITAS PENGGUNAAN BUS ANGKUTAN ALTERNATIF PADA RUTE JAYAPURA BANDAR UDARA SENTANI AMIRUDDIN Mahasiswa Magistr Bidang Kahlian Manajmn Dan Rkayasa Transortasi Fakultas Tknik Siil dan Prncanaan Institut

Lebih terperinci

APLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE)

APLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE) APLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE) Abdul Gaus Program Studi Tknik Siil Fakultas Tknik Univrsitas Khairun Trnat Tl/Fax (091) 38049 Irnawaty

Lebih terperinci

2 i. . Kebolehjadian total n set nilai adalah: y terhadap y dicapai jika faktor

2 i. . Kebolehjadian total n set nilai adalah: y terhadap y dicapai jika faktor Pencocokan Data. Pencocokan Data ke Gars Lurus Msakan kta mempunya n ttk data ekspermenta (, y ) dan dketahu bahwa hubungan teorts antara dan y adaah hubungan near (persamaan gars urus) dengan persamaan:

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

5 Model sebaran pergerakan

5 Model sebaran pergerakan 5 Mol sbaran prgrakan Pmolan bangktan prgrakan tlah trangkan paa bab 4 scara rnc. D stu prkrakan bsarnya prgrakan yang haslkan ar zona asal an yang trtark k zona tuuan. Bsarnya bangktan an tarkan prgrakan

Lebih terperinci

FIXED EFFECT MODEL PADA REGRESI DATA PANEL

FIXED EFFECT MODEL PADA REGRESI DATA PANEL ta p-iss: 085-5893 -ISS: 54-0458 Vol. 3 o. opmbr 00, Hal. 34-45 ta 00 DOI: http://dx.do.org/0.044/btajtm.v9.7 FIED EFFECT MODEL PADA REGRESI DATA PAEL Alfra Mula Astut Abstrak: Pngamatan trhadap prlakuan

Lebih terperinci

Analisis Variansi Multivariat

Analisis Variansi Multivariat Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak

Lebih terperinci

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla

Lebih terperinci

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi.

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi. BAB 3 Ksamaan Matks Kovaans Bagan n akan mmahas tntang ngujan hotss ksamaan matks kovaans. 3. Uj Ksamaan Dua Matks Kovaans 3.. Ukuan Pnyaan Multvaat ( X ( ( Msalkan X suatu vkto acak d mana X dan X masngmasng

Lebih terperinci

Bab 2. Tinjauan Pustaka

Bab 2. Tinjauan Pustaka Bab. Tnjauan Pustaka. Penekatan Perencanaan Transportas Tujuan asar perencanaan transportas aaah untuk memperkrakan jumah an okas kebutuhan transportas (jumah perjaanan) paa masa menatang (tahun rencana)

Lebih terperinci

BAB IV FUNGSI KOMPLEKS

BAB IV FUNGSI KOMPLEKS 47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas

Lebih terperinci

PENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA

PENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA PENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 9 ABSTRACT RAFIDHA. Prcng of Gnral

Lebih terperinci

PENGGUNAAN MODEL GRAVITY (GR) DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALULINTAS

PENGGUNAAN MODEL GRAVITY (GR) DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALULINTAS PENGGUNAAN MODEL GRAVITY (GR) DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALULINTAS Rusmadi Suyuti Staf Pengajar Jurusan Teknik Sipi Universitas Muhammadiyah Jakarta Jn. Cempaka Putih

Lebih terperinci

PEMODELAN MATEMATIK PINDAH PANAS DAN MASSA PADA PENGGORENGAN DENGAN PASIR SEBAGAI MEDIA PENGHANTAR PANAS

PEMODELAN MATEMATIK PINDAH PANAS DAN MASSA PADA PENGGORENGAN DENGAN PASIR SEBAGAI MEDIA PENGHANTAR PANAS PEMODELAN MAEMAIK PINDAH PANAS DAN MASSA PADA PENGGORENGAN DENGAN PASIR SEBAGAI MEDIA PENGHANAR PANAS Mathmatcal Modlng of Hat and Mass ransfr on Fryng by Usng Sand as A Mdum for ransfrng Hat Sswantoro

Lebih terperinci

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam

Lebih terperinci

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms

Lebih terperinci

METODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract

METODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract JRNAL MATEMATIKA DAN KOMPTER Vol. 5. No., 4-4, Aprl, ISSN : 4-858 METODE ELEMEN INGGA NTK MASALA SARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF Sutrma Jurusan matmatka FMIPA NS Abstract Th purpos of ths

Lebih terperinci

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.

Lebih terperinci

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan

Lebih terperinci

Model Statistika untuk Fertilitas Perkawinan dengan Pendekatan Eksponenesial

Model Statistika untuk Fertilitas Perkawinan dengan Pendekatan Eksponenesial PROSIDIG ISB : 978 979 6353 6 3 Modl Statistika untuk Frtilitas Prkainan dngan Pndkatan Eksonnsial S 3 Endang Sri Krsnaati Jurusan Matmatika FMIPA Univrsitas Sriiaa ndangsrikrsnaati@ahoo.co.id Abstrak

Lebih terperinci

Analysis of Covariance (ANACOVA)

Analysis of Covariance (ANACOVA) Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada

Lebih terperinci

Pertemuan XIV, XV VII. Garis Pengaruh

Pertemuan XIV, XV VII. Garis Pengaruh ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui

Lebih terperinci

Abstrak. Kata-kata kunci: pemodelan transportasi, matriks asal-tujuan, metode estimasi, distribusi perjalanan, pemilihan rute

Abstrak. Kata-kata kunci: pemodelan transportasi, matriks asal-tujuan, metode estimasi, distribusi perjalanan, pemilihan rute PEGARUH JEIS MEODE ESIMASI DALAM ESIMASI MARIKS ASAL UJUA (MA) MEGGUAKA DAA ARUS LALULIAS PADA KODISI PEMILIHA RUE KESEIMBAGA (EQUILIBRIUM ASSIGME) Rusmadi Suyuti Mahasiswa Program S3 Pascasarjana eknik

Lebih terperinci

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

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

Lebih terperinci

Palupi, et al, Pengaruh Teknik Talking Stick terhadap Pengetahuan dan Sikap...

Palupi, et al, Pengaruh Teknik Talking Stick terhadap Pengetahuan dan Sikap... Palu, t al, Pngaruh Tknk Talkng Stck trhada Pngtahuan dan Ska... Pngaruh Tknk Talkng Stck trhada Pngtahuan dan Ska dalam Pncgahan HIV/AIDS Pada Rmaja d SMP Ngr 1 Pugr Kabuatn Jmbr (Th ffct of Talkng Stck

Lebih terperinci

Peramalan (Forecasting) dalam Perencanaan Sentral

Peramalan (Forecasting) dalam Perencanaan Sentral Peramalan (Forecastng) dalam Perencanaan Sentral Pendahuluan Perencanaan arngan telepon ddasarkan pada estmas kebutuhan trafk masa depan Long-term forecast dbutuhkan dalam rencana pengembangan untuk menamn

Lebih terperinci

PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS

PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS Wwt Tr Rahayu 1 Abstract The more ata traffc count usng n process wth

Lebih terperinci

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

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

Lebih terperinci

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB) OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Stud Kasus Produk Flash Dsk dngan Kapastas Pnympanan 4 GB dan 8 GB) Skrps OLEH: DIAN SETYA ARINI I0307038 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS

Lebih terperinci

BAB 2 SISTEM MAKRO DAN MIKRO

BAB 2 SISTEM MAKRO DAN MIKRO BAB 2 SISTEM MAKRO DAN MIKRO Sstm yang akan d bahas dalam skrps n adalah sstm frmon yang mngkut kadah ksklus Paul, mrupakan partkl dntk dan mmlk sfat-sfat yang brbda jka d bandngkan dngan sstm boson. Olh

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

Materike April 2014

Materike April 2014 Matrik-6 Pnggunaan Intgral Tak Tntu 10 April 014 Prsamaan Difrnsial dan Pnggunaanna Prsamaan difrnsial mngaitkan suatu fungsi dngan turunanna ( difrnsial Contoh ' ' '' ' Prsamaan Difrnsial dan Pnggunaanna

Lebih terperinci

SOLUSI TUGAS MATA KULIAH STATISTIKA II

SOLUSI TUGAS MATA KULIAH STATISTIKA II SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah

Lebih terperinci

PENERAPAN METODE REGRESI LOGISTIK ORDINAL DAN REGRESI PROBIT ORDINAL UNTUK MENGESTIMASI PROBABILITAS LAMA MASA STUDI MAHASISWA IST AKPRIND YOGYAKARTA

PENERAPAN METODE REGRESI LOGISTIK ORDINAL DAN REGRESI PROBIT ORDINAL UNTUK MENGESTIMASI PROBABILITAS LAMA MASA STUDI MAHASISWA IST AKPRIND YOGYAKARTA E-ISSN 57-9378 Jurnal Statsta Industr dan Komutas Volum, No., Januar 07,. 04-4 PENERAPAN METODE REGRESI LOGISTIK ORDINAL DAN REGRESI PROBIT ORDINAL UNTUK MENGESTIMASI PROBABILITAS LAMA MASA STUDI MAHASISWA

Lebih terperinci

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3, Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV

Lebih terperinci

PENGUAT FREKUENSI RENDAH (lanjutan)

PENGUAT FREKUENSI RENDAH (lanjutan) EEKTONK NOG Prtmuan 4 PENGUT FEKUENS ENDH (lanjutan) Pngkut Emtr (Emttr Followr) Pnguat transstor kolktor umum (ommon-mttr) dsut juga dgn stla pngkut mtr. Konfgurasnya dgamarkan s. Konfguras kolktor-umum

Lebih terperinci

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak

Lebih terperinci

Partial Least Squares (PLS) Generalized Linear dalam Regresi Logistik

Partial Least Squares (PLS) Generalized Linear dalam Regresi Logistik Partial Last Squars (PLS) Gnralizd Linar dalam Rgrsi Logistik Rtno Subkti Jurusan Pndidikan Matmatika FMIPA UNY Abstrak Kasus multikoliniritas sringkali diumai dalam rgrsi yang mngakibatkan salah intrrtasi

Lebih terperinci

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns

Lebih terperinci

Universitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Persamaan Diferensial Orde I

Universitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Persamaan Diferensial Orde I Univrsitas Indonusa Esa Unggul Fakultas Ilmu Komputr Tknik Informatika Prsamaan Difrnsial Ord I Dfinisi Prsamaan Difrnsial Prsamaan difrnsial adalah suatu prsamaan ang mmuat satu atau lbih turunan fungsi

Lebih terperinci

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka

Lebih terperinci

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST) UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan

Lebih terperinci

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api. 6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi

Lebih terperinci

Materi ke - 6. Penggunaan Integral Tak Tentu. 30 Maret 2015

Materi ke - 6. Penggunaan Integral Tak Tentu. 30 Maret 2015 Matri k - 6 Pnggunaan Intgral Tak Tntu 30 Mart 015 Industrial Enginring UNS ko@uns.ac.id Prsamaan Difrnsial dan Pnggunaanna Prsamaan difrnsial mngaitkan suatu fungsi dngan turunanna difrnsial Contoh '

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Blakang Di dalam dunia bisnis yang smakin ktat saat ini prusahaan dituntut untuk mmiliki banyak kunggulan komptitif agar dapat brsaing dngan yang lainnya. Maka dari itu, prusahaan

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN : JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan

Lebih terperinci

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

MODEL STATISTIKA UNTUK FERTILITAS PERKAWINAN DENGAN PENDEKATAN EKSPONENSIAL. Abstrak

MODEL STATISTIKA UNTUK FERTILITAS PERKAWINAN DENGAN PENDEKATAN EKSPONENSIAL. Abstrak MODEL STATISTIKA UTUK FERTILITAS PERKAWIA DEGA PEDEKATA EKSPOESIAL Endang Sri Krsnaati Jurusan Matmatika FMIPA Univrsitas Sriiaa ndangsrikrsnaati@ahoo.co.id Abstrak Frtilitas rkainan dingaruhi olh faktor

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI MODEL KEBUTUHAN TRANSPORTASI BERDASARKAN INFORMASI DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN DISERTASI

ESTIMASI MODEL KEBUTUHAN TRANSPORTASI BERDASARKAN INFORMASI DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN DISERTASI ESTIMASI MODEL KEBUTUHAN TRANSPORTASI BERDASARKAN INFORMASI DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN DISERTASI Karya tulis sebagai salah satu syarat untuk memperoleh gelar Doktor

Lebih terperinci

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya

Lebih terperinci

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN A. Nna Rosana Chytrasar 1), Sr Haryatm 2), Danardono 3) 1) Mahasswa Jur. Matmatka FMIPA UGM

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

APLIKASI METODE ELEMEN HINGGA PADA ANALISIS STRUKTUR RANGKA BATANG

APLIKASI METODE ELEMEN HINGGA PADA ANALISIS STRUKTUR RANGKA BATANG Jurna Iiah MEDIA ENGINEERING Vo., No., Jui 0 ISSN 087-9334 (56-60) APLIKASI METODE ELEMEN HINGGA PADA ANALISIS STRKTR RANGKA BATANG Srvi O. Dapas Dosn Jurusan Tknik Sipi Fakutas Tknik nivrsitas Sa Ratuangi

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

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

Lebih terperinci

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA)

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA) PROPERY DAN PERDAGANGAN EBAGAI EKOR DOMINAN PADA DAA BURA AHAM DENGAN PRINCIPAL COMPONEN ANALYI (PCA) Hanna A Parhu, Dva Wdyananto,dan Brnadta Dnova Kr Cntr of Ald Mathmatc (CAM), Program tud Matmatka

Lebih terperinci

V. DISTRIBUSI PERJALANAN

V. DISTRIBUSI PERJALANAN V. DISTRIBUSI PERJALANAN 5.. PENDAHULUAN Trp strbuton aalah suatu tahapan yang menstrbuskan berapa jumlah pergerakan yang menuju an berasal ar suatu zona. Paa tahapan n yang perhtungkan aalah :. Sstem

Lebih terperinci

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA)

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA) PROPERY DAN PERDAGANGAN EBAGAI EKOR DOMINAN PADA DAA BURA AHAM DENGAN PRINCIPAL COMPONEN ANALYI (PCA) Hanna A Parhu, Dva Wdyananto,dan Brnadta Dnova Kr Cntr of Ald Mathmatc (CAM), Program tud Matmatka

Lebih terperinci

PENGEMBANGAN REAL TIME TRAFFIC INFORMATION SYSTEM BAGI PENGGUNA JALAN

PENGEMBANGAN REAL TIME TRAFFIC INFORMATION SYSTEM BAGI PENGGUNA JALAN PENGEMBANGAN REAL TIME TRAFFIC INFORMATION SYSTEM BAGI PENGGUNA JALAN Rusmadi Suyuti Pusat Teknologi Industri dan Sistem Transportasi BPPT Jl. M.H. Thamrin No. 8, Gd II BPPT Lt. 10, Jakarta Tel: (01) 316

Lebih terperinci

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type)

