ANALISIS ALGORITMA BAYESIAN TERHADAP BASIS KASUS UNTUK KERUSAKAN PERSONAL COMPUTER (PC)
|
|
- Suryadi Jayadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS ALGORITMA BAYESIAN TERHADAP BASIS KASUS UNTUK KERUSAKAN PERSONAL COMPUTER (PC) Dna Maulna Sstem Informas STMIK AMIKOM Yogyakarta emal : dna.m@amkom.ac.d Abstract Personal Computer ( PC ) s a set of computers that can only be used for one person. PC devces generally used at home or n the offce. PC functons just lke other computer devces whch functon to assst n the processng of data, rangng from the nput, process and output. Case Based Reasonng ( CBR ) s a system concept that has a knowledge base n the form of base case. In the process there PBK retreve, reuse, revse and retan. The process of retrevng ( search) can be done f t gets the data nput of new cases then retrevng process s carred out usng an algorthm. Probablstc Bayesan algorthm s an algorthm that can be appled n the process of retrevng n PBK. Probablstc Bayesan probablstc wll generate value n the form of percentage of the fnal value. PBK wll be appled to the base case for the detecton of damage to PC. Bayesan probablstc used to make the process of retrevng of new cases on the bass of exstng case. In ths paper, usng the 15 examples of the base case and the results of testng that s a probablty value of % of the new cases of the old case. Keywords CBR, Personal Computer (PC), Retreve, Bayesan Probablstc PENDAHULUAN Algortma probabltas bayesan telah dbuktkan dapat menyelesakan permasalahan penlaan mahasswa terhadap mengajar dosen. Algortma bayesan telah berhasl dgunakan untuk bass kasus [1]. Personal Computer (PC) merupakan seperangkat komputer yang memlk desan tradsonal karena sekarang telah memlk banyak sangan dengan desan komputer yang modern yatu laptop, netbook dan lan-lan. Walaupun dar ss desan, PC terlhat tdak mudah untuk dbawa kemana-mana tetap PC mash tergolong perangkat komputer yang handal dar seg kehandalam mesn dan kekuatan. Sstem PBK merupakan salah satu sstem kecerdasan buatan dmana bass pengetahuannya berupa bass kasus. Pada PBK terdapat proses retreve (penelusuran) yang memegang peranan pentng karena akan terjad penyesuaan dar kasus baru terhadap kasus lama yang terdapat d bass pengetahuan. Dkarenakan PC mash banyak pemnat nya dan keterkatan dengan teknolog sstem nformas yang berkembang pada saat n, maka akan d buat PBK untuk deteks kerusakan PC, sehngga pada mplementas nya nant user dapat menghemat waktu untuk berkonsultas dengan sstem PBK jka menemukan kerusakan pada PC. TINJAUAN PUSTAKA Penalaran berbass kasus merupakan suatu konsep sstem yang dapat menyelesakan kasus-kasus yang baru dengan mengadaptas solus-solus yang dgunakan untuk menyelesakan kasus-kasus d masa lampau [2].
2 Gambar 1. Tahapan Sstem Penalaran Berbass Kasus [3] Pada proses PBK dar Gambar 1 dbutuhkan empat (4) tahap, yatu [3]: 1. Retreve (penelusuran) adalah menemukan kembal kasus yang sama atau yang palng mrp dengan kasus baru 2. Reuse adalah menggunakan kembal nformas dan pengetahuan dar bass kasus untuk memecahkan masalah kasus baru (proses n dsebut transfer solus ), 3. Revse adalah merevs atau memperbak solus yang dusulkan. 4. Retan adalah menympan pengalaman untuk memecahkan masalah yang akan datang kedalam bass kasus. Algortma Bayesan Probablstc adalah suatu metode yang dapat dgunakan untuk mempredks probabltas keanggotaan suatu class. Algortma Bayesan probablstc terbukt memlk akuras dan kecepatan yang tngg saat daplkaskan ke dalam database dengan data yang besar [4]. Dperkrakan bahwa ruang sampel S memlk n class C 1, C 2,, C n dar keadaan, 1 n dmana C C j = Ф, I j, I, j = 1, 2,, n, dan P C 1, dmana P(C ) adalah probabltas dar kejadan C. Dberkan keadaan X yang ddefenskan pada S, jka class probabltas kondsonal P(X C ), =1,2,,n, maka ddefenskan dengan menggunakan rumus Probablstc Bayesan pada persamaan (1) berkut n : ( ) = P(X C )P(C ) ( ) P(X C )P(X) = P(X C )P(X) Dengan demkan rumus Bayesan dapat dgunakan sepert terlhat d persamaan 2 dan tujuan menggunakan algortma Bayesan adalah untuk mengdentfkas label class nya. Kemudan solusnya adalah X C j f P C X max P C X,, j 1, 2 (2) Karena penyebut dar persamaan (1) adalah tetap, maka dapat dtulskan solusnya pada persamaan 3 yatu X C j f P X C P C max P X C P C j j,, j 1, 2 (3) (1) IJCCS Vol. x, No. x, July 201x : frst_page end_page
3 Untuk menghtung P(X C ), atrbut-atrbut dasumskan menjad arbut bebas. Oleh karena tu akan terlhat d persamaan 4. 4 X C P X C P (4) j 1 j Dmana x j adalah j th (j=1,2,3,4) menunjukkan X, X={x 1,x 2,x 3,x 4 } dan selanjutnya [3]. METODE PENELITIAN 1. Tahapan Peneltan Tahapan yang dlakukan pada peneltan n dapat dlhat pada bagan alr d Gambar 2. 3 Gambar 2. Bagan Alr Peneltan Dar Gambar 2 dapat djelaskan bahwa terdapat data gejala kerusakan kemudan dlakukan pengnputan data gejala menggunakan keyboard dan akan dsmpan pada storage gejala. Kemudan terlhat pada Gambar 2 bahwa terdapat data kerusakan PC yang akan dnputkan melalu keyboard dan selanjutnya akan tersmpan d storage kerusakan. Berkutnya akan terjad proses pembuatan representas kasus yang melbatkan data yang ada d storage gejala dan storage kerusakan, kemudan akan dsmpan pada storage bass kasus. Input kasus baru dlakukan melalu keyboard dan kemudan masuk ke tahapan proses retreve (penelusuran) menggunakan algortma probablstc bayesan. Pada proses retreve melbatkan data dar storage bass kasus agar dapat dlakukan proses retreve dar kasus baru dengan kasus yang sudah ada. Hasl akhr dar proses retreve adalah menghaslkan keluaran berupa nla persentase probablstc dan hasl kerusakan PC. 2. Analss Data Analss data merupakan tahapan pengelompokan data yang akan dgunakan sebaga bass kasus Data Gejala Data gejala yang akan dgunakan pada bass kasus dapat dlhat pada Tabel 1.
4 Kode Gejala G1 G2 G3 G4 G5 Tabel 1. Data Gejala Gejala CPU tdak hdup dan lampu power padam Power hdup, namun CPU tdak beroperas CPU hdup namun montor mat Nada speaker berbuny beep panjang terus menerus Harddsk fal (no detect) Kode gejala G1 merupakan Gejala-1, G2 merupakan Gejala-2, G3 merupakan Gejala- 3, G4 merupakan Gejala-4 dan G5 merupakan Gejala-5. Pengukuran untuk masngmasng gejala terdr dar: Y = Yakn TY = Tdak Yakn AY = Agak Yakn KY = Kurang Yakn 2.2 Data Kerusakan Data kerusakan PC yang akan dgunakan pada bass kasus dapat dlhat pada Tabel 2. Kode Kerusakan K1 K2 K3 K4 K5 Tabel 2. Data Kerusakan Nama Kerusakan 1. sekrng (fuse) power supply putus 2. power supply rusak 3. kabel power putus 4. tombol power rusak 1. ROM BIOS rusak 2. processor mat 3. chpset mat 1. kabel data montor rusak 2. kabel power montor terputus 3. montor rusak 1. pemasangan memory RAM tdak tepat 2. RAM rusak 3. bank memory RA 1. kabel data (IDE/Sata) Harddsk rusak 2. kabel power (Sata) atau 4- pn molex power connecton rusak 3. harddsk rusak IJCCS Vol. x, No. x, July 201x : frst_page end_page
5 3. Representas Bass Kasus Representas kasus yang akan djadkan adalah bass kasus untuk deteks kerusakan PC. Terdapat 15 contoh bass kasus yang akan dgunakan sebaga acuan penelusuran terhadap kasus baru. Representas kasus dapat dlhat pada Tabel 3. Tabel 3. Representas Kasus No.Kasus G1 G2 G3 G4 G5 Kerusakan 1 Y TY TY TY TY K1 2 TY Y TY TY TY K2 3 TY TY Y TY TY K3 4 TY TY TY Y AY K4 5 TY KY TY TY Y K5 6 TY AY Y TY TY K3 7 AY AY Y TY TY K3 8 KY AY AY Y TY K4 9 TY TY AY Y Y K5 10 TY TY KY Y Y K5 11 TY Y Y AY AY K2 12 KY Y TY TY KY K2 13 TY KY AY Y TY K4 14 AY AY TY TY Y K5 15 KY TY TY TY AY K5 Pada Tabel 3 dapat dlhat 15 kasus. Kasus-1 terdeteks Kerusakan K1 dengan G1=Yakn (Y), G2=Tdak Yakn (TY), G3=Tdak Yakn (TY), G4=Tdak Yakn (YK), dan G5=Tdak Yakn (TY). Dcontohkan untuk kasus pertama menjad sebuah rule (aturan) akan menjad: IF G1=Y AND G2=TY AND G3=TY AND G4=TY AND G5=TY THEN Kerusakan= K1. Pembacaan rule (aturan) untuk kasus nomor 2 sampa nomor 15 juga sama caranya sepert pada kasus nomor 1 yang telah dcontohkan. HASIL DAN PEMBAHASAN 1. Data Kasus Baru Kasus baru yang akan dcocokkan terhadap bass kasus yang terdapat pada Tabel 3 yatu: G1 = TY G2 = KY G3 = AY G4 = Y G5 = AY Untuk gejala dasumskan dengan X yatu G1=X1, G2=X2, G3=X3, G4=X4, dan G5=X5. Sedangkan untuk kerusakan dasumskan dengan C yatu C1=K1, C2=K2, C3=K3, C4=K4, dan C5=K5. 5
6 2. Retreve (Penelusuran) Proses retreve (penelusuran) menggunakan algortma probablstc bayesan. 1. Langkah 1 Htung P(C1), P(C2, P(C3), P(C4), dan P(C5) ( 1) = C1 S = 1 15 = 0.67 ( 2) = C2 S = 3 15 = 0.2 ( 3) = C3 S = 3 15 = 0.2 ( 4) = C4 S = 3 15 = 0.2 ( 5) = C5 S = 5 15 = 0.33 P(H ) = (0.67, 0.2, 0.2, 0.2, 0.3) 2. Langkah 2 Htung P(X C 1 ), P(X C 2 ), P(X C 3 ), P(X C 4 ), dan P(X C 5 ), =1,2,3,4,5 2.1 Htung untuk kerusakan = K1 2.2 Htung untuk kerusakan = K2 P(X C ) = 2 3 = 0.67 IJCCS Vol. x, No. x, July 201x : frst_page end_page
7 7 P(X C ) = 1 3 = Htung untuk kerusakan = K3 P(X C ) = 2 3 = Htung untuk kerusakan = K4 P(X C ) = 2 3 = 0.67 P(X C ) = 1 3 = 0.33 P(X C ) = 2 3 = 0.67 P(X C ) = 3 3 = 1 P(X C ) = 1 3 = Htung untuk kerusakan = K5 P(X C ) = 4 5 = 0.8 P(X C ) = 1 5 = 0.2 P(X C ) = 1 5 = 0.2 P(X C ) = 2 5 = 0.4 P(X C ) = 1 5 = Langkah 3 Htung ( ) = ( ) = 1,2,3,4,5 3.1 Kerusakan = K1 = 0 x 0 x 0 x 0 x 0 = 0
8 3.2 Kerusakan = K2 = 0.67 x 0 x 0 x 0 x 0.33 = Kerusakan = K3 = 0.67 x 0 x 0 x 0 x 0 =0 3.4 Kerusakan = K4 = 0.67 x 0.33 x 0.67 x 1 x 0.33 = Kerusakan = K5 = 0.8 x 0.2 x 0.2 x 0.4 x 0.2 = Langkah 4 Htung dan plh nla terbesar dar ( ) = ( ) = 1,2,3,4,5 ʌ = ʌ = (0, 0, 0, 0.048, ) ( ) =. ( ). ʌ =.(0.67,0.2,0.2,0.2,0.33).(0,0,0,0.048, ) ( ) =.(0,0,0,0.0096, ) Dengan persamaan : ( ) = 1 ( ) = = 1 = = Maka : ( ) = (0,0,0,0.0096, ) ( ) = (0,0,0, , ) ( ) = ( ) = % IJCCS Vol. x, No. x, July 201x : frst_page end_page
9 Dkarenakan merupakan nla dar kerusakan K4 maka hasl penelusuran yang menggunakan probablstc bayesan adalah 91,88% dar kasus baru berupa X1 = TY, X2 = KY, X3 = AY, X4 = Y, X5 = AY. KESIMPULAN 1. Kesmpulan Kesmpulan dar uraan peneltan n adalah: a. Algortma probablstc bayesan dapat dterapkan untuk proses retreve (penelusuran). b. Hasl akuras algortma probablstc bayesan menghaslkan persentase yang sangat bagus yatu 91,88%. 2. Saran Saran untuk pengembangan peneltan n adalah: a. Proses retreve menggunakan algortma selan probablstc bayesan. b. Proses retreve bayesan dapat dkombnas dengan algortma smlarty agar hasl nya semakn sangat mendekat target. SARAN Saran boleh dtuls ataupun tdak. Bla ada, saran untuk peneltan lebh lanjut untuk menutup kekurangan peneltan. Tdak memuat saran-saran dluar peneltan yang telah dlakukan. DAFTAR PUSTAKA [1] Senwat, Ern, 2011, Perhtungan Penlaan Mahasswa Terhadap Mengajar Dosen Berbass Kasus Menggunakan Algortma Bayesan, Jurnal Ilmah DASI (Data Manajemen Dan Teknolog Informas), ISSN: , Vol.15 No.4 Desember [2] Watson, I., 1997, Applyng Case-Based Reasonng, Technque for Enterprse Systems, Morgan Kaufmann Publshers, Inc. [3] Pal, K.S and Shu, C.K.S, 2004, Foundatons Of Soft Case-Based Reasonng, Wley- Interscence, Publsh Smultaneously n Canada. [4] Kusrn, Emha Taufq Luthf, 2009, Algortma Data Mnng, And Offset, Yogyakarta. 9
PERHITUNGAN PENILAIAN MAHASISWA TERHADAP MENGAJAR DOSEN BERBASIS KASUS MENGGUNAKAN ALGORITMA BAYESIAN
JURNAL DAI IN: - Vol. No. JUNI ERHITUNGAN ENILAIAN MAHAIWA TERHADA MENGAJAR DOEN BERBAI KAU MENGGUNAKAN ALGORITMA BAYEIAN Ern enwat TMIK AMIKOM Yogyakarta ern.s@amkom.ac.d ABTRAKI roses belaar mengaar
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 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 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 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 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 terperinciSISTEM PAKAR DIAGNOSIS DINI UNTUK PENYAKIT HEPATITIS MENGGUNAKAN METODE PENELUSURAN PENALARAN BERBASIS KASUS (CASE BASED REASONING)
D-95 1 SISTEM PAKAR DIAGNOSIS DINI UNTUK PENYAKIT HEPATITIS MENGGUNAKAN METODE PENELUSURAN PENALARAN BERBASIS KASUS (CASE BASED REASONING) Rzka Dhn Kurna 1, Al farss 1, Fakultas Ilmu Komputer Unverstas
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 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 terperinciALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN
ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN Hendra Bunyamn Jurusan Teknk Informatka Fakultas Teknolog Informas Unverstas Krsten Maranatha
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
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 METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
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 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 terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
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. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih 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 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. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat
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 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 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 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 terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
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 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 terperinciHukum Termodinamika ik ke-2. Hukum Termodinamika ke-1. Prinsip Carnot & Mesin Carnot. FI-1101: Termodinamika, Hal 1
ERMODINAMIKA Hukum ermodnamka ke-0 Hukum ermodnamka ke-1 Hukum ermodnamka k ke-2 Mesn Kalor Prnsp Carnot & Mesn Carnot FI-1101: ermodnamka, Hal 1 Kesetmbangan ermal & Hukum ermodnamka ke-0 Jka dua buah
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Studi Kasus : PT. Hutahaean)
Majalah Ilmah Informas dan Teknolog Ilmah (INTI ISSN : 3390X SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Stud Kasus : PT. Hutahaean Relska Elfrda Capah (086 Mahasswa
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
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 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 terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
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 terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih 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 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 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 IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
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 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 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 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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n membahas tentang prosedur pengembangan pembelajaran dan mplementas model Problem Based Learnng dalam pembelajaran Konsep Dasar Matematka, Subjek Peneltan, Teknk dan Instrumen
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 terperinciPENALARAN BERBASIS KASUS UNTUK DIAGNOSA PENYAKIT BUSUK BUAH PADA TANAMAN KAKAO DENGAN MENGGUNAKAN ALGORITMA BAYESIAN
PENALARAN BERBASIS KASUS UNTUK DIAGNOSA PENYAKIT BUSUK BUAH PADA TANAMAN KAKAO DENGAN MENGGUNAKAN ALGORITMA BAYESIAN Achmad Lukman Teknik Komputer, STMIK EL RAHMA Yogyakarta e-mail: mecaman@gmail.com,
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 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 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 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 terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciMETODE PENELITIAN. dalam penelitian ini adalah siswa kelas XI IPA 2 Tahun Pelajaran
III. METODE PENELITIAN A. Settng Peneltan Peneltan n menggunakan data kuanttatf dengan jens Peneltan Tndakan Kelas (PTK). Peneltan n dlaksanakan d SMAN 1 Bandar Lampung yang beralamat d jalan Jend. Sudrman
Lebih terperinciIII.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5
33 III.METODE PENELITIAN A Jens Dan Desan Peneltan. Jens peneltan yang dgunakan dalam peneltan n adalah peneltan kuanttatf. Peneltan n merupakan peneltan korelas yang bertujuan untuk mengetahu hubungan
Lebih terperinciBOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL
BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan
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 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 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 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 terperinciSistem Pendukung Keputusan dalam Merekomendasikan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS
Sstem Pendukung Keputusan dalam Merekomendaskan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS Karmla 1, Muhammad dwan 2, In Parlna 3, Heru Satra 3 1,2,3 Jurusan Sstem Informas, STIKOM Tunas Bangsa,
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 terperinciPENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT
PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan
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 terperinciMINGGU KE- V: UKURAN PENYEBARAN
MINGGU KE- V: UKURAN PENYEBARAN Tujuan Instruksonal Umum :. Mahasswa mampu memaham apa yang dmaksud dengan ukuran penyebaran. Mahasswa mampu memaham berbaga pengukuran untuk mencar nla ukuran penyebaran
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
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 terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciBAB III PROSEDUR PENELITIAN
BAB III PROSEDUR PENELITIAN A. Metode Peneltan Metode adalah suatu cara yang dtempuh untuk mencapa suatu tujuan. Sepert yang dpaparkan oleh Surakhmad (985:3) yatu Metode merupakan cara utama yang dpergunakan
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 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 terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING BERBASIS SIMILARITAS MAKSIMAL
MAKALA EMINAR TUGA AKIR PERIODE JULI 00 IMPLEMENTAI EGMENTAI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING ERAI IMILARITA MAKIMAL Ayu Arta Paramta Relga, andayan Tjandrasa, Anny Yunart 3 Teknk Informatka,
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 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 terperinciIMPLEMENTASI TEOREMA BAYES UNTUK MENGANALISA KERUSAKAN PADA AIR CONDITIONER RUANGAN BERBASIS ANDROID I Putu Warma Putra
IMPLEMENTASI TEOREMA BAYES UNTUK MENGANALISA KERUSAKAN PADA AIR CONDITIONER RUANGAN BERBASIS ANDROID I Putu Warma Putra Sstem Komputer STMIK STIKOM BALI Jalan Raya Puputan No. 86 Renon - Denpasar, telp.
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 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 terperinciBab V Aliran Daya Optimal
Bab V Alran Daya Optmal Permasalahan alran daya optmal (Optmal Power Flow/OPF) telah menjad bahan pembcaraan sejak dperkenalkan pertama kal oleh Carpenter pada tahun 196. Karena mater pembahasan tentang
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN PADA SISWA SMA MENGGUNAKAN METODE KNN DAN SMART
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 19 SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN PADA SISWA SMA MENGGUNAKAN METODE KNN DAN SMART Yen Kustyahnngsh, Nkmatus Syafa ah Jurusan
Lebih terperinciJurnal Bakti Saraswati Vol.04 No.01. Maret 2015 ISSN :
Jurnal Bakt Saraswat Vol.04 No.01. Maret 2015 ISSN : 2088-2149 PEMANFAATAN PROGRAM APLIKASI MAPLE SEBAGAI UPAYA MENINGKATKAN MOTIVASI DAN PRESTASI BELAJAR KALKULUS I MAHASISWA PROGRAM STUDI PENDIDIKAN
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 terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
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 terperinciBAB V ANALISIS FAKTOR-FAKTOR BEBAN DAN TAHANAN (LOAD AND RESISTANCE FACTOR)
BAB V ANALISIS FAKTOR-FAKTOR BEBAN DAN TAHANAN (LOAD AND RESISTANCE FACTOR) 5.1 Umum Pada bab V n dbahas mengena hasl perhtungan faktor-faktor beban (load) atau serng dsebut dengan faktor pengal beban,
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 II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinci