KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK

Ukuran: px
Mulai penontonan dengan halaman:

Download "KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK"

Transkripsi

1 Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas Pendidian Indonesia ABSRAK Gagasan dasar dari Analisis Kanoni adalah mengembangan engertian oefisien orelasi antara dua elomo variabel uantitatif menadi engertian orelasi antara dua elomo variabel uantitatif. Melalui teni Analisis Kanoni daat dielaari emirian antara edua elomo variabel uantitatif. Berdasaran hasil ini, enyaian data variabel mauun individu daat dilauan ada ruang bagian berdimensi ecil yang otimal seerti halnya ada Analisis Komonen Utama. Kata Kunci : Analisis Kanoni, orelasi antara dua elomo variabel uantitatif, enyaian data. PENDAHULUAN Gagasan dasar dari Analisis Kanoni adalah mengembangan engertian oefisien orelasi antara dua elomo variabel uantitatif menadi engertian orelasi antara dua elomo variabel uantitatif. Jia ada dua elomo variabel X dan Y, melalui teni Analisis Kanoni daat diselidii deraat eivalensi antara X dan Y atau seberaa auh eduanya mendeati eadaan eivalen. Misalan ada dua elomo variabel uantitatif x, x,..., x dimana x x, x,..., x n untu setia =,,, dan y, y,..., y q dimana y y, y,..., yn untu setia =,,, q. Pengertian eivalensi antara edua elomo tersebut didefinisian sebagai beriut. Definisi Dua elomo variabel uantitatif, x,..., x eivalen, ia himunan semua ombinasi linier dari x himunan ombinasi linier dari y, y,..., y q. x dan, y,..., y q, x,..., x y diataan berimit dengan Untu memerelas definisi tersebut, andang matris-matris data beriut.. Misalan I = {,,, n} himunan individu X(xn) dan Y (qxn) matris-matris data berturut-turut

2 ISSN: -097 Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 hasil enguuran elomo variabel ertama dan edua ada I. Diagram dual yang sesuai dengan X, Y, dan I tersebut adalah: E =R X F * Y E * =R q M V D V N E * X F = R n Y E W Misalan himunan semua ombinasi linier dari x, x,..., x : * * n X a ; a di E X (E ) dimana a a e (), R Sedangan himunan semua ombinasi linier dari y, y,..., y q : W * q n Y b ; bdi E Y (E ) dimana b b e (), R Kedua elomo variabel, x,..., x W = W. q * * E R. q E R. x dany, y,..., y q eivalen ia Dalam rate boleh diataan tida ernah ita umai X eivalen dengan Y. Jadi W W. Yang ingin diselidii adalah deraat eivalensi antara X dan Y atau seberaa auh eduanya mendeati eadaan eivalen. Berdasaran hal ini, enyaian data aan ita lauan ada ruang bagian berdimensi ecil yang otimal seerti halnya ada analisis omonen utama. Jia W W, ada lima ruang bagian yang harus dierhatian, yaitu : W W, W W, W W, (W W W W ), dan (Dauhari; 988). (W W W W ) Masalah selanutnya yang dihadai adalah bagaimana mencari asangan variabel anoni,, untu semua =,,,. Cara yang sederhana untu mencari asangan variabel anoni, diberian ada dalil di bawah ini. Sebelumnya ia X dan Y terbauan, ita luis : V = X D X adalah matris variansi-ovariansi elomo variabel yang ertama.

3 Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 V = Y D Y adalah matris variansi-ovariansi elomo variabel yang edua. V = X D Y = V adalah matris variansi-ovariansi elomo variabel yang ertama dan edua. Dalil Misalan A = X (X D X ) - X D dan A = Y (Y D Y ) - Y D. A A dan V - V V - V memilii nilai-nilai arateristi ositif yang sama. Jia V - V V - V a = a dan a =, maa V X a ; =,,,. Buti dalil di atas daat dilihat ada referensi []. Aibat dalil di atas adalah sebagai beriut. Aibat Bila matris data X dan Y terusat, maa : a) dan uga terbauan sebab eduanya adalah ombinasi linier dari variabelvariabel terbauan., adalah asangan anoni e-, =,,,. dimana : X a dan Y b asangan fator anoni e-. D, Cov, b) c) Karena. Pasangan, b., dan a dimana D, r, a = dan uga terbauan, maa r disebut oefisien orelasi anoni e-, untu setia =,,,. V b V disebut PENYAJIAN DAA Analisis anoni memunginan dilasanaan enyaian variabel-variabel ada edua elomo secara global untu emudian memelaari emirian variabel-variabel dalam elomo mauun antar elomo. Selain itu analisis anoni memunginan untu menyaian individu-individu bai di E mauun di E (Dauhari; 988). R q R PENYAJIAN VARIABEL Penyaian variabel daat dilauan bai di W dan W. 3

4 ISSN: -097 Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 Penyaian variabel di W Untu memudahan embacaan hasil enyaian variabel, semua variabel dibauan. Sebagai contoh enyaian variabel ada bidang, ita andang bidang P yang dibangun oleh dan. P adalah bidang di W yang aling deat dengan W. Pada bidang inilah endetesian emirian antar variabel daat dilauan dengan hasil yang aling bai. Misalan adalah royesi setia =,,, dan r y, ry, x ada P, dan r x, r x, adalah royesi ; untu setia =,,,. ; untu y ada P, dan Karena untu enyaian ini semua variabel telah dibauan, ada bidang P ita buat lingaran L berusat di O dan berari-ari. Lingaran ini disebut lingaran orelasi. Vetor dan diletaan orthogonal, maa : a) Variabel x atau y yang meruaan ombinasi linier dari dan ada L. Dalam hal ini : x dan y. b) Variabel x atau usat O dari L. D D y yang tida berorelasi dengan D dan Selanutnya engaian variabel dilauan ada lingaran orelasi. D aan terleta aan terleta di titi Contoh : Misalan ita memunyai enyaian dua elomo variabel,x,..., x y, y,..., y sebagai beriut x dan L 3

5 Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 Pada lingaran orelasi itu daat dibaca antara lain : a) x atau y sangat berdeatan r x, y. b) 3 y dan y saling orthogonal rx, y 3 0 c) x orthogonal/ta berorelasi dengan deat e L. dan. Juga dengan semua variabel yang d) walauun dan berdeatan, ita ta daat menyataan bahwa satu sama lain, sebab merea auh dari L. x dan y miri Penyaian variabel di W Seerti ada bidang P, ita daat membuat lingaran orelasi L ada bidang Q. Pada lingaran ini variabel x disaian oleh ; =,,, dan variabel y disaian oleh. =,,,q. adalah royesi x ada Q, dan r x, r x, ; untu setia y ada Q, dan, =,,, dan adalah royesi r y, r y ; untu setia =,,,. Selanutnya embacaan sama seerti ada L. Catatan : Jia =, maa P = Q. Dengan ata lain enyaian ada L dan ada L sama. Untu enyaian data variabel mauun individu daat dibuat algoritma untu mendaatan oordinat royesi dua elomo variabel tersebut. Sebagai contoh diberian algoritma untu mendaatan royesi dua elomo variabel ada bidang P beriut ini. Algoritma O n. Diberian D matris bobot beruuran nxn, X n matris beruuran xn O n dan Y matris beruuran nx. Bauan matris X dan Y dengan cara mengurangi matris X dan Y dengan rataan baris masing-masing matris; X = X - g dengan elemen e- dari g adalah. Hitung V, V, V, V, n n i x i V dan V Jia q <,maa cari terlebih dahulu nilai-nilai eigen dari V V V V Sebalinya ia q > cari terlebih dahulu nilai-nilai eigen dari V V V V.

6 ISSN: -097 Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 Karena q = < = 3 maa terlebih dahulu aan dicari nilai-nilai eigen dari matris V yang memenuhi ersamaan : - - V V V - - det( V V V V -. I ) = 0, untu setia =,.. entuan b vetor eigen yang memenuhi ondisi b atau. entuan τ X V V b, untu setia =,. λ 6. entuan r x, r x, atau 7. entuan 8. Plot dan r y, r y, atau r r x x r ada bidang P, untu setia =,,3, dan =,. V b V b =,,, untu =,, 3. y, τ y,, untu =,. Pada langah elima, untu enyaian data variabel di bidang Q enghitungan diganti dengan, untu =,. Langah etuuh dan edelaan diganti dengan enghitungan dan. Dengan cara yang sama daat dibuat algoritma untu enyaian data individu bai di E mauun di E. Untu data multivariat yang banyanya variabel lebih dari tiga ( > 3 dan q > 3), dierluan rogram husus. Kendala dalam embuatan rogram ini adalah : ada langah eemat dan elima menentuan solusi berua nilai eigen dan vetor eigen yang memenuhi syarat eortonormalan yang dimasudan tidalah mudah. Penentuan solusinya melibatan teni enentuan solusi dua sistem ersamaan linier yang argumennya lebih dari tiga. Untu asus seerti ini dierluan studi yang lebih lanut. Selain Analisis Kanoni, untu melihat emirian antar variabel-variabel uantitatif dalam elomo daat dilauan teni Analisis Komonen Utama. Analisis Komonen Utama aan meredusi ruang individu ( E = R ) yang tadinya menadi <, alau mungin = atau 3. Jadi ita cuu menganalisis data ada ruang yang berdimensi atau 3 untu memelaari emirian variabel-variabel mauun individu (Jacson; 99 & Johnson; 98). Materi yang dibahas ada tulisan hanya membahas tentang Analisis Kanoni yang memelaari dua elomo variabel uantitatif untu individu yang sama. Jia individuindividu tersebut dilasifiasian e dalam elomo-elomo (misalan ada g elomo) maa Analisis Kanoni yang memelaari strutur antar elomo tersebut adalah Analisis Variat Kanoni. Metode ini berdasaran ada deomosisi nilai-nilai eigen (Lihat Canonical Analysis). τ 6

7 Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 DAFAR PUSAKA Dauhari, M. (988). Strutur Data Statisti. Jaarta : Dedibud. Jacson, E. J. (99). Princial Comonent Analysis. New Yor :Wiley & Johnson. Johnson, R. A. (98). Alied Multivariate Statistical Analysis. Prentice-Hall. Inc. Canonical Analysis. [Online]. ersedia : htt:// htt:// 7

BAB 3 RUANG BERNORM-2

BAB 3 RUANG BERNORM-2 BAB RUANG BERNORM-. Norm- dan Ruang ` De nisi. Misalan V ruang vetor atas R berdimensi d (dalam hal ini d boleh ta hingga). Sebuah fungsi ; V V! R yang memenuhi sifat-sifat beriut;. x; y 0 ia dan hanya

Lebih terperinci

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN BAB PENDAHUUAN. ATAR BEAKANG Seringali ara enelii aau saisiawan melauan enganalisaan erhada suau eadaan/masalah dimana eadaan yang dihadai adalah besarnya jumlah variabel samel yang diamai. Unu iu erlu

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

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

Lebih terperinci

BAB IV METODE BELAJAR HEBBIAN

BAB IV METODE BELAJAR HEBBIAN BAB IV MEODE BELAJAR HEBBIAN - Aturan Hebb meruaan salah satu huum embelajaran jaringan neural yang ertama. Diemuaan oleh Donald Hebb (949). Hebb lahir di Chester, Nova Scotia, ada ergantian abad. - Isinya

Lebih terperinci

3.1 TEOREMA DASAR ARITMATIKA

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bagian landasan teori ini aan dibahas materi-materi aa saja yang menunjang materi yang dibahas ada bab selanjutnya. Adaun materi-materi tersebut adalah analisis variansi, metode

Lebih terperinci

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

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

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

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

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR

BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR 3. Dimensi Partisi Graf Kipas (F n ) Berdasaran Proposisi dan Proposisi, semua graf G selain graf P n dan K n memilii 3 pd(g) n -. Lebih husus, graf Kipas

Lebih terperinci

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

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

Lebih terperinci

Bahan Minggu II, III dan IV Tema : Kerangka acuan inersial dan Transformasi Lorentz Materi :

Bahan Minggu II, III dan IV Tema : Kerangka acuan inersial dan Transformasi Lorentz Materi : Bahan Minggu II, III dan IV Tema : Keranga auan inersial dan Transformasi Lorent Materi : Terdaat dua endeatan ang digunaan untu menelusuri aedah transformasi antara besaran besaran fisis (transformasi

Lebih terperinci

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong

Lebih terperinci

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

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

Lebih terperinci

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 TUNING PARAMETER MODEL PREDICTIVE CONTROL (MPC) FOR MAX PLUS LINEAR (MPL) SYSTEMS

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 TUNING PARAMETER MODEL PREDICTIVE CONTROL (MPC) FOR MAX PLUS LINEAR (MPL) SYSTEMS MTEMTIK DN PENDIDIKN MTEMTIK 010 Kelomo Matematia TUNING PRMETER MODEL PREDITIVE ONTROL (MP) FOR MX PLUS LINER (MPL) SYSTEMS Nurwan 1 and Subiono 1 Magister Student of Mathematics Deartment Lecturer of

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

METODE PANGKAT BALIK TERGESER UNTUK MENCARI NILAI EIGEN DAN VEKTOR EIGEN

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

Lebih terperinci

Solusi Pengayaan Matematika Edisi 16 April Pekan Ke-4, 2005 Nomor Soal:

Solusi Pengayaan Matematika Edisi 16 April Pekan Ke-4, 2005 Nomor Soal: Solusi Pengayaan Matematia Edisi 6 pril Pean Ke-4, 00 Nomor Soal: -60. Jia. sin cos tan 00 00, maa nilai adalah... cos sin 00 00. 40 Solusi: [] sin cos tan 00 00 cos sin 00 00 sin sin 00 00 cos sin 00

Lebih terperinci

BAB III METODE SCHNABEL

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

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

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

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema

Lebih terperinci

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

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

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

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

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

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

Lebih terperinci

ANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution

ANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution Jurnal Bareeng Vol. 8 No. Hal. 5 0 (04) ANALISIS PRBANDINGAN OMULAN TRHADAP BBRAPA JNIS DISTRIBUSI HUSUS Analysis of Comulans Comparative on some Types of Special Distribution ABRAHAM ZACARIA WATTIMNA,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Ukuran Pemusatan Data

Ukuran Pemusatan Data Uuran Pemusatan Data Atina Ahdia, S.Si., M.Si. Universitas Islam Indonesia Uuran Pemusatan Data 1. Mean (rata-rata) 2. Median (nilai tengah) 3. Modus Mean 1. Rata-rata Hitung Misalan terdapat N observasi,

Lebih terperinci

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

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

Lebih terperinci

LATAR BELAKANG MATEMATIS

LATAR BELAKANG MATEMATIS 8 II LATAR BELAKANG MATEMATIS Derii : Bab ini memberian gambaran tentang latar belaang matemati ang digunaan ada item endali eerti eramaan linear diferenial orde (atu), orde (dua), orde tinggi, tranformai

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

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

Lebih terperinci

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

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

Lebih terperinci

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

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

Lebih terperinci

OSN 2014 Matematika SMA/MA

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

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

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

Lebih terperinci

NOTASI SIGMA. Lambang inilah yang disebut sebagai SIGMA, but please remove. the exaggerated flower around it! Hahaha...

NOTASI SIGMA. Lambang inilah yang disebut sebagai SIGMA, but please remove. the exaggerated flower around it! Hahaha... NOTASI SIGMA Lambang inilah yang disebut sebagai SIGMA, but lease remove the exaggerated flower around it! Hahaha... Mananya adalah menjumlahan sesuatu. Sesuatu aa? Sesuatu yang muncul di belaangnya. Mengaa

Lebih terperinci

ANALISIS DISKRIMINAN

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

Lebih terperinci

2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data

2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data 2 2. Menentuan olesi inti ubi ayu dan mengevaluasi ebaian olesi inti yang dieroleh. METODE Data Data yang digunaan dalam enelitian ini berasal dari Kelomo Peneliti Pengelolaan Sumberdaya Geneti (Kelti

Lebih terperinci

BAB 2 TEORI PENUNJANG

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

Lebih terperinci

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah

Lebih terperinci

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

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

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

Sensitivitas Metode Ensemble Kalman Filter untuk Mendeteksi Gangguan pada Masalah Konduksi Panas Satu Dimensi

Sensitivitas Metode Ensemble Kalman Filter untuk Mendeteksi Gangguan pada Masalah Konduksi Panas Satu Dimensi Jurnal Matematia & Sains, Desember, Vol. 6 omor 3 Sensitivitas Metode Ensemble Kalman Filter untu Mendetesi Gangguan pada Masalah Kondusi Panas Satu Dimensi Erna Apriliani dan Wiwit Sofiyanti Budiono Departement

Lebih terperinci

Transformasi Wavelet Diskret Untuk Data Time Series

Transformasi Wavelet Diskret Untuk Data Time Series SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 015 Transformasi Wavelet Disret Untu Data Time Series S - 11 11 Vemmie Nastiti Lestari, Subanar Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan

Lebih terperinci

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

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

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER

BAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER BAB III MENYELESAIKAN MASALAH REGRESI YANG TIAK LINIER ENGAN ANALISIS REGRESI FOURIER 3.1 Pengantar Model ARIMA digunaan untu analisis data deret watu pada ategori data berala tunggal, atau sering diategorian

Lebih terperinci

BAB I BUNGA TUNGGAL DAN DISKONTO TUNGGAL. Terminologi: modal, suku bunga, bunga, dan jangka waktu.

BAB I BUNGA TUNGGAL DAN DISKONTO TUNGGAL. Terminologi: modal, suku bunga, bunga, dan jangka waktu. BAB I BUNGA TUNGGAL DAN DISKONTO TUNGGAL Terminologi: modal, suu bunga, bunga, dan janga watu. Modal adalah sejumlah uang yang disiman atau ditabung atau diinjam ada (dari) suatu Ban atau badan lain. Suu-bunga

Lebih terperinci

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR) SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi

Lebih terperinci

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter

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

Lebih terperinci

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST Timbul Pardede (timbul@mail.ut.ac.id) Jurusan Statisti FMIPA, Universitas Terbua ABSTRAK Metode Ward dan metode K-rataan

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

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

Lebih terperinci

BAB II TEORI DASAR. Sistem struktur yang mengalami problem dinamik mempunyai perbedaan

BAB II TEORI DASAR. Sistem struktur yang mengalami problem dinamik mempunyai perbedaan BAB II TEORI DASAR II. Umum Sistem strutur yang mengalami problem dinami mempunyai perbedaan yang signifian terhadap problem stati. Yaitu sistem strutur pembebanan dinami memerluan sejumlah oordinat bebas

Lebih terperinci

SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)

SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan

Lebih terperinci

JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA

JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,

Lebih terperinci

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

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

Lebih terperinci

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009 KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 009 Furqan Qadarisman, dan Dwiatmono Agus W. Jurusan Statistia Institut Tenologi Sepuluh Nopember (ITS) Surabaya

Lebih terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

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

Lebih terperinci

TUGAS I RANCANGAN PERCOBAAN BAB I

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

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA.1 Sifat Dasar Neutron Neutron yang dihasilan dari reator nulir biasanya merupaan neutron berenergi rendah. Secara umum, neutron energi rendah dapat dilasifiasian dalam tiga enis yaitu

Lebih terperinci

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

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

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

RINGKASAN SKRIPSI MODUL PERKALIAN RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

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

Lebih terperinci

MEKANIKA TANAH HIDROLIKA TANAH DAN PERMEABILITAS MODUL 3

MEKANIKA TANAH HIDROLIKA TANAH DAN PERMEABILITAS MODUL 3 MEKANIKA TANAH MODUL 3 HIDROLIKA TANAH DAN PERMEABILITAS UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bintaro Setor 7, Bintaro Jaya Tangerang Selatan 15224 Silus hidrologi AIR TANAH DEFINISI : air yang terdapat

Lebih terperinci

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

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

Lebih terperinci

BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN

BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN Kompetensi : 1. Mahasiswa memahami onsep pembelaaran dalam JST Sub Kompetensi : 1. Dapat mengetahui prinsip algoritma Perceptron 2. Dapat mengetahui

Lebih terperinci

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

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

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

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

Lebih terperinci

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

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

Lebih terperinci

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya

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

Lebih terperinci

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan

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

Lebih terperinci

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

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

Lebih terperinci

BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR 1

BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR 1 BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR K a r y a t i Jurusan Pendidian Matematia FMIPA Uniersitas Negeri Yogyaarta e-mail : yatiuny@yahoo.com Abstra. Misalan R adalah ring, Q

Lebih terperinci

MATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip

MATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip MAA KULIAH MEODE RUNUN WAKU Oleh : Entit Puspita Nip 08 JURUSAN PENDIDIKAN MAEMAIKA FAKULAS PENDIDIKAN MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS PENDIDIKAN INDONESIA 00 //00 Entit Puspita BEBERAPA KONSEP

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB IV Solusi Numerik

BAB IV Solusi Numerik BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan

Lebih terperinci

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

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

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE

Lebih terperinci

Penentuan Konduktivitas Termal Logam Tembaga, Kuningan, dan Besi dengan Metode Gandengan

Penentuan Konduktivitas Termal Logam Tembaga, Kuningan, dan Besi dengan Metode Gandengan Prosiding Seminar Nasional Fisia dan Pendidian Fisia (SNFPF) Ke-6 205 30 9 Penentuan Kondutivitas Termal ogam Tembaga, Kuningan, dan Besi dengan Metode Gandengan Dwi Astuti Universitas Indraprasta PGRI

Lebih terperinci

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

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

Lebih terperinci

CATATAN KULIAH RISET OPERASIONAL

CATATAN KULIAH RISET OPERASIONAL CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang

Lebih terperinci