Inversi Data Magnetotellurik 1 Dimensi Menggunakan Algoritma Multi-Objektif Dragonfly
|
|
- Bambang Kurnia
- 7 tahun lalu
- Tontonan:
Transkripsi
1 B-120 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prnt) Invers Data Magnetotellurk 1 Dmens Menggunakan Algortma Mult-Objektf Dragonfly Pramudana, Sungkono, Bagus Jaya Santosa Jurusan Fska, Fakultas MIPA, Insttut Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya Indonesa e-mal: bjs@physcs.ts.ac.d Abstrak Metode Maegnetotellurk (MT) dapat dgunakan untuk menctrakan resstvtas bawah permukaan yang dalam. Resstvtas bawah permukaan n ddapat melalu proses nvers data MT. Pada peneltan n, nvers data MT untuk menghaslkan resstvtas 1D menggunakan algortma Multobjektf Dragonfly untuk memnmumkan error antara data resstvtas semu dan fase perhtungan dengan data pengukuran. Algortma n telah duj pada data sntetk dan data lapangan. Haslnya alah algortma multobjektf dragonfly dapat dgunakan untuk menentukan resstvtas bawah permukaan dengan akurat dan sesua konds ltolog bawah permukaan. Kata Kunc Magnetotellurk, resstvtas semu, fase, Resstvtas 1D, multobjektf dragonfly. M I. PENDAHULUAN agnetotellurk merupakan metode pasf geofska yang memanfaatkan medan magnet dan medan lstrk alamah bum untuk mengetahu dstrbus parameter fss bawah permukaan. Pada magnetotellurk 1 dmens (MT 1D), terdapat 8 asums dasar yatu: 1) Persamaan elektromagnetk Maxwell, 2) Bum tdak menghaslkan energ electromagnet, 3) Medan dapat d konvers dan danalsa dar sumbernya, 4) Medan EM alam yang dhaslkan oleh sstem onosfer Danggap unform, 5) Tdak terdapat akumulas muatan bebas pada lapsan-lapsan Bum, 6) Bum sebaga medum konduktor, 7) Medan perpndahan elektrk bersfat kuasstatk, 8) Varas permtvtas lstrk dan permeabltan magnet dalam batuan dasumsakan tdak ada. Kedelapan asums dasar nlah yang dgunakan sebaga acuan penurunan persamaan-persamaan pada MT 1D [1]. Dar persamaan Maxwell dan berbaga asums dasar tersebut, dapat dturunkan nla mpedans sepert pada Persamaan (1) dbawah n: Z xy = E x H y = ωε 0 ρ (1) dengan Z xy merupakan mpedans, E x merupakan medan lstrk pada komponen x, H y merupakan medan magnet pada komponen y, dan ρ adalah rapat muatan lstrk (C/m 3 ). Persamaan (1) dapat dturunkan menjad resstvtas dan fasa (Persamaan 2 dan 3) yang merupakan data lapangan magnetotellurk[2]. ρ = 1 ωμ 0 Z 1 2 (2) Ф = tan 1 [ mz 1 ReZ 1 ] (3) dengan Z 1 merupakan mpedans pada lapsan 1, Ф merupakan fasa, dan ρ merupakan resstvtas. Nla mpedans masng masng lapsan pada kasus MT 1D dtentukan oleh resstvtas yang bervaras terhadap kedalaman, maka parmeter model pada MT 1D berupa resstvtas dan ketebalan. Untuk mengetahu dstrbus resstvtas MT 1D, dlakukan permodelan geofska yatu permodelan ke depan (forward modellng) dan permodelan ke belakang (nverson modellng). Yang keduanya serng kal dlakukan secara smultan untuk mengetahu nla ftness pada permodelan yang telah dlakukan. Permodelan ke depan MT 1D dlakukan dengan menggunakan algortma rekursf sepert pada Persamaan (3). Algortma rekursf sendr mempunya prnsp yatu perhtungan nla resstvtas dengan menggunakan dua lapsan yang berurutan sampa mendapatkan nla resstvtas d permukaan [2]. 1-R exp -2kh Z =Z0 1+R exp(-2k h ) (4) dengan: Z -Z 0 +1 R= Z +Z 0 +1, 2 0 Z Z 0, k 0 T dmana Z merupakan mpedans, μ menotaskan permeabltas magnetc (henry/m), ρ merupakan resstvtas (ohm.meter), sedangkan T merupakan peroda, dan h merupakan ketebalan lapsan (m). Permodelan ke belakang MT 1D dlakukan dengan menggunakan metode lnersas ataupun stokastk. Penyelesaan nvers non lner menggunakan lnersas memerlukan tebakan awal yang cukup dekat dengan solus. Selan hal tersebut, solus dar metode lnerssas serng kal terjebak pada mnmum lokal. Padahal solus optmum nvers non lner selalu berasosas pada mnmum global [2]. Pencaran mnmum global dapat dlakukan dengan menggunakan metode stokastk. Metode stokastk sendr terbag menjad 2 yatu pencaran solus menggunakan objektf tunggal dan pencaran solus menggunakan mult-objektf. Mengngat MT 1D mempunya 2 varabel data lapangan yang berupa resstvtas dan fasa, sehngga pencaran pencaran solus MT 1D dlakukan dengan pemnmuman ke dua varabel tersebut. Untuk memnmumkan 2 varabel menggunakan objektf tunggal, memlk solus yang rskan terjebak pada mnmum lokal [3]. Selan tu, penggunaan objektf tunggal dperlukan faktor pembobot. Sedangkan nla factor pembobot antar satu data dengan data yang lan sangatlah berbeda. Sehngga perlu coba-coba untuk mendapatkan pembobot yang tepat pada data yang
2 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prnt) B-121 dnverskan. Terlebh lag, penggunaan objektf tunggal juga menyebabkan kesultan dalam memvaldas model yang sesua dengan konds geolog yang sebenarnya [4;5]. Oleh karena tu, proses nvers untuk memnmumkan dua varabel atau lebh, lebh bak menggunakan metode mult-objektf [4;5]. Salah satu metode mult-objektf untuk pencaran model alah algortma mult-objektf dragonfly. Algortma mult-objektf dragonfly. Ddasarkan pada tngkah laku capung (dragonfly) yang serng kal terbang membuat kerumunan besar maupun kecl. Tngkah laku terbang secara berkerumun dengan kerumunan besar dan kecl tersebut sesua dengan prnsp dar metaheurstk sederhana yatu eksploras dan eksplotas. Walaupun terbang secara berkerumun, capung tdak memlk pemandu (leader) sepert pada algortma PSO. Sehngga algortma n hanya ddasarkan pada tngkah masng masng ndvdu serta perlaku berkerumun tersebut. Algortma mult-objektf dragonfly n tergolong cepat dbandngkan dengan algortma mult-objektf yang lan sepert NSGA II dan MOPSO [6]. Untuk tu, dalam peneltan n, dlakukan nvers data magnetotellurk 1D menggunakan algortma multobjektf dragonfly [6] untuk memnmumkan dua fungs objektf, yatu error antara data pengukuran dan perhtungan untuk data phase dan resstvtas semu. II. METODE Secara gars besar, peneltan n terbag menjad 3 tahapan. Yatu permodelan ke depan, nvers data sntetk, dan nvers data lapangan. 1. Permodelan ke depan Permodelan n bertujuan untuk mendapatkan data sntetk dar parameter model sntetk dengan menggunakan rumus rekursf sepert pada Persamaan (1). Model yang dgunakan berupa model 3 lapsan dan model 5 lapsan. Data sntetk yang ddapat, dgunakan untuk valdas software/ nvers data sntetk. 2. Invers data sntetk Invers data sntetk bertujuan untuk mendapatkan kembal data sntetk sepert hasl permodelan kedepan. Invers n dlakukan dengan menggunakan algortma mult-objektf dragonfly dengan fungs objektf berupa restvtas dan fasa. Rumus fungs objektf yang dgunakan dapat dlhat pada Persamaan (2) dan (3). 1 E log10( d / ) 2 obs d (5) pred N f 1 Ф Ф 2 obs pred E d d N f (6) ρ Dengan d obs adalah data hasl pengukuran pada ρ nla ρ tertentu. ρ merupakan resstvtas. d pred adalah data sntetk yang dperoleh dar pemodelan ke depan pada resstvtas tertentu, N adalah jumlah dar semua ρ. Begtu pula dengan fungs objektf yang berupa fasa. Solus dar nvers n berupa semua ndvdu pada pareto front model. Dagram alr permodelan ke belakang dengan menggunakan algortma multobjektf dragonfly dapat dlhat sepert pada Gambar 2.1. Gambar 2.1 Dagram Alr permodelan kebelakang menggunakan algortma mult-objektf dragonfly 3. Invers data lapangan Invers data lapangan merupakan pe-ngaplkasan software ke data sebenarnya. Data MT yang dnvers berupa data yang ddapatkan dar model Sasak. Stasun yang dgunakan berupa stasun 3. Tahap nvers yang dlakukan pada nvers data lapangan n, sama dengan tahap nvers data sntetk sebelumnya. Yang dagram alrnya mengacu pada gambar 2.1. III. ANALISA DATA DAN PEMBAHASAN Permodelan ke Depan Permodelan ke depan bertujuan untuk mendapatkan data sntetk dar parameter model sntetk. Parameter model sntetk berupa lapsan resstf dantara lapsan konduktf. Setelah ddapatkan data sntetk dar permodelan ke depan menggunakan parameter model sntetk n, juga dlakukan perhtungan skndepth. Skndepth dgunakan untuk menentukan ruang pencaran model (search space) yang d aplkasan pada tahap nvers. Gambar 3.1 Hasl permodelan ke depan MT 1D pada model 1 a) Kurva apparent resstvty terhadap peroda, b) Kurva phase terhadap peroda, c) Model bawah permukaan.
3 B-122 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prnt) Gambar 3.1a dan 3.1b merupakan hasl permodelan ke depan pada model 1, yatu lapsan resstf dantara lapsan konduktf. Setelah dlakukan permodelan ke depan kemudan dlakukan penggambaran antara resstvtas dan fasa terhadap peroda serta Gambar 3.1c merupakan gambar resstvtas semu terhadap kedalaman semu (skndepth). Gambar 3.1c menunjukkan bahwa pada bawah permukaan palng tdak ada 3 laps batuan yang dtunjukkan dengan adanya nla resstvtas 1<resstvtas 2>resstvtas 3. Begtu pula dengan model 2, permodelan ke depan model 2 n juga ddapatkan data sntetk. Yang penggambaran dar model bawah permukaan hasl permodelan kedepan model 2 n, dgunakan sebaga acuan penentuan ruang pencaran model pada tahap nvers. Invers Data Sntetk Invers n dlakukan dengan menggunakan data sntetk yang bertujuan untuk mendapatkan kembal parameter model tersebut. Setelah dlakukan permodelan ke belakang dengan menggunakan algortma multobjektf dragonfly, ddapatkan hasl berupa pareto front model. Semua ndvdu pada pareto front model dplh sebaga kemungknan solus. Pada nvers model 1 n dlakukan pemlhan 100 ndvdu dan 100 archve non-domnan serta dlakukan perulangan sebanyak 25 tras. Selan penentuan parameter algortma sepert datas, hal yang mempengaruh keberhaslan agortma n adalah penentuan ruang model sepert yang telah dbahas pada bab sebelumnya. Search space/ ruang model yang dgunakan pada nvers n adalah ketebalan maksmum 550 dan 1550 meter, ketebalan mnmum adalah 450 dan 1450 meter, resstvtas maksmum 120, 1050, dan 15 ohmmeter, serta resstvtas mnmum 85, 950, dan 0.01 ohmmeter. Ruang model dgambarkan pada Gambar 4.6 c yang berupa gars pnk. Penggambaran pareto front model dar hasl nvers model 1 dapat dlhat pada Gambar 4.6 dengan sumbu x merupakan nla error dar resstvtas dan sumbu y merupakan nla error dar fasa. Resstvtas mempunya error yang kecl dengan ksaran sedangkan fasa mempunya error yang besar yatu ksaran sangat dekat. Artnya, metode nvers cukup bak dalam mengestmas parameter model. Gambar 3.3 Hasl nvers model 1 menggunakan parameter model 3 lapsan a) kurva apparent esstvty terhadapperoda, b) kurva phase terhadap peroda, c) model bawah permukaan. Invers data sntetk juga dlakukan menggunakan pendekatan lapsan yang berbeda. Yatu pendekatan 5 lapsan untuk mengnvers model sntetk 3 lapsan. Hal n bertujuan untuk mengetahu pengaruh pemlhan lapsan pada tahap nvers. Model yang dnvers berupa lapsan konduktf dantara lapsan resstf. Search space atau ruang model yang dgunakan pada nvers n yatu sebaga berkut: ketebaan maksmum 525, 320, 1350, dan 120 meter; ketebalan mnmum adalah 475, 270, 1250, 75 meter, sedangkan search space parameter model resstvtas yatu resstvtas maksmum adalah 110, 55, 20, 650, dan 1025 ohmmeter, resstvtas mnmum 90, 25, 8.5, 500, dan 985 ohmmeter. Penggambaran ruang model sebagamana pada Gambar 3.4c yang berupa warna pnk. Model 2 n dnvers menggunakan teras sebanyak 25 kal melalu populas ndvdu sebesar100, serta maksmum archve sebanyak 100 ndvdu. Gambar 3.2 Pareto front model hasl nvers model 1 Gambar 3.3a dan 3.3b merupakan semua solus yang mungkn dar nvers model 1 dengan warna merah merupakan true data dan warna bru merupakan data perhtungan. Gambar n menunjukkan bahwa data perhtungan dan data sebenarnya sangat dekat. Gambar 3.3c merupakan perbandngan model yang sebenarnya dan model hasl nvers. Yang mana, kedua model n Gambar 3.4 Pareto front model hasl nvers dengan menggunakan pendekatan lapsan yang berbeda. Pareto front model hasl nvers lapsan konduktf dantara lapsan resstf dengan menggunakan pendekatan 5 lapsan n dapat dlhat sebagamana Gambar 3.4. Gambar n menunjukkan bahwa resstvtas mempunya error sektar sedangkan fasa mempunya error sektar Dar hal tersebut terlhat perbedaan nla yang sknfkan antar keduanya. Data fasa serng kal mempunya kualtas yang kurang bak. Sehngga serng kal error fasa yang besar dapat dtolerr[2]. Gambar 3.5a dan 3.5b secara berurutan merupakan perbandngan antara data resstvtas semu dan fase
4 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prnt) B-123 perhtungan (nverted) dan data observas. Gambar n menunjukkan bahwa data nvers atau perhtungan berhmpt (dekat atau mrp) dengan data perhtungan. Kemrpan n juga terjad pada model bawah permukaan sebenarnya dengan model bawah permukaan hasl nvers. Selan tu trend kurva hasl nvers dan juga data model tersebut juga tdak memberkan perbedaan yang sknfkan walau dnvers dengan menggunakan pendekatan lapsan yang berbeda. Sehngga dapat dketahu bahwa nvers data MT yang dlakukan dengan jumlah lapsan yang lebh besar dar model yang sebenarnya akan menghaslkan model bawah permukaan yang hampr sama dengan model yang sebenarnya. Artnya, secara otomats nvers menggunakan multobjektf n mrp dengan hasl nvers objektf tunggal dengan konstran resstvtas[2]. Berdasarkan gambar tersebut pada lapsan 1 mempunya nla resstvtas berksar 100 ohm meter. Pada lapsan 2 mempunya nla resstvtas yang berksar 10 ohm meter, serta pada lapsan 3 mempunya resstvtas yang berksar 31.6 ohm meter. Selan resstvtas, berdasarkan gambar tersebut juga dapat dtentukan harga parameter model ketebalan yatu pada lapsan 1 mempunya nla sektar 1000 meter, pada lapsan 2 mempunya ketebalan sektar 1800 meter, dan lapsan dbawahnya merupakan half space. Berdasarkan nla resstvtas pada masng-masng lapsan tulah dgunakan search space sebaga berkut: ketebalan maksmum yatu 1100, 1800, 5 meter, dan ketebalan mnmum yatu 1000, 1750, 0.1 meter, serta resstvtas maksmum yatu 120, 15, 27.5, 36 ohm meter, sedangkan resstvtas mnmum yatu 90, 10, 22, 20 ohm meter. Invers n dlakukan dengan menggunakan ndvdu sebanyak 100 ndvdu. Archve maksmum sebesar 100 ndvdu dan perulangan sebanyak 25 kal. Penggambaran pareto front model hasl nvers n dapat dlhat pada Gambar 3.7. Gambar 3.5 Pareto front model nvers dengan pendekatan 5 lapsan a) kurva apparent esstvty terhadap peroda, b) kurva phase terhadap peroda, c) model bawah permukaan. Invers Data Lapangan Invers data lapangan dmaksudkan untuk menguj algortma mult-objektf dragonfly pada data pengukuran. Data pengukuran yang dgunakan yatu data yang berasal dar model yang dgunakan oleh [6]. Penampang 2D dar data [6] n dapat dlhat sepert pada Gambar Data Sasak n mempunya spas antar stasun sebesar 2000 meter. Stasun 1 yang dtunjukkan oleh ttk nol pada gambar tersebut mempunya jarak 500m dar tep penampang. Lntasan terbentang mula dar meter ke 500 sampa meter ke Sehngga stasun yang dgunakan sebanyak 10 stasun. Frekuens yang dgunakan oleh [6] n berjumlah 9 frekuens yang masng-masng bernla sebaga berkut: 0.1, 0.22, 0.5, 1, 2.2, 5, 10, 22, dan 50 Hz [7]. Gambar 3.7 Pareto front model nvers data [6] Gambar 3.7 menunjukkan dstrbus ndvdu nondomnan yang dtunjukkan dengan dstrbus error untuk data fasa dan resstvtas semu, dengan dstrbus yang cukup bak. Yakn, jarak antar satu ndvdu dengan ndvdu yang lan tdak terlalu jauh serta membentuk sebuah gars tertentu. Selan dstrbus ndvdu nondomnan tersebut, juga dapat dketahu nla error pada fasa dan resstvtas yatu beksar pada untuk fasa dan untuk resstvtas. Sebagamana nvers pada data sntetk, nla error pada fasa lebh tngg dbandngkan dengan nla error pada resstvtas. Hal tersebut sesua dengan pernyataan bahwa kualtas data fasa tdaklah sebagus kualtas data resstvtas [2]. Gambar 3.6 Data lapangan yang mengacu pada data [6]. Pada peneltan n dgunakan data dar stasun 3 yang terletak pada km yang ke 4,5. Jumlah lapsan dan search space yang dgunakan pada nvers n ddasarkan pada nla resstvtas yang tampak pada Gambar Berdasarkan gambar tersebut, pada stasun 3 terdapat 3 lapsan. Sehngga pada nvers n dgunakan 4 parameter model resstvtas dan 3 parameter model ketebalan. Dengan resstvtas pada lapsan terakhr d generate sebaga lapsan half space. Gambar 3.8. Hasl nvers nvers data sasak a) kurva apparent esstvty terhadap peroda, b) kurva phase terhadap peroda, c) model bawah permukaan.
5 B-124 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prnt) Gambar 3.8a dan 3.8b merupakan penggambaran kemungknan solus dan data sebenarnya. Yang mana, data sebenarnya dan data perhtungan tampak berhmpt. Gambar 3.8c merupakan model bawah permukaan hasl nvers. Dar gambar tersebut dapat dketahu bahwa, data [6] pada stasun 3 n mempunya sektar 3 lapsan yatu lapsan konduktf dantara lapsan resstf. Dmana lapsan yang dekat dengan permukaan mempunya nla resstvtas yang palng besar. Pada peneltan n dgunakan hasl nvers dengan menggunakan software MT2DnvMatlab sebaga pembandng [6]. Gambar Hasl jon nvers dar mode TE dan TM menggunakan MT2DnvMatlab. Gambar 4.14 merupakan hasl nvers dengan menggunakan MT2DnvMatlab. Pada gambar tersebut stasun 3 terletak pada KM ke 4.5. Gambar tersebut menunjukkan adanya sektar 3 lapsan. Dmana lapsan pertama mempunya nla resstvtas sektar 100 ohmmeter, lapsan kedua sektar 10 ohm-meter, dan lapsan terakhr sektar 30 ohm-meter. Gambar Perbandngan penampang bawah permukaan hasl nvers menggunakan algortma Multobjektf dragonfly (warna cyan) dan hasl nvers Lee (2009). Perbandngan hasl nvers data Sasak pada stasun 3 dengan menggunakan algortma mult-objektf dragonfly dan hasl nvers menggunakan MT2DnvMatlab n dnyatakan oleh Gambar Berdasarkan penggambaran bawah permukaan kedua hasl nvers tersebut (Gambar 4.15), hasl nvers MT2DnvMatlab (warna orange) tampak bermpt dengan beberapa ndvdu dar kemungknan solus hasl nvers dengan menggunakan algortma mult-objektf dragonfly (warna cyan). Walau ada ndvdu-ndvdu yang menympang. Hal tersebut mengndkaskan bahwa algortma multobjektf dragonfly n dapat dgunakan untuk mengestmas resstvtas bawah permukaan data lapangan. IV. KESIMPULAN Berdasarkan hasl analsa data, pembahasan dan kajan teor yang dlakukan secara komprehensf, dapat dtark beberapa kesmpulan bahwa: Algortma multobjektf Dragonfly dapat dgunakan untuk nvers Magnetotellurk 1Dmens bak pada data sntetk maupun data lapangan. UCAPAN TERIMA KASIH Penuls mengucapkan terma kash kepada Bapak Prof. Dr. rer. net. Bagus Jaya Santosa, S.U. dan Bapak Sungkono, M.S. selaku dosen pembmbng dan semua phak yang terlbat dalam peneltan tugas akhr n. DAFTAR PUSTAKA [1] Smpson, F., Bahr, K., Practcal Magnetotellurcs. Cambrdge Unversty Press. [2] Grands, H., Pengantar Permodelan Invers Geofska. Hmpunan Ahl Geofska Indonesa (HAGI), Jakarta. [3] Sungkono, Invers Terpsah dan Smultan Dspers Gelombang Raylegh dan Horzontal-to- Vertcal Spectral Rato Menggunakan Algortma Genetk (Master Thess). [4] Dal Moro, G., Insghts on surface wave dsperson and HVSR: Jont analyss va Pareto optmalty. Journal of Appled Geophyscs 72, do: /j.jappgeo
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 terperinciAplikasi Metode Simulated Annealing pada Inversi Data Magnetotellurik 1-D
Aplkas Metode Smulated Annealng pada Invers Data Magnetotellurk -D Hendra Grands, 3), Prhad S.A. 2), Tta R. Puspta 3) ) KK Ilmu dan Teknk Geofska, FTTM - ITB 2) KK Geolog Terapan, FITB - ITB 3) Program
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB 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 terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB 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 terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciBAB 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 terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciBAB 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 terperinciInterpretasi data gravitasi
Modul 7 Interpretas data gravtas Interpretas data yang dgunakan dalam metode gravtas adalah secara kualtatf dan kuanttatf. Dalam hal n nterpretas secara kuanttatf adalah pemodelan, yatu dengan pembuatan
Lebih terperinciBAB 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 terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciKata 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciHubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya
Vol. 8, No., 9-101, Januar 01 Hubungan Model Kurva Pengeluaran Konsums Rumah Tangga d Provns Sulawes Selatan dengan Elaststasnya Adawayat Rangkut Abstrak Seleks kurva pengeluaran konsums masyarakat Sulawes
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciIII. 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 terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciIV. 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 terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciPEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL
PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciAnalisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank
ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan
Lebih terperinciBAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian
BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve
Lebih terperinciBab IV Pemodelan dan Perhitungan Sumberdaya Batubara
Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciUKURAN LOKASI, VARIASI & BENTUK KURVA
UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB 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 terperinciBAB III SKEMA NUMERIK
BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,
Lebih terperinciPERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT
BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com
Lebih terperinciGambar 3.1 Diagram alir penelitian
BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan
Lebih terperinciBab 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 terperinciPertemuan 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 terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciIII PEMODELAN MATEMATIS SISTEM FISIK
34 III PEMODELN MTEMTIS SISTEM FISIK Deskrps : Bab n memberkan gambaran tentang pemodelan matemats, fungs alh, dagram blok, grafk alran snyal yang berguna dalam pemodelan sstem kendal. Objektf : Memaham
Lebih terperinciBADAN PUSAT STATISTIK KABUPATEN JAYAPURA
BADAN PUSAT STATISTIK KABUPATEN JAYAPURA BADAN PUSAT STATISTIK KABUPATEN JAYAPURA Sensus Penduduk 2010 merupakan sebuah kegatan besar bangsa Badan Pusat Statstk (BPS) berdasarkan Undang-undang Nomor 16
Lebih terperinciPENGEMBANGAN 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 terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB III TEORI DASAR. data seismik sebagai input dan data sumur sebagai kontrol (Sukmono, 2000).
BAB III TEORI DASAR 3.1. Konsep Dasar Sesmk Refleks Pengertan secara lebh spesfk tentang nvers sesmk dapat ddefnskan sebaga suatu teknk pembuatan model bawah permukaan dengan menggunakan data sesmk sebaga
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciIII. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah,
III. METODELOGI PENELITIAN A. Metode Peneltan Suatu peneltan dapat berhasl dengan bak dan sesua dengan prosedur lmah, apabla peneltan tersebut menggunakan metode atau alat yang tepat. Dengan menggunakan
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciTinjauan 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 terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciPembayaran 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 terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB I PENDAHULUAN. konsep strategi yang cocok untuk menghadapi persaingan baik itu mengikuti marketing
BAB I PENDAHULUAN 1.1 Latar Belakang Konds persangan dalam berbaga bdang ndustr saat n dapat dkatakan sudah sedemkan ketatnya. Persangan dalam merebut pasar, adanya novas produk, mencptakan kepuasan pelanggan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciMULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari
MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinci