Registrasi Point Cloud Objek Berkontur Menggunakan Metode Red Green Blue Color Iterative Closest Point
|
|
- Bambang Hermanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Regstras Pont Cloud Objek Berkontur Menggunakan Metode Red Green Blue Color Iteratve Closest Pont Yoedo Ageng Suryo 1, Eko Mulyanto 2, Amad Zan 3, I Ketut Eddy Purnama 4 Jurusan Teknk Elektro Insttut Teknolog Sepulu Nopember (ITS) Surabaya, Indonesa yoedo11@ms.ee.ts.ac.d 1,ekomulyanto@ee.ts.ac.d 2, zan@ee.ts.ac.d 3, ketut@ee.ts.ac.d 4 Abstract Regstras pont cloud menggunakan metode teratve closest pont dapat konvergen pada local optma, dkarenakan dengan menggunakan jarak terdekat tdak semua pont cloud dapat menemukan ttk pasangan yang sesua. Pada peneltan n dlakukan penambaan ftur warna Red Green Blue (RGB) pada permukaan objek untuk mendapatkan asl regstras yang akurat. Normalsas warna RGB dlakukan untuk mengurang pengaru ntenstas caaya sewaktu proses pemndaan berlangsung. Berdasarkan asl uj coba pada pemberan nla bobot warna 0,5 sampa dengan 4, menujukkan prosentase penurunan nla resdual error rata rata sebesar 3,395% Hal n menunjukkan bawa adanya penambaan ftur warna RGB dapat menngkatkan akuras regstras Keywords Regstras; Korespondens; Local optma; pont cloud; RGB Color. I. PENDAHULUAN Peneltan terkat pemrosesan data dmens tga dapat dlakukan dengan langka awal berupa taapan aktvtas pemndaan permukaan objek berkontur. Data yang ddapatkan berupa kumpulan ttk-ttk dalam koordnat dmens tga dengan kerapatan tngg [9]. Kumpulan ttk-ttk (yang selanjutnya dsebut pont cloud) asl pemndaan kedua permukaan, dregstraskan untuk kebutuan pemodelan. Kedua data dproses untuk dgabungkan ke dalam sstem koordnat dmens tga. Metode yang secara umum dgunakan adala teratve closest pont [2]. Pada metode n, korespondens dantara dua set pont cloud dlakukan dengan mencar kesesuaan antar ttk pada sala satu pont cloud dengan ttk terdekat pada pont cloud yang lan. Knerja korespondens n mas konvergen pada lokal mnma, dmana ada bagan tertentu pada pont cloud yang mas belum menemukan pasangan ttk. Beberapa penelt, mencoba memperbak performa regstras agar dapat menuju global mnma. Cen tela melakukan nteractve range mages regstraton berbass jarak mnmum vektor normal dantara dua permukaan. Algortma n bermanfaat untuk mengurang jumla batasan yang dakbatkan ole penggunaan korespondens ttk terdekat [3]. Zang mengusulkan metode KD tree sebaga sala satu cara untuk mempercepat closet pont computaton dan penggunaan robust statstc untuk membangun dynamc dstance tresold [9]. Regstras dmens tga yang dkombnaskan dengan penambaan nformas warna, dlakukan sebaga pengembangan kegatan peneltan terkat korespondens pont cloud. Dantaranya Jonson mengkombnaskan regstras dengan warna dan tekstur sebaga representas permukaan ke fungs objektf mean square dstance sengga menjadkan error regstras dapat dkurang [9]. Penelt Douad menggunakan warna YIQ untuk menggantkan permukaan apabla nformas geometr permukaan tdak mencukup [4]. Pengembangan peneltan regstras dmens tga yang dkombnaskan dengan warna, mengnspras penuls untuk memanfaatkan nformas komponen warna RGB. Pada peneltan n, penuls memanfaatkan asl pemndaan perangkat pemnda 3D yang selan berupa data koordnat pont cloud juga terdapat penambaan data warna. Penggabungan kedua data n, darapkan mampu membantu mempercepat koresponens