Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
|
|
- Ridwan Darmadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 S-27 Abstra Uji alternatif terurut merupaan uji yang ingin mengetahui apaah uuran nilai tengah beberapa elompo mengiuti urutan tertentu atau tida. Uji untu alternatif terurut yang paling utama adalah uji Joncheere-Terpstra (JT). Modifiasi uji JT (MJT) diperenalan oleh Tryon dan Hettmansperger dan Neuhauser mengataan uji MJT lebih bai dari JT arena distribusinya lebih panjang. Penelitian ini melauan simulasi untu mengetahui power uji JT dan MJT. Kombinasi dari 9 distribusi, enam urutan nilai tengah, dan tiga ombinasi banya sampel dilauan untu pengujian tiga, empat, dan lima elompo. Hasil penelitian menunjuan bahwa uji MJT tida lebih bai dari uji JT. Kata unci : alternatif terurut, uji Joncheere Terpstra, Modifiasi Joncheere Terpstra Pendahuluan Seringali suatu penelitian ingin mengetahui secara serenta apaah terdapat perbedaan leta uuran nilai tengah pada beberapa elompo dibandingan apaah leta uuran nilai tengah mengiuti suatu uuran tertentu. Pengujian yang pertama merupaan uji yang biasa diselesaian menggunaan uji analisis ragam (anova) atau uji Krusal Wallis. Pengujian yang edua disebut uji alternatif data terurut. Pada uji alternatif terurut, hipotesis seharusnya dibangun atas dasar bagaimana perlauan diberian dan buan berdasaran pada sampel yang didapatan []. Peneliti tida 840
2 seharusnya menetapan hipotesis setelah data diumpulan dan ditelaah tapi hipotesis seharusnya ditetapan dulu baru emudian data diumpulan. Uji untu alternatif terurut yang paling utama adalah uji Joncheere-Terpstra (JT), yang diperenalan oleh Joncheere dan Terpstra [2][3]. Uji statisti dari uji JT adalah penjumlahan uji statisti Mann-Whitney (MW) untu setiap ombinasi pasangan dari -populasi tersebut, dimana adalah banyanya elompo. Statisti MW sendiri seringali disebut sebagai statisti U yang merupaan statisti untu menguur apaah dua elompo berbeda satu sama lain [4]. Bewic d [5], menyataan bahwa uji JT lebih tepat digunaan pada perlauan yang terurut. Dalam artielnya merea menunjuan bahwa uji statisti yang lain hanya mampu menunjuan bahwa data lamanya watu tinggal diruang ICU pada pasien yang mengalami ecelaaan, mempunyai masalah medis, dan pasien yang menjalani operasi syaraf adalah berbeda. Namun, tida bisa diambil esimpulan apaah watu tinggal merea dalam ruang ICU bertambah sesuai dengan tingatan resio yang dihadapi pasien setelah mengalami tiap perlauan diatas. Pernyataan ini juga diuatan oleh Mehotcheva [6] yang mereomendasian uji JT jia alternatif hipotesis yang ingin diteliti adalah data terurut. Tyron dan Hettmansperger, pada tahun 987, mengusulan sebuah uji yang merupaan modifiasi dari uji JT [7]. Usulan mrea adalah menambahan bobot pada setiap statisti-u yang merupaan bagian dari uji JT. Bobot yang merea usulan adalah beda urutan dari populasi yang diujian, misal pebandingan antara elompo pada urutan pertama dan edua mendapat bobot, sedangan elpompo satu dan tiga mendapat bobot 2. Uji ini bisa digambaran sebagai uji JT dengan bobot. Uji modifiasi JT ini dienal dengan istilah uji Modified Joncheere Terpstra (MJT). Neuhauser [8] menyataan bahwa uji MJT lebih bai dari uji JT arena mempunyai distribusi yang lebih panjang, namun merea tida melaporan bagaimana power MJT dibandingan JT pada berbagai macam jumlah data pada tiap elompo. Namun, perhitungan varians dan rataan sebenarnya pada uji MJT lebih rumit daripada uji JT arena varians dan rataannya selalu berbeda etia ombinasi banya sampel yang 84
3 digunaan berbeda. Sebagai contoh, varians dari ombinasi banya sampel 3,4, dan 5 pada pengujian untu tiga elompo, aan berbeda dengan ombinasi banya sampel 4, 3, dan 5. Sedangan pada uji JT, varians dari edua ombinasi banya sampel diatas aan sama nilainya. Tujuan dari penelitian ini adalah melauan simulasi Monte Carlo dengan menggunaan perangat luna R [9] untu mengetahui power dari uji JT dan uji MJT. Simulasi yang dilauan aan menggunaan beberapa distribusi, antara lain sew iri dan anan serta simetri, beberapa jumlah sampel yang berbeda-beda untu tiap-tiap elompo, serta beberapa tingatan pertambahan nilai tengah yang berbeda-beda juga diteliti. Dengan demiian aan bisa diambil esimpulan pada situasi yang bagaimana uji JT dan MJT lebih unggul satu sama lain. Manfaat yang bisa dipaai adalah suatu acuan pada saat yang bagaimana ita harus menggunaan uji JT atau MJT berdasaran power yang didapat dari penelitian. Metode Penelitian Simulasi yang dilauan menggunaan sembilan distribusi yaitu tiga distribusi yang sew iri, tiga yang sew anan, dan tiga distribusi yang simetri. Distribusidistribusi tersebut dibangitaan menggunaan logf distribusi dan memaai ombinasi derajad ebebasan 2, 4.5, dan 0. Semain ecil derajad ebebasan yang dipaai, semain besar ragam (varians) yang terjadi. Distribusi logf yang menggunaan derajad ebebasan 4.5 dan 4.5 aan mendeati distribusi standar normal. Gambar dibawah adalah illustrasi distribusi-distribusi yang dipaai. Ketia derajad ebebasan pertama lebih dari derajad ebebasan edua, maa distribusi aan menjadi sew iri.distribusi aan simetri etia edua derajad ebebasannya sama, sedangan sew anan etia derajad ebebasan pertama urang dari yang edua. 842
4 Gambar. Illustrasi distribusi-distribusi yang dipaai dalam simulasi. Perhitungan power aan dilauan dengan membangitan data aca sebanya lima ribu ali untu setiap ombinasi distribusi dan banya sampel, serta uuranuuran nilai tengah, emudian aan dilauan uji dengan menggunaan uji-z. Pengujian dengan uji-z dilauan arena distibusi dari uji JT dan MJT adalah simetri dan dengan huum anga besar (Large Law Number) distribusinya aan mendeati standar normal jia diurangi dengan rataan dan dibagi dengan aar positif dari varians sebenarnya. Tingat esalahan yang dihitung adalah 0.05, sehingga setiap nilai z yang didapat aan dibandingan dengan atau arena ita melauan uji 843
5 dua arah. Setiap ali H 0 ditola aan diberi nilai satu, alau tida diberi nilai nol. Power merupaan penjumlahan berapa ali H 0 ditola dibagi banyanya simulasi yang dilauan yang dalam penelitian ini sebanya 5000 ali Rataan dan varians sebenarnya dari uji JT dan MJT bisa didapatan dengan rumus-rumus beriut: E ( T 0 JT = ( n = = in j ) 2 ) nin j N n i= j 2 4 i= j= 4 t = = i j 2 t = V 0 ( T JT ) var U ij i= j= E = i= j= var( U ij ) ( TMJT ) = ( j i) U ij i= j= i= j= s= t= s+ cov( U ij, U st ) V var = 0 ( TJT ) ( j i) U ij i= j= = i = j = i + ( j i) var( U ij ) + 2 i= j = i + s = t = s + ( j i)( t s)cov( U, U ij st ) dimana U bisa didapatan sebagai beriut: U = m n i= j= ϕ ( X i, Y j ), ϕ ( X i, Y j, jia X i < Y j ) = 0, untu lainnya Hasil dan Pembahasan Tiga tabel, tabel 2, dan tabel 3 menyajian power dari uji JT dan MJT dari hasil simulasi. Power untu tiga elompo disajian di tabel, untu empat elompo disajian dalam tabel 2, dan tabel tabel 3 menyajian untu lima elompo. 844
6 Untu tiga elompo, distribusi yang disajian adalah sew iri dengan varians besar dan ombinasi banya sampel untu tiap elompo adalah 5, 0, dan 0 yang artinya banya data untu elompo satu adalah 5, elompo dua adalah 0, dan elompo tiga adalah 0. Terlihat bahwa power dari edua uji tida menunjuan superioritas satu sama lain. Saat perubahan nilai tengah adalah sama, uji MJT tida mampu menunjuan bahwa power yang dipunyainya lebih besar dari uji JT. Ketia pertambahan nilai tengah tida lagi sama, terlihat uji JT lebih besar powernya. Tabel. Power untu tiga elompo, distribusi sew iri. n, n 2, n 3 = 5, 0, 0, 2, 3 JT MJT Tabel 2 menyajian power untu empat elompo dengan distribusi simetri dengan varians ecil dan ombinasi banya sampel untu tiap elompo adalah 5, 0, 0, dan 5. Terlihat dari tabel ini, power uji MJT sediit lebih besar dibanding uji JT untu bebagai ombinasi pertambahan nilai tengah untu tiap elompo. Pada saat pertambahan nilai tengah tida sama, power uji JT hanya berbeda sangat ecil dibanding uji MJT. 845
7 Tabel 2. Power untu empat elompo, distribusi simetri dengan varians ecil n, n 2, n 3, n 4 = 5, 0, 0, 5, 2, 3 JT MJT Power dari uji MJT terlihat lebih besar dari uji JT etia pertambahan nilai tengah adalah sama pada lima elompo dengan distribusi sew anan dan varians ecil dimana ombinasi banya sampel untu tiap elompo adalah 5, 5, 5, 0, dan 0. Namun beberapa power MJT terlihat alah dari uji JT etia pertambahan nilai tengah berbeda. Tabel 3. Power untu lima elompo, distribusi simetri varians ecil. n, n 2, n 3, n 4, n 5 = 5, 5, 5,0, 0, 2, 3, JT MJT
8 Kesimpulan Uji MJT tida lebih bai dari uji JT walaupun untu beberapa asus terlihat bahwa powernya lebih besar dibanding uji JT. Untu pengujian alternatif data terurut, berdasaran dari penelitian ini, lebih bai digunaan uji JT arena perhitungan rataan dan varians sebenarnya yang sederhana dan bersifat universal (sama untu setiap ombinasi banya sampel tiap elompo). Daftar Pustaa [] Hollander, M. dan Wolfe, D.A., 999, Nonparametric Statistical Methods, 2 nd edition, John Wiley and Sons, Inc., a Wiley-Interscience Publication, New Yor,. [2] Joncheere, A.R., 954, A Distribution Free -sample Test Against Ordered Alternatives, Biometria, vol. 4, pp [3] Terpstra,T., 952, The Asymptotic Normality and Consistency of Kendall s Test Against Trend when Ties are Present in One Raning, Indigationes Mathematicae, vol. 4, pp [4] Korolju, V.S., dan Borovsich, Yu. V., 994, Theory of U-Statistics, Dordrect Kluwer Academic Publishers, Boston. [5] Bewic, V., Chee, L., dan Ball, J., 6 April 2004, Statistics review 0: Further nonparametric methods Critical Care Vol 8 No 3, online at [6] Mehotcheva, T. H., 23 April 2008, The Krusal Wallis Test, Seminar in Methodology & Statistics. University f Groningen, Netherland. [7] Tryon, V. P. dan Hettmansperger, T. P., 987, A Class of Nonparametric Tests for Homogeneity Against Ordered Alternatives, Annals of Statistics, pp
9 [8] Neuhauser, M., Liu, P.Y., dan Hothorn, L.A., 998, Nonparametic Tests for Trend: Joncheere s Test, a Modification and Maximum Test, Biometrical Journal, vol. 40(8), pp [9] W. N. Venables and D. M. Smith, An Introduction to R, Notes on R : A Programming Environment for Data Analysis and Graphics, Version 2.0., 5 September
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 terperinciBAB 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 terperinciIII. 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 terperinciPENINGKATAN 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 terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciBAB 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 terperinci3. Sebaran Peluang Diskrit
3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.
Lebih terperinciAplikasi 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 terperinciPENYELESAIAN 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 terperinciBAB 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 terperinciSah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)
Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/
Lebih terperinciANALISIS 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 terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciBAB 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 terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciBAB 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 terperinciBAB ELASTISITAS. Pertambahan panjang pegas
BAB ELASTISITAS 4. Elastisitas Zat Padat Dibandingan dengan zat cair, zat padat lebih eras dan lebih berat. sifat zat padat yang seperti ini telah anda pelajari di elas SLTP. enapa Zat pada lebih eras?
Lebih terperinciPERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON
PERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON M. Sigit Darmawan Dosen Diploma Teni Sipil ITS Email: msdarmawan@ce.its.ac.id
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciUkuran 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 terperinciBAB 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 terperinciBAB 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 terperinciMENYELESAIKAN 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 terperinciOptimasi 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 terperinciMODEL 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 terperinciBAB 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 terperinciAnalisis Varians = Analysis of Variance = ANOVA
. Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.
Lebih terperinciBEBERAPA 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 terperinciBAB 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 terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciPerhitungan Kehilangan Pratekan Total dengan Memakai Teori Kemungkinan ABSTRAK
Jurnal APLIKASI Volume 5, Nomor 1, Agustus 2008 Perhitungan Kehilangan Pratean Total dengan Memaai Teori Kemunginan M. Sigit Darmawan Dosen Jurusan Diploma Teni Sipil, FTSP - ITS Email: msdarmawan@ce.its.ac.id
Lebih terperinciANALISIS VARIANSI (ANOVA)
ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t
Lebih terperinciAnalisis Varians = Analysis of Variance = ANOVA
Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciPenggunaan 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 terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciBAB 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 terperinciRancangan Petak Terbagi
Rancangan Peta Terbagi Ade Setiawan 009 Percobaan Split-plot merupaan superimpose dari dua jenis satuan percobaan dimana rancangan lingungan untu eduanya bisa sama ataupun berbeda. Satuan percobaan untu
Lebih terperinciPenggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan
Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:
Lebih terperinciModifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa
187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this
Lebih terperinciANALISA 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 terperinciPENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK
PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciBAB 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian yang aan dilauan meruju epada beberapa penelitian terdahulu yang sudah pernah dilauan sebelumnya, diantaranya: 1. I Gst. Bgs. Wisuana (2009)
Lebih terperinciBAB 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 terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
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
Lebih terperinciMUSIK KLASIK DAN PENINGKATAN HASIL BELAJAR MATEMATIKA PADA SISWA KELAS TINGGI
Volume, Nomor 1, April 013 http://doi.org/10.1009/jppp MUSIK KLASIK DAN PENINGKATAN HASIL BELAJAR MATEMATIKA PADA SISWA KELAS TINGGI Jayanti Dwiputri Abdi* ** *Faultas Ilmu Pendidian, Universitas Negeri
Lebih terperinciPELABELAN 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 terperinciII. 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 terperinciStudi 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 terperinciBAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
Lebih terperincimungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing
. DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciPENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL
PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id
Lebih terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA
PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciPenentuan Sampling Minimal Dalam Eksperimen Life-Testing menggunakan Order Statistics. Oleh:
Penentuan Sampling Minimal Dalam Esperimen Life-Testing menggunaan Order Statistics Oleh: Budhi Handoo Staff Pengajar Jurusan Statistia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Padjadjaran
Lebih terperinciPENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK
PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu
Lebih terperinciDeret 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 terperinciBAB 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 terperinciFUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL
Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan
Lebih terperinciMATA 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 terperinciANALISIS 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 terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciBAB 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 terperinciPenentuan 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 terperinciEstimasi 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 terperinciTUGAS 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 terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperinciVariasi 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 terperinciSUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA
SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:
Lebih terperinciSISTEM 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaan Perembanan dunia perbanan yan disertai denan meninatnya omplesitas ativitas perbanan semain memperteas pentinnya tata elola perusahaan yan sehat (ood corporate overnance)
Lebih terperinciKAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W
J. Math. and Its Appl. ISSN: 1829-605X Vol. 8, No. 2, November 2011, 43 49 KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W Sunarsini. 1, Sadjidon 2 Jurusan
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,
Lebih terperinci2.1 Bilangan prima dan faktorisasi prima
BAB 2 BILANGAN PRIMA 2.1 Bilangan prima dan fatorisasi prima Definisi 2.1.1. Bilangan bulat p > 1 diataan prima jia ia hanya mempunyai pembagi p dan 1. Dengan ata lain bilangan prima tida mempunyai pembagi
Lebih terperinciANALISIS 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 terperinciMETODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL. Staf Pengajar Program Studi Statistika FMIPA UNDIP
Optimalisasi Produ (Triastuti Wuryandari) METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL Triastuti Wuryandari 1, Tati Widiharih 2, Sayeti Dewi Anggraini 3 1,2 Staf Pengajar Program Studi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tempat dan Watu Penelitian Penelitian ini dilauan di Jurusan Matematia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Lampung. Watu penelitian dilauan selama semester
Lebih terperinciKumpulan soal-soal level seleksi provinsi: solusi:
Kumpulan soal-soal level selesi provinsi: 1. Sebuah bola A berjari-jari r menggelinding tanpa slip e bawah dari punca sebuah bola B berjarijari R. Anggap bola bawah tida bergera sama seali. Hitung ecepatan
Lebih terperinci4 Departemen Statistika FMIPA IPB
Suplemen Responsi Petemuan ANALISIS DATA KATEGORIK (STK351) 4 Depatemen Statistia FMIPA IPB Poo Bahasan Sub Poo Bahasan Refeensi Watu Ui Hipotesis Tiga Contoh atau Lebih Ui Fiedman (analisis agam dua-aah
Lebih terperinciBAB 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 terperinciMENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE
MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK
Lebih terperinciSOLUSI 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 terperinciRuang 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperinci4. 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 terperinciKAJIAN 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 terperinciPencitraan 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 terperinciALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)
ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) Igusta Wibis Vidi Abar Purwanto 2 FMIPA Universitas Negeri Malang E-mail: wibis.roccity@gmail.com Abstra: Multi Depot Vehicle Routing
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciAplikasi 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 terperinciSIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE
SIMULASI FILR KALMAN UNUK SIMASI SUDU DNGAN MNGGUNAKAN SNSOR GYROSCOP Wahyudi *), Adhi Susanto **), Sasongo Pramono **), Wahyu Widada ***) Abstact he Kalman filter is a recursive solution to the process
Lebih terperincitidak 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 terperinciKENDALI 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 terperinciPERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU
PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah
Lebih terperinciALGORITMA 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