Penggunaan Sifat Pengingat Asosiatif Pada Jaringan Syaraf Tiruan Hopfield Diskret Untuk Pemulihan Data
|
|
- Verawati Darmali
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Penggunaan Sfat Pengngat Asosatf Pada Jarngan Syaraf Truan Hopfeld Dskret Untuk Pemulhan Data Recoverng Data Usng Assocatve Memores of Dscrete Hopfeld Neural Netorks Agung Mubyarto Program Stud Teknk Elektro Unsoed Purokerto, Indonesa Abstract Ths research concern th applcaton of dscrete Hopfeld neural netorks for recoverng data. Usng assocatve memores propertes of dscrete Hopfeld neural netorks e can store a set of data patterns as a memores. The basc concepts of usng dscrete Hopfeld neural netorks as assocatve memores s to nterpret the system s neurons evoluton as a movement of nput pattern toard the one stored pattern most resemblng the nput pattern. The result shos that the applcaton could recover false data to ts orgn. Keyords assocatve memores, Hopfeld neural netorks, false data PENDAHULUAN Kerusakan data ( dapat berupa gambar/ctra, runtun data, grafk) yang kta smpan dalam peralatan penympan data sepert dsket, hardsc, compact dsc sangat mungkn terad oleh satu dan lan hal. Kerusakan data dapat dbag dalam kategor kerusakan total ataupun data yang cacat /berderau. Untuk data yang cacat atau berderau mash dapat dlakukan upaya untuk melakukan pemulhan kembal dengan cara melakukan asosas data dengan data yang asl. Proses pemulhan data n sangat pentng karena dapat dterapkan pada berbaga bdang sepert bolog, pskolog, farmas dan pengnderaan auh ( Anl K. Jan et.al.2). Pengngat asosatf dapat menympan suatu rumusan atau hmpunan data. Ketka ada data yang rusak dar suatu hmpunan data, maka data tersebut dapat dketahu kembal dengan melakukan asosas pada hmpunan data asl. Data yang rusak selanutnya akan dkenal sebaga salah satu data dar hmpunan data tersebut. Fungs dar pengngat asosatf adalah mengembalkan rumusan data untuk data yang tdak lengkap kepada data yang telah dsmpan pada arngan (Evandro, A Slva et.al). Secara umum pengngat asosatf dapat dkelompokkan dalam dua kelompok : ) Auto asosas : data yang cacat/ berderau dasosaskan dengan data asl yang tdak rusak. 2) Hetero Asosas : data nput akan dasosaskan dengan data pasangan yang berbeda dar data nput. Jarngan syaraf truan (JST) sebaga truan dar syaraf manusa mempunya kemampuan untuk melakukan asosas data. Beberapa algortma arngan syaraf truan telah dkembangkan dalam usaha melakukan asosas data. Salah satu yang terbukt berhasl dgunakan untuk melakukan asosas data adala arngan syaraf truan Hopfeld. Fausset (994) menelaskan baha Hopfeld pada tahun 982 mengembangkan suatu arngan teratve recurrent assocatve. nput data cacat PENG ING AT AS O SIATIF O utput Gambar 6 Pemulhan data dengan JST output Bobot sambungannya adalah smetrs tanpa cell connecton, yatu :... () dan... (2) arngan n mempunya sfat khusus : a. Setap aktu hanya satu neuron yang memperbaru fungs aktvasnya ( berdasar pada snyal yang dterma dar setap neuron lan ). Dnamka Rekayasa Vol. 5 No. Februar 29 ISSN
2 Agung Mubyarto Penggunaan Sfat Pengngat Asosatf Pada Jarngan Syaraf Truan Hopfeld Dscret Untuk Pemulhan Kesalahan Data : b. Setap neuron meneruskan untuk menerma suatu snyal dar luar dtambahkan pada snyal dar neuron neuron lan dalam arngan tersebut. Proses update dar neuron neuron tersebut menurut suatu fungs yang dsebut sebaga fungs energ yang dperoleh oleh arngan. Keberadaan fungs demkan akan delaskan pada bagan selanutnya yang memungknkan untuk membuktkan baha arngan akan konvergen pada satu set aktvas aktvas stabl dar pada oslas. A. Jarngan syaraf truan Hopfeld dskrt Arstektur arngan syaraf truan dskrt secara skematk dgambarkan dalam gambar 2. Jarngan n tersusun atas satu laps arngan dengan umpan balk. Parameter adalah bobot antar sel,v adalah aktvas sel dan x masukan sel. untuk dan. Jarngan syaraf truan lannya [ Hopfeld, 984 ] mempunya masukan bpolar. Matrks bobot dperoleh sebaga berkut : Penympanan satu set pola pola bpolar s( p), p,2,3,..., n; s( p ) ( s ( p ),...,s ( p ),...,s Matrks bobot s n ( p )) W dberkan oleh : ( p )s ( p )... (4) p untuk dengan x x2 n n V V 2 Persamaan 3 dan 4 akan menghaslkan suatu matrks bobot W, yatu : (5) x3 xn n n 2 2n n V V n Gambar 7 Arstektur Jarngan Syaraf Truan Hopfeld B. Algortma Jarngan Syaraf Truan Hopfeld Dskrt Jarngan Syaraf truan Hopfeld dapat dgunakan untuk menympan memor bner dan memor bpolar. Jarngan n pertama kal dperkenalkan pada tahun 982 menggunakan vektor masukan bner. Untuk menympan satu set pola - pola bner dmana s( p ) s( p), p,2,3,..., n; ( s ( p ),...,s ( p ),...,s ( p )) n... (2) Matrks bobot W dberkan oleh : s ( p) 2s ( p) p 2...(3) Aplkas algortma n untuk pola pola bner adalah sebaga vektor keadaan. Fungs aktvas dapat dmodfkas untuk mengakomodas pola pola bpolar. Algortma arngan syaraf truan Hopfeld dskrt adalah sebaga berkut : Langkah. Set bobot bobot aal () untuk menympan pola pola Sementara aktvas arngan tdak konvergen kerakan langkah 7. Langkah. Untuk tap vektor masukan x, kerakan langkah 2 6. Langkah 2. Set aktvas aal arngan sama dengan vektor masukan luar x : v x (,2,3,..., n) dengan v adalah aktvas sel atau unt v Langkah 3. Kerakan langkah 4 6 untuk tap tap unt v ( unt harus dupdate dalam orde acak ) Langkah 4. Htung masukan arngan : 46
3 Dnamka Rekayasa Vol. 5 No. 2 Agustus 29 ISSN V v _ n x v...(6) dmana v _ n adalah keluaran unt V adalah nla bobot antara unt V dan Langkah 5. Tentukan aktvas ( snyal keluaran ) : ka v _ n... (7) v v ka v _ n ka v _ n dengan v adalah keluaran unt V adalah nla ambang unt V Langkah 6. Sebarkan nla v ke semua unt lannya ( update vektor aplkas ) Langkah 7. U konvergens ( ka konvergen berhent, ka tdak kembal ke langkah ) Nla ambang, untuk pola bner adalah dan untuk pola bpolar adalah. Prosedur tersebut memperbaru untunt dengan acak, tetap tap tap unt harus dperbaru dengan rata- rata lau yang sama. Semula Hopfeld menggunakan aktvas bner tanpa masuan luar setelah step pertama pada algortma tersebut. Selanutnya masukan luar tersebut dperkenankan untuk selama proses berlangsung. Meskpun khasnya, Hopfeld menggunakan aktvas bner, model dformulaskan menggunakan berbaga kombnas dar cr cr model aslnya. C. Analss Fungs Energ Fausset (994) menelaskan, Hopfeld membuktkan baha arngan syaraf truan dskrt yang dtemukannya akan konvergen pada suatu ttk stabl (pola aktvas dar unt - unt ) dengan menggunakan suatu fungs energ pada sstem tersebut. Suatu fungs energ adalah fungs terkendala ( bounded ) dan adal adalah suatu fungs yang tdak bertambah ( nonncreasng ) dar keadaan sstem. Pada sustu arngan syaraf truan keadaan sstem tersebut adalah vektor aktvas dar tap unt. Jka fungs energ dapat dperoleh pada suatu teras arngan syarf truan, arngan akan konvergen pada hmpunan aktvas yang stabl. Fungs energ untuk arngan syaraf truan Hopfeld dskrt dberkan : E vv xv v... (8) 2 dengan : v adalah aktvas atau keluaran unt V x adalah masukan luar unt V adalah bobot antara unt V dan unt V adalah nla ambang unt V Jka aktvas arngan berubah dengan suatu perubahan v, energ berubah sebesar : E v x v... (9) ( hubungan n terad baha hanya satu unt yang dapat memperbaharu aktvasnya pada suatu aktu ). Karena energ terkendala (bounded ) dan nla energ tdak dapat bertambah, arngan akan mencapa suatu kesetmbangan stabl ketka energ tdak berubah dengan adanya teras yang lebh auh. Analsa n uga berlaku untuk aktvas tdak bner,dan masukan luar uga tdak dharuskan selama proses teras. Aspek pentng dar algortma tersebut baha perubahan energ hanya tergantung pada perubahan satu unt atau sel. A. Mater Peneltan METODE PENELITIAN Mater atau bahan yang dgunakan dalam peneltan n adalah berupa sampel data dalam bentuk bars ( array) dalam format data bner. Data berupa ctra dapat dgunakan dengan melakukan pre prosesng membentuk data 2 dmens menad data array. B. Alat yang dpergunakan Peneltan n bersfat pembuatan program aplkas, sehngga membutuhkan satu set personal computer yang cukup memada untuk dapat menalankan sstem operas Wndos XP dan perangkat lunak Matlab 7. C. Jalannya Peneltan Langkah-langkah pada peneltan n adalah pembuatan sampel, dlanutkan pemrosesan data, uga pembuatan perangkat-lunak sstem arngan syaraf truan dan akhrnya dlakukan penguan untuk pemulhan data rusak. Tahapan untuk peneltan n adalah sebaga berkut : ) Pembuatan program aplkas Pembuatan program aplkas arngan syaraf truan Hopfeld Dskret 2) Pengumpulan sampel data Melakukan pengumpulan data berupa data asl dan data berderau. Data yang dgunakan adalah data dalam format bner ( dan ) dengan panang data 8 dgt. 3) Penerapan Aplkas Melakukan penerapan hasl pengolahan data kedalam program aplkas. Dlakukan penguan dengan melakukan varas terhadap kerusakan panang data. 4) Analsa Hasl Melakukan analsa terhadap hasl aplkas yang sudah dlakukan pada tahapan sebelumnya. Dar analsa hasl 47
4 Agung Mubyarto Penggunaan Sfat Pengngat Asosatf Pada Jarngan Syaraf Truan Hopfeld Dscret Untuk Pemulhan Kesalahan Data : akan dketahu keberhaslan aplkas yang merupakan pendekatan dar kecerdasan buatan menggunakan arngan syaraf truan. A. Program Aplkas HASIL DAN PEMBAHASAN Produk yang dhaslkan pada peneltan n adalah berupa softare program aplkas arngan syaraf truan Hopfeld dskret yang dbuat menggunakan Bahasa Pemrograman Matlab 7. Aplkas n memerlukan dua masukan runtun data yatu yang pertama adalah masukan runtun data yang akan dsmpan dalam arngan, sedangkan yang kedua adalah runtun data pertama yang sudah dber nose / gangguan. Setelah dber masukan data yang sudah dber nose maka program aplkas akan melakukan proses pemulhan data untuk bt bt yang tdak sesua sebaga keluaran program aplkas. Runtun data yang dgunakan dalam format bner berbentuk array dengan panang data adalah 8 bt. B. Hasl Penguan Runtun data yang dgunakan adalah : Bt Bt 8 ) Varas kesalahan bt Data asl Data cacat : kesalahan pada bt 4 Pemulhan data TABEL 8 PEMULIHAN DATA UNTUK VARIASI KESALAHAN BIT Iteras Perubahan data / bt 6 2/ bt 3 2) Varas kesalahan 2 bt Data asl Data cacat : kesalahan pada bt 3 dan bt 4 Pemulhan data TABEL 9 PEMULIHAN DATA UNTUK VARIASI KESALAHAN 2 BIT Iteras / bt 3 2 / bt 8 3 / bt 5 4 / bt 4 3) Varas kesalahan 3 bt Data asl Data cacat : varas kesalahan pada bt 4, 5 dan 7 Pemulhan data TABEL 3. PEMULIHAN DATA UNTUK VARIASI KESALAHAN 3 BIT Iteras / bt 7 2 / bt 4 3 / bt 6 4 / bt 8 5 / bt 5 3/ bt 4 48
5 Dnamka Rekayasa Vol. 5 No. 2 Agustus 29 ISSN ) Varas kesalahan 4 bt Data asl Data cacat Pemulhan data TABEL 4. PEMULIHAN DATA UNTUK VARIASI KESALAHAN 4 BIT Iteras / bt 2 2 / bt 5 3 / bt 4 4 / bt 5 / bt 7 oleh Program Matlab 7. Selan tu JST Hopfeld hanya dapat melakukan update neuron secara bergantan, tdak dapat melakukan update beberapa neuron secara bersamaan. Urutan akses neuron secara random sampa dengan data yang telah berhasl dkoreks dsakan pada kolom sebelah kr dar tabel pemulhan data. A. Kesmpulan KESIMPULAN DAN SARAN Dar peneltan yang sudah dlakukan dapat dambl beberapa kesmpulan : a. Data yang rusak / cacat dapat dkoreks dengan menggunakan sfat pengngat asosatf. b. Jarngan syaraf truan Hopfeld dskret dapat dgunakan untuk melakukan koreks kesalahan data dengan bak. c. Panang teras untuk melakukan koreks data bergantung pada random generator yang muncul dan hal n sesua dengan algortma update neuron JST Hopfeld dskret. B. Saran Untuk peneltan selanutnya dapat dpergunakan data berupa gambar bak gambar 2 dmens atau 3 dmens. DAFTAR PUSTAKA ANALISIS HASIL PENELITIAN Dar hasl peneltan yang dsakan dalam tabel sampa dengan tabel 4 dapat dketahu baha aplkas JST yang dbuat mampu melakukan koreks untuk kesalahan dengan tngkat kesalahan dar bt sampa dengan 4 bt dengan sangat bak. Semua kesalahan dapat dkoreks dan dkembalkan kepada data asl. Jka dlhat dar banyaknya teras program koreks, memang arngan tdak dapat memperoleh teras dengan yang panangnya sama atau kurang dar panangnya kesalahan. Hal n dapat dmengert karena proses update neuron dar arngan bersfat random dan bergantung kepada random generator yang dsedakan Fausset, L Fundamentals of Neural Netorks Archtectures, Algorthms and Applcaton. Prentce Hall, Engleood Clffs, Ne Jersey Ln, C.T and Lee, C.S.G. A Neuro-Fuzzy Synergsm to Intellgent Systems. Prentce Hall, Upper Saddle Rver NJ 7458 Evandro A. Slva, Armando Marn, Adlson Gonzaga, Fabana C. Berton, Kelton A.P. Costa, Lucana A.L. Albuquerque. Neutral Facal Image Recognton Usng Parallel Hopfeld Neral Netorks. Unversty of Sao Paulo Anl K. Jan, Robert P.W. Dun, dan Mao,J. Statstcal Pattern Recognton : A Reve. IEEE Transactons on Patterns Analyss and Machne Intellgence vol 22 no, January 2. 49
BAB 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 terperinciIDENTIFIKASI POLA SIDIK JARI DENGAN JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY
Anfudn Azz dan Tanzl Kurnawan, Identfkas Pola Jar IDENTIFIKASI POLA SIDIK JARI DENGAN JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY (Frnger Prnt Pattern Identfcaton by Bdrectonal Assocatve Memory
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciPENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE
1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciPENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD
Semnar Nasonal Sstem dan Informatka 2007; Bal, 6 November 2007 PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Nur Hasanah ) Istkhomah 2) Taufq Hdayat 3) Sr Kusumadew 4) Jurusan
Lebih terperinciSifat-sifat Operasi Perkalian Modular pada Graf Fuzzy
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au
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 terperinciJaringan Syaraf Tiruan (Artificial Neural Networks)
Jarngan Syaraf Truan (Artfcal Neural Networks) BAB I PENDAHULUAN. Searah JST JST : merupakan cabang dar Kecerdasan Buatan (Artfcal Intellgence ) JST : menru cara kera otak mahluk hdup yatu sel syaraf (neuron)
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciBAB III 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih 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 terperinciAnalitik Data Tingkat Lanjut (Regresi)
0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
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 terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih 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 terperinciMatematika Eigenface Menggunakan Metrik Euclidean
Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih 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 terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON
PENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1) Sandy Wrakusuma 2) 1) S1 Sstem Komputer, STIKOM Surabaya, emal: madha@stkom.edu 2) S1
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
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 terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
Lebih 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 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 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 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 I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON
STMIK AMIKOM Yogyakarta, 6-8 Februar 2015 PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1), I Dewa Gede Ra Mardana 2), Sandy Wrakusuma 3) 1), 2), 3)
Lebih terperinciSIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI
ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran
Lebih terperinciANALISIS 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 II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun
BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole
Lebih terperinciPERANCANGAN 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 terperinciALJABAR LINIER LANJUT
ALABAR LINIER LANUT Ruang Bars dan Ruang Kolom suatu Matrks Msalkan A adalah matrks mnatas lapangan F. Bars pada matrks A merentang subruang F n dsebut ruang bars A, dnotaskan dengan rs(a) dan kolom pada
Lebih terperinciBAB 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 terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciBAB 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 terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciPerbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB
Perbakan Unjuk Kerja Sstem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Endryansyah Penddkan Teknk Elektro, Jurusan Teknk Elektro,
Lebih 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 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 terperinciSistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Sstem Krptograf Stream Cpher Berbass Fungs Chaos Crcle Map Dengan Pertukaran Kunc Dffe-Hellman A-6 Muh. Fajryanto 1,a), Aula Kahf 2,b), Vga Aprlana
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
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 terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciSISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS
SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d
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 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 terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
Lebih terperinciMetode Ekstraksi Data Untuk Pengenalan Huruf Dan Angka Tulisan Tangan Dengan Menggunakan Jaringan Syaraf Buatan Propagasi Balik
Porceedng of Semanr on Intellgent Technology and Its Applcatons (SITIA 2002) Insttut Teknolog Sepuluh Nopember, Surabaya, May 7 th, 2002 Metode Ekstraks Data Untuk Pengenalan Huruf Dan Angka Tulsan Tangan
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 terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :
JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud
Lebih terperinciPENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM)
PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) Rcha Agustnngsh, Drs. Lukman Hanaf, M.Sc. Jurusan Matematka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya
Lebih terperinciPELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC
PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC Kurnawan *, Rolan Pane, Asl Srat Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :
JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan
Lebih terperinciBAB 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 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 terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciEksistensi Bifurkasi Mundur pada Model Penyebaran Penyakit Menular dengan Vaksinasi
1 Eksstens Bfurkas Mundur pada Model Penyebaran Penyakt Menular dengan Vaksnas Intan Putr Lestar, Drs. M. Setjo Wnarko, M.S Jurusan Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Insttut Teknolog
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 terperinciCatatan 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 terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang
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 terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
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 terperinci(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 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 terperinciHybrid intelligent system adalah kombinasi lebih dari dua teknologi cerdas.
Teny Handhayan Pendahuluan Hybrd ntellgent system adalah kombnas lebh dar dua teknolog cerdas. Contohnya kombnas Neural Network dengan Fuzzy membentuk Neuro-fuzzy system Perbandngan Expert Systems, Fuzzy
Lebih terperinciPengenalan Tanda Tangan Dengan Metode Principal Component Analysis (PCA) Dan Jaringan Syaraf Tiruan (JST)
1 Pengenalan Tanda Tangan Dengan Metode Prncpal Component Analyss (PCA) Dan Jarngan Syaraf Truan (JST) Hann Prastka 1, Rahmat Suhatman 2, Warna Nengsh 3 Program Stud Teknk Informatka dan Multmeda, Polteknk
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 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 terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciBab 1 Ruang Vektor. R. Leni Murzaini/0906577381
Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua
Lebih terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
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 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 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 terperinciPENGURUTAN DATA. A. Tujuan
PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.
Lebih terperinciRANCANGAN PROSES TRAINING UNTUK MENDUKUNG PENENTUAN KUALITAS AIR MINUM KEMASAN
RANCANGAN PROSES TRAINING UNTUK MENDUKUNG PENENTUAN KUALITAS AIR MINUM KEMASAN Erfant Fatkhyah Jurusan Teknk Informatka, Fakultas Teknolog Industr, Insttut Sans & Teknolog AKPRIND Yogyakarta Emal: erfunthye@yahoocod
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 terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciBAB 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 terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciPENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY
PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY I Made Wdartha Program Stud Teknk Informatka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Udayana emal : madewdartha@cs.unud.ac.d
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciJMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT
JMP : Volume 5 Nomor, Jun 03, hal. 3 - SPEKTRUM PD GRF REGULER KUT Rzk Mulyan, Tryan dan Nken Larasat Program Stud Matematka, Fakultas Sans dan Teknk Unerstas Jenderal Soedrman Emal : rzky90@gmal.com BSTRCT.
Lebih terperinciBAB II DASAR TEORI. 2.1 Definisi Game Theory
BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBab III Analisis dan Rancangan Sistem Kompresi Kalimat
Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton
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 terperinciSEMI RING POLINOM ATAS ALJABAR MAX-PLUS
JMP : Volume 4 Nomor 2, Desember 2012, hal. 289-297 SEMI RING POLINOM ATAS ALJABAR MAX-PLUS Suroto Prod Matematka, Jurusan MIPA, Fakultas Sans dan Teknk Unverstas Jenderal Soedrman e-mal : suroto_80@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 terperinciSISTEM 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 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 terperinciPeramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting
Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155
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 terperinci