Pengantar. September 2007, Krisantus Sembiring. S1 Teknik Informatika, Sekalah Teknik Elektro dan Informatika, ITB
|
|
- Vera Hardja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pegaar Dokume dambl dar Tugas Akhr saya yag berudul Peerapa Tekk Suppor Vecor Mache uuk Pedeeksa Irus pada Jarga. Dokume dbua hayak uuk memberka eor SVM dalam bahasa Idoesa karea peuls belum meemuka uoral SVM dalam bahasa Idoesa. Sela u, uoral dalam bahasa Iggrs yag demuka peuls uga dak cukup mudah dpaham. Semoga dokume dapa membau dalam mempelaar SVM. Sepember 007, Krsaus Sembrg S Tekk Iformaka, Sekalah Tekk Elekro da Iformaka, ITB
2 Dafar Is Pegaar... Suppor Vecor Mache... 3 Srucural Rsk Mmzao (SRM)... 3 SVM pada Learly Separable Daa... 4 SVM pada Nolearly Separable Daa... 7 Mul Class SVM... 0 Meode oe-agas-all... 0 Meode oe-agas-oe... Meode DAGSVM (Dreced Acyclc Graph Suppor Vecor Mache)... 3 Oe Class SVM... 4 Algorma Pelaha SVM... 6 SVM pada Imbalaced Daase... Pemlha Arbu peg (feaure seleco)... Icremeal Trag dega SVM... 3 Pembelaara Dega SVM... 4 Preprocessg Daa... 5 Pemlha da Esmas Parameer Terbak... 6 Dafar Referes... 7
3 Suppor Vecor Mache Suppor Vecor Mache (SVM) adalah ssem pembelaara yag megguaka ruag hpoess berupa fugs-fugs ler dalam sebuah ruag fur (feaure space) berdmes gg, dlah dega algorma pembelaara yag ddasarka pada eor opmas dega megmplemeaska learg bas yag berasal dar eor pembelaara sask [CHR00]. Teor yag medasar SVM sedr sudah berkembag seak 960-a, eap baru dperkealka oleh Vapk, Boser da Guyo pada ahu 99 da seak u SVM berkembag dega pesa. SVM adalah salah sau ekk yag relaf baru dbadgka dega ekk la, eap memlk performas yag lebh bak d berbaga bdag aplkas seper boformacs, pegeala ulsa aga, klasfkas eks da la sebagaya [CHR0]. Srucural Rsk Mmzao (SRM) Proses pembelaara pada SVM beruua uuk medapaka hpoess berupa bdag pemsah erbak yag dak haya memmalka emprcal rsk yau raa-raa error pada daa pelaha, eap uga memlk geeralsas yag bak Geeralsas adalah kemampua sebuah hpoess uuk megklasfkaska daa yag dak erdapa dalam daa pelaha dega bear. Uuk meam geeralsas, SVM bekera berdasarka prsp SRM. SRM beruua uuk meam baas aas dar geeralsas pada daa pegua dega cara megorol kapasas (fleksblas) dar hpoess hasl pembelaara. Uuk megukur kapasas dguaka dmes Vapk-Chervoeks (VC) yag merupaka proper dar ruag hpoess { f ( α )}. Nla dar dmes VC, berdasarka eor pembelaara sask aka meeuka besarya la kesalaha hpoess pada daa pegua. Lebh elasya, besar kesalaha pada daa pegua/ acual rsk ( α ) pada daase yag erdr dar daa dapa dlha pada persamaa (.). R ( α ) pada daa pelaha da h adalah dmes VC. R dega probablas sebesar η,0 η, l η h log + log ( ) ( ) h + 4 R α Remp α l (.) 3 emp adalah kesalaha
4 Nla VC cofdece (la eleme kedua pada ruas kaa (.) ), deuka oleh hpoess/ fugs hasl pembelaara [BUR98]. Jad, prsp SRM adalah meemuka subse dar ruag hpoess yag dplh sehgga baas aas acual rsk dega megguaka subse ersebu dmmumka. SRM beruua uuk memmumka acual rsk dega cara memmumka kesalaha pada daa pelaha da uga VC cofdece. Namu, mplemeas SRM dak dlakuka dega memmumka persamaa (.) karea dmes VC dar ruag hpoess { ( α )} f sul uuk dhug da haya erdapa sedk model hpoess yag dkeahu bagamaa cara meghug dmes VC-ya [OSU97]. Sela u, walaupu dmes VC dapa dhug, dak mudah memmumumka persamaa (.). Implemeas SRM pada SVM megguaka fugs ler da aka delaska pada baga selauya. SVM pada Learly Separable Daa Learly separable daa merupaka daa yag dapa dpsahka secara ler. Msalka { x,..., x } adalah daase da { +, } y adalah label kelas dar daa x.. Pada gambar dapa dlha berbaga aleraf bdag pemsah yag dapa memsahka semua daa se sesua dega kelasya. Namu, bdag pemsah erbak dak haya dapa memsahka daa eap uga memlk marg palg besar. Class m Suppor Vecor Kelas Class b w Bdag pembaas kelas : x. w+b = Kelas Bdag pembaas kelas : x. w+b = - Bdag pemsah: x. w+b = 0 Gambar Aleraf bdag pemsah (kr) da bdag pemsah erbak dega marg (m) erbesar (kaa) Adapu daa yag berada pada bdag pembaas dsebu suppor vecor. Dalam cooh d aas, dua kelas dapa dpsahka oleh sepasag bdag pembaas yag seaar. Bdag pembaas 4
5 perama membaas kelas perama sedagka bdag pembaas kedua membaas kelas kedua, sehgga dperoleh: x. w + b + for x. w + b for y = + (.) y = w adalah ormal bdag da b adalah poss bdag relaf erhadap pusa koorda. Nla marg (arak) aara bdag pembaas (berdasarka rumus arak gars ke k pusa) adalah b ( b) =. Nla marg dmaksmalka dega eap memeuh (.). Dega w w megalka b da w dega sebuah kosaa, aka dhaslka la marg yag dkalka dega kosaa yag sama. Oleh karea u, kosra (.) merupaka scalg cosra yag dapa dpeuh dega rescalg b da w. Sela u, karea Memaksmalka sama w dega memmumka w da ka kedua bdag pembaas pada (.) drepreseaska dalam perdaksamaa (.), ( x. w + b) 0 y (.) maka pecara bdag pemsah erbak dega la marg erbesar dapa drumuska mead masalah opmas kosra, yau m s. y w ( x. w + b) 0 Persoala aka lebh mudah dselesaka ka dubah ke dalam formula lagraga yag megguaka lagrage mulpler. Dega demka permasalaha opmas kosra dapa dubah mead: m w, b L ( w, b p (.3), α ) w α y ( x. w + b) + α (.4) = dega ambaha kosra, α 0 ( la dar koefse lagrage). Dega memmumka Lp erhadap w da b, maka dar L ( w, b, α) = 0 dperoleh (.5) da dar L ( w, b, α) = 0 b p w p dperoleh (.6). = = α = 0 (.5) y 5
6 w = = α y x (.6) Vekor w serg kal berla besar (mugk ak erhgga), eap la α erhgga. Uuk u, formula lagraga Lp (prmal problem) dubah kedalam dual problem L D. Dega mesubsuska persamaa (.6) ke L P dperoleh dual problem L D dega kosra berbeda. m L p max L D w, b α berku: L D ( α ) α α α y y x. x (.7) = =, = =. Jad persoala pecara bdag pemsah erbak dapa drumuska sebaga s.. LD α αα y y x. x α = =, = (.8) max = α y = 0, α 0 Dega demka, dapa dperoleh la α yag aya dguaka uuk meemuka w. Terdapa la α uuk seap daa pelaha. Daa pelaha yag memlk la α > 0 adalah suppor vecor sedagka ssaya memlk la α = 0. Dega demka fugs kepuusa yag dhaslka haya dpegaruh oleh suppor vecor. Formula pecara bdag pemsah erbak adalah pemasalaha quadrac programmg, sehgga la maksmum global dar α selalu dapa demuka. Seelah solus pemasalaha quadrac programmg demuka (la α ), maka kelas dar daa pegua x dapa deuka berdasarka la dar fugs kepuusa: s f ( xd ) = α y x. xd + b, (.9) = x adalah suppor vecor, s = umlah suppor vecor da x d adalah daa yag aka dklasfkaska. 6
7 SVM pada Nolearly Separable Daa Uuk megklasfkaska daa yag dak dapa dpsahka secara ler formula SVM harus dmodfkas karea dak aka ada solus yag demuka. Oleh karea u, kedua bdag pembaas (.) harus dubah sehgga lebh fleksbel (uuk kods ereu) dega peambaha varabel ξ ( ξ 0, : ξ = 0 ka x dklasfkaska dega bear) mead x. w + b - ξ uuk kelas da. w + b x + ξ uuk kelas. Pecara bdag pemsah erbak dega dega peambaha varabel ξ serg uga dsebu sof marg hyperplae. Dega demka formula pecara bdag pemsah erbak berubah mead: m s.. y ( w. x ξ 0 w + C ξ = + b) ξ (.0) C adalah parameer yag meeuka besar peal akba kesalaha dalam klasfkas daa da laya deuka oleh peggua. Beuk persoala (.0) memeuh prsp SRM, dmaa memmumka w ekvale dega memmumka dmes VC da memmumka C ξ berar memmumka error pada daa pelaha [OSU97]. = Kelas x. w+b = Kelas x. w+b = - x. w+b = 0 Gambar Sof marg hyperplae Selauya, beuk prmal problem sebelumya berubah mead: m L p ( w, b, α) w + C ξ α { y ( x. w + b) + ξ } μξ (.) w, b = = = 7
8 Pegubaha Lp ke dalam dual problem, meghaslka formula yag sama dega persamaa (.6) sehgga pecara bdag pemsah erbak dlakuka dega cara yag hampr sama dega kasus dmaa daa dapa dpsahka secara ler, eap reag la 0 α C. Isace yag memlk la α C dsebu bouded suppor vecor. = α adalah Meode la uuk megklasfkaska daa yag dak dapa dpsahka secara ler adalah dega merasformaska daa ke dalam dmes ruag fur (feaure space) sehgga dapa dpsahka secara ler pada feaure space. Ipu space φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ(.) φ( ) Feaure space Gambar 3 Trasformas dar vekor pu ke feaure space Caraya, daa dpeaka dega megguaka fugs pemeaa (rasformas) x φ x ) ke dalam feaure space sehgga erdapa bdag pemsah yag dapa memsahka daa sesua dega kelasya (gambar 3). Msalka erdapa daa se yag daaya memlk dua arbu da dua kelas yau kelas posf da egaf. Daa yag memlk kelas posf adalah {(,),(, ),(,),(, ) }, da daa yag memlk kelas egaf {(, )(,, )(,, )(,, ) } k ( k. Apabla daa dgambarka dalam ruag dua dmes (gambar 4) dapa dlha daa dak dapa dpsahka secara ler. Oleh karea u, dguaka fugs rasformas berku: ( 4 x + x x, 4 x + x x ) x + x > φ ( x, x ) = (.) x + x ( x, x ) Daa sesudah rasformas adalah {(,), ( 6,),( 6,6),(,6) } {(, ), (, ), (, ), (, ) } uuk kelas egaf, da uuk kelas posf. Selauya pecara bdag pemsah erbak dlakuka pada daa. 8
9 φ(.) Gambar 4 Cooh rasformas uuk daa yag dak dapa dpsahka secara ler Dega megguaka fugs rasformas x φ x ) hasl pembelaara yag dhaslka adalah k, maka la w = y φ( x ) ( k s α = da fugs f s ( x ) α y φ( x ) φ( x ) b = d d + = (.3) Feaure space dalam prakekya basaya memlk dmes yag lebh gg dar vekor pu (pu space). Hal megakbaka kompuas pada feaure space mugk saga besar, karea ada kemugka feaure space dapa memlk umlah feaure yag dak erhgga. Sela u, sul megeahu fugs rasformas yag epa. Uuk megaas masalah, pada SVM dguaka kerel rck. Dar persamaa (.) dapa dlha erdapa do produc φ ( x ) φ( ). Jka erdapa sebuah fugs kerel K sehgga K( x x ) φ ( x ). φ( x ) x d, =, maka fugs rasformas φ x ) dak perlu dkeahu secara perss. Dega demka fugs yag ( k dhaslka dar pelaha adalah s ( x, x ) b f ( xd ) = α yk d + ( x = suppor vecor). (.4) = Syara sebuah fugs uuk mead fugs kerel adalah memeuh eorema Mercer yag meyaaka bahwa marks kerel yag dhaslka harus bersfa posve sem-defe. Fugs kerel yag umum dguaka adalah sebaga berku: d d a. Kerel Ler K T ( x x) = x x, (.5) b. Polyomal kerel T p ( x, x) = ( γ. x x + r), γ > 0 K (.6) 9
10 c. Radal Bass Fuco (RBF) K ( x, x) = exp( γ x x ), γ > 0 (.7) d. Sgmod kerel K T ( x x) = ah ( γx x r), (.8) + Meuru uoral pada [HSU04] fugs kerel yag drekomedaska uuk du perama kal adalah fugs kerel RBF karea memlk performas yag sama dega kerel ler pada parameer ereu, memlk perlaku seper fugs keel sgmod dega parameer eu da reag laya kecl [0,]. Mul Class SVM SVM saa perama kal dperkealka oleh Vapk, haya dapa megklasfkaska daa ke dalam dua kelas (klasfkas ber). Namu, peela lebh lau uuk megembagka SVM sehgga bsa megklasfkas daa yag memlk lebh dar dua kelas, erus dlakuka. Ada dua plha uuk megmplemeaska mul class SVM yau dega meggabugka beberapa SVM ber aau meggabugka semua daa yag erdr dar beberapa kelas ke dalam sebuah beuk permasalah opmas. Namu, pada pedekaa yag kedua permasalaha opmas yag harus dselesaka auh lebh rum. Berku adalah meode yag umum dguaka uuk megmplemeaska mul class SVM dega pedekaa yag perama: Meode oe agas all Dega megguaka meode, dbagu k buah model SVM ber (k adalah umlah kelas). Seap model klasfkas ke- dlah dega megguaka keseluruha daa, uuk mecar solus permasalaha (.6). Coohya, erdapa permasalaha klasfkas dega 4 buah kelas. Uuk pelaha dguaka 4 buah SVM ber seper pada abel da pegguaya dalam megklasfkas daa baru dapa dlha pada 5. 0
11 m w, b, ξ ( w ) T s. ( w ) φ( x ) T ( w ) φ( x ) + b ξ 0 T w + b + C ξ ξ y + ξ y =,, (.6) Tabel Cooh 4 SVM ber dega meode Oe-agas-all y = y = Hpoess Kelas Buka kelas f ( x) = ( w ) x + b Kelas Buka kelas f ( x) = ( w ) x + b Kelas 3 Buka kelas f ( x) = ( w ) x + b Kelas 4 Buka kelas f ( x) = ( w ) x + b f ( x) x Kelas f ( x) Kelas f 3 ( x ) Kelas3 f 4 ( x ) Kelas 4 ukow Gambar 5 Cooh klasfkas dega meode Oe-agas-all
12 Meode oe agas oe k( k ) Dega megguaka meode, dbagu buah model klasfkas ber (k adalah umlah kelas). Seap model klasfkas dlah pada daa dar dua kelas. Uuk daa pelaha dar kelas ke- da kelas ke-, dlakuka pecara solus uuk persoala opmas kosra sebaga berku: m w, b, ξ ( w ) T s. ( w ) φ( x ) T ( w ) φ( x ) + b ξ 0 T w + b + C ξ ξ y + ξ y =, =, (.7) Terdapa beberapa meode uuk melakuka pegua seelah keseluruha k ( k ) / model klasfkas selesa dbagu. Salah sauya adalah meode vog [HSU0]. Tabel Cooh 6 SVM ber dega meode Oe-agas-oe y = y = Hpoess Kelas Kelas Kelas Kelas 3 Kelas Kelas 4 Kelas Kelas 3 Kelas Kelas 4 Kelas 3 Kelas 4 f + ( x) = ( w ) x b f ( x) = ( w ) x b f ( x) = ( w ) x b f ( x) = ( w ) x b f ( x) = ( w ) x b f ( x) = ( w ) x b
13 x f ( x ) f 3 ( x ) f 4 ( x ) f 3 ( x ) f 4 ( x ) f 34 ( x ) Kelas Kelas Kelas Kelas Kelas 4 Kelas 3 Kelas Gambar 6 Cooh klasfkas dega meode Oe-agas-oe Jka daa x dmasukka ke dalam fugs hasl pelaha ( f x) = ( w ) φ( x) + b. T ( ) da haslya meyaaka meyaaka x adalah kelas, maka suara uuk kelas dambah sau. Kelas dar daa x aka deuka dar umlah suara erbayak. Jka erdapa dua buah kelas yag umlah suaraya sama, maka kelas yag deksya lebh kecl dyaaka sebaga kelas dar daa. Jad pada pedekaa erdapa k ( k ) / buah permasalaha quadrac programmg yag masgmasg memlk / k varabel ( adalah umlah daa pelaha). Coohya, erdapa permasalaha klasfkas dega 4 buah kelas. Oleh karea u, dguaka 6 buah SVM ber seper pada abel da cooh pegguaaya dalam mempredks kelas daa baru dapa dlha pada gambar 6. Meode DAGSVM (Dreced Acyclc Graph Suppor Vecor Mache) Pelaha dega megguaka meode sama dega meode oe-agas-oe, yau dega k( k ) membagu buah model klasfkas SVM ber. Aka eap, pada saa pegua dguaka bary dreced acyclc graph. Seap ode merupaka model SVM ber dar kelas ke- da kelas ke-. Pada saa mempredks kelas daa pegua, maka hpoess devaluas mula dar smpul akar, kemuda bergerak ke kr aau ke kaa ergaug la oupu dar hpoess. 3
14 Tabel 3 Cooh 6 SVM ber dega meode DAGSVM y = y = Hpoess Buka Kelas Buka Kelas Buka Kelas 3 Buka Kelas Buka Kelas 4 Buka Kelas Buka Kelas 3 Buka Kelas Buka Kelas 4 Buka Kelas Buka Kelas 4 Buka Kelas 3 f + ( x) = ( w ) x b f ( x) = ( w ) x b f ( x) = ( w ) x b f ( x) = ( w ) x b f ( x) = ( w ) x b f ( x) = ( w ) x b f 3 ( x) f ( x) No No f 3 ( x) No No 3 No 3 No x f 34 ( x) f 4 ( x) f 4 ( x) f 34 ( x) No 4 No 3 No 4 No No 4 No No 4 No 3 Kelas 3 Kelas 4 Kelas Kelas 4 Kelas Kelas 4 Kelas 3 Kelas 4 Oe Class SVM Gambar 7 Cooh klasfkas dega meode DAGSVM Oe Class SVM adalah pegembaga dar SVM yag dusulka oleh [SCH0], yag dapa dguaka uuk permasalaha desy esmao. Dega megguaka ekk, SVM dapa dguaka pada daase yag dak memlk label. Tekk Oe Class SVM megdefkas ouler daara cooh daa posf da megguakaya sebaga cooh daa egaf. 4
15 Persoala Oe Class SVM dapa drumuska sebaga berku: msalka erdapa daase yag memlk probably dsrbuo P dalam feaure space da ka g megesmas subse S pada feaure space sehgga probablas sebuah daa pegua yag dambl dar P erleak d luar S, dbaas oleh sebuah la v. Solus dar permasalaha dperoleh dega megesmas sebuah fugs yag berla posf pada S da egaf pada kompleme S. Dega kaa la fugs ersebu berla + pada sebuah area kecl yag memua hampr semua daa da berla - ka berada d luar area ersebu. f ( x) +, =, f x S f x S (.8) Prsp dar ekk adalah merasformaska vekor pu ke dalam feaure space dega megguaka fugs kerel, org daggap sebaga sau-sauya daa egaf. Kemuda, dega megguaka relaxao parameer, daa yag buka ouler dpsahka dar org. Selauya prsp kera algorma sama saa dega klasfkas ber pada SVM dega uua mecar bdag pemsah erbak yag memsahka daa dar org dega marg erbesar. φ(.) + org - Gambar 8 Trasformas ke feaure space Persoala pecara bdag pemsah secara maemas adalah persamaa (.9), dmaa ξ adalah peal erhadap daa aomal yag erleak pada ss bdag pemsah yag salah (ss empa daa ormal) da v adalah parameer yag megaur rade off aara memaksmalka marg dar org da mecakup sebaga besar daa pada daerah yag dbua bdag pemsah dega raso ouler yag erdapa pada daa pelaha (seper parameer C pada SVM uuk klasfkas). 5
16 m s.. ξ 0 w ( w. φ( x )) + ξ r v = r ξ, (.9) Gambar 9 Oe Class SVM Dega megguaka lagrage mulpler da fugs kerel maka persoala d aas dapa drumuska sebaga berku: m s.. = =, = α α K α =, 0 α v ( x, x ) (.0) Dar hasl pelaha, aka dperoleh la parameer α, kemuda la r dapa dhug dar persamaa (.). Hasl dar proses pembelaara adalah sebuah fugs (.). Algorma Pelaha SVM ( x x ) K( x x ) r r = α K, (.) f ( x) = α,, x =suppor vecor (.) Pelaha pada SVM beruua uuk mecar solus permasalaha opmas kosa yag elah delaska daas (.7,.0,.6,.7,.0). Uuk umlah daa yag saga sedk persoala dapa dselesaka dega mudah. Msalka x =, x dega kelas y,. Dega 0 = mesubsus la x da y ke persamaa (.7) dperoleh: 6
17 α ( α + α ) 0 0 α α = [ α α ] [ ] (Dalam oas marks) 0 0 α α dega kosra: α α =, α 0, α 0, maka: 0 α α = 0, dperoleh α = α =. Bagamaa ka umlah daa yag dproses saga besar? Berbaga ekk opmas elah bayak dkembagka, yag pada dasarya secara eraf mecar solus maksmum dar fugs obekf. Aka eap, ekk-ekk memerluka daa dsmpa pada memor dalam beuk marks kerel [CHR00]. Hal aka megakbaka kompleksas daa pelaha megka dega berambahya ukura marks sehgga pegguaa ekk dbaas oleh umlah daa yag dapa dproses. Uuk daase yag lebh besar dguaka ekk yag ddasarka pada meode workg se. Algorma Decomposo Meode yag bayak dguaka pada SVM saa adalah decomposo (msalya Sequeal Mmal Opmzao (SMO), LbSVM, SVMLgh) [LIN05] yag bekera berdasarka prsp workg se. Meode haya megubah beberapa mulpler α dalam umlah ereu pada seap eras, semeara la yag la berla eap. Workg se merupaka kumpula varabel yag sedag dopmas pada curre erao. Jad, prsp decomposo adalah megopmas masalah global dega haya megguaka sebaga kecl daa pada sau saa. Tekk dekomposs secara maemas dapa drepreseaska dalam oas marks. Msalka α = ( α,... α, T l ) T = ( y,... y l, Q = y y K( x, x ) y ), da e merupaka vekor dega umlah eleme sebayak l (umlah daa pelaha) da semuaya berla. Maka SVM dual problem dapa dulska sebaga berku: T T max e α α Qα α s..0 α C, =... l y T α = 0 7 (.3)
18 Msalya vekor α dbag mead α B yag meyaaka varabel yag dmasukka ke dalam workg se, da α N merupaka varabel ssaya. Selauya marx Q dapa dpars mead QBB QBN Q =, dmaa seap bagaya deuka oleh hmpua deks B da N. SMO QNB QNN megguaka workg se bereleme dua sehgga pecara solus opmal dapa dlakuka secara aals seper cooh sederhaa daas. Hal euya aka megakbaka umah eras semak berambah, aka eap karea waku yag dbuuhka dalam seap eras saga kecl maka waku oal pelaha mead lebh sgka. Berku adalah algorma decomposo dega megguaka workg se bereleme dua yag dguaka pada LbSVM:. Temuka varabel awal. Jka α yag feasble, se k= ( α adalah vekor bers semua la α ). k α merupaka k saoer dar (.3), berhe. Jka dak, euka workg se { } B =, 3. Jka α K + K K > 0 m α, α y T B selesaka sub-problem α B : T = α BQ T B T QBB QBN α B T k T T [ α B ( α N ) ] [ eb en ] BB = [ α α ] s..0 α C, B α = y α + ( e T N B Q Q y k N Q Q Jka dak, selesaka: Q B NB + Q Q BN NN k N α + α α ) α T k ( e + Q α ) B k N B α + kos a BN N T α B α k N α + kos a α (.4) 8
19 4. Se α k + N m [ α α, α α ] Q Q Q Q k k ( α ) + ( α ) ) τ a + 4 s. kosra dar (.0) α + α k ( e + Q α ) B BN N T α α k + α B sebaga solus opmal dar subproblem pada lagkah 3 da k α. Se N k k +, lauka ke lagkah kedua. k α merupaka k saoer dar (.3), ka da haya ka ( α ) M ( α ) Karush-Kuh-Tucker (KKT) codo [CHA0]. Dmaa: m M I I f ( α ) ( α ) up low max y f ( α) I up I ( α ) ( α ) low ( α ) { α < C, y = aau α > 0, y = } ( α ) { α < C, y = aau α > 0, y = } ( x) Qα + e m y f ( α) m yag merupaka (.5) Uuk meoleras kods berhe erdapa parameer ambaha ε ( ( α ) M ( α ) ε m ), yag dealya berla 0. Aka eap, dalam prakekya dapa dguaka la yag lebh besar (msalya pada LbSVM dguaka la defaul kecl. ε = 0 3 ), sehgga umlah eras mead lebh Hal yag peg dperhaka agar algorma decomposo berala lebh cepa adalah pemlha workg se yag aka megkbaka solus permasalaha global (.9) lebh cepa dcapa. Nla α yag dmasukka ke dalam workg se adalah varbel yag palg melaggar KKT codo. Pseudocode algorma decomposo daas besera pemlha workg se dapa dlha pada lampra B. 9
20 Shrkg da Cachg Sraeg laya uuk mempercepa algorma decomposo adalah shrkg da cachg yag perama kal dperkealka oleh Joachm. Shrkg merupaka sraeg heursk yag memperkecl permasalaha pecara solus uuk persoala opmas daas dega megabaka beberapa bouded suppor vecor ( α = C ). Hal dapa dlakuka karea umumya la bouded suppor vecor seelah beberapa eras dapa ddefkas da berla eap sampa akhr eras [LIN05]. Aka eap, apabla solus permalsaha dega meerapka shrkg buka solus opmal uuk (.3) maka opmas dlauka dega megguaka keseluruha varabel. Seper yag dlha daas algorma decomposo melakuka eras sampa solus persamaa (.9) demuka. Dalam seap eras la eleme marks Q dguaka. Agar dak perlu dlakuka perhuga ulag la Q maka la Q yag baru dguaka dsmpa d memor sehgga waku kompuas yag dbuuhka mead auh lebh sgka. Sraeg dsebu dega cachg. Esmas Parameer Akuras model yag aka dhaska dar proses pelaha dega SVM saga bergaug pada fugs keral sera parameer yag dguaka. Oleh karea u performasya dapa dopmas dega mecar (megesmas) parameer erbak. Ada beberapa cara yag dapa dlakuka aara la cross valdao (mudah dguaka), leave-oe-ou (akura eap membuuhka baya kompuas yag gg), da ξα -esmaor [QUA0]. Cara yag kega merupaka modfkas cara kedua yag dusulka oleh Joachm [QUA0]. k-folds cross-valdao dapa dguaka uuk meeuka la parameer C da parameer kerel yag dak overf daa pelaha [HSU04]. Dega meode, daa yag dambl secara acak kemuda dbag mead k buah pars dega ukura yag sama. Selauya, dlakuka eras sebayak k. Pada seap eras dguaka sebuah pars sebaga daa pegua, sedagka k- pars ssaya dguaka sebaga daa pelaha. Jad aka dcoba berbaga la parameer da parameer erbak deuka melalu k-folds cross-valdao. 0
21 Pada uoral [HSU04] daurka supaya pada seap eras dguaka peambaha parameer secara expoesal. Coohya uuk kerel RBF la parameer yag dguaka pada seap eras adalah C =,,...,, γ = 5, 3,..., 3. Kemuda demuka la parameer erbak msalya C 3 =, γ = 5. Selauya dlakuka pecara parameer pada reag la yag lebh kecl sehgga dapa parameer yag bak C 3,5 =, γ = 5, 5. Seelah la parameer erbak demuka pelaha dlakuka dega megguaka keseluruha daa. Pecara la parameer dsebu uga grd search. SVM pada Imbalaced Daase Imbalaced daase adalah daase yag memlk cooh kelas egaf (kelas mayoras) auh lebh bayak darpada cooh kelas posf (kelas moras) msalya pada aplkas fraud deeco raso mbalace dapa mecapa 00: da bahka bsa mecapa 00000: pada aplkas la. Bayak ekk klasfkas yag akurasya meuru keka derapka pada daase dega mbalace rao yag gg karea umumya ekk ersebu ddesa uuk megeeralsas daa pelaha da meghaslka hpoess palg sederhaa yag sesua dega daa ersebu [AKB04]. Aka eap, hpoess yag dhaslka serg kal mempredks hampr semua sace sebaga kelas yag mead mayoras dalam daa pelaha. Sela u daa dar kelas moras mugk daggap ose sehgga mugk saa dabaka oleh ekk klasfkas [AKB04]. SVM sedr merupaka salah sau ekk yag dak erlalu sesf erhadap mbalaced daase karea hpoess yag dhaslka haya dpegaruh oleh sebaga daa yau daa yag mead suppor vecor. Ada beberapa alasa megapa performas SVM mugk meuru ka derapka pada mbalaced daase yau daa dar kelas moras erleak auh dar bdag pemsah yag deal, kelemaha pada sof-marg hyperplae (ka la parameer C kecl maka SVM cederug megklasfkaska daa sebaga kelas mayoras), da raso suppor vecor yag dak sembag [AKB04].
22 Pedekaa yag populer uuk megaas masalah adalah memberka bas kepada ekk klasfkas sehgga lebh memperhaka sace dar kelas moras. Hal dapa dlakuka melalu pembera peal yag lebh besar ka erad kesalaha dalam megklasfkaska kelas moras, dbadgka ka salah megklasfkaska kelas mayoras. Dega demka formula SVM dubah mead: m w + C+ ξ + C ξ w, b, ξ y = y = s.. y ( wx + b) ξ, ξ 0, =,..., Implemeas modfkas pada prspya sama dega mplemeas SVM sebelumya, pegguaa C + aau C hayalah kasus khusus bergaug pada kelas sace daa. Adapu perubaha uama erdapa pada pegubaha la lagrage mulpler selama pelaha [CHA0]. Sela modfkas pada ekk klasfkas, dapa uga dlakuka pedekaa pada level daa seper melakuka oversamplg kelas moras aau udersamplg kelas mayoras sehgga dhaslka balaced daase [AKB04]. (3.) Pemlha Arbu peg (feaure seleco) Pada pelaha dega megguaka SVM dak erdapa mekasme uuk megeahu arbu yag peg aau yag kurag peg. Arbu yag kurag peg umumya dak mempegaruh efekfas ekk klasfkas. Oleh karea u, ka arbu yag kurag peg dbuag maka efses ekk klasfkas aka megka. Efekfas ekk klasfkas uga dapa megka ka arbu yag kurag peg eryaa mead ose. Pada SVM salah sau cara yag sederhaa uuk megeahu arbu yag peg adalah seper yag dlakuka pada [MUK0B]. Pemlha arbu peg dlakuka dega megevaluas efekfas da efses ekk klasfkas seelah sebuah fur dhlagka. Dar hasl pegua seelah fur dhlagka dapa dkeahu sebuah fur peg aau dak dar perbedaa efses da efekfas. Cara yag la adalah dega megguaka f-score seper pada [CHE03]. F-score adalah ekk sederhaa uuk megukur gka dskrmas dua buah vekor
23 blaga desmal. Jka erdapa vekor daa pelaha x k, k =,..., m. Jka umah daa kelas posf adalah + da adalah umlah daa kelas egaf. Maka F-score arbu ke adalah : (3.) dmaa adalah raa-raa dar la arbu keseluruha daa, daa posf da daa egaf. adalah fur ke- dar daa kelas posf ke-k da sebalkya adalah fur ke- dar dae kelas egaf ke-k. Semak besar la F(), maka arbu dapa daggap lebh dskrmaf (lebh peg). Icremeal Trag dega SVM Pada SVM haya suppor vecor (daa yag berada d perbaasa aar kelas) yag mempegaruh fugs kepuusa hasl pelaha. Karakersk, dapa meyelesaka masalah uama SVM yag mead lamba keka dlah dega megguaka daa dalam umlah yag saga besar. Dega demka, ka dapa memlh kadda suppor vecor sebelum pelaha, sehgga megurag umlah daa pelaha da pada akhrya megurag kebuuha pegguaa memor [KAT06]. Jka erdapa daa pelaha baru da model hasl pelaha yag lama g dperbaharu, maka dar daa pelaha lama cukup dambl sebaga daa yag mead kadda suppor vecor. Kadda suppor vecor adalah daa yag memeuh y( x) f ( x) <=. Sela u, daa yag memeuh y( x) f ( x) > eap deka dega y( x) f ( x) = dapa mead suppor vecor [KAT06]. Oleh karea u ka dapa meeuka apakah sebuah daa merupaka kadda suppor vecor dega cara memerksa daa yag memeuh : y( x) f ( x) <= β + (3.4) y( x) f ( x) (3.5) dmaa β adalah parameer yag deuka peggua. Jka daa dak memeuh persamaa (3.3) maka daa ersebu dhapus. Aka eap ka semua daa memeuh (3.4) maka fugs 3
24 kepuusa seelah pelaha dak berubah sehgga haya daa yag memeuh (3.3) yag perlu dambahka pada pelaha berkuya. Msalka ka mempuya daase awal Xa da daase ambaha Xb. Algorma uuk cremeal rag [KAT06] adalah sebaga berku: a. Lakuka pelaha SVM dega megguaka Xa b. Tambahka daase Xb sehgga X a = X a X b c. If for X a x, (3.4) dak dpeuh, buag daa x X = X { x} d. If for x X a, (3.5) dak dpeuh, lakuka pelaha ulag SVM e. Ulag lagkah b, c da d. a a Pembelaara Dega SVM Pegguaa SVM bak dalam beuk supervsed maupu usupervsed pada prspya meyelesaka sebuah permasalaha quadrac programmg. Oleh karea u, proses pembelaaraya hampr sama da ahapaya dapa dlha pada gambar III-3. Aka eap uuk usupervsed learg dega SVM daa pelaha da daa pegua adalah daa yag sama. Sela u, uuk proses pelahaya dapa uga haya megguaka sebaga daa dar daa pegua sehgga proses waku pelaha mead lebh sgka, eap hal mugk meuruka akuras pada ahap pegua. Preprocessg Ubah represeas daa feaure vecor daase parameer Pembelaara SVM Normalsas Daa Pembaga daa Daa pelaha Esmas Parameer Parameer erbak Pelaha Daa pegua Evaluas Model Model pembelaara Gambar 0 Pembelaara dega SVM 4
25 Preprocessg Daa Daa KDDCUP 99 memlk arbu yag pe laya real da dscree. Agar daase dapa dproses oleh SVM maka daase ersebu harus drepreseaska sebaga vekor dar blaga real. Cara yag umum dguaka uuk daa dskr yag dak eruru (daa berupa kaegor) adalah dega memaka -of-c ecodg, dmaa c adalah bayakya kemugka la pada pu ersebu [SAR0]. Msalya uuk la arbu proocol_ype : cp,udp,cmp. Kegaya dak epa ka d-ecode ke la real yag berurua karea dak memlk urua besar-kecl. Pedekaa yag basa dlakuka adalah memaka vekor berdmes 3, berla 0 da. Pada cooh cp drepreseaska sebaga [00], udp drepreseaska sebaga [00] da cmp drepreseaska sbg. [00]. Vekor berdmes 3 dalam mplemeasya drepreseaska dalam 3 bary arbu (masg-masg merepreseaska sau eleme vekor ). Cara aka dguaka pada ugas akhr. Sela megkovers la arbu, ormalsas / scalg (perubaha reag dar la arbu) arbu yag berla blaga real umumya uga dperluka agar proses perhuga lebh mudah da arbu yag reag laya besar dak medomas arbu yag reag laya lebh kecl. Normalsas umumya memberka hasl yag lebh bak [HSU04]. Reag la arbu yag daurka uuk dguaka adalah [0,] aau [-,+] [HSU04]. Normalsas dalam reag la [0,] meghaslka akuras yag sama dega [-,+] ka megguaka fugs kerel RBF, eap waku kompuas yag dbuuhka mugk berbeda. Karea la arbu daa pada KDD CUP 99 bayak yag berla 0, maka dguaka reag ormalsas [0,] karea waku yag aka dbuuhka mead lebh sgka dbadgka dega pegguaa reag la [-,+]. Alasaya, ka dormalsas ke dalam reag la [-,+] bayak la 0 aka berubah mead - sehgga perhugaya mead lebh lamba. Adapu rumus ormalsas ke dalam reag [0,] adalah persamaa (3.) dmaa x m da x max adalah la mmum da la maksmum arbu x. x x x ' m = (3.) xmax x m 5
26 Pemlha da Esmas Parameer Terbak Sebelum pelaha dlakuka, erlebh dahulu harus deuka la parameer C besera fugs kerel da parameerya uuk pembelaara supervsed SVM. Uuk Oe Class SVM parameer yag harus deuka adalah parameer u (v) besera fugs kerel da parameerya. Meuru peela [LAS05], daase KDD CUP palg bak dproses oleh algorma olear sehgga pada Tugas Akhr aka derapka SVM olear. Uuk u fugs kerel yag aka dguaka adalah fugs kerel RBF karea dguaka pada peela [MUK0,LAS04,LAS05]. Pada ugas akhr esmas parameer erbak aka dlakuka dega meguaka k-folds crossaldao da grd search. Pedekaa mudah dguaka pada daase yag umlahya rbua. Aka eap, daase yag aka dguaka pada Tugas Akhr ukuraya saga besar, maka aka dguaka subse dar daase yag dambl secara acak, kemuda dlakuka grd search pada subse ersebu. Seelah demuka parameer erbak, dlakuka grd search pada reag la yag lebh kecl uuk memperoleh parameer erbak. 6
27 Dafar Referes [AKB04] Akba, Reha e. Al Applyg Suppor Vecor Mache o Imbalaced Daases Proceedgs of ECML-04. [BUR98] Burges, Chrsopher. A Tuoral O Suppor Vecor Maches for Paer Recogo. Daa Mg ad Kowledge Dscovery, (): [CHA0] Chag, Chh-Chug, Chh-Je L. LIBSVM: A Lbrary for Suppor Vecor Maches. 00. [CHE03] Che, Y-We da Chh-e L. Combg SVM wh Varous Feaures Seleco Sraeges Deparme of Compuer Scece, Naoal Tawa Uversy [CHR00] Chrsa, Nello da Joh S. Taylor. A Iroduco o Suppor Vecor Maches ad Oher Kerel-based Learg Mehods. Cambrdge Uversy Press, 000 [CHR0] Chrsa, Nello. Suppor Vecor ad Kerel Maches. ICML uoral, 00. [FAN05] Fa, Rog-E. e. al Workg se Seleco usg Secod Order Iformao for Trag Suppor Vecor Maches. Joural of Mache Learg Research , 005. [HSU0] Hsu, Chh-We, Chh-Je L. A Comparso of Mehods for Mul-class Suppor Vecor Maches. IEEE Trasacos o Neural Neworks, 3(): [HSU04] Hsu, Chh-We e al. A Praccal Gude o Suppor Vecor Classfcao. Deparme of Compuer Scece ad Iformao Egeerg, Naoal Tawa Uversy [LAS04] Laskov, Pavel e. Al. Iruso deeco ulabeled daa wh quarer-sphere Suppor Vecor maches. Frauhofer-FIRST.IDA [KAT06] Kaagr, Shya da Shgeo Abe. Icremeal Trag of Suppor Vecor Maches Usg Hyperspheres. Graduae School of Scece ad echology, Kobe Uversy [LIN05] L, Chh-Je Opmzao, Suppor Vecor Maches, ad Mahe Learg. hp:// Dakses aggal 0 Jauar
28 [MUK0B] Mukkamala, S. e al. Feaure Seleco for Iruso Deeco usg Neural Neworks ad Suppor Vecor Maches [OSU97] Osua, Edgar E. e. al.997. Suppor Vecor maches: Trag ad Applcaos. MIT, 997. [QUA0] Quag, Ah ra e al.evolvg Suppor Vecor Mache Parameers. Slde preseas ICML. Tsghua Uversy, 00. [SAR0] Sarle, Warre e.al. 00. Neural Nework FAQ. fp://fp.sas.com/pub/eural/faq.hml Dakses aggal 4 Desember 006. [SCH0] Schölkopf, Berhard. Esmag he Suppor of Hgh-Dmesoal Dsrbuo. Neural Compuao 3, MIT. 00. [VIS05] Vsa, Sofa da Aca Ralescu. Issues Mg Imbalaced Daa Ses- A Revew Paper [WWW06B] LIBSVM FAQ. hp:// Dakses aggal 6 November
BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV
BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.
Lebih terperinciBAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA
BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum
Lebih terperinciPemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)
Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa
Lebih terperinciHidraulika Komputasi
Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.
Lebih terperinciEstimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas
Lebih terperinciPENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2
PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for
Lebih terperinciMetode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik
Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao
Lebih terperinciIII. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik
III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI. Itruso Detecto System Itruso Detecto System (IDS) adalah kompoe petg sstem pertahaa utuk meldug komputer da jarga dar aks peyalahguaa. Tujua dar IDS adalah megkarakterstkka gejala
Lebih terperinciRISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL
RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas
Lebih terperinciESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF
Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah
Lebih terperinciBEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA
Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka
Lebih terperinciBAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.
BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag
Lebih terperinciDISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.
DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciSTUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF
STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciLOGO ANALISIS REGRESI LINIER
LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciFINITE FIELD (LAPANGAN BERHINGGA)
INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga
Lebih terperinciOleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.
Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN
Lebih terperinciMODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA
Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -
Lebih terperinciBAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU
BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas
Lebih terperinciRangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor
Lebih terperinciBab 7 NILAI DAN VEKTOR EIGEN
Bab 7 NILAI DAN VEKTOR EIGEN 7 Movas Dmovas bab dega medskuska persamaa a hy by c, dega dak semua dar a, b, da c adalah ol Peryaaa a hy by dsebu beuk kuadrak dalam da y, sera erdapa deas a hy by a h [
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX
ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua
Lebih terperinciPENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU
PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,
Lebih terperinciPENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan
Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada
Lebih terperinciDeclustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur
Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinciREFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati
REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua
Lebih terperinciANALISIS KLASIFIKASI MASA STUDI MAHASISWA PRODI STATISTIKA UNDIP DENGAN METODE SUPPORT VECTOR MACHINE (SVM) DAN ID3 (ITERATIVE DICHOTOMISER 3)
p-issn 1979 3693 e-issn 477 0647 MEDIA SAISIKA 9(1) 016: 15-9 http://eoural.udp.ac.d/dex.php/meda_statstka ANALISIS KLASIFIKASI MASA SUDI MAHASISWA PRODI SAISIKA UNDIP DENGAN MEODE SUPPOR VECOR MACHINE
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,
Lebih terperinciBAB 6 PRINSIP INKLUSI DAN EKSKLUSI
BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu
Lebih terperinciAnalisis Terhadap Protokol Harn Dan Lin
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 016 Aalss Terhadap Prookol Har Da L A-10 I Made Muska Kera Asawa Lembaga Sad Negara Kadek19_kapaboy@yahoo.com Absrak Prookol Har da L merupaka
Lebih terperinciBAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak
BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu
Lebih terperinciANALISIS ALGORITMA REKURSIF DAN NONREKURSIF
ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)
Lebih terperinciBAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu
BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl
Lebih terperinciBab II Teori Pendukung
Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak
Lebih terperinciPERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU
PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciINFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2
INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch
Lebih terperinciBAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP
BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode
II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas
Lebih terperinciBAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam
BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma
Lebih terperinciPERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113
PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Peremua 3 Oule: Meode Peramala: Expoeal Smoohg (Sgle) Double Expoeal Smoohg Wer s Mehod for Seasoal Problems Error Forecas MAD, MSE, MAPE, MFE aau Bas Referes:
Lebih terperinciAnalisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya
JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I
Lebih terperinciEstimasi Parameter Model Logit pada Respons Biner Multivariat Menggunakan Metode Mle dan Gee
Jural ILMU DASAR Vol. 0 No.. 009 : 85 9 85 Esmas Parameer Model Log pada Respos Ber Mulvara Megguaka Meode Mle da Gee Esmag Parameers of Log Model o Mulvarae Bary Respose Usg Mle ad Gee Jaka Nugraha, Suryo
Lebih terperinciPenggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD
Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciPengukuran Bunga. Modul 1
Moul 1 Pegukura Buga Drs. Pramoo S, M. S. M oul membcaraka eag pegukura buga, fugs akumulas a fugs jumlah, gka buga efekf, buga seerhaa, buga majemuk, la sekarag, gka skoo efekf, gka buga ar skoo omal,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa
Lebih terperinciBAB 8 PERSAMAAN DIFERENSIAL BIASA
Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel
Lebih terperinciBAB 1 ERROR PERHITUNGAN NUMERIK
BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software
Lebih terperinciAlgoritma Genetik dan Wavelet Packet
Subyao Algorma Geek da Wavele Packe Algorma Geek da Wavele Packe Subyao Tekk Elekro Fakulas Tekk Uversas Neger Semarag Absrak Tulsa membahas aalsa fugs fess dalam algorma geek megguaka rasformas wavele
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau
Lebih terperinciBAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.
BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks
Lebih terperinciSOLUSI TUGAS I HIMPUNAN
Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real
Lebih terperinciI adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu
METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut
Lebih terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinciII. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema
II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema
Lebih terperinciPemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal
Jural Sas & Maemaka JSM) ISSN Kaa 854-675 Pusaka Volume 5, Nomor, Aprl 7 Arkel Peela 6-67 Pemodela Regres uuk Racaga Percobaa Fakor Tuggal Dw Ispra Saf Pegaar urusa Maemaka Fakulas MIPA UNDIP Semarag ABSTRAK---Meode
Lebih terperinciBAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu
BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam
Lebih terperinci8. MENGANALISIS HASIL EVALUASI
8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara
Lebih terperinciPENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI
PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI Daua uu Memeuh Persyaraa Peyelesaa Program Saraa Sas Jurusa Maemaa Faulas Maemaa da Ilmu Pegeahua Alam Uversas
Lebih terperinciTUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER
TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,
Lebih terperinciUKURAN GEJALA PUSAT (UGP)
UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat
Lebih terperinci3 Departemen Statistika FMIPA IPB
Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka
Lebih terperinciANALISIS KEHANDALAN PENGOPERASIAN OPTIMAL WADUK KASKADE CITARUM UNTUK PEMENUHAN KEBUTUHAN AIR BAKU
ANALISIS KEHANDALAN PENGOPERASIAN OPTIMAL WADUK KASKADE CITARUM UNTUK PEMENUHAN KEBUTUHAN AIR BAKU Iwa K. Hadhardaa Program Sud Tekk Spl, Fakulas Tekk Spl da Lgkuga, Isu Tekolog Badug; FTSP, Uversas Guadarma
Lebih terperinciIII. METODE KAJIAN A.
25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),
Lebih terperinciMODEL PENILAIAN ASPEK AFEKTIF AKHLAK MULIA BERBASIS DATA LINGUISTIK
MODEL PENILAIAN ASPEK AFEKTIF AKHLAK MULIA BERBASIS DATA LINUISTIK Sr Adaya 1 T-13 1 Jurusa Peddka Maemaka FMIPA UNY adaya_uy@yahoo.com Absrak Pelaa aspek afekf d sekolah merupaka proses pegambla kepuusa
Lebih terperinciTEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas
TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar
Lebih terperinciRancangan Acak Kelompok
Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake
Lebih terperinciSistem Penjadwalan Mesin Produksi Menggunakan Algoritma Johnson dan Campbell
Soaa, Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell 73 Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell Ff Soaa Program Pascasarjaa Jurusa Tekk formaka Fakulas lmu Kompuer
Lebih terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciBAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai
BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciPenarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB
Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciJurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN
Jural EKSPONENSAL Volume 6, Nomor, Nopember 05 SSN 085789 Aalss Pegedala Persedaa Produk dega Meode Ecoomc Order Quay Mul em Megguaka Algorma Geeka uuk Megefseka Baya Persedaa Hasl Peramala Berbass Expoeal
Lebih terperinciNORM VEKTOR DAN NORM MATRIKS
NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag
Lebih terperinciPENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.
. Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciBAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive
BAB II LANDASAN TEORI 2. Toal Producve maeace (TPM) Toal Producve Maeace mula mula berasal dar pemkra PM ( Preveve Maeace da Produco Maeace), dar Amerka masuk ke Jepag da berkembag mejad suau ssem baru
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau perawaa (maeace) merupaka kegaa uuk mejaga aau memelhara faslas-faslas da peralaa pabrk, sera megadaka perbaka, peyesuaa aau peggaa yag dperluka uuk medapaka
Lebih terperinciFMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinci4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data
//203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura
Lebih terperinciPENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY
PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY Ajeg Ye Seagrum 1, da Muhammad Kholl Jurusa Tekk Idusr, Fakulas Tekk Uversas Mercu Buaa
Lebih terperinci