APLIKASI FUZZY NEURAL NETWORK (FNN) PADA SISTEM KONTROL DENGAN WAKTU TUNDA
|
|
- Widyawati Oesman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 APLIKASI FUZZY NEURAL NETWORK (FNN) PADA SISTEM KONTROL DENGAN WAKTU TUNDA Mukhtar Hanaf Program Stud Teknk Informatka Unverstas Muhammadah Magelang Jl. Maend. Bambang Soegeng Km.5 Mertoudan Magelang Telp E-mal: Abstrak Waktu tunda pada sstem kontrol terad karena adana eda waktu bag sensor untuk mendeteks teradna error, sehngga mempengaruh kecepatan controller untuk meresponna. Akbat kedaklneran dan ketdakpastan n akan berdampak pada respon sstem secara keseluruhan. Jens controller ang serng dgunakan pada sstem kontrol n adalah PID. Untuk mendapatkan respon sstem ang bak, harus dlakukan lebh dahulu tunng terhadap parameter P,I dan D pada PID controller pada nla waktu tunda tertentu. Jka terad perubahan nla waktu tunda dluar tolerans ang dnkan, maka harus dlakukan tunng ulang untuk memperbak lag respon sstemna, dan n membutuhkan waktu dan keahlan tersendr. Sementara tu, Fuzz Logc Controller (FLC) menawarkan metode pengontrolan ang lebh robust dalam menesuakan perubahan parameter akbat kedaklneran dan ketdakpastan tersebut. Tetap FLC sangat tergantung pada bass aturan (rule-based) ang dgunakan dalam proses pengandalan sstem, dan rule-based tersebut sangat dpengaruh oleh pengetahuan dan pengalaman perancangna. Aturan ang salah dapat mengakbatkan ketdakstablan sstem. Fuzz Neural Network (FNN), sstem hbrd dar fuzz dan arngan saraf, dapat memberkan solus bag sstem kontrol ang dkembangkan dengan konsep logka fuzz n. Hasl smulas dengan matlab menunukkan bahwa kemampuan pembalaaran ang dmlk oleh unsur arngan saraf pada FNN dapat membantu memberkan respon sstem ang bak meskpun pada rule-based aturan ang dgunakan terbatas. Kata Kunc: waktu-tunda, respon sstem, rule-base, FNN 1. PENDAHULUAN Untuk mengendalkan sstem ang memlk atau dpengaruh waktu tunda banak dgunakan controller konvensonal sepert PID. Namun kendalana adalah sstem kendal konvensonal n membutuhkan pengetahuan tentang parameter-parameter sstem terlebh dahulu. Selan tu, untuk sstem ang kompleks akan terdapat kendala dalam menentukan parameter-parameter ang sesua agar mendapatkan respon keluaran ang stabl. Ada tga parameter dalam pengontrol PID tersebut, atu proporsonal gan (Kp), ntegral tme (T) dan derevatve tme (Td). Ketga parameter tersebut mempuna pengaruh terhadap hasl respon sstem. Untuk memperoleh respon sstem ang bak (setabl), harus dlakukan proses penalaan atau tunng pada ketga parameter tersebut. Serng dengan perkembangan softcomputng, sstem control berbass logka fuzz mula dgunakan untuk mengatas permasalahan ang muncul pada sstem control konvensonal. Selan hasl respon sstem ag lebh bak, kelebhan dar sstem kontrol berbass logka fuzz untuk sstem nonlner adalah berkurangna penggunaan model matematk ang rumt dalam proses perancanganna. Tap knerana akan sangat dpengaruh oleh bass aturan (rule base) sebaga proses nferens dalam mendapatkan output kontrol ang tepat. Sedangkan untuk menentukan rule base ang sesua dperlukan pengalaman dar perancangna, sehngga ka n tdak terseda maka tuuan pengontrolan akan sult dcapa (Yan dkk, 1994). Melalu penggabungan (hbrd) antara fuzz dan arngan saraf truan atau Fuzz-Neural suatu model dapat dlath menggunakan arngan saraf untuk perbakan fungs keanggotaan dar sstem fuzz ang dgunakan sebaga sstem pengambl keputusan untuk menggendalkan peralatan, salah satuna adalah sstem kontrol dengan waktu tunda ang mempuna sfat tdak lner (nonlner) dan tdak past (uncertan). 2. TINJAUAN PUSTAKA Logka fuzz drancang untuk dapat meneremahkan pengetahuan pakar secara langsung melalu aturanaturan dengan label-label lngustc, tap umumna membutuhkan waktu ang lama untuk mendesan dan menesuakan fungs keanggotaan ang dapat memberkan defns secara kuanttatf label-label lngustc n. Teknk-teknk pembalaaran ang dmlk arngan saraf dapat mengotomatsas proses n dan secara substansal mereduks waktu perancangan dan baa (Fuller, 1995). Kemampuan belaar dar arngan saraf truan pada hbrd fuzz neural network dapat dlhat dar hasl peneltan ang dlakukan sebelumna. Pada peneltan n FNN daplkaskan pada sstem control suspens aktf. Dengan rule base dan fungs keanggotaan ang sama dengan FLC, setelah dlakukan proses pembelaaran, hasl smulas menunukkan bahwa FNN mampu memperbak respon sstem dar FLC ang dukan (Hanaf 2011). A-82
2 2.1 Fuzz Neural Network Fuzz neural network merupakan arngan saraf truan dengan bass aturan fuzz (fuzz rule base), sehngga memungknkan adana pemetaan antara anteseden dan konsekuen dalam bentuk IF-THEN ke dalam arngan saraf. Untuk mengmplementaskan aturan fuzz kedalam arngan saraf truan dperlukan level tambahan ang berupa level aturan-aturan fuzz atau fuzz rules level sehngga fuzz neural network terdr dar lma lapsan, atu lapsan nput, lapsan nput fuzz, lapsan penghubung (conucton), lapsan output fuzz dan lapsan output (Fu, 1994). Fungs aktvas dar unt nput adalah nla suatu varabel masukan ang sesua dengan nla ang dberkan. Nla nput dlewatkan dalam unt-unt hmpunan fuzz, ang akan merubah nla kedalam suatu deraat keanggotaan sebaga fungs aktfas dar unt hmpunan fuzz (fuzz set unt). Unt penghubung (conucton unt) akan mengambl mn dar nput (deraat keanggotaan) ang dterma dar masukan unt fuzz set sebelumna. Unt output fuzz menampung nformas dar satu atau lebh unt conucton (masng-masng berhubungan dengan sebuah aturan fuzz). Ada varas pada ttk n. Unt output hmpunan fuzz bsa menggunakan max atau sum dar masukan-masukan sebelumna. Kemudan, unt output membangktkan hasl akhr dengan mengntegraskan nformas dar unt-unt output hmpunan fuzz. Model lebh sederhana dar FNN dtunukkan pada gambar 2.1. Pada FNN n tdak dgunakan lapsan ouput_fuzz. Dar fuzz rule pada conuncton laer ang dgunakan fungs keanggotaan keluaranna adalah sngletons ang menerta bobot koneks pada lapsan terakhr, sehngga FNN n hana terdr terdr dar empat lapsan. (Kasabov, 1998). OUTPUT CONJUNCTION LAYER Input Fuzz : Lngustc value ( Fuzz set Neuron) Gambar 2.1 Fuzz Naural Network dengan empat lapsan Rumus ang dgunakan untuk menentukan besarna keluaran atau output z sebaga berkut, m 1 m z... (2.1) 1 INPUT dmana z adalah level aktvas dar unt output, dan berturut-turut adalah fungs keanggotaan dan alur terbobot unt ke pada lapsan antara output fuzz ke output. 2.2 Algortma Backpropagaton Bobot-bobot pada setap lapsan dar suatu arngan saraf antara lapsan nput, lapsan tersembun dan lapsan output dlath menggunakan algortma pembelaaran terawas (supervsed learnng algorthm), salah satuna adalah dengan algortma backpropagaton ang merupakan algortma ang dgeneralkan untuk memnmas mean-square error dantara output arngan ang dharapkan dengan output ang sebenarna. Algortma n memlk dasar matemats ang kuat, obektf dan algortma n mendapatkan bentuk persamaan dan nla koefsen dalam formula dengan memnmalkan umlah kuadrat galat error melalu model ang dkembangkan (tranng set). Pelathan suatu arngan dengan algortma backpropagaton melput dua tahap, atu perambatan mau dan perambatan mundur (Fausset, 1994) Proses pembelaaran dapat dpercepat dengan dmodfkas backpropagaton standar atu dengan menambahkan momentum. Penambahan momentum bertuuan untuk menghndar perubahan bobot ang mencolok akbat adana data ang sangat berbeda dengan ang lan (outler). Dengan penambahan momentum, bobot baru pada waktu ke (t+1) ddasarkan atas bobot pada waktu t dan (t-1). Jka adalah konstanta A-83
3 ( ( 0 1) ang menatakan parameter momentum, maka bobot baru dapat dhtung dengan persamaan (Fausset, 1994): w k ( t 1) w k ( t) w k ( w k ( t) w k ( t 1)).(2.2) dengan w z, maka persamaan (2.10) dapat dtulskan kembal dengan w k k k ( t 1) w ( t) z ( w ( t) w ( t 1))...(2.3) dmana α adalah learnng factor dan β adalah momentum factor. k k k k 3. METODE PENELITIAN 3.1 Pembuatan Model Sstem Kontrol Struktur sstem kontrol dengan waktu tunda dtunukkan pada gambar 3.1. Snal kontrol u merupakan snal dhaslkan oleh pengontrol FNN ang dgunakan untuk mengontrol G(s) dengan waktu tunda (e -ts ). Load/ dsturbance r + e u FNN - de G(s) e -ts + + Plant dengan waktu tunda Gambar 3.1 Struktur sstem kontrol FNN pada plant dengan waktu tunda G(s) adalah transfer functon dar plant dan e -ts merupakan unsur waktu tunda ang terad pada plant. Sedangkan masukan r merupakan setpont atau nput sstem. Snal nformas ang dterma oleh pengontrol FNN merupakan snal error (e) dan perubahan error (de) ang terad antara output () sstem dengan nput sstem. 3.2 Menentukan Fungs Keanggotaan Fuzz Untuk medapatkan besaran lngustk dar snal masukan ang berupa snal scrpt dlakukan dengan proses fuzzkas. Proses fuzzkas dgunakan untuk memetakan nla nput ang dlewatkan (e dan de) kedalam suatu deraat keanggotaan fuzz. Fungs keanggotaan ang dgunakan pada peneltan n adalah fungs segtga ang memlk tga varabel lngustk atu negatf (N), about zero (Z) dan postf (P). Berdasar hasl analsa respon sstem dengan waktu tunda ang kemudan dlakukan penesuaan dengan coba-coba (tral and error) sampa dperoleh pengontrol ang bak, ddapatkan fungs keanggotaan segtga untuk masukan e dan de sepert terlhat pada Gambar 3. 2 Gambar 3.2 Fungs keanggotaan dan varabel lngustk untuk e dan de Selanutna dar tga varabel lngustk fuzz ang masng-masng untuk e dan de, dsusun aturanaturan fuzz (fuzz rule base). Aturan-aturan fuzz dsusun untuk mengakomodas semua kemungknan masukan nla lngustk e dan de, dan dengan conungton AND semua pasangan varabel lngustk antara masukan e dan de dkombnaskan sehngga dperoleh 9 aturan fuzz. 3.3 Perancangan Struktur Jarngan FNN Struktur arngan saraf berbass fuzz atau fuzz neural network sebaga controller ang drancang pada peneltan n dtunukkan pada gambar 3.3. A-84
4 Gambar 3.3 Struktur FNN Lapsan pertama dar struktur FNN merupakan lapsan nput ang berfungs melewatkan varabel (1) masukan. Output dar lapsan pertama n adalah: 1, e dan 2, de. Kemudan pada lapsan kedua dlakukan proses fuzzkas dengan memetakan nla nput ang dlewatkan (e dan de) kedalam suatu deraat keanggotaan fuzz sepert terlhat pada Gambar 3.2. Keluaran dar lapsan kedua n adalah: (2) (1) 1, 1, (2) (1) 2, 1, ( ).(3.1) dan ( ). (3.2). Pada lapsan ketga ang merupakan lapsan conucton, dgunakan 9 neuron untuk merealsaskan 9 aturan (rule) fuzz. Dengan penghubung AND untuk besaran fuzz dar masukan e dan de, maka fungs aktfas ang dgunakan pada lapsan n adalah mn( ( e ), ( de )) atau mn( ( ), ( )). Keluaranna dapat drumuskan dengan: (3) (1) (3.3). (2) (2) 1, 2, Lapsan keempat merupakan lapsan output. Pada lapsan n akan dlakukan defuzzkaskan atas hasl keluaran dar neuron-neuron pada lapsan sebelumna. Pada lapsan n dlakukan pembobotan dengan w pada setap masukan. Keluaran dar lapsan n dhtung dengan persamaan: (4) n 1 n 1 (3). w (3) n 1 n 1. w.(3.4), dengan n = 9 rules, maka: u w (3.5) 3.3 Pelathan FNN Proses pelathan ang dlakukan pada FNN n menggunakan algortma backpropagaton. Proses pelathan n hana untuk melath bobot koneks lapsan ke 4, untuk lapsan ang lan bobot koneks dset dengan nla satu. Jka Error antara keluaran FNN ang sebenarna ( u (t) ) dengan keluaran ang dngnkan ( ud (t) ), dtentukan dengan rumusan: 2 2 E 1 ( ud( t) u( t )).(3.6) dan untuk modfkas bobot koneks arngan dgunakan persamaan 2.3, dmana k ( tk k ) f ( _ nk ), sehngga modfkas bobot koneks pada lapsan ke 4 pada arngan FNN ang drancang n dlakukan dengan persamaan: E w 4( t 1) w 4( t) ( ) ( w 4( t) w 4( t 1))...(3.7), dengan w E w 4 E u u w 4 4 ( ud( t) u( t)) 9...(3.8), dengan = learnng factor dan = momentum factor. 1 A-85
5 3.4 Penguan Sstem Penguan sstem dlakukan dengan smulas menggunakan sofware Matlab. Model proses atau plant ang dgunakan pada penguan n adalah Heat Exchanger. Heat Exchanger merupakan contoh proses atau plant ang mengandung deadtme. Fungs alh Heat Exchanger dapat dnatakan dalam bentuk sstem orde satu (Santoso, 2003): T ( s) K pex Gex ( s)..(3.9), Fh ( s) exs 1 Karena ada waktu tunda / death tme pada plant maka fungs alh plant menad: T ( s) K pex ts e Gex ( s)...(3.10), Fh ( s) exs 1 dengan t merupakan death tme process. Pada penguan n fungs alh plant dnatakan dengan: 1 10 G ( s) e (3.11). 21,3s 1 Berdasarkan struktur kontrol dengan fungs alh plant pada persamaan (3.11), dbuat rangkaan smulas untuk penguan sstem kontrol menggunakan smulnk matlab sepert pada gambar 3.4 Gambar 3.4. Rangkaan smulas sstem kontrol PID dan FNN Penguan dlakukan dengan step respon sstem dan pengaruh adana gangguan (dsturbance) atau load, sepert ang terlhat pada gambar 3.5. Untuk nput step respon sstem n du dengan lama waktu tunda ang bervaras atu 10s, 20s, 30s dan 45s. Gambar 3.5 Snal gangguan atau load Penguan berkutna adalah penguan karena pengaruh adana gangguan (dsturbance) atau load. Pada penguan n nput sstem dset sebesar 10 o C, kemudan dber dsturbance atau load dengan kenakan suhu menad 50 0 C dalam 400 s dan turun kembal ke poss set ponna, sepert ang terlhat pada Gambar 3.5b. Penguan n uga dlakukan dengan lama waktu tunda ang bervaras atu 10s, 20s, 30s dan 45s. 4. HASIL DAN PEMBAHASAN 4.1 Hasl pelathan FNN Pada proses pelathan FNN n dgunakan nla bobot koneks awal = 0 untuk semua bobot koneks. Nla learnng factor(α) ang dgunakan 0,001 dan momentum factor(β) na adalah 0,015. Kombnas nla α dan β n A-86
6 berpengaruh terhadap kecepatan proses pelathan dan ketepatan nla bobot ang dperoleh. Nla α dan β dsn ddapatkan secara tral and error, semakn kecl nla α proses pembelaar akan semakn lama tetap tngkat keakuratan bobot ang dperoleh akan semakn tngg. Proses pelathan dbatas sampa 100 epoh. Hasl proses pembelaaranna sepert ang terlhat pada gambar 4.1. Gambar 4.1 Proses pelathan FNN Proses pembelaan FNN pada gambar 4.1 datas menunukkan bahwa nla SSE (sum square error) semakn kecl. Hal n berars arngan saraf pada FNN dapat melakukan proses pembelaaran dengan bak terhadap data ang dlathkan. 4.2 Respon Sstem Hasl step respon sstem dar kedua sstem kontrol dengan lama waktu tunda ang bervaras atu 10s, 20s, 30s dan 45s, dtunukkan pada gambar 4.2. Untuk step respon sstem dengan waktu tunda 10s, sepert ang dtunukkan pada Gambar 14a, pada controller PID sudah dlakukan tunng parameter kontrol PID atu Kp, K dan Kd sehngga dperoleh respon sstem ang bak. Gambar 4.2 Step repon sstem dengan waktu tunda: 10s, 20s, 30s dan 45s A-87
7 Hasl penguan pada gambar 4.2 datas, menunukkan bahwa FNN mampu memberkan step respon sstem ang bak untuk seluruh waktu tunda ang dukan. Untuk penguan sstem dengan menggunakan dsturbance atau load terlhat pada gambar 4.3. Akbat adana gangguan (dsturbance), nla controlled varable dalam hal n temperatur nak selama 400s kemudan kembal normal, sehngga controller menngkatkan snal kontrol u, untuk membawa sstem kembal ke nla set pont-na. Gambar 4.3 Respon sstem akbat dsturbance atau load untuk waktu tunda: 10s, 20s, 30s dan 45s Secara umum hasl smulas penguan, bak untuk step respon maupun respon sstem akbat adana dsturbance atau load, menunukkan bahwa controller FNN dapat memberkan hasl pengontrolan ang bak untuk seluruh waktu tunda ang dukan. Dsn FNN mampu memberkan respon sstem ang bak meskpun pada unsur fuzz ang dgunakan hana memaka semblan rule dan keseblan rule tersebut dperoleh dengan cara mengkombnaskan varabel-varabel lngustk dar masukan e dan de. 5. KESIMPULAN Hasl smulas pengendalan sstem dengan waktu tunda menggunakan Fuzz Neural Network (FNN) controller menunukkan bahwa, meskpun dengan menggunakan rule base ang terbatas pada unsur logka fuzz, kemampuan belaar ang dmlk arngan saraf truan pada FNN mampu mengoptmalkan unsur-unsur logka fuzzna, sehngga respon sstem ang bak mampu dtunukkan oleh FNN controller untuk seluruh waktu tunda ang dukan. DAFTAR PUSTAKA Fausset, L., 1994, Fundamental of Neural Network, Prentce-Hall. Fuller, R., 1995, Neural Fuzz Sstems, Abo Akadem Unverst, Abo, Turk. Fu, L.M., 1994, Neural Network n Computer Intellgence, Internatonal Edton, McGraw Hll. A-88
8 Hanaf M, 2011, Implementas Sstem Hbrd Menggunakan Fuzz Neural Network untuk Memperbak Knera Sstem Kontrol Suspens Aktf Berbass Logka Fuzz, Prossdng Semnar Teknk Informatka 2011 (STI 2011), eds 1 Jul 2011, Unverstas Ahmad Dahlan, Yogakarta Kasabov, N.K., 1998, Foundatons of Neural Networks, Fuzz Sstems, and Knowledge Engneerng, Massachusetts Insttute of Technolog, England. Santoso F, 2003, Perbandngan Knera Sstem Kontrol Berumpan Balk (Feedback) Dengan Sstem Kontrol Berumpan Mau (Feedfoward) Pada Jarngan Penukar Panas (Heat Exchanger), Jurnal Teknk Mesn Unverstas Krsten Petra, Vol. 5, No.1 Aprl 2003, Yan, J., Ran, M., Power, J., 1994, Usng Fuzz Logc, Prentce Hall. A-89
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciBAB 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 terperinciPerbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB
Perbakan Unjuk Kerja Sstem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Endryansyah Penddkan Teknk Elektro, Jurusan Teknk Elektro,
Lebih terperinciPENERAPAN FUZZY LOGIC CONTROLLER UNTUK MEMPERTAHANKAN KESETABILAN SISTEM AKIBAT PERUBAHAN DEADTIME PADA SISTEM KONTROL PROSES DENGAN DEADTIME
PENERAPAN FUZZY LOGIC CONTROLLER UNTUK MEMPERTAHANKAN KESETABILAN SISTEM AKIBAT PERUBAHAN DEADTIME PADA SISTEM KONTROL PROSES DENGAN DEADTIME Mukhtar Hanafi Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciBAB 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 terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciPengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network
TUGAS AKHIR TE - 091399 Pengaturan Proses Tekanan pada Sstem Pengaturan Berjarngan Menggunakan Kontroler Fuzzy Neural Network Rende Ramadhan NRP 2208100131 Dosen Pembmbng : Ir. Al Faton, M.T. Imam Arfn,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciBAB 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 terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB 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 terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON
STMIK AMIKOM Yogyakarta, 6-8 Februar 2015 PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1), I Dewa Gede Ra Mardana 2), Sandy Wrakusuma 3) 1), 2), 3)
Lebih terperinciBAB III SKEMA NUMERIK
BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciHybrid intelligent system adalah kombinasi lebih dari dua teknologi cerdas.
Teny Handhayan Pendahuluan Hybrd ntellgent system adalah kombnas lebh dar dua teknolog cerdas. Contohnya kombnas Neural Network dengan Fuzzy membentuk Neuro-fuzzy system Perbandngan Expert Systems, Fuzzy
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciBab 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 terperinciPENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER
Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciII. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai
II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan
Lebih terperinci.. Kekakuan Rangka batang Bdang (Plane Truss) BAB ANAISIS STRUKTUR RANGKA BATANG BIANG Struktur plane truss merupakan suatu sstem struktur ang merupakan gabungan dar seumlah elemen (batang) d mana pada
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciAnalitik Data Tingkat Lanjut (Regresi)
0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciPerancangan Coupled Fuzzy Logic Controller pada Prototipe Mesin Computer Numerical Control (CNC)
JURNAL TEKNIK ITS Vol. 1, No. 1 (Sept. 01) ISSN: 301-971 F-14 Perancangan Coupled Fuzz Logc Controller pada Prototpe Mesn Computer Numercal Control (CNC) Nablla Gustvana, Josaphat Pramudjanto Jurusan Teknk
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciSIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI
ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciPERHITUNGAN PENILAIAN MAHASISWA TERHADAP MENGAJAR DOSEN BERBASIS KASUS MENGGUNAKAN ALGORITMA BAYESIAN
JURNAL DAI IN: - Vol. No. JUNI ERHITUNGAN ENILAIAN MAHAIWA TERHADA MENGAJAR DOEN BERBAI KAU MENGGUNAKAN ALGORITMA BAYEIAN Ern enwat TMIK AMIKOM Yogyakarta ern.s@amkom.ac.d ABTRAKI roses belaar mengaar
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON
PENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1) Sandy Wrakusuma 2) 1) S1 Sstem Komputer, STIKOM Surabaya, emal: madha@stkom.edu 2) S1
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB 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 terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB 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 terperinciJURNAL 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 terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciPENGURUTAN DATA. A. Tujuan
PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
Lebih terperinciBAB 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 terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciIMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB
Semnar Nasonal Teknolog 007 (SNT 007) ISSN : 1978 9777 Yogakarta, 4 November 007 IMPEMENTASI INTERPOASI AGRANGE UNTUK PREDIKSI NIAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATAB Krsnawat STMIK AMIKOM Yogakarta
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciOPTIMASI MASALAH PENUGASAN. Siti Maslihah
JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu
Lebih terperinciDidownload 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 terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciPENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT
PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan
Lebih terperinciBab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat
Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciLOGO ADAPTIVE PREDICTIVE CONTROL BERBASIS ANFIS-PI UNTUK PENGENDALIAN TEMPERATUR HEAT EXCHANGER TESIS RE2099. Ruslim
LOGO PROGRAM MAGISTER BIDANG KEAHLIAN TEKNIK SISTEM PENGATURAN JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA TESIS RE099 ADAPTIVE PREDICTIVE CONTROL BERBASIS
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciIDENTIFIKASI POLA SIDIK JARI DENGAN JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY
Anfudn Azz dan Tanzl Kurnawan, Identfkas Pola Jar IDENTIFIKASI POLA SIDIK JARI DENGAN JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY (Frnger Prnt Pattern Identfcaton by Bdrectonal Assocatve Memory
Lebih terperinciPENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD
Semnar Nasonal Sstem dan Informatka 2007; Bal, 6 November 2007 PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Nur Hasanah ) Istkhomah 2) Taufq Hdayat 3) Sr Kusumadew 4) Jurusan
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciP 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciPerancangan Coupled Fuzzy Logic Controller pada Prototipe Mesin Computer Numerical Control (CNC)
JURNAL TEKNIK POMITS Vol. 1, No. 1, (01) 1-6 1 Peranangan Coupled Fuzz Log Controller pada Prototpe Mesn Computer Numeral Control (CNC) Nablla Gustvana, Josaphat Pramudjanto Jurusan Teknk Elektro, Fakultas
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciPENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE
1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.
Lebih terperinciAPLIKASI 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 terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciAPLIKASI METODE ELEMEN HINGGA UNTUK PERHITUNGAN PERAMBATAN PANAS PADA KONDISI TUNAK
Semnar asonal Aplkas eknolog Informas 00 (SAI 00) ISB: 0 Yogakarta, Jun 00 APLIKASI MEODE ELEME HIGGA UUK PERHIUGA PERAMBAA PAAS PADA KODISI UAK Suprono Sekolah ngg eknolog uklr BAA Jl. Babarsar Kotak
Lebih terperinciPENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP
PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinci