PERBANDINGAN UNJUK KERJA ALGORITMA PSO DAN ALGORITMA ABCO PADA OPTIMASI PENGENDALI PID (Studi Kasus Pada Model Motor DC)

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERBANDINGAN UNJUK KERJA ALGORITMA PSO DAN ALGORITMA ABCO PADA OPTIMASI PENGENDALI PID (Studi Kasus Pada Model Motor DC)"

Transkripsi

1 SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknolog Industr dan Inforas PERBANDINGAN UNJUK KERJA ALGORITMA PSO DAN ALGORITMA ABCO PADA OPTIMASI PENGENDALI PID (Stud Kasus Pada Model Motor DC Dw Ana Ratna Wat Jurusan Teknk Elektro, Unverstas Isla Indonesa Jalan Kalurang k. 14 Slean Yogyakarta eal : ABSTRAK Pengendal PID erupakan pengendal yang banyak dgunakan karena cukup sederhana dan elk unjuk kerja yang bak. Masalah yang serng dhadap dala perancangan pengendal PID adalah bagaana enentukan nla paraeter Kp, K, dan Kd yang enghaslkan respon yang palng optal. Salah satu etode tunng yang dapat dgunakan adalah etode optas. Pada peneltan n dlakukan perancangan etode tunng pengendal PID berbass algorta Partcle Swar Optzaton (PSO dan algorta Bee Colony Optzaton (BCO dan selanjutnya dbandngkan unjuk kerja kedua etode tersebut. Berdasarkan hasl analss dperoleh kespulan bahwa bak etode optas pengendal PID berbass algorta PSO aupun berbass algorta ABCO enghaslkan solus optal yang saa, dan enghaslkan respon yang lebh bak dbandngkan dengan etode tunng Zegler-Nchols. Kata kunc : Pengendal PID, algorta PSO, algorta ABCO, tunng, optas. PENDAHULUAN Pengendal PID telah banyak dgunakan d ndustr. Hal n dkarenakan pengendal PID elk struktur yang sederhana, perancangan yang udah, baya urah, perawatan yang tdak ahal, dan efektf untuk engendalkan sste lner secara uu (Ko, et al, Menurut Martn (2000, pengendal PID dgunakan secara luas d ndustr dan uunya elk perforans yang bak, naun belu ada pengendal optal, salnya yang drancang untuk enukan Integral of Absolute Error (IAE. Pengendal PID elk paraeter proporsonal (Kp, paraeter ntegral (K, dan paraeter dferensal (Kd yang harus dtentukan nlanya dengan tepat (tunng. Sste kendal akan elk perforans yang kurang bak bahkan bsa enjad tdak stabl jka dgunakan nla paraeter yang tdak tepat (Nagaraj, et al, Masalah tunng paraeter PID erupakan hal yang sangat pentng untuk endapatkan perforans kendal yang optal. Algorta Partcle Swar Optzaton (PSO erupakan sebuah teknk optas stokastk berdasarkan populas yang dkebangkan pada tahun 1995 oleh Dr. Eberhart dan Dr. Kennedy, yang dnspras oleh perlaku sosal kawanan burung atau sekelopok kan. PSO elk beberapa kesaaan dengan teknk koputas evolusoner sepert algorta genetk. PSO elk beberapa kelebhan, antara lan udah dpleentaskan dan elk lebh sedkt fungs operas dan paraeter yang harus dtentukan. PSO telah berhasl daplkaskan pada bdang sepert optas fungs, pelathan jarngan saraf truan, optas Fuzzy Logc Controller, (Haupt, et. al., Algorta Bee Colony Optzaton (BCO erupakan sebuah algorta optas yang enru perlaku kolon lebah dala encar suber akanannya. Algorta n pertaa kal dperkenalkan oleh Davs Karaboga untuk enyelesakan asalah optas nuers. Algorta BCO erupakan algorta optas berbass swar ntellgence yang sederhana dan udah dpleentaskan, serta telah banyak daplkaskan untuk enyelesakan berbaga aca asalah optas sepert penjadwalan kulah (Oner, A, et all, 2011, ult-robot pathplannng (Bhattacharjee,P, et all, 2011, dan pelathan jarngan saraf truan (Garro, B,et. All, Dengan eanfaatkan keunggulan yang dlk oleh algorta PSO dan algorta BCO, pada peneltan n dlakukan optas tunng paraeter pengendal PID yang dgunakan pada odel plant otor DC. Selanjutnya unjuk kerja kedua algorta tersebut akan dbandngkan. METODE PENELITIAN a. Pengendal PID Sste kendal PID drealsaskan dengan struktur upan balk kalang tertutup sepert pada Gabar 1. Sesua dengan naanya, pengendal n elk tga bagan yatu bagan proporsonal (P, bagan ntegral (I, dan bagan dervatf (D. r(t - y(t + e(t Pengendal u(t Sste y(t PID (Plant Gabar 1. Dagra sste pengendal PID SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Deseber 2013 E 1