pont cloud dan menngkatkan keakurasan regstras dmens tga. Tujuan terkat peneltan n adala menerapkan ftur warna Red Green Blue pada permukaan objek untuk mendapatkan asl regstras yang akurat. Penerapan metode regstras warna RGB daplkaskan pada pont cloud yang memlk nformas koordnat poss dan warna (w,y,z,r,g,b). II. DASAR TEORI A. Transformas Rgd Transformas rgd terdr dar rotas (R) dan translas (t). Kedua nla n mentransformaskan objek rgd dar satu koordnat dmens tga menuju koordnat referens. Transformas pont cloud dar satu koordnat dmens tga menuju koordnat yang lan, dtransformaskan dengan besaran nla rotas dan translas tertentu. Bentuk umum transformas rgd dapat dtulskan sebaga : F G =6 H + (1) R adala matrk denttas 3 x 3 dan t adala matrk translas dmens tga, dan J. Apabla ddapatkan det(r) = 1, maka transformas rotas yang dperole suda sesua dengan transformas rgd objek secara fsk. Rotas objek pada sumbu koordnat Kartesan mewakl besar ketga sudut rotas, dan J. Ketga sudut rotas n mengkut urutan sebaga berkut : 9
2 rotas teradap sumbu x : =K0 DL+ sn R (2) 0 sn cos rotas teradap sumbu y : cos 0 sn 6 =S T (3) +* 0 cos rotas teradap sumbu z : cos J sn J 0 6 J =Ksn J cos J 0R (4) B. Regstras Pont Cloud Dlakukan sebaga proses estmas transformas rgd data teradap referens dalam sstem koordnat yang sama [6]. Proses regstras pont cloud dlakukan teradap mnmal dua mpunan pont cloud yang ddefnskan sebaga model dan data. Keduanya terpsa jarak Eucldean sebaga persamaan : 0 0 # (V # V ) # +(W # W ) # +(X # X ) # (5) Proses transformas n mengaslkan pertungan error matcng sebaga persamaan : (6,)= Z(6 ' +) D([ ' )Z # ',[ ' ] (6) e(r,t) : error matcng rotas dan translas C. Algortma Regstras Pont Cloud Dasumskan terdapat dua mpunan pont cloud sebaga notas X (model) dan P (data). Keduanya memlk mpunan ttk-ttk yang berjumla N x untuk model dan N p untuk data, dmana X = {x } dengan = 1... N x dan P = {p } dengan = 1... N p. Hmpunan pont cloud data dtransformaskan menuju pont cloud model sebaga koordnat referens dmens tga. Pont cloud data dnsalsas dengan konds sebaga berkut : teras(k) = 0, ] =], 6 =[_] dan =[3 V 0]. Selanjutnya, proses regstras pont cloud data berlanjut dengan beberapa taapan sebaga berkut : a. Mengtung korepondens ttk terdekat 0([,V)= [b Vb # (7) Untuk mengtung N p sebaga pasangan ttk terdekat Y k={y,k} dan P k={p,k} ddefnskan sebaga Wb A,' =Dc[b A,' d= F mn b g 0([b A,',Vb) b. Mengtung regstras Dketau mpunan pont cloud terdekat sebaga fungs objektf mean square yang arus dmnmsas sebaga fungs R x dan t k. (6 ', ' )= Z(6 ' [b A, + ' ) Wb A,' Z # c. Aplkaskan regstras (8) Aplkaskan transformas rgd untuk mendapatkan p, k+1 yang ddefnskan sebaga [b A,' =6 ' [b A, + ' (9) d. Termnas teras Iteras berakr jka terjad perubaan mean square error dbawa nla tresold. Konds n ddapatkan dar sels error jarak d setap teras sebagamana persamaan ' 0 ' < l (10) dengan 0 ' = G Z] A' 6] m(a)' +Z dan 0 ' = G. Z] A(') 6] m(a)' +Z D. Color Matcng Beberapa peneltan tela mengembangkan teknk korespondens ttk terdekat dengan memanfaatkan ftur permukaan sepert warna ataupun ftur kurvatur yang serngkal terdapat pada data dmens tga. Godn membangun korespondens closest pont dengan menambakan komponen warna dalam dua langka. Langka pertama dlakukan dengan membangun subset ttk terdekat dengan menggunakan warna untuk mencar kanddat pasangan tttk terdekat dan dlanjutkan dengan mencar ttk terdekat menggunakan jarak geometrk dantara pasangan pont cloud yang sesua [5]. Pengembangan teknk korespondens ttk terdekat yang lan dlakukan dengan menambakan nformas warna pada pertungan jarak [9]. Jka komponen warna ddefnskan sebaga vektor D=(,n,o) p maka jarak kuadrat persamaan 5 dtulskan sebaga : 0([,V)=qcV V d # +cw W d # +cx X d # + rc d # +rcn n d # +rco o d # s (11) dengan V=(V,W,X,,n,o ) dan [= cv,w,x,,n,o d dmana r=(r,r #,r " ) merupakan nla bobot masng masng warna [4] III. REGISTRASI POINT CLOUD WARNA Peneltan n mengaplkaskan metode regstras teratve closest pont yang dkombnaskan dengan nformas warna berbass Red Green Blue (RGB). Ole karena tu metode yang daplkaskan dsebut sebaga RGB Color ICP. Gambar 1 berkut menunjukkan blok dagram proses regstras pont cloud warna. Gambar 1 Blok Regstras Pont Cloud Warna 10
3 A. Normalsas RGB Sewaktu proses pemndaan berlangsung, adanya ntenstas caaya lngkungan dapat mempengaru asl pont cloud warna. Selan dpengaru ole ntenstas caaya, adanya pengaru bayangan dar lngkungan juga turut menentukan kualtas asl pemndaan. Ole karena tu proses normalsas dlakukan untuk memnmalsas adanya pengaru pencaayaan saat proses pemndaan berlangsung [7]. Gambar 2 Proses normalsas warna RGB Setap satu pont cloud selan terletak dalam koordnat dmens tga, juga terdapat kombnas warna RGB. Hal n dapat dtulskan sebaga ](V,W,X,,n,o ). Dmana P merupakan mpunan pont cloud warna. Proses normalsas dlakukan sebagamana persamaan 12. u vwx = 6 # +z # +{ # (12) Melalu persamaan 12, masng masng komponen warna R, G dan B dtung nla kuadrat setap nla. Nla n memlk batasan range dantara Pembag nla normalsas dtung berdasarkan kuadrat penjumlaan masng masng komponen warna. Normalsas masng masng komponen nla RGB, selanjutnya dbag dengan persamaan 12, menjad bentuk umum sebagamana persamaan 13. u = }~ (13) B. Korespondens Pont Cloud Warna Proses korespondens pont cloud ddapatkan dengan mencar pasangan ttk ttk terdekat pada jarak Eucldean. Hal n dapat memungknkan adanya satu ttk berpasangan dengan leb dar satu ttk yang lan. Pemanfaatan komponen ftur warna dapat menjadkan korespondens ttk dapat terara ke masng masng pasangan warna. Proses korespondens n dapat djelaskan sebaga berkut. Dketau pont cloud model (P) yang memlk mpunan ] = [,[ #,[ ", [? dan pont cloud data (P ) yang memlk mpunan ] G =[ G,[ # G,[ " G, [? G. Jka pada kedua pont cloud terdapat ftur warna, maka masng masng ttk selan terdapat nformas koordnat dmens tga juga terdapat penambaan nla komponen warna. Ole karena tu pada masng masng pont cloud model dtulskan sebaga [ A = (V A,W A,X A,r A,rn A,ro A ) dengan [ A ]. Pont cloud data dtulskan sebaga [ $ G =cv $ G,W $ G,X $ G,r $ G,rn $ G,ro $ G d dengan [ $ G ]. Kedua pont cloud memlk pertungan jarak cv A V $ G d # +cw A W $ G d # +cx A X $ G d # +rc A $ G d # + rcn A n $ G d # +rco A o $ G d # (14) Korespondens pont cloud ] ke ] G G dnotaskan [ A,[ m(a) G dengan [ m(a) ] G. Nla c dtentukan sebagamana persamaan 13. $j D (A) =n,* $ Z(V A V $ G ) # +(W A W $ G ) # + (X A X $ G ) # +r( A $ G ) # +r(n A n $ G ) # +r(o A o $ G ) # Z (15) C. Estmas Transformas Rgd Sepasang mpunan pont cloud model (X) dan data (P) memlk pasangan ttk ttk yang berkorespondens, dtransformaskan untuk memnmalkan error e(r,t) sesua persaman 12. (6,)= Zc6 A +d W A Z # (16) Proses transformas rgd dlakukan dalam beberapa langka untuk mengurang error regstras. Nla rotas dan translas yang dperole dar langka sebelumnya, dgunakan untuk mempertungkan teras berkutnya. Pada setap teras, besaran transformas rgd 6 A dan A berfungs untuk memperkecl adanya error dsetap teras. Total besar transformas, dperbaru dengan 6=6 A (6) dan = 6 A + A. Melalu pendekatan n akan mereduks koordnat geometr pont matcng menjad persamaan 13. (6 A, A )= Zc6 A c6 ' +d+ A d D([ ' )Z # ' (17) Fungs korespondens c, dpl untuk menjadkan regstras konvergen ke mnmum. Untuk mencar pertungan transformas terbak, persamaan 3.2 ddekomposs menjad : (6,)= Z6 A W A Z # +2 c6 A W A d+ # (18) Bagan pertama dan terakr terdapat nla R dan t sedangkan bagan tenga merupakan gabungan. Jka bagan tenga datur menjad 0 maka error e dapat dmnmalkan[1]. Nla centrod dar [ A dan W A adala = [ A dan = W A dmana [ A dan W A adala nla rata-rata centrod. Pendekompossan persamaan 16 sebagamana penjabaran persamaan 18 akan mengaslkan pertungan rotas dan translas. (6,)= 6[ G A + # (19) dengan G =6 +. Transformas setap pont cloud data (p) dan pont cloud yang berkorepondens, dperbaru melalu : A =[ A dan o A =W A. Sengga persamaan 15 menjad : (6,)= 6 A o A # + # (20) maka dperole vektor translas adala = 6 (21) 11
4 6 : nla rotas pont cloud data. Beberapa metode untuk mencar matrk R guna memnmalsas matcng error adala menggunakan sngular value decomposton[1]. Matrk rotas R merupakan perkalan dua matrk ortonormal. = A o A (22) = G (23) dmana U dan V : matrk ortonormal 3 x 3 dan : matrk dagonal 3 x 3. IV. HASIL PERCOBAAN Percobaan pada peneltan n dlakukan pada objek angry brd dengan dmens panjang 8 cm, lebar 8 cm dan tngg 6 cm. Objek n memlk kombnas warna mera, kunng, put dan tam. Gambar 3 Objek percobaan angry brd Perangkat pemnda dmens tga dletakkan berjarak satu meter dar objek. Pemndaan dlakukan dengan merotas objek sebesar 20 derajat. Hasl pemndaan ddapatkan pont cloud warna dar berbaga sudut pandang sebagamana gambar 4. Gambar 5 berkut merupakan grafk regstras pont cloud warna objek angry brd. Gambar 5. Grafk resdual error regstras angry brd pada beberapa nla pembobotan Nla masng masng bobot warna dapat menngkatkan akuras regstras sebesar 2,916%, 0,116%, 2,99%, dan 1,143% dbandngkan dengan metode ICP no. Perbandngan nla resdual error regstras angry brd vew 1 dan vew 2 pada beberapa nla bobot dapat dlat pada tabel 2. Tabel 2 Perbandngan asl regstras angry brd pada vew 1 dan vew 2 Konvergen Iteras Resdual Error (mm) Bobot ICP ICP no ICP ICP no 0, ,586 0, ,6029 0, ,5864 0, ,5967 0,6036 Tabel 2 menunjukkan asl regstras yang menyajkan perbandngan nla konvergen teras dan resdual error menggunakan metode ICP dan ICP no. Pada metode ICP, ddapatkan nla resdual error yang leb renda dbandngkan dengan metode ICP no. Hasl regstras objek angry brd dapat dlat pada gambar 6 berkut n. a. vew 1 b. vew 2 Gambar 4. Pont cloud warna objek angry brd Gambar 4.4a mas belum terjad rotas, sedangkan gambar 4.4b tela terjad rotas sudut sebesar 20 derajat. Jumla data pont cloud asl pemndaan objek angry brd pada masng masng sudut pandang dapat dlat pada tabel 1. Tabel 1 Jumla pont cloud angry brd Nama Jumla Pont Cloud vew vew Data jumla pont cloud pada tabel 1 ddapatkan setela memnmalsas jumla pont cloud lngkungan dan anya mengtung data pont cloud objek angry brd saja. Regstras dlakukan dengan member bobot dar 0,5 sampa dengan 4. a. bobot 0,5 b. bobot 2 bobot 4 d. bobot 4 Gambar 6 Hasl regstras angry brd vew 1 dan vew 2 12
5 Nla bobot yang semakn besar menunjukkan pentngnya faktor warna dbandngkan dengan bentuk. Hal n dtunjukkan dengan asl grafk (gambar 5). Konds awal pont cloud sangat mempengaru keberaslan proses regstras. Pada sudut rotas 20 derajat, pont cloud model dan data yang salng bertmpa (overlap) terdapat dalam jumla yang banyak. Hal n sangat memungknkan untuk mempermuda terjadnya korespondens pont cloud. Ketka korespondens pont cloud dapat dlakukan dengan muda, maka proses regstras akan berasl. Pemberan nla bobot yang bertngkat, berpengaru teradap kecenderungan regstras teradap warna dbandngkan dengan bentuk. Hal n dtunjukkan dengan perbandngan grafk resdual error metode RGB Color ICP pada konds awal yang mempunya resdual error bernla tngg dbandngkan dengan metode ICP no. Sudut rotas 20 derajat, merupakan sudut terbesar yang mas memungkn terjadnya konds konvergen. Jka dlakukan perlakukan dengan sudut rotas leb dar 20 derajat, maka pada sudut rotas tersebut, terdapat pont cloud yang salng bertmpa dalam jumla yang sedkt. Hal n berakbat pada saat korespondens pont cloud berlangsung, anya ddapatkan kesesuaan dalam jumla yang sedkt. Pemberan nla bobot pada tngkat berapapun, tentu tdak akan mempengaru keberaslan proses regstras. Hal n dkarenakan pada konds awal ddapatkan pont cloud yang salng bertmpa dalam jumla yang sedkt. V. KESIMPULAN Peneltan n tela mengembangkan metode regstras pont cloud dengan memanfaatkan ftur warna red green blue (RGB) pada objek berkontur dan memlk warna permukaan. Jka dbandngkan dengan metode ICP no, metode RGB Color ICP menunjukkan prosentase penurunan nla resdual error rata rata sebesar 3,395%. Hal n dapat djadkan referens bawa pemanfaatan ftur warna dapat dgunakan untuk menngkatkan akuras regstras pont cloud. Peneltan selanjutnya dapat dkembangkan ftur warna permukaan objek selan RGB untuk keperluan regstras pont cloud sengga dapat tercpta penngkatan akuras yang leb bak. REFERENCES [1] Arun. K. S., Huang, T. S., Blosten, S. D. (1987)., Least-Squares Fttng of Two 3-D Pont Sets. IEEE Transactons on Pattern Analyss and Macne Intellgence vol. PAMI-9, No. 5, [2] Besl, P. and McKay, N (1992). A Metod for Regstraton of 3-D Sapes.IEEE Transactons on Pattern Analyss and Macne Intellgence, Vol. 14, No. 2, al [3] Cen, Y and Medon, G (1992), Object Modellng by Regstraton of Multple Range Images, Image Vson Computer, vol. 10, no. 3, al [4] Duoad, L., Aldon, M. J. dan Crosner, A. (2006), Par-wse Regstraton of 3D/Color Data Sets wt ICP, Proceedngs of te IEEE/RSJ Internatonal Conference on Intellgent Robots and Systems, Bejng, Cna [5] Godn, G., Roux, M dan Barbeau, R. (1994), Tree-Dmensonal Regstraton Usng Range and Intensty Informaton, Proceedngs of SPIE, Vol. 2350, SPIE. Hal [6] Gostasby, Ardesr (2005), 2-D and 3-D Image Regstraton for Medcal, Remote Sensng and Industral Applcatons. A Jon Wley & Sons, Inc. Hoboken, New Jersey [7] Jonson, A. E dan Kang, S. B (1997), Regstraton and Integraton of textured 3-D Data, Internatonal Conference on Recent Advanves on 3- D Dgtal Imagng and Modelng, al [8] Lnsen, Lars (2001), Pont Cloud Representaton, Unverstat Karlsrue, Germany [9] Zang, Zengyou (1994), Iteratve Pont Matcng for Regstraton of FreeForm Curves, IJCV, vol. 13, no. 2, al
BAB VIII PENUTUP 8.1. Kesimpulan Penelitian
A VIII PENUTUP 8.. Kesmpulan Peneltan Dalam peneltan yang tela dlakukan, dperole nformas knerja transms dan spektrum gelombang serta stabltas terumbu ottle Reef TM sebaga peredam gelombang ambang terbenam
Lebih terperinciIntegrasi. Metode Integra. al Reimann
Integras Metode Integra al Remann Metode Integral Trapezoda Metode Integra al Smpson Permasalaan Integras Pertungan ntegral adala pertungan dasar yang dgunakan dalam kalkulus, dalam banyak keperluan. Integral
Lebih terperinciU JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK
Jurusan Teknk Spl dan Lngkungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SABTU, JULI OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara bole menggunakan komputer untuk mengerjakan soal- soal ujan n. Tabel
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciPage 1
Image Recognton Tresold Sebelum melangka pada proses pendeteksan ss terleb daulu ctra duba ke dalam ctra yang anya terdr dar dua warna saa yatu warna tam yang menampakkan ss obek dan yang lannya akan dbuat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 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 terperinciPerbandingan Metode Partial Least Square (PLS) dengan Regresi Komponen Utama untuk Mengatasi Multikolinearitas
Statstka, Vol. No., 33 4 Me 0 Perbandngan Metode Partal Least Square (PLS) dengan Regres Komponen Utama untuk Mengatas Multkolneartas Nurasana, Muammad Subanto, Rka Ftran Jurusan Matematka FMIPA UNSYIAH
Lebih terperinciBAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun
BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole
Lebih terperinciPembentukan Prototype Data Dengan Metode K-Means Untuk Klasifikasi dalam Metode K- Nearest Neighbor (K-NN)
Pembentukan Prototype Data Dengan Metode K-Means Untuk Klasfkas dalam Metode K- Nearest Neghbor () Kharul Umam Syalman Magster Teknk Informatka Faslkom - TI USU kharul.q14@gmal.com Adl Abdllah Nababan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciPembentukan Prototype Data Dengan Metode K-Means Untuk Klasifikasi dalam Metode K- Nearest Neighbor (K-NN)
Pembentukan Prototype Data Dengan Metode K-Means Untuk Klasfkas dalam Metode K- Nearest Neghbor () Kharul Umam Syalman Magster Teknk Informatka Faslkom - TI USU kharul.q14@gmal.com Adl Abdllah Nababan
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciAnalisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank
ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan
Lebih terperinciREKONSTRUKSI CITRA PADA SUPER RESOLUSI MENGGUNAKAN PROJECTION ONTO CONVEX SETS
REKONSTRUKSI CITRA PADA SUPER RESOLUSI MENGGUNAKAN PROJECTION ONTO CONVEX SETS Nama Mahasswa : Achmad Bryand NRP : 1207 100 006 Jurusan : Matematka FMIPA-ITS Dosen Pembmbng : 1. Dr. Imam Mukhlash, S.S,
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciBAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
PENDAHULUAN Latar Belakang Pada saat n penamplan nformas dalam bentuk ctra semakn banyak dbutuhkan Hal n tdak lepas dar karakterstk ctra yang cenderung mudah dpaham Surat kabar, televs, dan stus web d
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciMODEL PEMANFAATAN SUMBER DAYA ALAM DAN ENERGI DENGAN METODE LEAST TRIMMED SQUARED
MODEL PEMANFAATAN SUMBER DAYA ALAM DAN ENERGI DENGAN METODE LEAST TRIMMED SQUARED Harm Sugart 1 1 FMIPA Unverstas Terbuka. Tangerang Selatan Emal korespondens : arm@ut.ac.d Abstrak Eksplotas sumber daya
Lebih terperinciPengenalan Karakter Tulisan Tangan Angka dan Operator Matematika Berdasarkan Zernike Moments Menggunakan Support Vector Machine
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Prnt) 1 Pengenalan Karakter Tulsan Tangan Angka dan Operator Matematka Berdasarkan Zernke Moments Menggunakan Support Vector Machne
Lebih terperinciDIMENSI PARTISI GRAF GIR
Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBab IV Pemodelan dan Perhitungan Sumberdaya Batubara
Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan
Lebih terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciPERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT
BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com
Lebih terperinciBAB II DASAR TEORI. Gambar 2-1 Photogrammetry proses [10].
BAB II DASAR TEORI 2. Photogrammetry Photogrammetry adalah suatu teknk yang dgunakan untuk menentukan koordnat suatu ttk pada ruang tga dmens yang berasal dar dua atau lebh gambar dua dmens ttk tersebut
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. menghimpun dana dari pihak yang kelebihan dana (surplus spending unit) kemudian
Pengaruh Captal Structure terhadap Proftabltas pada Industr Perbankan d Indonesa Mutara Artkel n d-dgtalsas oleh Perpustakaan Fakultas Ekonom-Unverstas Trsakt, 2016. 021-5663232 ext.8335 BAB I PENDAHULUAN
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciPENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL
Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciANALISIS KEMIRIPAN POLA CITRA DIGITAL MENGGUNAKAN METODE EUCLIDEAN
AALISIS KEMIRIPA POLA CITRA DIGITAL MEGGUAKA METODE EUCLIDEA Eus St ur Asyah1), Abdul Hayat2), Puspa Wdant3), Shnta Yulnda Prasetya4), Helm Iskandar5) 1), 2 ), 3) Komputersas Akuntans AMIK Raharja Informatka
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciSEGMENTASI BERBASIS REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU
EGMENTAI BERBAI REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU Arf Basof,.Kom, Moch. Harad, T, M.c, Ph.D. Program Magster Bdang Keahlan Jarngan Cerdas
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciAPLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS
Vol No Jurnal Sans Teknolog Industr APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Ftr Aryan Dew Yulant Jurusan Matematka Fakultas Sans Teknolog UIN SUSKA Rau Emal:
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciOPTIMALISASI PEROLEHAN MINYAK MENGGUNAKAN PEMISAHAN SECARA BERTAHAP. Abstrak
OPTIMALISASI PEROLEHAN MINYAK MENGGUNAKAN PEMISAHAN SECARA BERTAHAP Reza Fauzan 1 1 *Emal: reza.fauzan@gmal.com Abstrak Peneltan tentang penngkatan jumlah produks mnyak yang dperoleh dar sumur produks
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciBAB IV HASIL DAN ANALISIS DATA PENELITIAN. Mojokerto pada kelas IX-A yang berjumlah 34 siswa. Penelitian ini dilaksanakan
57 BAB IV HASIL DAN ANALISIS DATA PENELITIAN A. Deskrps Pelaksanaan Peneltan Kegatan peneltan n tela dlaksanakan ole penelt d MTs Neger Mojokerto pada kelas IX-A yang berjumla 34 sswa. Peneltan n dlaksanakan
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciPROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM. DENGAN Principal Component Analysis (PCA)
PROPERT DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN Prncpal Component Analyss (PCA) Oleh : Hanna aa Parhusp, usp, Deva eawdyananto a dan Bernadeta Desnova Kr Program Stud Statstka
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciDekomposisi Nilai Singular dan Aplikasinya
A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciIII PEMODELAN MATEMATIS SISTEM FISIK
34 III PEMODELN MTEMTIS SISTEM FISIK Deskrps : Bab n memberkan gambaran tentang pemodelan matemats, fungs alh, dagram blok, grafk alran snyal yang berguna dalam pemodelan sstem kendal. Objektf : Memaham
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB 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 terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB I PENDAHULUAN. konsep strategi yang cocok untuk menghadapi persaingan baik itu mengikuti marketing
BAB I PENDAHULUAN 1.1 Latar Belakang Konds persangan dalam berbaga bdang ndustr saat n dapat dkatakan sudah sedemkan ketatnya. Persangan dalam merebut pasar, adanya novas produk, mencptakan kepuasan pelanggan
Lebih terperinciKLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING
KLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING Lsa Maranah 1, Fhra Nhta, Adwjaya 3 1,,3 ProdS1 Ilmu Komputas, Fakultas Informatka, Unverstas Telkom 1 lsamaranah@gmal.com, fhranhta@telkomunversty.ac.d,
Lebih terperinciDesainKontrolFuzzy BerbasisPerformansiH dengan Batasan Input-Output untuk Sistem Pendulum-Kereta
ugasakhr E 91399 DesanKontrolFuzzy BerbassPerformansH dengan Batasan Input-Output untuk Sstem Pendulum-Kereta to Febraranto (8116) Dosen Pembmbng: Prof. Dr. Ir. Achmad Jazde, M.Eng. Jurusan eknk Elektro
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciPENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD
Semnar Nasonal Sstem dan Informatka 2007; Bal, 6 November 2007 PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Nur Hasanah ) Istkhomah 2) Taufq Hdayat 3) Sr Kusumadew 4) Jurusan
Lebih terperinciMatematika Eigenface Menggunakan Metrik Euclidean
Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING BERBASIS SIMILARITAS MAKSIMAL
MAKALA EMINAR TUGA AKIR PERIODE JULI 00 IMPLEMENTAI EGMENTAI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING ERAI IMILARITA MAKIMAL Ayu Arta Paramta Relga, andayan Tjandrasa, Anny Yunart 3 Teknk Informatka,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciKonferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 DAFTAR REVIEWER
Konferens Nasonal Sstem & Informatka 2015 STMIK STIKOM Bal, 9 10 Oktober 2015 DAFTAR REVIEWER Dr. Agus Harjoko Prof. Dr. Sr Hartat Dr.-Ing. Reza Pulungan Dr. Djoko Soetarno, DEA Dr. Ir. Rla Mandala, M.Eng
Lebih terperinciBAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance
BAB IV METODE PENELITIAN 4.1 Lokas dan Waktu Peneltan Peneltan mengena Analss Pengaruh Kupedes Terhadap Performance Busness Debtur dalam Sektor Perdagangan, Industr dan Pertanan dlaksanakan d Bank Rakyat
Lebih terperinciSifat-sifat Operasi Perkalian Modular pada Graf Fuzzy
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au
Lebih terperinci.. Kekakuan Rangka batang Bdang (Plane Truss) BAB ANAISIS STRUKTUR RANGKA BATANG BIANG Struktur plane truss merupakan suatu sstem struktur ang merupakan gabungan dar seumlah elemen (batang) d mana pada
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinci