OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF PADA DAERAH BERSHADOWING

Ukuran: px
Mulai penontonan dengan halaman:

Download "OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF PADA DAERAH BERSHADOWING"

Transkripsi

1 /7 OTIMASI LINTAS LAISAN ADA SISTEM KOMUNIKASI KOOERATIF ADA DAERAH BERSHADOWING Achma Yusuf Insttut Teknolog Sepuluh Nopember, Fakultas Teknolog Inustr, Jurusan Teknk Elektro Kampus ITS Sukollo, Surabaya 60 Emal : yusuf_e45@yahoo.com Abstrak Komunkas kooperatf aalah teknk komunkas multhop mana alam proses transmsnya menggunakan ttk-ttk sebaga relay untuk membantu menyalurkan nformas ar sumber ke tuuan. enggunaan relay n apat menurunkan probabltas kesalahan suatu snyal nformas yang terma oleh estnaton, karena relay berfungs untuk mengrmkan nformas reunant. Dalam sstem komunkas kooperatf luar ruangan perlu perhtungkan pula parameter-parameter propagas sepert aanya fang shaowng bak shaowng engan korelas yang abakan maupun shaowng berkorelas yang mempengaruh knera ar sstem. Desan cross layer alam sstem komunkas kooperatf maksukan agar knera ar sstem tersebut apat optmal. Dalam Tugas Akhr n banngkan antara transms secara langsung an transms kooperatf serta pembanngan parameterparameter optmas ar esan cross layer untuk pemlhan strateg pengrman terbak alam sstem. Dar hasl smulas ketahu bahwa alam komunkas luar ruangan, sstem komunkas kooperatf memlk knera yang lebh bak banngkan engan transms secara langsung. Kata Kunc : Sstem komunkas kooperatf, shaowng, esan cross layer, propagas luar ruangan. enahuluan Sstem komunkas melalu mea nrkabel memlk banyak keunggulan sepert prakts an mempunya mobltas yang tngg. Tetap alam pemakaannya aa beberapa kenala yang harus haap sepert multpath fang yang apat menyebabkan terganggunya penermaan snyal paa ss penerma. Untuk mengatas permasalahan n gunakanlah teknk versty. salah satu teknk yang paka aalah space versty []. Space versty merupakan salah satu teknk versty yang menggunakan multple antena. Namun beberapa perangkat nrkabel memlk keterbatasan ukuran, baya, an komplekstas perangkat keras sehngga tak bsa menggunakan multple antena. Akhrnya para lmuwan menemukan e untuk mengembangkan teknk yang menyerupa MIMO tetap tak membutuhkan multple antena. Metoe baru terebut kenal engan teknk sstem komunkas kooperatf, mana antena yang paka aalah antena vrtual. ermasalahan pertama yang harus haap aalah perutean an alokas sumber aya, khususnya pengrman luar geung. ermasalahan pertama tersebut, bag mena ua sub permasalahan yatu sub permasalahan perutean paa layer network an seleks relay serta alokas aya paa layer physcal. Hasl yang apat ar keua sub permasalahan tersebut apat gunakan untuk mencar relay terbak sebaga strateg untuk transms ata paa sstem komunkas kooperatf. ermasalahan keua yang harus haap aalah kontrol kongest, perutean an alokas sumber aya. Bla alam suatu pengrman umlah pengrman lebh besar ar paa kapastas kanal yang tersea maka apat menyebabkan kongest. Kongest aalah kemacetan alam pengrman yang harus kta hnar karena apat menurunkan transmsson rate yang menyebabkan loss paa troughput arngan []. ermasalahan n apat atas engan cara mengetahu lebar kanal masng masng pengrman, sehngga kta apat menentukan rute pengrman terbak ar source ke estnaton agar tak tera kongest. Dengan metoe cross layer maka nformas kapastas setap lnk paa physcal layer apat gunakan network layer untuk memperbak performans throughput, sehngga permasalahan kongest apat hnar.. emoelan Sstem aa smulas n pertama-tama kta akan membangktkan ranom noe yang terr ar 4 noe. erolehan letak masng-masng noe n nantnya gunakan untuk menentukan arak antara source engan noe maupun noe engan estnaton yang gunakan untuk pengrman secara kooperatf. Dalam melakukan pengrman lau ata, permasalahan fang anggap telah atas oleh teknk versty. Setelah kta menapatkan topolog ranom noe maka langkah berkutnya aalah menapatkan nla gan kanal. Sebelum menapatkan gan maka terlebh ulu kta harus menentukan nla shaowng bak untuk shaowng

2 /7 engan korelas yang abakan maupun untuk shaowng berkorelas. Shaowng engan korelas abakan apatkan engan menggunakan persamaan sebaga berkut: 0 shw 0 ( ) Dmana shw merupakan shaowng engan korelas abakan, merupakan stanar evas sebesar 4 B. Shaowng berkorelas apatkan engan menggunakan persamaan sebaga berkut: shw C. g ( ) Dmana shw merupakan shaowng berkorelas, C merpakan matrks kovarans, g merupakan gaussan ranom normal. Untuk menapatkan matrks kovaran terlebh ahulu mengetahu paramernya yatu stanar an koefsen korelas ( ) evas ( ). Dalam tugas akhr n ketahu stanar evas = 4. Seangkan koefsen korelas merupakan fungs yang bergantung terhaap suut an nlanya 0< <[3]. ersamaan koefsen korelas aalah sebaga berkut: mn. 80 mn ( 3 ) Dmana mn suut antara lnk, untuk matrks kovaran aalah kovaran engan ukuran 4x4 karena terapat 4 lnk. C =,,..,4 4.., , 4 4, 4. 4 Dar nla arak an nla shaowng yang telah apatkan maka apat htung gan engan menggunakan persamaan (4) an (5). Gan kanal apat berasarkan path loss skala besar. g 3 K.. shw (4 ) 3 g K.. shw (5) mana g merupakan gan untuk shaowng engan korelas abakan, g merupakan gan untuk shaowng berkorelas, K aalah konstanta gan ar sstem, aalah arak alam meter, bak arak ar sumber ke relay, ar relay ke tuuan, ataupun ar sumber langsung ke tuuan. Hasl ar nla gan n akan gunakan untuk menapatkan aya pengrman mula-mula[4]. Untuk algortma gabungan perutean an alokas sumber aya, aya untuk pengrman langsung (mw) apat lhat melalu persamaan (6) berkut : (,) = [ ] ln g max, mn Untuk pengrman kooperatf melalu persamaan (7) berkut : (,) = [ g ( k, ) ln ( g (, k ) g ( k, ) g g (, k ) r,(, ) (k,)=[ g (, k ) g max, ] mn g ( k, ) ] max, Untuk algortma gabungan kontrol kongest, perutean an alokas sumber aya, aya untuk pengrman langsung (mw) apat lhat melalu persamaan (8) berkut : (,) = [ max, ] (8) mn ln g Untuk pengrman kooperatf melalu persamaan (9) berkut : (,) = [,(, ) g ( k, ) ( g (, k ) g ( k, ) g )ln g (, k ) r (k,)=[ g (, k ) g max ], mn g ( k, ) mn (6) (7) ] max, mana merupakan lnk prce ar ke, g ( k, ) merupakan gan ar noe ke estnaton, g (, k ) merupakan gan ar source ke noe, g merupakan gan ar source ke estnaton. Kemuan engan menggunakan persamaan (0), apatkan nla transmsson rate untuk lnk paa transms langsung. Seangkan engan menggunakan persamaan () apat nla transmsson rate untuk transms kooperatf. r log ( g ) (0) r, ) log ( g g ( k, ) ( k, )) () c ( r, Untuk algortma gabungan perutean an alokas sumber aya, sub permasalahan routng apat urakan ke alam sub permasalahan multple lnk. Dberkan nla lnk an noe prce λ (,), μ, μ, maka nla ar kapastas trafk optmal apat htung berasarkan persamaan (). (,t) = [ Dmana mn ] () (9) (,t) merupakan kastas trafk optmum, noe prce (source), noe prce (estnaton).

3 Ths DF s Create by Smpo DF Creator unregstere verson - 3/7 Kemuan ar parameter-parameter yang apat, berupa konsums aya an kapastas trafk, engan menggunakan persamaan (3) apatkan nla ar fungs ual optmas untuk menyelesakan permasalahan optmas ar sstem. D, ) mn ( ( k, )) / r (3) phy (, r,(, ) ( k, ) r, (. ) enyelesaan ar permasalahan optmas apatkan engan mencar nla terkecl ar hasl yang peroleh. Untuk algortma gabungan kontrol kongest, perutean an alokas sumber aya, penyelesaan permasalahan kontrol kongest, perutean, an permasalahan paa physcal layer, melalu persamaan (4) an (5) sebaga berkut : S = [U ' ] (4) (,t) = [ ] (5) mana S merupakan source rate optmum, parameter kontrolng traeff. Kemuan ar parameter-parameter yang apat, berupa konsums aya an kapastas trafk, engan menggunakan persamaan (6) apatkan nla ar fungs ual optmas untuk menyelesakan permasalahan optmas ar sstem. D phy å max{ r (6) t } p ³ 0 L enyelesaan ar permasalahan optmas apatkan engan mencar nla terbesar ar hasl yang peroleh. 3. Analsa Hasl Smulas A. Analsa Kapastas Trafk Sstem Nla kapastas trafk ar setap source akan menentukan seberapa besar kapastas kanal masngmasng pengrman. Untuk algortma gabungan perutean an alokas sumber aya, penyelesaan sub permasalahan paa layer networkng perlu lakukan analsa paa kapastas trafk sebaga parameter ar networkng. Hasl yang apatkan paka untuk mencar nla kapastas trafk paa setap proses transms menggunakan algortma sebagamana paparkan paa bab sebelumnya. Dengan menggunakan traeoff antara λ (,) an μ an teras sebanyak 30 kal apatkan nla kapastas trafk untuk masng-masng proses transms paa setap relay. Gambar. Kapastas Trafk ar Sumber ke Tuuan Gambar 3. Kapastas Trafk ar Sumber ke Tuuan Untuk algortma gabungan kontrol kongest, perutean an alokas sumber aya Dengan mengetahu kapastas kanal tersebut maka network layer apat menentukan pengrman melalu alur mana yang akan gunakan agar tak tera kongest paa saat pengrman ata. emlhan n asarkan kapastas trafk yang terbesar ar masng-masng source. Dalam menentukan kapastas trafk maka lakukan 30 teras sampa peroleh nla kapastas trafk yang konvergen. Kapastas trafk untuk sumber apat lhat paa Gambar 4, seangkan untuk pengrman melalu sumber apat lhat paa Gambar 5.

4 4/7 Gambar 4. Kapastas Trafk ar Sumber ke Tuuan Gambar 6. Total Alokas Daya Dbanngkan Source Rate paa Transms Kooperatf an Non-Kooperatf Sumber Seangkan untuk proses transms ar sumber ke tuuan, pembanngan ar total aya an source rate ar sstem apat lhat paa Gambar 5. Gambar 5. Kapastas Trafk ar Sumber ke Tuuan B. Analsa Alokas Daya paa roses Transms Untuk algortma gabungan perutean an alokas sumber aya, parameter untuk menyelesakan sub permasalahan paa layer physcal aa paa alokas aya paa masng-masng proses transms. Nla ar source rate ubah-ubah ar b/s/hz sampa 0 b/s/hz, kemuan car rata-rata ar alokas aya paa semua ttk untuk proses transms langsung. Hasl yang apat, kemuan banngkan engan nla yang sama paa transms kooperatf. Hasl ar pembanngan tersebut untuk transms ar sumber an sumber ke tuuan apat lhat paa Gambar 6 an Gambar 7. Gambar 7. Total Alokas Daya Dbanngkan Source Rate paa Transms Kooperatf an Non-Kooperatf Sumber Dar keua grafk sepert gambarkan paa Gambar 6 an 7 terlhat bahwa total alokas aya untuk proses transms secara langsung memlk nla yang lebh besar. Jarak ar sumber ke ttk relay an ar ttk relay ke tuuan lebh ekat banngkan engan arak langsung ar sumber ke tuuan. Hal n menyebabkan besar alokas aya yang perlukan untuk transms langsung lebh besar. Dengan melhat hasl ual optmas apat ketahu ttk relay yang mena strateg transms terbak untuk masng-masng sumber engan memlh nla terkecl antara relay-relay tersebut. Untuk sumber, untuk transms secara kooperatf untuk shaowng engan korelas yang abakan lebh kecl arpaa shaowng berkorelas. Seangkan untuk sumber, uga apatkan bahwa konsums aya untuk transms secara kooperatf untuk shaowng engan korelas yang abakan lebh kecl arpaa shaowng berkorelas.

5 5/7 Untuk algortma gabungan kontrol kongest, perutean an alokas sumber aya, perolehan total aya mnmum perlukan untuk menapatkan efsens alam pengrman. Dalam memperoleh total aya mnmum maka lakukan 0 kal teras paa masng-masng pengrman kemuan rata-rata. Nla buat bervaras. Semakn besar nla menghaslkan transmsson rate yang semakn besar pula. erolehan total aya mnmum untuk source apat lhat paa Gambar 5 an untuk source apat lhat paa Gambar 6. Gambar 8. Konsums Daya Dbanngkan Gamma paa Transms Kooperatf an Non-Kooperatf Sumber apatkan bahwa konsums aya untuk transms secara kooperatf untuk shaowng engan korelas yang abakan lebh kecl arpaa shaowng berkorelas. C. Analsa emlhan Relay Terbak Untuk algortma gabungan perutean an alokas sumber aya, ar ata yang apatkan paa sub bab sebelumnya lakukan analsa untuk pemlhan rute terbak. Dengan menggunakan Dual Optmas ar parameter Kapastas Trafk an alokas aya, pemlhan relay terbak apat lakukan. Dar nla Kapastas Trafk an alokas aya, apatkan nla hasl ar Dual Optmas untuk layer physcal (nla alokas aya) an layer network (nla Kapastas Trafk). Dar hasl n nantnya akan banngkan nla ar masng-masng parameter untuk setap ttk relay an plh relay yang memlk nla palng kecl. Berasarkan perhtungan, apat lhat bahwa nla terkecl untuk sumber aalah paa noe 3. Seangkan untuk sumber apat nla palng kecl paa noe 3. Sehngga apatkan bahwa untuk algortma gabungan perutean an alokas sumber aya,rute terbaknya aalah melewat sumber an noe 3. oss ar ttk-ttk relay untuk transms ar sumber ke tuuan tampak paa Gambar 0. Gambar 0. Jalur engrman Terbak untuk Gabungan erutean an Alokas Sumber Daya Kooperatf Gambar 9. Konsums Daya Dbanngkan Gamma paa Transms Kooperatf an Non-Kooperatf Sumber aa Gambar 8 an 9 terlhat bahwa knera sstem komunkas kooperatf berbass ranom noe memlk nla total aya pengrman yang lebh bak ar paa pengrman secara langsung. In apat ar perbanngan nla total aya yang haslkan. Untuk sumber, apatkan bahwa konsums aya untuk transms secara kooperatf untuk shaowng engan korelas yang abakan lebh kecl arpaa shaowng berkorelas. Seangkan untuk sumber, Untuk algortma gabungan kontrol kongest, perutean an alokas sumber aya, ual optmas gunakan sebaga komprom antara perolehan total aya mnmum yang perlukan engan kapastas trafk yang haslkan. Melalu persamaan (4) maka peroleh hasl ual optmas.

6 6/7 Hasl pengrman yang terbak n apat lhat paa Gambar berkut n : Gambar. Jalur engrman Terbak untuk Gabungan Kontrol Kongest, erutean an Alokas Sumber Daya Kooperatf aa algortma gabungan perutean an alokas sumber aya untuk kapastas trafk sumber untuk shaowng engan korelas abakan apatkan nla untuk kapastas terbesar yatu b/s/hz paa noe. Seangkan untuk shaowng berkorelas apatkan nla untuk kapastas terbesar yatu b/s/hz paa noe. Untuk kapastas trafk sumber untuk shaowng engan korelas abakan apatkan nla untuk kapastas terbesar yatu b/s/hz paa noe. Seangkan untuk shaowng berkorelas apatkan nla untuk kapastas terbesar yatu 9.37 b/s/hz paa noe 4. aa algortma gabungan perutean an alokas sumber aya untuk konsums aya sumber untuk shaowng engan korelas abakan apatkan nla untuk konsums aya terkecl yatu mw paa noe 3. Seangkan untuk shaowng berkorelas apatkan nla untuk konsums aya terkecl yatu mw paa noe 3. Untuk konsums aya sumber untuk shaowng engan korelas abakan apatkan nla untuk konsums aya terkecl yatu mw paa noe. Seangkan untuk shaowng berkorelas apatkan nla untuk kapastas terbesar yatu mw paa noe. aa algortma gabungan perutean an alokas sumber aya untuk pemlhan relay terbak sumber untuk shaowng engan korelas abakan apatkan bahwa relay terbak aalah melalu noe 3. Seangkan untuk shaowng berkorelas apatkan bahwa relay terbak aalah melalu noe. Untuk pemlhan relay terbak sumber 3 untuk shaowng engan korelas abakan apatkan bahwa relay terbak aalah melalu noe 3. Seangkan untuk shaowng berkorelas apatkan bahwa realy terbak aalah melalu noe 3. aa algortma gabungan kontrol kongest, perutean, an alokas sumber aya untuk kapastas trafk sumber untuk shaowng engan korelas abakan apatkan nla untuk kapastas terbesar yatu.4050 b/s/hz paa noe 4. Seangkan untuk shaowng berkorelas apatkan nla untuk kapastas terbesar yatu b/s/hz paa noe. Untuk kapastas trafk sumber untuk shaowng engan korelas abakan apatkan nla untuk kapastas terbesar yatu.334 b/s/hz paa noe. Seangkan untuk shaowng berkorelas apatkan nla untuk kapastas terbesar yatu b/s/hz paa noe. aa algortma gabungan kontrol kongest, perutean, an alokas sumber aya untuk konsums aya sumber untuk shaowng engan korelas abakan apatkan nla untuk konsums aya terkecl yatu mw paa noe. Seangkan untuk shaowng berkorelas apatkan nla untuk konsums aya terkecl yatu mw paa noe. Untuk konsums aya sumber untuk shaowng engan korelas abakan apatkan nla untuk konsums aya terkecl yatu mw paa noe. Seangkan untuk shaowng berkorelas apatkan nla untuk kapastas terbesar yatu 0.89 mw paa noe 3. aa algortma gabungan kontrol kongest, perutean, an alokas sumber aya untuk pemlhan relay terbak sumber untuk shaowng engan korelas abakan apatkan bahwa relay terbak aalah melalu noe. Seangkan untuk shaowng berkorelas apatkan bahwa relay terbak aalah melalu noe 4. Untuk pemlhan relay terbak sumber untuk shaowng engan korelas abakan apatkan bahwa relay terbak aalah melalu noe. Seangkan untuk shaowng berkorelas apatkan bahwa realy terbak aalah melalu noe. 4. Kesmpulan Berasarkan smulas an analsa, apat ambl beberapa kesmpulan, yatu :. emoelan sstem transms nrkabel yang bak untuk luar geung aalah krm melalu sstem transms secara kooperatf engan relay acak atau ranom noe.. Nla kapastas trafk paa sstem transms secara kooperatf lebh besar arpaa sstem transms secara langsung. 3. Nla konsums aya paa sstem transms secara kooperatf lebh kecl banngkan sstem transms secara langsung. 4. Fungs ual optmas paa sstem transms secara kooperatf lebh besar arpaa sstem transms secara langsung. 5. Aanya shaowng yang berkorelas apat menngkatkan kapastas trafk, akan tetap memperburuk nla konsums aya.

7 7/7 DAFTAR USTAKA [] Rappaport, T. S., Wreless Communcatons rncples an ractce, rentce Hall, New Jersey, 996 [] S.Shakkotta, Theoore S.Rappaport, etter C. Karlsson, Cross-Layer Desgn for Wreless Networks, June 003. [3] Jay Wetzen, Terr J. Lowe, Measurement of Angular an Dstance Correlaton ropertes of Log- Normal Shaowng at 900 MHz an Its Applcaton to Desgn of CS Systems, IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, VOL. 5, NO.,MARCH 00 [4] L.Le an Ekram Hossan, Cross-Layer Optmas Frameworks for Multhop Wreless Networks Usng Coopetatve Dversty, IEEE Trans. on Wreless Communcaton, Sept RIWAYAT HIDU Achma Yusuf lahrkan Jombang, Oktober 986. Merupakan putra keempat ar lma bersauara pasangan Sunoto an Sulhah. Lulus ar SD YI Surabaya tahun 999 an melanutkan ke SM YI Surabaya. Kemuan melanutkan ke SMUN Surabaya paa tahun 00 an lulus paa tahun 005. Setelah menamatkan SMU, penuls melanutkan stunya Jurusan Teknk Elektro Insttut Teknolog Sepuluh Nopember Surabaya melalu alur SMB paa tahun 005. aa bulan Jul 009 penuls mengkut semnar an uan Tugas Akhr Bang Stu Telekomunkas Multmea Jurusan Teknk Elektro FTI ITS Surabaya sebaga salah satu syarat untuk memperoleh gelar Sarana Teknk Elektro. emal : yusuf_e45@yahoo.com

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

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

BAB 1 RANGKAIAN TRANSIENT

BAB 1 RANGKAIAN TRANSIENT BAB ANGKAIAN TANSIENT. Penahuluan Paa pembahasan rangkaan lstrk, arus maupun tegangan yang bahas aalah untuk kons steay state/mantap. Akan tetap sebenarnya sebelum rangkaan mencapa keaaan steay state,

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI

APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI Soft Computng, Intellgent Systems an Informaton Technology 2005 UK Petra Surabaya, 28 Jul 2005 APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI Basuk Rahmat, Panca Raharanto,

Lebih terperinci

PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES

PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES Prosng Semnar Nasonal Matematka an Penkan Matematka (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Statstka, hal. 14-18 PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES NENENG SUNENGSIH

Lebih terperinci

STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK ABSTRAK

STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK ABSTRAK STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK Wjayanto Mahasswa Magster Bang Keahlan Manajemen Dan Rekayasa Transportas Fakultas Teknk Spl an Perencanaan Insttut Teknolog

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB 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 terperinci

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI

SIMULASI 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 terperinci

Metode Penelitian. 2.1 Pengukuran Curah Hujan

Metode Penelitian. 2.1 Pengukuran Curah Hujan II. etode Peneltan. Pengukuran Curah Hujan Pengukuran curah hujan dlakukan d dalam lngkungan kampus ITS Surabaya menggunakan alat ukur dsdrometer optk yang dletakkan datas atap gedung Teknk esn ITS. Dsdrometer

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,

Lebih terperinci

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal. Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. 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 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

BAB 2 KAJIAN PUSTAKA

BAB 2 KAJIAN PUSTAKA BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,

Lebih terperinci

ANALISA KINERJA ADAPTIVE CODED MODULATION PADA SISTEM OFDM MENGGUNAKAN SWITCH DIVERSITY DIBAWAH PENGARUH REDAMAN HUJAN TROPIS

ANALISA KINERJA ADAPTIVE CODED MODULATION PADA SISTEM OFDM MENGGUNAKAN SWITCH DIVERSITY DIBAWAH PENGARUH REDAMAN HUJAN TROPIS ANALISA KINERJA ADAPTIVE CODED MODULATION PADA SISTEM OFDM MENGGUNAKAN SWITCH DIVERSITY DIBAWAH PENGARUH REDAMAN HUJAN TROPIS Abdul Rozaq Al-Baq 2205 100 205 Jurusan Teknk Elektro, Fakultas Teknolog Industr,

Lebih terperinci

SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS

SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS Puruhto Bagus Prakosa, Agus Zanal Arfn, Anny Yunart 3 Teknk Informatka, Fakultas Teknolog Informas,

Lebih terperinci

JULIO ADISANTOSO - ILKOM IPB 1

JULIO ADISANTOSO - ILKOM IPB 1 KOM341 Temu Kembal Informas KULIAH #9 Text Clusterng Clusterng Pengelompokan, penggerombolan Proses pengelompokan sekumpulan obyek ke dalam kelas-kelas obyek yang memlk sfat sama. Unsupervsed learnng JAS

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 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

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 III METODOLOGI PENELITIAN

BAB 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 terperinci

BAB IV PEMBAHASAN MODEL

BAB 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 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

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

Penyelesaian Program Gol Menggunakan Metode Simplex Modifikasi dan Metode Dual Simpleks

Penyelesaian Program Gol Menggunakan Metode Simplex Modifikasi dan Metode Dual Simpleks Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN 69-90 prnt/issn 07-099 onlne enyelesaan rogram Gol Menggunakan Metoe Smple Mofkas an Metoe Dual Smpleks Elfra Saftr, M D H Gamal, Habbs Saleh

Lebih terperinci

3 METODE HEURISTIK UNTUK VRPTW

3 METODE HEURISTIK UNTUK VRPTW 12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla

Lebih terperinci

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu,

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu, I. KALOR DAN HKM KE-1 1.1 Kalor Dketahu ua sstem paa suhu berbea. Apabla kontakkan satu engan yang lan melalu nng atermk, ketahu bahwa suhu keua sstem akan berubah seemkan rupa sehngga akhrnya menja sama.

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

Kritikan Terhadap Varians Sebagai Alat Ukur

Kritikan Terhadap Varians Sebagai Alat Ukur Krtkan Terhadap Varans Sebaga Alat Ukur Varans mengukur penympangan pengembalan aktva d sektar nla yang dharapkan, maka varans mempertmbangkan juga pengembalan d atas atau d bawah nla pengembalan yang

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 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 terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

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

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

Lebih terperinci

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

Bab III Analisis Rantai Markov

Bab 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 terperinci

Perceptual Mapping Kabupaten dan Kota di Jawa Barat Berdasarkan Sub Lapangan Usaha

Perceptual Mapping Kabupaten dan Kota di Jawa Barat Berdasarkan Sub Lapangan Usaha SEMINAR SAISIKA FMIPA UNPAD 07 (SNS VI) Perceptual Mappng Kabupaten an Kota Jawa Barat Berasarkan Sub Lapangan Usaha t Purwanar, Yuyun Hayat Departemen Statstka Fakultas MIPA Unverstas Paaaran Departemen

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

BAB VI MODEL-MODEL DETERMINISTIK

BAB VI MODEL-MODEL DETERMINISTIK BAB VI MODEL-MODEL DETERMINISTIK 6. Masalah Penyaluran Daya Lstrk Andakan seorang perencana sstem kelstrkan merencakan penyaluran daya lstrk dar beberapa pembangkt yang ternterkoneks dan terhubung dengan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012 Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda

Lebih terperinci

Gabungan Kontrol Congestion, Perutean, Dan Alokasi Sumber Daya Kooperatif Untuk Daya Tradeoff Di Dalam Gedung.

Gabungan Kontrol Congestion, Perutean, Dan Alokasi Sumber Daya Kooperatif Untuk Daya Tradeoff Di Dalam Gedung. Gabungan Kontrol Congestion, Perutean, Dan Alokasi Sumber Daya Kooperatif Untuk Daya Tradeoff Di Dalam Gedung. Farid Baskoro (2205 100 027) Dosen Pembimbing : 1. Prof. Ir. Gamantyo Hendrantoro, M.Eng,

Lebih terperinci

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP) Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d

Lebih terperinci

STUDI PENERAPAN SISTEM ADAPTIF OTHOGONAL FREQUENCY DIVISION MULTIPLEXING UNTUK APLIKASI MULTIUSER

STUDI PENERAPAN SISTEM ADAPTIF OTHOGONAL FREQUENCY DIVISION MULTIPLEXING UNTUK APLIKASI MULTIUSER STUDI PENERAPAN SISTEM ADAPTIF OTHOGONAL FREQUENCY DIVISION MULTIPLEXING UNTUK APLIKASI MULTIUSER Bobby Juan Pradana 1, Arfanto Fahm 2, Dharu Arseno 3 1,2,3 Jurusan Teknk Elektro Sekolah Tngg Teknolog

Lebih terperinci

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar

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

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

BAB III SKEMA NUMERIK

BAB 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 terperinci

Perbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB

Perbaikan 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 terperinci

MEMERINGKAT SUBJEK MENGGUNAKAN

MEMERINGKAT SUBJEK MENGGUNAKAN MEMERINGKAT SUBJEK MENGGUNAKAN PERBANINGAN BERPASANGAN Sutarman an Open arnus Staf Pengaar Jurusan Matematka Fakultas Matematka an Ilmu Pengetahuan Alam, Unverstas Sumatera Utara Mean Abstrak: Artkel n

Lebih terperinci

OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF DI DALAM GEDUNG

OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF DI DALAM GEDUNG 1/6 OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF DI DALAM GEDUNG Bayu Sampurna 2206 100 180 Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus

Lebih terperinci

PENGARUH PERUBAHAN FAKTOR JARINGAN IP MENGGUNAKAN DYNAMIC PENALTY FUNCTION METHOD

PENGARUH PERUBAHAN FAKTOR JARINGAN IP MENGGUNAKAN DYNAMIC PENALTY FUNCTION METHOD Jurnal ELTEK, Vol 11 Nomor 02, Oktober 2013 ISSN 1693-4024 PENGARUH PERUBAHAN FAKTOR JARINGAN IP MENGGUNAKAN DYNAMIC PENALTY FUNCTION METHOD Har Kurna Saftr 1 Abstrak QoS routng adalah kemampuan arngan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3)

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3) PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015 Peramalan Trafk Peramalan Trafk Peramalan

Lebih terperinci

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD

PENYELESAIAN 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 terperinci

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n

Lebih terperinci

Abstraksi. Abstraksi. Abstraksi. Property SP (single short shortest path) 4/29/2010. Berapa pa th yang mungkin dari garaph G tadi?

Abstraksi. Abstraksi. Abstraksi. Property SP (single short shortest path) 4/29/2010. Berapa pa th yang mungkin dari garaph G tadi? Termnolog Sngle source shortest path djkstra wjanarto Djkstra s algorthm d paka untuk menemukan shortest path dar satu source ke seluruh vertek dalam graph. Algo n menggunakan 2 hmp node yatu S dan C.

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN : JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

PRESENTASI TUGAS AKHIR KI091391

PRESENTASI 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 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

PROPOSAL SKRIPSI JUDUL:

PROPOSAL 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 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

BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN

BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN. Penjadualan Optmal Pembangkt dan Penyaluran Daya Lstrk Setap Pembangkt tdak dtempatkan dengan jarak yang sama dar pusat beban, tergantung lokas pembangkt yang

Lebih terperinci

Ardianto Eskaprianda 1), R. Rizal Isnanto 2), Imam Santoso 2)

Ardianto Eskaprianda 1), R. Rizal Isnanto 2), Imam Santoso 2) DETEKSI KONDISI ORGAN PANKREAS MELALUI IRIS MATA MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE PERAMBATAN BALIK DENGAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN Aranto Eskaprana 1), R. Rzal Isnanto 2), Imam

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB 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 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

2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009

2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009 2. TINJAUAN PUSTAKA 2.1 Goal Programmng Goal Programmng merupakan pengembangan ar Lnear Programmng. Dperkenalkan oleh Charnes an Cooper paa awal tahun 1960. Kemuan teknk n sempurnakan oleh Ijr paa pertengahan

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB 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 terperinci

OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO)

OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO) OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO) Efrta Arfah Z Jurusan Teknk Elektro, FTI-ITATS Surabaya Jl. Aref Rahman Hakm 100 Tlp

Lebih terperinci

UJI SENSITIVITAS METODE WP, SAW DAN TOPSIS DALAM MENENTUKAN TITIK LOKASI REPEATER INTERNET WIRELESS

UJI SENSITIVITAS METODE WP, SAW DAN TOPSIS DALAM MENENTUKAN TITIK LOKASI REPEATER INTERNET WIRELESS UJI SENSITIVITAS METODE WP, SAW DAN TOPSIS DALAM MENENTUKAN TITIK LOKASI REPEATER INTERNET WIRELESS Davd Ahmad Effendy 1), Rony Her Irawan 2) 1) Sekolah Tngg Agama Islam Kedr (STAIN Kedr) 2) Unverstas

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. 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 terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB 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 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

PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN

PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN Handry Wardoyo 1 Jeanny Pragantha Vny Chrstant M. 3 1 3 Teknk Informatka Unverstas Tarumanagara

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN 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 terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

OPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION

OPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION OPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION Suhendar 1, Ika Want Tusyan 2, Almuddn 3 1,2,3 Jurusan Teknk Elektro, Fakutas Teknk Unverstas Sultan Ageng Trtayasa Jl.

Lebih terperinci

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL

Lebih terperinci

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

MODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN

MODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN MODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN Tjutju T. Dmyat Jurusan Teknk Industr Unverstas Pasundan E-mal : admyat@bdg.centrn.net.d ABSTRAK Penentuan rute kendaraan (Vehcle

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

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. 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 terperinci

PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF

PEMILIHAN 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 terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB 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 terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

BAB IV PERHITUNGAN DAN ANALISIS

BAB IV PERHITUNGAN DAN ANALISIS BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter

Lebih terperinci