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type) TEKNOLOGI DI INDUSTRI (SENIATI) 216 ISSN : 285-4218 Aplkas BPF (Band Pass Fltr) Dgtal Untuk Pndtksan Snyal AFSK (Ampltudo Shft Kyng) Pada Prant RTTY (Rado Tl Typ) Achmad Stawan 1,*, Kusno Suryad 1 1 Tknk

Lebih terperinci

Tinjauan Termodinamika Pada Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial

Tinjauan Termodinamika Pada Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial injauan rmodinamika ada Sistm artikl unggal Yang rjbak Dalam Sbua Sumur otnsial Dngan mngmbangkan ubungan trmodinamik yang sdrana untuk pngumpulan partikl yang tunggal yang ditmpatkan pada dara potnsial.

Lebih terperinci

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya

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

Lebih terperinci

Hendra Gunawan. 29 November 2013

Hendra Gunawan. 29 November 2013 MA1101 MATEMATIKA 1A Hndra Gunawan Smstr I, 013/014 9 Novmbr 013 Latihan (Kuliah yang Lalu) Ssorangygtingginya~1,60 m brdiri ditpiatastbing, mlihat lh k laut yang brada ~18,40 m di bawahnya. Pada saatitu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

INTERFERENSI DAN DIFRAKSI

INTERFERENSI DAN DIFRAKSI ITRFRSI DA DIFRAKSI Mata Kulah: Glombang & Optk Dosn: Andhy Stawan andhystawan DIFRAKSI CLAH TUGGAL DA KISI andhystawan B. Dfaks Dfaks mupan gjala pmblon (pnybaan) glombang kt mnjala mlalu clah smpt atau

Lebih terperinci

Bukti Sifat-sifat Transformasi Laplace. f t g t e f t g t dt. e f t dt e g t dt. f ( t) g( t) F( s) G( s) e dt e dt

Bukti Sifat-sifat Transformasi Laplace. f t g t e f t g t dt. e f t dt e g t dt. f ( t) g( t) F( s) G( s) e dt e dt DAFTAR PUSTAKA Atay F, Baancng th nvrtd pnduum ung poon fdback, App. ath. Ltt., vo., pp. 5 56;999. Chn, Hara S, and Chn G, B trackng and rguaton prformanc undr contro nrgy conrant, IEEE T. Automat. Contr.,

Lebih terperinci

Percobaan Faktor Tunggal (RAL, RAKL, RBSL)

Percobaan Faktor Tunggal (RAL, RAKL, RBSL) Percoaan Faktor Tunggal RAL, RAKL, RBSL Faktor Tunggal Dalam RAKL Rancangan Acak Kelompok Lengkap Karakterstk Rancangan Perlakuan yang dcoakan merupakan taraftaraf dar satu faktor tertentu Faktor-faktor

Lebih terperinci

ISSN X. Yogyakarta Oktober Hlm J. Tek. Sip. Vol. 12 No. 1. Volume 12 Nomor 1, Oktober 2012 ISSN X

ISSN X. Yogyakarta Oktober Hlm J. Tek. Sip. Vol. 12 No. 1. Volume 12 Nomor 1, Oktober 2012 ISSN X Voume 12 Nomor 1, Oktober 2012 ISSN 1411-660X Atya Kurna, Haryanto Yoso Wgroho Steany R.R Pattseanno, Nanse H Pattasna Wufram I. Ervanto, Bemo W. Soemar, Muhama Abuh, an Surjamanto Charur Rozqn Yohannes

Lebih terperinci

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

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

Lebih terperinci

Tinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim

Tinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim Tinjauan Trmodinamika Sistm artikl Tunggal Yang Trjbak Dalam Sbua Sumur otnsial Ol Saful Karim Jurusan ndidikan Fisika Fakultas ndidikan Matmatika dan Ilmu ngtauan Alam Univrsitas ndidikan Indonsia 00

Lebih terperinci

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

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

Lebih terperinci

Gelombang Datar Lintas Medium

Gelombang Datar Lintas Medium Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp

Lebih terperinci

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci