PENGENALAN POLA BAHAN TERKOROSI MENGGUNAKAN METODA PEMBELAJARAN PERCEPTRON PADA SISTIM JARINGAN SYARAF
|
|
- Sucianty Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGENALAN POLA BAHAN ERKOROSI MENGGUNAKAN MEODA PEMBELAJARAN PERCEPRON PADA SISIM JARINGAN SYARAF Me Susmat Pusat Pegembaga Iformas Nulr-BAAN Kawasa PUSPIPEK Serpog, agerag e-mal: ABSRAKSI Dalam bdag dustr merupaa suatu hal yag petg utu megetahu ods baha yag dperguaa hususya dalam pembagua stalas ulr. erdapat beberapa macam egagala baha dataraya oros. Dalam baya hal oros tda dapat dhdara, tetap terdapat baya usaha utu megedalaya. Pemodela da smulas merupaa salah satu cara utu megurag tgat oros. Pegeala pola baha teroros berbass ecerdasa buata dharapa dapat membatu sebaga usaha pegedala utu para ahl yag meeu masalah oros. Baya percobaa pegamata megguaa beberapa alat laboratorum. Mrostrutur dar baha dapat dgambara da strutur polaya dapat dovers dega pegolaha ctra. Utu meetua araterst dar pola tersebut, daalss dega prspal ompoe. Pemodela megguaa sstem jarga syaraf merupaa pembelajara da adaptas dar suatu obye. Metoda perceptro merupaa salah satu pembelajara dega pegawasa pada sstem jarga syaraf. Dperlua racaga jarga syaraf dega sejumlah spesfas utu detfas yag terdr dar sejumlah euro da sejumlah put. Sejumlah euro dguaa utu membedaa lasfas pada pegeala pola dar baha teroros atau tda teroros. Dalam pembelajara da pelatha data aa dambl beberapa data cotoh, emuda dlaua beberapa smulas. Mrostrutur dar data cotoh yag dtelt megguaa data laboratorum da data pustaa. Proses pegeala pola melput pegolaha ctra, aalss prspal ompoe da jarga syaraf dega megguaa MALAB. Kata uc: Koros, Pegeala pola, Pegolaha Ctra, Prspal Kompoe, Jarga Syaraf, Perceptro. 1. PENDAHULUAN Persoala yag serg tmbul pada berbaga perusahaa dustr dalam pegguaa baha dustr, salah satuya adalah egagala baha. Fator tersebut petg dalam ataya dega pembagua PLN. erdapat beberapa macam egagala baha dataraya adaya oros. Koros berabat pada aspe eoom atara la eruga produs selama peerjaa terhet abat perbaa, tggya baya perawata, baya gat rug pada osume abat erusaa produ yag dbelya, turuya mutu produ abat otamas dar oros, tggya baya baha baar da eerg abat ebocora serta mplas sosal laya. Dalam baya hal oros tda dapat dhdara, tetap terdapat baya usaha utu megedalaya [13]. Beberapa fator petg dalam pegedala oros adalah pemlha umur racaga, strutur baha yag dguaa, campura baha secara tepat, pelapsa da laya. Berbaga pemodela da smulas dtempuh utu megurag tgat oros. Dalam hal aa duraa pegeala pola baha teroros atau uj oros berbass ecerdasa buata yag dharapa dapat membatu sebaga usaha pegedala utu para ahl yag meeu masalah oros. Dalam pegamata baha teroros, dguaa berbaga alat laboratorum dega proses maw tertetu. Mrostrutur dar baha dapat dgambara, dataraya megguaa mrosop opt, SEM, mrograf da laya. Strutur pola dapat dovers dalam betu dgtal dega proses pegolaha ctra [11]. Utu meetua araterst pola tersebut, daalss dega prspal ompoe. Pemodela megguaa sstem jarga syaraf merupaa pembelajara da adaptas suatu obye [1]. Idetfas apaah suatu baha teroros atau tda teroros dapat detahu. Metoda perceptro merupaa metoda pembelajara dega pegawasa pada jarga syaraf. Dperlua racaga jarga syaraf dega sejumlah spesfas utu detfas, yag terdr dar sejumlah euro da put sehgga dapat dguaa utu membedaa lasfas pada pegeala pola dar baha teroros atau tda teroros. Dalam pembelajara da pelatha data aa dambl beberapa data cotoh yag emuda dlaua beberapa smulas. Mrostrutur dar beberapa data cotoh yag dtelt megguaa data laboratorum da data pustaa. Utu proses pegeala pola yatu pegolaha ctra, aalss prspal ompoe da jarga syaraf dguaa MALAB. 2. KOROSI Koros atau arat adalah peurua mutu logam area reas eletroma dega lgugaya. Karat haya dhususa bag oros pada bes, sedaga oros adalah gejala alam yag meghampr semua logam. Berart, hlagya satu eletro dar logam atau bua logam D-33
2 termasu eram, plast, aret da baha bua logam laya yag bereas dega ar atau udara. Koros dapat terjad cepat atau lambat. Koros dapat dabata dar peggabuga logam ta sejes da efe galva atau oros d lguga ar [2, 5]. Dasumsa eta logam membeu membetu strutur s rstal yag sagat tertata, tda ada cacat dalam susua tumpuaya. Sesugguhya tda dema, area logam mempuya etda sempuraa atau cacat, pada strutur sya da hal sagat berpegaruh pada sfat-sfat oros logam. Strutur butr logam terjad abat proses pemadata selama pecetaa. Sela hal tersebut sagat dpegaruh oleh perlaua mea yag dterma selama fabras termasu ds pegelasa. Sfat yag dml oleh logam yag dtempa dapat megabata perubaha betu pada butr-butr serta reta atau patah pada baga s yag tda sempura. Berut beberapa gambar strutur baha yag teroros tergrauler yatu bla daerah batas butr terserag abat ada edapa ddalamya dar tampa atas da sampg [13]. Gambar 1. Mrograf oros tergrauler deat terjadya egagala (tampa atas) Gambar 2. Mrograf oros tergrauler deat terjadya egagala (tampa sampg) 3. SISIM PENGENALAN POLA BAHAN ERKOROSI Pegeala pola terhadap baha teroros da tda teroros melput tga tahapa. Adapu mrostrutur dar preparas cotoh baha teroros da tda teroros telah daalss sebelumya d laboratorum yag dapat meguaa berbaga alat dataraya mrograf, mrosop opt ataupu SEM. ahap pertama dguaa proses pegolaha ctra, tahap edua dlaua aalss prspal ompoe da tahap etga megguaa ecerdasa jarga syaraf. Strutur pola dalam betu gambar atau foto dapat dovers dega proses pegolaha ctra mejad betu dgtal. Utu meetua araterst dar pola tersebut, daalss dega prspal ompoe. Utu megdetfas apaah suatu baha teroros atau tda teroros dguaa ecerdasa jarga syaraf [4]. Dalam pembelajara da pelatha data aa dambl beberapa mrostrutur dar data cotoh hasl preparas ataupu dar data pustaa utu baha teroros da tda teroros emuda dlaua beberapa smulas. 3.1 Proses Pegolaha Ctra Suatu pola mempuya suatu testur husus, dega berbaga varas dalam tgat eabua atau wara. Rata-rata tgat eabua da smpaga bau dyataa sebaga mome. Rata-rata dhubuga dega mome pertama, smpaga bau tergatug pada mome edua da terdapat beberapa uura laya yag dguaa utu meyataa araterst suatu daerah testur [1]. Secara umum mome dyataa sebaga, _ ( x x} M = (1) N dmaa N adalah jumlah tt-tt data, da adalah uruta dar mome. Sewes da Kurtoss atau emelujura da emecega ddefsa sebaga, S _ ) 1 ( x = x N σ ( ) _ 1 ( x x) 4 Kurt = ( ) 3 (2) N σ Hal dguaa dalam cara yag sama sebaga smpaga bau, meghtug statst terhadap wdow/jedela da la psel pada pusat jedela da setarya. Uura la yag dperlua adalah peluag masmum, selsh mome, otras, homogetas, etrop serta hstogram. Peluag masmum adalah masua dalam matrs, berhubuga dega trass da petg utu testur yag dselesaa. Order atau uruta selsh mome usur ddefsa sebaga: Mome = ( j) M [, (3) j Harga datas mempuya la terecl dalam hal usur-usur terbesar dalam M berada sepajag dagoal prspal. Pegaruh ebalaya dguaa mome-ebala, 1 M[, (4) Mome =, j j ( j) Pedeata otras dbera sebaga berut; C (, ) = ( j) M[, (5) j dmaa = = 1, la utu la dugaa dar beda atara dua psel. Nla homegetas dbera sebaga berut: M[, (6) G = 1 + j j 3 D-34
3 Nla terecl dar G berart bahwa la terbesar dar M berada deat dagoal prspal G, 1 sama sepert pada Mome. 1 Etrop merupaa uura formas dar s M, yag dhtug dega: H = M[, log M [, (7) j 3.2 Prspal Kompoe Aalss Prspal ompoe aalss (PCA) adalah te utu meyederhaaa umpula data dega megurag umpula data baya dmes mejad dmes yag lebh redah [12]. Aalss adalah suatu trasformas ler orthogoal yag metrasformas data e sstem oordat baru, sehgga eragama terbesar dega suatu proyes berada pada oordat pertama (dsebut prspal ompoe pertama), eragama terbesar edua pada oordat edua da seterusya [6]. Utu suatu matrs data dega la tegah ol (sebara ormal bau), rasformas PCA dbera sebaga: Y = X W = V (8) V W adalah sgular value deomposs (svd) dar X [7]. PCA utu data matrs X dbera sebaga : Y = W X = V (9) dmaa W V adalah svd dar X. PCA dapt megguaa metoda ovaras atau metoda orelas. Dalam hal dguaa metoda ovaras dega algortma berut: a. umpula data dbetu dalam matrx X beruura M x N b. Ja dperlua data dstadardsas atau mempuya sebara ormal bau c. etua matrs ovara d. etua la araterst da vetor araterst dar matr ovara e. Uruta vetor araterst V da la araterst dar matrs D dalam uruta la araterst meuru. f. Htug la umulatf eerg utu tap vetor araterst g. Plh sub hmpua dar vetor araterst sebaga bass vetor 3.3 Kecerdasa Jarga Syaraf Pemodela jarga syaraf merupaa pembelajara da peyesuaa suatu obye. Metode perceptro adalah metode pembelajara dega pegawasa dalam sstm jarga syaraf, sehgga jarga yag dhasla harus mempuya parameter yag dapat datur dega cara megubah melalu atura pembelajara dega pegawasa [8]. Jarga eural terdr dar sejumlah euro da sejumlah masua. Dalam meracag jarga eural perlu dperhata bayaya spesfas yag aa ddetfas. Persapa megguaa perceptro utu aplas pegeala pola dgambara sebaga usur matr atara da 1. Layer pertama perceptro meyataa suatu umpula detetor tada sebaga syarat put utu megetahu tada husus. Layer edua megambl output dar tada husus dalam layer pertama da meglasfasa pola data yag dbera. Pembelajara dyataa dega membuat atura hubuga yag releva (bobot w ) dega suatu la ambag (θ ). Utu persoala dua-elas, layer output mempuya haya satu smpul. Utu persoala elas- dega 3, layer output mempuya smpul, yag masg-masg berorespodes terhadap suatu elas, da smpul output dega la terbesar megdas elas maa vetor put termasu d dalamya. Fugs g dalam layer-1 adalah osta yag dhtug sebelumya, memetaa semua atau sebaga pola put edalam la ber x {-1,1} atau la bpolar x {,1}. Satua output adalah usur ambag ler dega la ambag θ berut: ο = = ( w x θ ) f = ο = f ( w x + w, w θ (1) = ) ο = f ( w x ), x 1 w : bobot yag dapat dmodfas sehubuga edataga syarat x, da w (= θ ) merupaa pedeata. Persamaa (1) meujua bahwa ambag dgambara sebaga bobot hubuga datara satua eluara da suatu syarat edataga bayaga x (gambar-1). Fugs f(.) adalah fugs atvas perceptro da hal husus berlau utu suatu fugs sgum sg(x) atau fugs step step(x) [3,9]: sg(x) = 1 ja x > -1 ja laya step(x) = 1 ja x > = ja laya Prosedur pembelajara megambl bobot yag berhubuga terhadap satua output (dalam layer terahr). Ja haya bobot pedahulu pada layer terahr yag drubah, perceptro dalam gambar 3 dperlaua sebaga perceptro layer tuggal. Dmula dega hmpua bobot terhubug yag aca, algortma pembelajara perceptro layer tuggal dulag megut tahapa berut sampa bobot overge: a. Plh suatu vetor put x dar umpula data pelatha b. Ja perceptro membera jawaba salah, modfas semua bobot terhubug w sesua dega w = η t x, t : target output da η : tgat pembelajara. D-35
4 Atura pembelajara dapat daplasa dega merubah la ambag θ (=-w ) sesua persamaa (1). Nla tgat pembelajara η dapat mejad osta melalu pelatha atau proporsoal terhadap esalaha yag membuat overge lebh cepat tetap dapat meyebaba pembelajara tda stabl. Msalya arstetur dar eural etwor yag terdr dar s euro da r masua dapat dyataa dalam gambar berut: Gambar 3. Cotoh arstetur eural etwor dega s euro da R masua 4. PEMBAHASAN ahap pertama dalam proses pegeala pola dar mrosrutur baha teroros da baha tda teroros, melput proses pegolaha ctra, da aalss prspal ompoe. Daalss beberapa cotoh baha teroros da tda teroros hasl preparas laboratorum serta cotoh data dar daftar pustaa yag dbera prosedurya pada lampra A. Pada tahap edua, sesua gambar 3, matrs data pembelajara beruura 8 x 6, aa dmasua utu tap euro secara bersamaa. Dambl eam la araterst yag terbesar atau doma dar hasl pada lampra A, dega delapa cotoh put yag dbera, yag terdr dar eam cotoh put utu baha teroros da dua cotoh put utu baha tda teroros. Data pelatha dambl eam cotoh put dataraya berturut-turut satu cotoh baha tda teroros da lma cotoh baha teroros. Pada smulas pertama dambl satu cotoh put baha tda teroros da lma cotoh put baha teroros. Berutya pada smulas edua dambl satu cotoh put baha tda teroros, empat cotoh put baha teroros, satu cotoh put baha dega mrostrutur tda seharusya. Sedaga pada smulas etga dbera 5 cotoh baha teroros da 1 baha tda teroros. Secara eseluruha program da hasl dbera pada lampra B dega catata ode 1 utu baha teroros da ode utu baha tda teroros atau mrostrutur yag tda seharusya. Hasl eberhasla detfas dbera dalam tabel 1 berut, utu 32 cotoh put. abel 1. Hasl Idetfas Jarga Syaraf Cotoh Baha Jumlah bear Jumlah salah Prosetase etelta eroros 25 1% da teroros % 5. KESIMPULAN Proses pegeala pola melput tahapa proses pegolaha ctra, aalss prspal ompoe da ecerdasa jarga syaraf. Pola mrostrutur dar baha teroros da tda teroros dapat dyataa da dovers dalam betu dgtal dega proses pegolaha ctra. Dega aalss prspal ompoe dapat dtetua araterst yag doma dar pola tersebut yag dapat dguaa pada sstm jarga syaraf. Pemodela utu membedaa lasfas baha teroros da tda teroros megguaa ecerdasa jarga syaraf dega metoda perceptro. Dalam pembelajara, pelatha da smulas tersebut datas, dperoleh hasl yag sesua da yag dharapa. merupaa pembelajara da adaptas suatu obye yag cuup ba. PUSAKA [1] Aryato, Guawa, cs, Had Gesture Recogto Usg Neural Networ for Robotc Arm Cotrol, Proceedgs of Natoal Coferece o Computer Scece & Iformato echology 27, page 412, Faculty of Computer Scece, Uversty of Idoesa, Jaarta. [2] Fotaa, Mars G., Corroso Egeerg, McGraw-Hll Iteratoal Edtos, [3] Fu, LM, Neural Networs Computer Itellgece, McGraw-Hll, Ic., Sgapore, [4] Hasel ma, Duae; Lttlefeld, Bruce, Masterg MALAB 5, A Comprehesve utoral ad Referece, Pretce-Hall Ic, [5] 27/4/27, page 1-8. [6] poets_aalyss, 23/2/27, page1-1. [7] value decomposto, 23/2/27, page1-14. [8] Jag, J.-S. R.; Su, C.-.; Mstue, E., Neuro Fuzzy Ad Soft Computg, A Computatoal Approach to Learg ad Mache Itellgece, Pretce-Hall Iteratoal Edtos, [9] Koso, Bart, Neural Networs ad Fuzzy Systems, A Dyamcal Systems Approach to Mache Itellgece, Pretce-Hall Iteratoal Edtos, D-36
5 [1] Parer J. R., Algorthms for Image Processg ad Computer Vso, Wley Computer Publshg, Joh Wley & Sos, Ic, [11] Pearso, Do, Image Processg, McGraw- Hll Iteratoal Edtos, [12] Susmat, Me, Peyederhaaa Pemetaa Strutur Ketergatuga Varabel Megguaa e Prspal Kompoe, Prosdg Loaarya Komputas dalam Sas da eolog Nulr XII, 21, BAAN, Jaarta. [13] rethewey, Keeth R; Chamberla, Joh, Koros, utu mahasswa sas da reayasa, Peerbt P Grameda Pustaa Uatama, Jaarta, Lampra A: Program overs ctra da meghtug la araterst doma utu salah satu ctra oros clear; clc; fb=fope('out_oros72_boo2.m','w'); X=mread('oros72_boo2.bmp'); DX=double(X); COVDX=cov(DX); fprtf(fb,'\ Ege Value S \'); EIGDX=egs(COVDX); fprtf(fb,'%9.2f\',eigdx); [VS,DS,FLAG]=egs(COVDX); fprtf(fb,'\ VS \'); fprtf(fb,'%9.2f',vs); fprtf(fb,'\ DS \'); fprtf(fb,'%9.2f %9.2f %9.2f %9.2f %9.2f %9.2f\',DS); %fprtf(fb,'\ Flag \'); %fprtf(fb,'%9.2f\',flag); SVDS=svds(COVDX) fprtf(fb,'\ SVDS : \'); fprtf(fb,'%9.2f\',svds); fprtf(fb,'\ Prcpal compoe from covarace :'); [PC,LAEN,EXPLAINED]=pcacov(COVDX); %fprtf(fb,'\ LAEN \'); %fprtf(fb,'%9.2f\',laen); fprtf(fb,'\ Explaed \'); fprtf(fb,'%9.2f\',explained); fclose(fb); Hasl: Prcpal compoe from covarace: Ege Value S : DS SVDS: Explaed Lampra B: Program uj oros clear; clc; fb=fope('out_cr_oros_1.txt','w'); % A. ahap pembelajara jarga % A.1 Delaras da Isalsas jarga euro et1=ewp([ 1; 1; 1; 1; 1; 1],1); w1=et1.iw{1,1,1,1,1,1}; b1=et1.b{1}; % A.2 Delaras matrs araterst p1=[ ; ; ; ; ; ; ; ]; potal1=p1'; % A.3 Delaras arget t1 = [ ]; % A.4 Proses pelatha et1=tra(et1,potal1,t1); fprtf(fb,'ahap Pembelajara :\'); for =1:8, fprtf(fb,'smulas oros :\'); a1=[sm(et1,potal1(:,))] fprtf(fb,'%4.f\',a1); ed; % B. ahap smulas % B.1 Delaras da Isalsas jarga et=ewp([ 1; 1; 1; 1; 1; 1],1); w=et.iw{1,1,1,1,1,1}; b=et.b{1}; % B.2 Delaras matrs araterst p=[ ; ; ; ; ; ]; potal=p'; % B.3 Delaras arget t = [ ]; % B.4 Proses pelatha et=tra(et,potal,t); fprtf(fb,'ahap Pelatha :\'); for =1:6, fprtf(fb,'smulas oros :\'); atra=[sm(et,potal(:,))] fprtf(fb,'%4.f\',atra); ed; % C. Smulas pertama % C.1 Delaras smulas pertama p2=[ ; ; ; ; ]; potal2=p2'; % C.2 Proses Pelatha D-37
6 et=tra(et,potal2,t); fprtf(fb,'ahap Smulas pertama :\'); for =1:6, fprtf(fb,'smulas oros :\'); atrag=[sm(et,potal2(:,))] fprtf(fb,'%4.f\',atrag); ed; % D. Smulas e 2 % D.1 Delaras smulas e 2 p3=[ ; ; ; ]; potal3=p3'; % D.2 Proses Pelatha et1=tra(et1,potal3,t); fprtf(fb,'ahap Smulas edua :\'); for =1:6, fprtf(fb,'smulas oros :\'); atrag2=[sm(et1,potal3(:,))] fprtf(fb,'%4.f\',atrag2); ed; % D. Smulas e 3 % D.1 Delaras smulas e 3.. fprtf(fb,'ahap Smulas etga :\'); for =1:6, fprtf(fb,'smulas oros :\'); atrag2=[sm(et1,potal3(:,))] fprtf(fb,'%4.f\',atrag2); ed; fclose(fb); Hasl: ahap Pembelajara : ahap Pelatha : ahap Smulas pertama : ahap Smulas edua : ahap Smulas etga : D-38
STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya
Lebih terperinciBAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam
BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data
Lebih terperincititik tengah kelas ke i k = banyaknya kelas
STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e
Lebih terperinciSTATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu
Lebih terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciII. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan
II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor
Lebih terperinciANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.
ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa
Lebih terperinciANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)
ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciIII. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah
3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa
Lebih terperinciBAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)
BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut
Lebih terperinciBAB I PANDAHULUAN. 1.1 Latar Belakang
BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas
Lebih terperinciAPLIKASI JARINGAN SYARAF UNTUK IDENTIFIKASI EFEK RADIASI PADA BAHAN
APLIKASI JARINGAN SYARAF UNUK IDENIFIKASI EFEK RADIASI PADA BAHAN Mike Susmikati Pusat Pegembaga Iformasi Nuklir-BAAN Kawasa PUSPIPEK Gd. 71, Serpog, agerag elp. 7560905, FAX. 7560923 Email : mike@bata.go.id
Lebih terperinciUKURAN DASAR DATA STATISTIK
UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL
Lebih terperinciadalah nilai-nilai yang mungkin diambil oleh parameter jika H
Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu
Lebih terperinciKAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT
Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real
Lebih terperinciH dinotasikan dengan B H
Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )
Lebih terperinciBAB 3 Interpolasi. 1. Beda Hingga
BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciHIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1
HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w
Lebih terperinciBAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen
BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah
Lebih terperinciANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE
Aalss Losses Jarga Dstrbus Prmer 0 v Area Lhoseumawe....Zamzam ANALSS LOSSES JARNGAN DSTRBUS PRMER 0 AREA LHOSEUMAWE Zamzam 1 1 Dose Jurusa Te Eletro Polte Neger Lhoseumawe ABSTRA Peelta bertujua utu megetahu
Lebih terperinciKajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d
Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas
Lebih terperinciBukti Teorema Sisa China dengan Menggunakan Ideal Maksimal
Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciUNIVERSITAS INDONESIA
UNIVERSITAS INDONESIA STUDI KARAKTERISTIK NEURAL NETWORK ENSEMBLE BERBASIS FUNGSI EROR CROSS ENTROPY DAN KUADRATIS SKRIPSI ALIFIA FITHRITAMA 0706163590 FAKULTAS TEKNIK PROGRAM STUDI TEKNIK ELEKTRO DEPOK
Lebih terperinciBAB III METODE PENELITIAN
30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 ANDAAN EOI Pada a aa dperlhata teor-teor yag erhuuga dega peelta sehgga dapat djada seaga ladasa erfr dalam melaua peelta da aa mempermudah dalam hal pemahasa hasl utama pada a erutya. eor terseut
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciJEMBATAN PADA GRAF FUZZY INTUITIONISTIC
JEMTN PD GRF FUZZY INTUITIONISTIC St lfatur Rohmaah, au Surarso, da ambag Irawato 3 Uverstas Islam Darul Ulum Lamoga, a0304@gmalcom Uverstas Dpoegoro Semarag 3 Uverstas Dpoegoro Semarag bstract tutostc
Lebih terperinciBAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai
BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga
Lebih terperinciRangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data
Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga
Lebih terperinciAnalisa Probabilistik Algoritma Routing pada Jaringan Hypercube
Aalsa Probablst Algortma Routg pada Jarga ypercube Zuherma Rustam Jurusa Matemata Uverstas Idoesa Depo 644. E-mal : rustam@maara.cso.u.ac.d Abstra Algortma routg pada suatu arga teroes suatu measme utu
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciRegresi Linier Sederhana Definisi Pengaruh
Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh
Lebih terperinciMENINGKATKAN KEMAMPUAN PENGENALAN POLA SINYAL DENGAN OPTIMALKAN RULES PADA FUZZY NEURAL NETWORK
Semar Nasoal Iformata 2013 (semasif 2013) ISSN: 1979-2328 UPN Vetera Yogyaarta, 18 Me 2013 MENINGKATKAN KEMAMPUAN PENGENALAN POLA SINYAL DENGAN OPTIMALKAN RULES PADA FUZZY NEURAL NETWORK Muhtar Haaf Program
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinci8.4 GENERATING FUNCTIONS
8.4 GEERATIG FUCTIOS Fugs pembagt Fugs pembagt dguaa utu merepresetasa barsa secara efse dega megodea usur barsa sebaga oefse deret pagat dalam varabel. Fugs pembagt dapat dguaa utu: memecaha berbaga masalah
Lebih terperinciSTUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE
STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.
Lebih terperinciIr. Tito Adi Dewanto
Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug
Lebih terperinciOPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK
Jural Ilmah Mrote Vol., No. 4 OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Joha Vara Alfa ), Rully Soelama ), Chaste Fatchah ) ), ), ) Te Iformata, Faultas
Lebih terperinciPemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion
Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma
Lebih terperinciPROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)
H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat
Lebih terperinciSTATISTIKA ELEMENTER
STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,
Lebih terperinciBAB III TEORI PERRON-FROBENIUS
BB III : EORI PERRON-FROBENIUS 34 BB III EORI PERRON-FROBENIUS Pada Bab III aa dbahas megea eor Perro-Frobeus, yatu teor hasl otrbus dar seorag matematawa asal Germa, Osar Perro da Ferdad Georg Frobeus
Lebih terperinciPemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa
Lebih terperinciBAB III UKURAN PEMUSATAN DATA
BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,
Lebih terperinciGambar 3.1Single Channel Multiple Phase
BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag
Lebih terperinciE ax by c ae X be Y c. 6.1 Pengertian Umum
6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga
Lebih terperinciPelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur
Jural Matemata Itegrat ISSN 4-4 Vol. 9 No. Otober 0 pp. -9 Pelabela Total Super Ss Ajab Pada Gra Caterpllar Teratur Trya St Rahmah Nursham Muta Nur Estr Program Stud Matemata Jurusa MIPA Faultas Sas da
Lebih terperinciBAB II TINJAUAN PUSTAKA. Menurut Daniel L. Schodek (1999), gempa bumi dapat terjadi karena fenomena
Bab II Tjaua Pustaa BAB II TINJAUAN PUSTAKA. Tjaua Pustaa Meurut Dael L. Schode (999), gempa bum dapat terjad area feomea getara dega ejuta pada era bum. Fator utama adalah betura pergesea era bum yag
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD
Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD
Lebih terperinciSUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS
C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah
Lebih terperinciBAB III UKURAN PEMUSATAN (RATA-RATA)
BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata
Lebih terperinciAnalisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma
JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciPENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA
PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda
Lebih terperinciImplementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear
JURNL TKNIK ITS Vol. Sept ISSN: -97 - Implemetas lgortma Partcle Swarm utu Meyelesaa Sstem Persamaa Nolear rdaa Rosta Yudh Purwaato da Rully Soelama Jurusa Te Iformata Faultas Teolog Iformas Isttut Teolog
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciMODEL GARIS ARUS UNTUK RESERVOIR YANG BERHUBUNGAN DENGAN AQUIFER. Ir. Mulia Ginting, MS * Ir. Siti Nuraeni E.S., MS *
MODEL GARIS ARUS UNTUK RESERVOIR YANG BERHUBUNGAN DENGAN AQUIFER Ir. Mula Gtg, MS * Ir. St Nurae E.S., MS * ABSTRAK Model smulas gars arus adalah suatu te smulas yag dapat dterapa gua meramala erja pedesaa
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu
Lebih terperinciMETODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k
Prma: Jural Program Stud Pedda da Peelta Matemata Vol. 6, No., Jauar 07, hal. 7-59 P-ISSN: 0-989 METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l UNTUK BEBERAPA NILAI
Lebih terperinciBAB I PENDAHULUAN. Statistik Terapan Sem 3 D-IV Jalan Tol
BAB I PENDAHULUAN PENGERTIAN ISTILAH STATISTIK DAN STATISTIKA Baya seal des tetag statst, dsebaba area luasya ruag lgup statst Utu eperlua prats, statst dapat darta secara sempt da luas Dalam art sempt,
Lebih terperinciMateri Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat
Mater Bahasa Pemrograma Blaga Bulat (Iteger Programmg) Kulah - Pegatar pemrograma blaga bulat Beberapa cotoh model pemrograma blaga bulat Metode pemecaha blaga bulat Metode cuttg-plae Metode brach-ad-boud
Lebih terperinciTeknik Mengatasi Data Hilang pada Kasus Rancangan Blok Lengkapacak
Jural Sas Matemata da Statsta, Vol. 3, No., Jul 07 ISSN 693-390 prt/issn 407-0939 ole Te Megatas Data Hlag pada Kasus Racaga Blo Legapaca Rado Yedra, Muslm, Jurusa Matemata, Faultas Sas da Teolog, UIN
Lebih terperincidan µ : rata-rata hitung populasi x : rata-rata hitung sampel
Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinciBAB 2 DASAR TEORI. Suatu sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen
BAB DASA TEOI. Umum,,3,4 Suatu sstem teaga lstr Electrc ower System terdr dar tga ompoe utama, yatu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar yag membetu
Lebih terperinciPERANCANGAN DAN APLIKASI ALGORITMA ADAPTIF LEVEL SUPERVISI PADA PENGENDALIAN PRESSURE PROCESS RIG FEEDBACK
PERANCANGAN DAN APLIKASI ALGORIMA ADAPIF LEVEL SUPERVISI PADA PENGENDALIAN PRESSURE PROCESS RIG FEEDBACK 38-74 UNUK MENGAASI FENOMENA BURSING PADA SE-POIN KURANG EREKSIASI SKRIPSI Oleh : IYUNG 4 4 3 5
Lebih terperinciBARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.
BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinciMODUL BARISAN DAN DERET
MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi
Lebih terperinciBAB 2 TINJAUAN PUSTKA. Jaringan transmisi dan jaringan distribusi pada sistem tenaga listrik berfungsi
BAB TINJAUAN USTKA.. Sstem Dstrbus Jarga trasms da arga dstrbus pada sstem teaga lstr berfugs sebaga saraa utu meyalura eerg lstr yag dhasla dar pusat pembagt e pusat-pusat beba. Sstem arga dstrbus dapat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciPENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA
PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam
BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh
Lebih terperinci2.2.3 Ukuran Dispersi
3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. Sistem tenaga listrik EPS (Electric Power System) adalah rangkaian sistem. serentak dalam rangka penyediaan tenaga listrik.
BAB TINJAUAN USTAKA. Sstem Teaga Lstr Sstem teaga lstr ES Electrc ower System adalah ragaa sstem teaga lstr dar pembagta, trasms da dstrbus yag doperasa secara sereta dalam raga peyedaa teaga lstr. Kompoe
Lebih terperinciESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP
ESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP Hasb Yas Staf Pegaar Program Stud Statsta FMIPA UNDIP Abstract If X s a predctor varable ad Y s
Lebih terperinciUkuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.
Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda
Lebih terperinciPRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel
Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa
Lebih terperinciPRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel
Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa
Lebih terperinci