2 SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknolog Industr dan Inforas Pengendal PID secara sederhana druuskan sebaga berkut. u( t K pe( t Ke( d( t K t 0 d de( t dt...(1 dengan Kp adalah konstanta proporsonal, K adalah konstanta ntegral, dan Kd adalah konstanta dervatf. Sesua dengan teor kendal klask, asng-asng bagan pada pengendal PID elk kontrbus yang berbeda sebagaana dsajkan pada Tabel 1. Dala bentuk dskrt, persaaan (1 dapat dtuls sebaga berkut. k Kd u( k K pe( k TKe( n e( k n0 T...(2 dengan e(k = r(k y(k dan e(k = e(k e(k-1. Output pengendal adalah u, output sste/ plant adalah y, dan nla acuan (set-pont adalah r. Tabel 1 Efek aks kendal proporsonal (P, ntegral (I dan dervatf (D Aks Proporsonal (P Integral (I Dervatf (D Efek Mepercepat respon Mengurang waktu nak (rse te Meperbesar overshoot Mengurang steady-state error Menakkan redaan sste Menurunkan settlng-te Dala perancangan pengendal PID, nla Kp, K, dan Kd harus dtentukan sedekan sehngga sste kendal kalang tertutup akan stabl dan eenuh tujuan yang dtentukan. Ang, et. al. (2005 enjelaskan etode tunng elalu pendekatan optas. Pada etode n, paraeter PID dperoleh dengan etode optas nuerk dengan fungs objektf tunggal yang erupakan koposs dar beberapa objektf atau dengan etode heurstk atau dengan algorta evolusoner untuk ultobjektf. Metode n basanya erupakan etode berbass waktu dan daplkaskan secara offlne. b. Algorta PSO Algorta PSO erupakan teknk optas berbass populas. PSO dnspras oleh perlaku sosal kawanan burung dan kan. PSO eodelkan aktvtas pencaran dala ruang solus asalah sebaga aktvtas terbang kelopok partkel/ttk (a swar of partcles/ponts dala ruang solus tersebut. Algorta PSO dapat djelaskan sebaga berkut. Sebanyak p partkel dsebar secara acak pada ruang solus yang ada. Poss partkel saat waktu t, yatu (t akan dperbak enurut persaaan poss sebaga berkut. ( t 1 ( t v ( t 1.. (3 dengan v(t+1 adalah kecepatan partkel yang dhtung dengan persaaan berkut. v ( t 1 wv ( t n r ( pbest ( t ( t n r ( gbest( t ( t.. (4 Ttk pbest(t adalah solus (ftness lokal terbak yang dcapa oleh partkel sapa saat t, dan erepresentaskan kontrbus kogntf terhadap vektor v(t+1. Ttk gbest(t adalah solus global terbak yang telah dcapa dantara partkel-partkel sapa saat t dan erepresentaskan kontrbus sosal terhadap vektor kecepatan. Blangan acak r1 dan r2 terdstrbus seraga pada nterval [0,1]. Varabel w adalah bobot nersa. Inersa yang besar efasltas eksploras global (pencaran dala daerah yang luas sedangkan nersa yang kecl enghaslkan eksploras lokal (pencaran dala daerah yang sept. Oleh karena tu, nla w erupakan faktor krts yang enentukan perlaku konvergen algorta PSO. Untuk tu, drekoendaskan untuk elh nla w yang besar pada awalnya agar enghaslkan eksploras global pada ruang solus, selanjutnya nla w dturunkan secara bertahap untuk endapatkan solus yang lebh bak. (t a pbest v (t+1 b c v (t (t+1 gbest Keterangan : a = w.v (t b = n1.rand.(pbest- (t c = n2.rand.(gbest- (t v (t+1 = a + b +c Gabar 2. Operas pada algorta PSO Persaaan 3 dan 4 djelaskan oleh Gabar 2 sebaga penjulahan vektor. Faktor pebelajaran kogntf, yang druuskan sebaga n1r1(pbest(t (t pada persaaan 4 erupakan eor partkel jangka pendek. Faktor pebelajaran kogntf n enunjukkan nklnas partkel untuk engulang perlaku sebelunya yang terbukt sukses pada partkel tersebut. Hal n juga enunjukkan adanya pengaruh eor partkel tersebut. Faktor pebelajaran sosal, yang dberkan oleh bagan n2r2(gbest(t-(t, erupakan peer pressure bag sebuah partkel. Faktor pebelajaran sosal tersebut enunjukkan nklnas partkel untuk enru atau engeulas perlaku partkel lan SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Deseber 2013 E 2

3 SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknolog Industr dan Inforas yang telah sukses. Hal n enunjukkan adanya pengaruh tetangga partkel. Setap teras, sekawanan partkel devaluas nla ftness-nya dan berdasarkan nla tersebut, kecepatan dan poss partkel dperbaharu. Proses dala algorta PSO dapat dsajkan dengan dagra alr pada Gabar 3. POPULASI PARTIKEL INISIAL PERHITUNGAN NILAI FITNESS SEMUA PARTIKEL pekerja untuk elh sebuah suber akanan, dan lebah penjelajah yang encar suber akanan secara acak. Lebah pengnta dan lebah penjelajah dsebut juga lebah penganggur. Mula-ula seua poss suber akanan dteukan oleh lebah penjelajah. Setelah tu, nektar setap suber akanan akan dabl oleh lebah pekerja dan lebah pengnta secara terus-enerus sapa habs. Selanjutnya lebah pekerja yang engabl nektar dar suber akanan yang telah habs, akan enjad lebah penjelajah dan encar suber akanan yang lan. Dengan kata lan, lebah pekerja yang suber akanannya telah habs akan berubah enjad lebah penjelajah. TENTUKAN pbest TENTUKAN gbest KONDISI BERHENTI TERCAPAI? TIDAK HITUNG KECEPATAN v (t+1 YA HASIL OPTIMAL Poss suber akanan erepresentaskan kanddat solus ( asalah optas yang dselesakan dengan algorta ABCO dan banyaknya nektar yang terdapat pada suber akanan erupakan nla kualtas atau ftness dar kanddat solus tersebut, yang dkatkan dengan fungs objektf f(. Banyaknya lebah pekerja saa dengan banyaknya suber akanan, karena setap lebah pekerja dasosaskan dengan sebuah suber akanan. Algorta ABCO dapat dgabarkan dala dagra alr berkut pada gabar 4. HITUNG POSISI (t+1 Gabar 3. Dagra alr algorta PSO c. Algorta ABCO Pada tahun 2005, Karaboga eperkenalkan algorta Artfcal Bee Colony Optzaton (ABCO yang erupakan algorta optas yang enyulaskan perlaku lebah adu ketka terbang ke sana ke ar encar akanannya atau dnaakan foragng behavour. Dala odel tersebut terdapat tga koponen utaa yatu lebah pekerja (eployed bee dan lebah penganggur (uneployed bee, serta suber akanan (food source. Lebah pekerja dan lebah penganggur elakukan penjelajahan untuk encar suber akanan yang kaya d sektar sarang ereka. Dua tpe perlaku pentng dala odel kolon lebah sebaga perlaku self-organzng dan collectve ntellgence adalah - rekruten lebah penjelajah yang eneukan suber akanan yang kaya sebaga upan balk postf dan - yang kedua adalah dtnggalkannya suber-suber yang sedkt akanannya sebaga upan balk negatf. - Fase nsalsas Pada fase nsalsas, paraeter-paraeter algorta ABCO dber nla dan dbentuk populas kanddat solus awal berupa poss suber akanan oleh lebah penjelajah yatu vektor dengan = 1,..., UK (ukuran populas. Setap vektor erupakan sebuah kanddat solus terhadap asalah optas yang akan dselesakan. Salah satu cara untuk ebangktkan populas awal dapat dgunakan ruus berkut. l rand( 0,1*( u l...(5 l dengan erupakan batas bawah dan erupakan batas atas dar nla varabel. u Terdapat tga kelopok lebah pada algorta ABCO yatu lebah pekerja yang dhubungkan dengan suber akanan tertentu, lebah pengnta d dala sarang yang enunggu taran lebah SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Deseber 2013 E 3

4 SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknolog Industr dan Inforas Mula Insalsas ft ( 1 1 f ( 1 abs( f (, f, f ( ( 0 0 Fase lebah pekerja Fase lebah pengnta Fase lebah penjelajah Menypan solus terbak yang dcapa Berhent? Tdak.. (7 dengan f ( erupakan nla fungs objektf dar kanddat solus. - Fase Lebah Pengnta (onlooker bee phase Lebah yang enganggur terdr atas dua grup yatu lebah pengnta (onlooker dan lebah penjelajah (scout. Lebah pekerja akan eberkan nforas engena suber akanan kepada lebah pengnta yang enunggu d dala sarang. Setelah tu, lebah pengnta akan elh suber akanan tersebut secara probabltas berdasarkan nforas yang dberkan oleh lebah pekerja tersebut. Selesa Ya Gabar 4. Dagra alr algorta ABCO - Fase lebah pekerja (eployed bee phase Lebah pekerja akan encar suber akanan v baru yang elk nektar lebh banyak dbandngkan suber-suber akanan d sektarnya. Lebah-lebah pekerja tu eneukan suber akanan dan engevaluas proftabltasnya (ftness. Penentuan suber akanan baru dapat enggunakan persaaan berkut. k v ( k (6 adalah suber akanan yang dplh secara acak, adalah ndeks yang dplh secara rando, adalah blangan acak yang dplh antara [, ]. Suber akanan baru yang telah dteukan oleh lebah pekerja akan devaluas nla ftnessnya dan akan dlakukan seleks secara acak untuk v elh antara dan. Perhtungan nla ftness untuk asalah nas dapat dgunakan persaaan berkut. Pada algorta ABC n, lebah pengnta akan elh suber akanan berdasarkan nla probabltas yang dhtung enggunakan nla ftness yang dhaslkan oleh lebah pekerja. Metode seleks sepert seleks roda roulette (roulette wheel dapat dgunakan dala proses seleks suber akanan tersebut. Nla probabltas sebaga dasar pelhan suber akanan (kanddat solus dapat dhtung enggunakan persaaan berkut. P UK ft ft ( ( 1.. (8 Setelah suber akanan dplh secara probabltas, suber akanan baru d sektar akan dcar dengan enggunakan persaaan (6 dan nla ftnessnya akan dhtung. Selanjutnya sebagaana pada fase lebah pekerja, ekanse seleks secara acak dgunakan untuk elh antara v dan. Dengan dekan, akan seakn enngkat julah lebah pekerja yang elh suber akanan kaya dan akan eberkan nforas upan balk kepada lebah-lebah yang lan engena suber akanan tersebut. - Fase Lebah Penjelajah (Scout bee phase Lebah penganggur yang elh suber akanannya secara acak dnaakan lebah penjelajah. Suber akanan (sebaga kanddat solus yang telah dteukan oleh lebah pekerja SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Deseber 2013 E 4

5 SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknolog Industr dan Inforas akan dperbaharu selaa beberapa teras untuk enngkatkan nla ftnessnya. Naun dekan, beberapa suber akanan yang tdak dapat dperbak kualtasnya dapat dtnggalkan. Dala ABC, ekanse n dnaakan sebaga lt atau krtera abandonent yatu krtera yang kta tentukan pada ABC untuk ennggalkan/enghapus kanddat solus yang jelek. Proses n akan eberkan upan balk negatf kepada lebah yang lan agar ennggalkan suber-suber akanan yang sedkt julah akanannya. Untuk enggantkan suber akanan yang dtnggalkan tersebut, lebah penjelajah akan encar suber akanan baru dengan persaaan (1. Perasalahan optas tunng paraeter PID yang dselesakan pada peneltan n dapat dtulskan sebaga persoalan optas sebaga berkut. n K, K, K f MSE p d... (9 yang ana Kp, K, KD adalah paraater pengendal PID dan MSE adalah Mean Square Error yang dhntung dar nla step response sste. r(t + y(t - e(t Sste Pengendal u(t y(t (Plant PID otor DC algorta optas Gabar 5. Dagra perancangan pengendal PID dengan algorta PSO atau algorta ABCO sebaga algorta optas Untuk enyelesakan persoalan tersebut dgunakan algorta PSO atau enggunakan algorta ABCO sebaga algorta optas yang daplkaskan sesua dagra rancangan pengendal PID yang dtunjukkan oleh gabar 5. Pada perancangan pengendal PID n, algorta PSO atau algorta ABCO dgunakan untuk tunng paraeter Kp, K, dan Kd. Proses tunng dlakukan secara offlne dengan odel fungs alh otor DC. Evaluas nla fungs objektf setap kanddat solus dlakukan dengan enjalankan sulas odel dengan Sulnk (gabar 6 berupa odel pengendal upan balk kalang tertutup dan enghtung nla f pada persaaan (9. Progra Utaa Optas dengan PSO atau ABCO Gabar 6. Model Sulnk Perntah enjalankan sulas Step response Gabar 7. Dagran kerja optas Model Sulnk (gabar 6 Pada tahap pertaa akan dpleentaskan algorta PSO untuk optas pengendal PID pada plant otor DC. Dekan pula akan drancang optas pengendal PID untuk plant otor DC enggunakan algorta ABCO. Ipleentas optas dlakukan dengan progra sepert dtunjukkan pada dagra kerja gabar 7. Selanjutnya hasl optas dar kedua algorta tersebut akan d bandngkan untuk engukur unjuk kerja dar kedua algorta optas tersebut. DATA DAN PEMBAHASAN Setelah progra drancang selanjutnya djalankan dan duj. Varabel Kp, K, dan Kd, erupakan poss partkel pada algorta PSO, sedangkan pada algorta ABCO erupakan poss suber akanan. Hasl optas berupa grafk nla fungs objektf dala bentuk nla cost dsajkan pada gabar 8 dan gabar 9. Grafk tersebut enunjukkan konvergens yang cukup cepat, yatu pada teras kedua sudah dperoleh nla nu global untuk algorta PSO dan pada teras kela untuk algorta ABCO. Naun kedua algorta enghaslkan nla nu cost yang saa yatu 1.188e+02, dengan nla solus paraeter Kp = 10, K = 10, dan Kd =0. SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Deseber 2013 E 5

6 Nla f( kecepatan (rp cost kecepatan SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknolog Industr dan Inforas 450 Grafk nla cost pada RunTe : 1 nu cost 3000 Grafk step response generaton Gabar 8. Grafk nla fungs objektf pada optas dengan PSO waktu (detk Gabar 10. Grafk step response 250 Grafk nla fungs objektf pada RunTe : Step response sste kendal PID Generas Gabar 9. Grafk nla fungs objektf pada optas dengan ABCO Grafk pengujan step response dengan nla setpont 2860 rp dtunjukkan pada gabar 10. Step response tersebut elk nla rse te sebesar detk, settlng te sebesar detk, dan tanpa overshoot. Tabel 2 enunjukkan perbandngan karakterstk respon sste dbandngkan dengan respon sste dengan pengendal yang d tunng dengan etode open loop Zegler-Nchols. Hasl respon (gabar 11 dengan tunng Zegler-Nchols enghaslkan respon dengan overshoot yang besar yatu %, sedangkan respon yang yang dhaslkan dengan etode tunng berbass optas PSO aupun ABCO apu enghaslkan respon tanpa overshoot. Tabel 2. Perbandngan karakterstk step response Karakterstk Respon hasl Respon hasl tunng dengan tunng dengan PSO atau etode Zegler ABCO Nchols rse te(detk settlng te (detk overshoot (% waktu (detk Gabar 11. Grafk step response pengendal PID dengan etode tunng Zegler Nchols KESIMPULAN Pada peneltan n telah drancang etode optas paraeter pengendal PID berdasarkan algorta PSO dan algorta ABC. Kedua algorta apu enghaslkan nla paraater PID yang optal dala waktu yang sngkat. Hasl respon pengendal PID dengan etode tunng PSO aupun ABCO juga elk karakterstk respon yang lebh bak dbandngkan dengan etode tunng Zegler-Nchols. Peneltan lebh lanjut engena pengujan hasl optas dengan plant rl perlu dlakukan untuk engetahu karakterstk respon sste yang sesungguhnya. DAFTAR PUSTAKA Ang, K.H., Chong, G.C.Y., L, Y., 2005, PID Control Syste Analyss, Desgn, and Technology, IEEE Transactons on Control Systes Technology 13(4: pp Bhattacharjee, et. all, 2011 Mult-Robot Path- SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Deseber 2013 E 6

7 SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknolog Industr dan Inforas Plannng Usng Artfcal Bee Colony Optzaton Algorth, Congress on Nature and Bologcally Inspred Coputng (NaBIC, page Garro, B, et. all.,2011 Artfcal Neural Network Synthess by eans of Artfcal Bee Colony (ABC Algorth, IEEE Congress on Evolutonary Coputaton (CEC, page Oner, A., et all.,2011, Optzaton Of Unversty Course Schedulng Proble Wth A Hybrd Artfcal Bee Colony Algorth, IEEE Congress on Evolutonary Coputaton (CEC, page Haupt, R.L., dan Haupt, S.E., 2004, Practcal Genetc Algorth, Wley, Second Edton. Ko, Cha-Nan; Lee, Tsong-L; Fan, Han-Ta; Wu, Cha-Ju., 2006, Genetc Auto-Tunng and Rule Reducton of Fuzzy PID Controllers. IEEE Internatonal Conference on Systes, Man and Cybernetcs, ICSMC '06. Volue 2, 8-11 Oct Page(s: Martn, T.E, 2000, Process Control, desgnng process and control systes for dnac perforance, second edton, Mc Graw Hll, Sngapore. Nagaraj, B., Subha, S. dan Raprya, B., 2008, Tunng Algorth for PID Controller Usng Soft Coputng Technques, Internatonal Journal of Coputer Scence and Network Securty. Vol 8 No.4, Aprl SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Deseber 2013 E 7

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6)

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6) ISSN : 693 73 Penerapan Aljabar Matrk Dala Analsa Masukan-Keluaran Elstya Rawat 6) Abstrak Analsa asukan-keluaran bertolak dar anggapan bahwa suatu sste perekonoan terdr atas sector-sektor yang salng berkatan.

Lebih terperinci

Bab VII Contoh Aplikasi

Bab VII Contoh Aplikasi Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).

Lebih terperinci

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL SAINS DAN SENI ITS Vol 1, No 1, (Sept 2012) ISSN: 2301-928 A-34 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, I Gust Ngurah Ra

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL TEKNIK POMITS Vol, No, (22) -6 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, Nur Wahyunngsh 2, dan I Gust Ngurah Ra Usadha 3

Lebih terperinci

ARUS BOLAK BALIK V R. i m

ARUS BOLAK BALIK V R. i m Modul 9 Elektroagnet KEGIATAN BEAJA A. ANDASAN TEOI AUS BOAK BAIK Arus dan tegangan lstrk bolak balk adalah arus dan tegangan lstrk yang berubah terhadap waktu atau erupakan fungs waktu. Yang berubah adalah

Lebih terperinci

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL

PENGEMBANGAN 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 terperinci

PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY

PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY I Made Wdartha Program Stud Teknk Informatka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Udayana emal : madewdartha@cs.unud.ac.d

Lebih terperinci

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar)

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar) J. Sans IPA, Aprl 009, Vol. 5, o., Hal.: 66-70 ISS 978-873 PEETUA UKURA COTOH OPTIU DESAI TWO STAGE CLUSTER SAPLIG (Stud Kasus Pendugaan Varabel Deograf d Kabupaten Bltar) Rusda Yulyant* Pusat Peneltan

Lebih terperinci

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA onferens Nasonal Sste dan Inforatka 09; Bal, Noveber 4, 09 PENERAPAN LOGIA FUZZY DALAM PENGAMBILAN EPUTUSAN UNTU JALUR PEMINATAN MAHASISWA Sauel Lukas*, Melayana**, Wlla Sson* * Jurusan Teknk Inforatka

Lebih terperinci

METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS

METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS TESIS METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS Oleh : I Made Wdartha NRP. 5109201009 Dosen Pembmbng : Dr. Agus Zanal Arfn, S.Kom, M.Kom Anny Yunart, S.Kom, M.Comp.Sc

Lebih terperinci

METODE KORELASI BARU PADA PENYETELAN PENGENDALI PID DENGAN PENDEKATAN MODEL EMPIRIK FOPDT

METODE KORELASI BARU PADA PENYETELAN PENGENDALI PID DENGAN PENDEKATAN MODEL EMPIRIK FOPDT ISSN 4-989 METODE KORELASI BARU PADA PENYETELAN PENGENDALI PID DENGAN PENDEKATAN MODEL EMPIRIK FOPDT Abdul Wahd dan Rudy Gunawan 2 Laboratorum Sstem Proses Kma Departemen Teknk Gas dan Petrokma Progam

Lebih terperinci

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS)

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) BAB III SAPLING BERKELOPOK DAN SAPLING BERKELOPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) 3. Saplng Berkelopok Populas elk konds yang berbeda beda jka dlhat berdasarkan ukurannya. Pada pebahasan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 PENDHULUN 1.1 Latar elakang Dala pelaksanaan proyek serng kal engala suatu habatan atau penypangan sehngga serng terad kerugan bag penyelesaan proyek tersebut. Untuk tu perlu adanya suatu perencanaan

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan 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 terperinci

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc.

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc. MODUL ANALISIS PENGUKURAN FISIKA Dsusun Oleh: Kuncoro Ash Nugroho, M.Pd., M.Sc. JURUSAN PENDIDIKAN FISIKA FAKULTAS MATEMATIKAN DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA YOGYAKARTA BAB I METODE

Lebih terperinci

Implementasi Algoritme Support Vector Machine (SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa

Implementasi Algoritme Support Vector Machine (SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa Jurnal Pengebangan Teknolog Inforas dan Ilu Koputer e-issn: 2548-964X Vol. 2, No. 4, Aprl 2018, hl. 1704-1708 http://-ptk.ub.ac.d Ipleentas Algorte Support Vector Machne (SVM) untuk Predks Ketepatan Waktu

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN 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 terperinci

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR PROSIDING ISBN : 978 979 6353 3 MEODE LEVENBERG MARQUARD UNUK MASALAH KUADRA ERKECIL NONLINEAR -8 Lusa Krsyat Budash Progra Stud Mateatka Unverstas Sanata Dhara Yogyakarta lusa_krs@sta.usd.ac.d Abstrak

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 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 terperinci

Perbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB

Perbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Perbakan Unjuk Kerja Sstem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Endryansyah Penddkan Teknk Elektro, Jurusan Teknk Elektro,

Lebih terperinci

PENDEKATAN METODE BAYES UNTUK PENDUGAAN PENGARUH INTERAKSI PADA MODEL AMMI. (Bayesian Approach for Estimating Interaction Effect of AMMI Model)

PENDEKATAN METODE BAYES UNTUK PENDUGAAN PENGARUH INTERAKSI PADA MODEL AMMI. (Bayesian Approach for Estimating Interaction Effect of AMMI Model) PROSIDING ISBN: 978-979-6353-3- PENDEKATAN METODE BAYES UNTUK PENDUGAAN PENGARUH INTERAKSI PADA MODEL AMMI (Bayesan Approach for Estatng Interacton Effect of AMMI Model) Pka Slvant, Kharl A. Notodputro,

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS 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 terperinci

KEANDALAN SISTEM PEMBANGKIT LISTRIK TENAGA DIESEL DI KABUPATEN MERAUKE-PAPUA

KEANDALAN SISTEM PEMBANGKIT LISTRIK TENAGA DIESEL DI KABUPATEN MERAUKE-PAPUA Jurnal Ilah Mustek An Ha Vol. 4 o. 3, Deseber 2015 KEADALA SISTEM PEMBAGKIT LISTRIK TEAGA DIESEL DI KABUPATE MERAUKE-PAPUA Johan Kar Eal: Joka_joka73@yahoo.co, papeda99@yahoo.co.d Jurusan Teknk Elektro,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

Lebih terperinci

APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO)

APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) Irfrans Kusmarna, Luh Kesuma Wardhan 2, Muhammad Safrzal 3,3 Jurusan Teknk Informatka, Fakultas Sans dan Teknolog,

Lebih terperinci

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-35 (3-98X Prnt) D-95 Pengendalan Kualtas Proses Produks Tube Plastk D Pt. X Menggunakan Peta Kendal P Multvarat Ia Rdo Rarso, Luca Ardnant, dan Muhaad Mashur

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdng Senar Sans dan Teknolog FMIPA Unul Perode Maret 016, Saarnda, Indonesa ISBN: 978-60-7658-1-3 Pengendalan Kualtas Produk Menggunakan Peta Kendal T Hotellng Dan Analss Keapuan Proses Untuk Data Multvarat

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon Pelabelan Total Ss Ajab Pada Subkelas Pohon Hlda Rzky Nngtyas, Dr Daraj, SS, MT [] Jurusan Mateatka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopeber (ITS Jl Aref Rahan Hak, Surabaya 60 E-al: daraj@ateatkatsacd

Lebih terperinci

Filter-based Feature Selection pada Kategorisasi Artikel Berita Berbahasa Indonesia

Filter-based Feature Selection pada Kategorisasi Artikel Berita Berbahasa Indonesia Flter-based Feature Selecton pada Kategorsas Artkel Berta Berbahasa Indonesa Yan Pusptaran Jurusan Teknk Inforatka, Unverstas Wdyataa Jl. Ckutra 04A Bandung yan.pusptaran@wdyataa.ac.d Abstract Wth the

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN

REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN Jurnal Ilah ILMU KOMPUTER Unverstas Udayana Vol. 9, No., Aprl 206 ISSN 979-566 REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN I Gust Agung Gede

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Tnjauan Pustaka 2.1.1 Tmetable Tmetable merupakan alokas subjek yang memlk kendala untuk dtempatkan pada ruang waktu (Gan dkk, 2004). Permasalahan Tmetable cukup luas. Masalah

Lebih terperinci

PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION

PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION Yudh Purwananto Rully Soelaman dan Bambang Santoso. Fakultas Teknolog Informas Insttut Teknolog Sepuluh Nopember

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. 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 terperinci

KLASIFIKASI DATA TIME SERIES MENGGUNAKAN METODE RUANG FASE TEREKONSTRUKSI

KLASIFIKASI DATA TIME SERIES MENGGUNAKAN METODE RUANG FASE TEREKONSTRUKSI Prosdng Senar asonal Manajeen Teknolog VI Progra Stud MMT-ITS, Surabaya 4 Agustus 2007 KLASIFIKASI DATA TIME SERIES MEGGUAKA METODE RUAG FASE TEREKOSTRUKSI Muhaad Jusuf, Rully Soelaan Progra Stud Magster

Lebih terperinci

ANALISIS KONSTRUKSI DAN SIFAT BCH CODE

ANALISIS KONSTRUKSI DAN SIFAT BCH CODE KNM XVI -6 Jul 202 UNPAD, Jatnangor ANALISIS KONSTRUKSI DAN SIFAT BCH CODE ACHMAD FAHRUROZI, M.SI,2, SRI MARDIYATI, M.KOM 2 Unverstas Gunadara Depok, achad.fahruroz@yahoo.co.d 2 Unverstas Indonesa Depok,

Lebih terperinci

BAB IV PERHITUNGAN DAN ANALISIS

BAB IV PERHITUNGAN DAN ANALISIS BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB 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 terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka

Lebih terperinci

Jurnal Sipil Statik Vol.1 No.8, Juli 2013 ( ) ISSN:

Jurnal Sipil Statik Vol.1 No.8, Juli 2013 ( ) ISSN: Jurnal Spl Statk Vol. No.8 Jul 3 (79-86) ISSN: 337-673 PEMILIHAN SISTEM PENGAMANAN PANTAI DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS: PANTAI WORI DI KECAMATAN WORI KABUPATEN MINAHASA

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

III. EVALUASI METODE PENARIKAN CONTOH PADA PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA

III. EVALUASI METODE PENARIKAN CONTOH PADA PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA 4 III. VALUASI TOD PNARIKAN CONTOH PADA PNDUGAAN PRODUKTIVITAS KOODITAS HORTIKULTURA 3.. Gabaran Uu etode Penarkan Contoh Penarkan contoh atau saplng erupakan suatu proses nferens engena keseluruhan (populas

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB 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 terperinci

PERMAINAN CATUR AKHIR KING-ROOK-KING (KRK) MENGGUNAKAN PEMROGRAMAN GENETIKA

PERMAINAN CATUR AKHIR KING-ROOK-KING (KRK) MENGGUNAKAN PEMROGRAMAN GENETIKA PERMAINAN CATUR AKHIR KING-ROOK-KING (KRK) MENGGUNAKAN PEMROGRAMAN GENETIKA Lukas 1), Agus Iskandar 2) Unverstas Katolk Indonesa Ata Jaya Jakarta lukas@atajaya.ac.d 1), sk_gust@yahoo.co 2) ABSTRACT Chess

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB 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 terperinci

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI AWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL Mega Pradpta, Madu Ratna, I Nyoan Budantara urusan Statstka Fakultas MIPA Insttut Teknolog Sepuluh Nopeber

Lebih terperinci

APLIKASI METODE CROSS ENTROPY UNTUK SUPPORT VECTOR MACHINES

APLIKASI METODE CROSS ENTROPY UNTUK SUPPORT VECTOR MACHINES APLISI MEODE CROSS ENROPY UNUK SUPPOR VECOR MACHINES Bud Santosa DAN ananda Wdyarn, Jurusan eknk Industr Insttut eknolog Sepuluh Nopeber (IS) Surabaya E-al: bud_s@e.ts.ac.d, tananda_w@yahoo.co ABSRAK Dukungan

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB 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 terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. 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 terperinci

III.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5

III.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 terperinci

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,

Lebih terperinci

5.. Kekakuan Portal Bdang (Plane Frae) BAB 5 ANASS STRUKTUR PORTA BANG Struktur plane rae erupakan suatu sste struktur ang erupakan gabungan dar seulah eleen (batang) d ana pada setap ttk spulna danggap

Lebih terperinci

BAB III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data.

BAB III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data. BAB III PROSEDUR PENELITIAN A. Metode Peneltan Metode peneltan harus dsesuakan dengan masalah dan tujuan peneltan, hal n dlakukan untuk kepentngan perolehan dan analss data. Mengena pengertan metode peneltan,

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode 8 III. METODE PENELITIAN A. Metode Peneltan Metode peneltan adalah suatu cara yang dpergunakan untuk pemecahan masalah dengan teknk dan alat tertentu sehngga dperoleh hasl yang sesua dengan tujuan peneltan.

Lebih terperinci

ANALISIS PERFORMANSI SUPPORT VECTOR REGRESSION DALAM MEMPREDIKSI BONUS TAHUNAN KARYAWAN

ANALISIS PERFORMANSI SUPPORT VECTOR REGRESSION DALAM MEMPREDIKSI BONUS TAHUNAN KARYAWAN ANALISIS PERFORMANSI SUPPORT VECTOR REGRESSION DALAM MEMPREDIKSI BONUS TAHUNAN KARYAWAN Dana Puspta Sar Progra Stud Teknk Industr Unverstas Dponegoro Searang Jl. Prof Sudarto, SH., Searang dana_psptsr@yahoo.co

Lebih terperinci

Preferensi untuk alternatif A i diberikan

Preferensi 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 terperinci

BAB X RUANG HASIL KALI DALAM

BAB 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 terperinci

MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING

MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: 1907-50 Yogyakarta, 0 Jun 009 MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING Mackel Tuegeh 1, Soeprjanto, Maurdh

Lebih terperinci

III. METODE PENELITIAN

III. 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 terperinci

Jurnal Pendidikan Matematika & Matematika

Jurnal Pendidikan Matematika & Matematika Jurnal Penddkan Mateatka & Mateatka Syasah. (2011). Pengaruh Puasa Terhadap Konsentras Belajar Sswa. Jakarta: UIN Syarf Hdayatullah Jakarta. Thabrany, Hasbullah. (1995). Rahasa Sukses Belajar. Jakarta:

Lebih terperinci

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT PEAKSIR PRODUK AG EFISIE UUK RAA-RAA POPULASI PADA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKA Dw Andn *, Frdaus, Arsan Adnan Mahasswa Progra S Mateata Dosen Jurusan Mateata Faultas Mateata Ilu Pengetahuan

Lebih terperinci

OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION

OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION Semnar Nasonal Informatka 009 (semnasif 009) ISSN: 1979-38 UPN Veteran Yogyakarta, 3 Me 009 OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION Mackel Tuegeh 1, Ad Soeprjanto, Maurdh Hery

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 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 terperinci

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.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 terperinci

III. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah,

III. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah, III. METODELOGI PENELITIAN A. Metode Peneltan Suatu peneltan dapat berhasl dengan bak dan sesua dengan prosedur lmah, apabla peneltan tersebut menggunakan metode atau alat yang tepat. Dengan menggunakan

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

BAB V INTEGRAL KOMPLEKS 6 BAB V INTEGRAL KOMPLEKS 5.. INTEGRAL LINTASAN Msal suatu lntasan yang dnyatakan dengan : (t) = x(t) + y(t) dengan t rl dan a t b. Lntasan dsebut lntasan tutup bla (a) = (b). Lntasan tutup dsebut lntasan

Lebih terperinci

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil .1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral

Lebih terperinci

Bab III Analisis Rantai Markov

Bab 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 terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT. ABSTRACT 1.

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT. ABSTRACT 1. PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKAT Ryan Aresta Ral Suroso, Arsan Adnan, Rusta Efend r_yand7045@yaoo.co Maasswa Progra S Mateatka Dosen Jurusan Mateatka

Lebih terperinci

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting

Peramalan 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 terperinci