ANALISIS DETEKSI TEPI PADA CITRA BERDASARKAN PERBAIKAN KUALITAS CITRA
|
|
- Budi Rachman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 AALISIS DETEKSI TEPI PADA CITRA BERDASARKA PERBAIKA KUALITAS CITRA Achmad Hdayatno R. Rzal Isnanto Bahrun am Edge detecton and mage enhancement a part of mage processng. The purpose ths fnal project to research result a mage edge wth of mage enhancement, so that edge detecton s repared a mage qualty better than mage whch not yet repared wth the mage enhancement. Program used to fnal project a programng Matlab. Methods used wth detect the orgnal mage edge, then a orgnal mage get nose such as salt and pepper, gaussan and blur, then detected by the edge detecton, so that wll be resulted edge detecton the dfferent wth edge detecton from orgnal mage. Image whch get a nose then repared mage enhancement by usng medan, wener, and deblurrng, so that wll be got the mage whch same wth the orgnal mage. So also edge detecton s resulted much the same edge detecton from orgnal mage. Repearng mage enhancment use ndex qualty Q. Image enhance success f second ndex qualty better than ndex qualty frst. In the research mage are used Jupter, Lena, Kds, Pear, and Tape mages. Result are fnal project a mage Jupter, mage Lena, mage, mage Kds, mage Pear, and mage Tape, ndex qualty s better 0,8118 at Jupter mage wth salt and pepper nose, use medan flter and prewtt edge detecton. Index qualty s lower 0,3665 at Pear mage wth gaussan nose, use wenner flter, and canny edge detecton. Keywords: edge, nose, enhancement, mage qualty ndex Pengolahan ctra serng kal menggunakan deteks tep untuk tujuan tertentu. Karena deteks tep merupakan langkah pertama untuk melngkup nformas d dalam ctra. Untuk mendapatkan ctra yang bak sesua yang dngnkan basanya ctra dproses terlebh dahulu dengan perbakan kualtas ctra. Perbakan kualtas ctra dlakukan karena ctra yang menjad objek memlk kualtas yang buruk, msalnya ctra mengalam derau gaussan, salt and pepper, dan blurrng. Sedangkan untuk proses perbakan kualtas ctranya menggunakan metode penaps ctra medan, wenner dan deblurrng. Batasan Masalah Pada tugas akhr n pembahasan akan dbatasa pada permasalahan-permasalahan sebaga berkut. 1. Smulas pada tugas akhr n menggunakan program Matlab.. Pembahasan pada deteks tep pada ctra 3. Pembahasan perbakan kualtas pada ctra 4. Tugas akhr n tdak merancang perangkat kerasnya. 5. Smulas n merupakan alat bantu untuk mengambl keputusan komputer, dengan cara merepresentaskan ctra secara numerk dengan nla-nla dskret. Pada umumnya ctra dgtal berbentuk empat perseg panjang, dan dmens ukurannya dnyatakan dalam tngg kal lebar atau panjang kal lebar. Ctra dgtal yang tnggnya, lebarnya M, dan memlk nla derajat keabuan L dapat danggap sebaga fungs: 0 x M f ( x, 0 y... (.1) 0 f L Ctra dgtal yang berukuran x M basanya dnyatakan dalam bentuk matrk yang berukuran bars dan M kolom sebaga berkut: f (0,0) f (1,0) f ( x, f ( 1,0) f ( 1,1) f (1, M ) f ( 1, M 1) Ctra Dgtal Ctra dgtal merupakan ctra yang dhaslkan dar pengolahan dengan menggunakan Achmad Hdayatno adalah dosen d jurusan Teknk Elektro Fakultas Teknk Unverstas Dponegoro Jl. Prof. Sudharto S.H Tembalang Semarang 5075 R. Rzal Isnanto (rzal_snanto@yahoo.com) adalah dosen d jurusan Teknk Elektro Fakultas Teknk Unverstas Dponegoro Jl. Prof. Sudharto S.H Tembalang Semarang 5075 Bahrun am (baauuh@yahoo.com) adalah mahasswa d jurusan Teknk Elektro Fakultas Teknk Unverstas Dponegoro Jl. Prof. Sudharto S.H Tembalang Semarang 5075 f (0,1) f (0,0) f (0, M )... (.) Deteks Tep Tep adalah perubahan nla ntenstas derajat keabuan yang mendadak (besar) dalam jarak yang sngkat. Terdapat tga macam tep d dalam ctra dgtal, yatu:
2 a. Tep Curam Tep curam adalah tep dengan perubahan ntenstas yang tajam. Arah tep berksar Gambar.1 menunjukan deteks tep tpe tep curam. Arah tep dhtung denga persamaan 1 A x, y tan S x / S y...(.4) Operator Prewtt Persamaan graden pada operator Prewtt sama sepert operator Sobel, tetap menggunakan nla konstanta c = 1 Gambar.1Tep curam b. Tep Landa Tep landa yatu tep dengan sudut arah yang kecl. Tep landa dapat danggap terdr dar sejumlah tep-tep lokal yang lokasnya berdekatan. Gambar. menunjukan deteks tep tpe tep landa. Operator Roberts Operator Roberts serng dsebut juga operator slang. Graden Roberts dalam arah-x dan arah-y dhtung dengan rumus: R x, y f x 1, y 1 f x, y... (.5) R x, y f x, y 1 f x 1, y... (.6) Gambar. Tep landa c. Tep yang mengandung derau Umumnya tep yang terdapat pada aplkas vs komputer mengandung derau. Operas penngkatan kualtas ctra dapat dlakukan terlebh dahulu sebelum pendektesan tep. Gambar.3 menunjukan deteks tep tpe tep curam dengan derau. Gambar.4. Operator slang Gambar.4 menunjukan bahwa operator R + adalah hampran turunan berarah dalam arah 45 0, sedangkan operator R - adalah hampran turunan berarah dalah arah Dalam bentuk maks konvolus, operator Roberts adalah: Gambar.3 Tep curam dengan derau Deteks tep memlk berbaga macam operator dalam mendeteks tep suatu ctra, yatu: Operator Sobel Pengaturan pksel d sektar pksel (x,: Operator sobel adalah magntude dar graden yang dhtung dengan M s x s y... (.3) Turunan parsal dhtung dengan S x = (a + ca 3 + a 4 ) (a 0 + ca 7 + a 6 ) S y = (a 0 + ca 1 + a ) (a 6 + ca 5 + a 4 ) Dengan konstanta c adalah, dalam bentuk mask, s x dan s y dapat dnyatakan sebaga: Operator Canny Pendekatan algortma canny dlakukan dengan konvolus fungs gambar dengan operator gaussan dan turunan-turunannya. Turunan pertama dar fungs ctra yang dkonvoluskan dengan fungs gaussan, g(x, = D[gauss(x, * f(x,]... (.7) ekvalen dengan fungs ctra yang dkonvoluskan dengan turunan pertama dar fungs gaussan, g(x, = D[gauss(x,] * f(x,... (.8) Oleh karena tu, memungknkan untuk mengkombnaskan tngkat kehalusan dan pendektesan tep ke dalam suatu konvolus dalam satu dmens dengan dua arah yang berbeda (vertkal dan horzontal). Penaps Ctra Penapsan ctra bertujuan untuk menekan gangguan pada ctra. Gangguan tersebut basanya muncul sebaga akbat dar hasl pemrosesan yang tdak bagus (sensor, photographc gran nose) atau akbat saluran transms (pada pengrman data).
3 (a) Degradas (Blurrng) Gambar.7 memperlhatkan model degradas yang dalam hal n jka f(x, adalah ctra asl dan g(x, adalah ctra terdegradas, maka g(x, adalah perkalan f(x, dengan operator dstors H dtambah dengan derau adtf n ( x, : g(x, = Hf(x, + n(x,...(.11) (b) Gambar.5. Penghlangan derau dengan penaps medan Angka yang d contohkan pada gambar.5 adalah yang mempunya nla 35. Urutan angka tersebut adalah: dar kelompok tesebut adalah 10 (dcetak tebal). Ttk tengah dar jendela (35) sekarang dgant dengan nla medan (10). Hasl dar penapsnya adalah dperlhatkan pada gambar.5(b). Jad, penaps medan menghlangkan nla yang sangat berbeda dengan nla tetangganya. ose pada Ctra Berdasarkan bentuk dan karakterstknya, ada beberapa macam jens derau yatu: (1) Gaussan () Salt and Macam-macam derau dapat dlhat pada Gambar.6: (a) (b) Gambar.6. Macam-macam nose (a) gaussan (b) salt & pepper Efek dar gaussan derau n, pada gambar muncul ttk-ttk berwarna yang jumlahnya sama dengan prosentase derau. Ctra berderau adtf dapat dnyatakan sebaga: g(,j) = f(,j)+n(,j)... (.9) Derau adtf Gaussan menambahkan derau puth Gaussan n(,j) dengan rerata m dan varans v pada ctra asl f(,j) Sedangkan derau salt and pepper sepert halnya taburan garam, akan memberkan warna puth pada ttk yang terkena derau. Derau salt-andpepper dapat dmodelkan sebaga: z, j dengan peluang p g(, j)... (.10) f (, J) dengan peluang 1p Dengan g(,j) merupakan ctra terobservas atas ctra asl f(,j), dan z(,j) merupakan derau mpulsfnya. Gambar.7. Ctra Asl Gambar.8. Ctra Blur Derau n( x, adalah snyal adtf yang tmbul selama akuss ctra sehngga menyebabkan ctra.7 menjad rusak (mengalam degradas). (Catatan: Ctra f(x, sebenarnya tdak ada; ctra f(x, adalah ctra yang dperoleh dar akuss ctra pada konds sempurna). Perhatkan bahwa model n mengasumskan bahwa degradas nvaran secara spasal sehngga dapat dpandang sebaga penaps lnear dan snyal adtf. Secara rngkas, dapat dtuls sebaga bentuk matrks vektor G = H*f + n...(.1) Jka H adalah fungs dwmatra, maka persamaan (.11) dapat dpandang sebaga konvolus fungs n dengan ctra f(x, menghaslkan dstors. Dengan demkan, persamaan (.11) dapat dtuls sebaga g(x, = H(x, * f(x, + n(x,...(.13) Deblurrng Operator dstors pada persamaan (.13) dsebut juga pont spread spectrum (PSF). Ctra terdegradas dapat kta tuls sebaga: Ctra terdegradas = ctra asl * PSF + derau adtf...(.14) Jad, berdasarkan model degradas pada persamaan (.11), pekerjaan mendasar pada deblurrng adalah dekonvolus ctra kabur (blur) dengan PSF. (Catatan: dekonvolus adalah proses yang membalkkan efek konvolus). Dengan kata lan, kualtas ctra hasl deblurrng terutama dtentukan oleh pengetahuan PSF. Gambar.9. Ctra Asl Gambar.10. Ctra Blurrng Gambar.11. Ctra Deblurrng
4 Gambar.9 merupakan gambar asl sebelum mengalam proses pengaburan (blurrng). Gambar.10 merupakan gambar setelah mengalam proses pengaburan (blurrng), dan gambar.11 merupakan gambar yang mengalam proses deblurrng. Indeks Kualtas Alasan dgunakannya ndeks kualtas n adalah karena mudah dalam perhtungannya, dapat dpergunakan untuk berbaga operas pengolahan ctra, dan lebh memberkan perbandngan yang berart dar berbaga macam jens dstors ctra. Msalkan x = (x = 1,,...,) dan y =(y = 1,,...,) berturut-turut adalah ctra yang asl dan ctra yang duj. Indeks kualtas ddefnskan sebaga: 4 xy x y... (.15) Q x y x y dengan 1 x x, 1 y y x x x, y y y xy x x y y 1 1 Cakupan yang dnamk dar Q adalah [-1, 1]. Harga terbak 1 dcapa jka dan hanya jka y = x untuk semua 1,,...,. Harga terendah adalah -1 terjad ketka 1,,...,. y x x untuk semua PERACAGA PROGRAM Perangkat lunak yang dgunakan yatu menggunakan Matlab vars 7.0, sedangkan untuk membuat tamplan antarmukanya menggunakan GUI (Graphcal User Interface). Gambar 3.1 n merupakan dagram alr dar perancangan program yang dbuat. 4 HASIL PEELITIA DA PEMBAHASA Gambar Jupter Gambar 4.1 merupakan deteks tep Sobel Jupter asl. Terdapat juga keterangan yatu Derau 1 adalah derau salt and pepper. Derau adalah derau Gaussan. Derau 3 adalah blurrng Perbakan 1 adalah perbakan dengan menggunakan jens medan. Perbakan adalah perbakan dengan menggunakan jens wener. Perbakan 3 adalah perbakan dengan menggunakan jens deblurrng. Gambar 4.1 Jupter dengan dengan deteks tep Sobel Derau yang dgunakan pada Gambar 4. adalah derau salt and pepper sedangkan perbakannya menggunakan perbakan jens medan. Hasl yang dperoleh dar deteks tep perbakan menunjukan bahwa deteks tep perbakan hampr sama dengan deteks tep dar ctra aras keabuan. Gambar 4. Gambar Jupter dengan derau salt and pepper, perbakan dengan medan, dan deteks tep Sobel Tabel 4.1 merupakan nla ndeks kualtas gambar deteks tep dar gambar Jupter Tabel 4.1 la ndeka kulaltas gambar Jupter o Derau Perbakan Deteks Tep Gaussan Wener Indeks 1 Indeks Sobel 0,48 0,61997 Perwtt 0, ,8118 Roberts 0,134 0,66305 Canny 0, ,74809 Sobel 0, ,5536 Perwtt 0,5109 0,55409 Roberts 0, ,51677 Canny 0, ,4414 Sobel 0, ,70051 Perwtt 0,1908 0,71035 Roberts 0,00 0,70737 Canny 0,0798 0,58809 Gambar Lena Gambar 4.3 merupakan deteks tep Sobel Lena asl. Gambar 3.1 Dagram alr
5 5 memperbak kualtas ctra adalah dengan menggunakan wener. Gambar hasl dar perbakan kualtas ctra tampak terlhat lebh jelas. Operator deteks tep yang dgunakan adalah detekes tep Roberts. Gambar 4.3 Lena dengan dengan tep Sobel Derau yang dgunakan pada gambar 4.4 adalah derau gaussan sedangkan perbakannya menggunakan perbakan jens wener. Terlhat bahwa gambar, setelah mengalam perbakan gambar telhat lebh jelas. Operator deteks tep yang dgunakan adalah deteks tep sobel Sobel. Gambar 4.4 Gambar Lena dengan derau gaussan, perbakan dengan wener, dan deteks tep Prewtt Tabel 4. merupakan nla ndeks kualtas gambar deteks tep dar gambar Lena Tabel 4. la ndeks kualtas gambar Lena o Derau Perbakan Deteks Tep Indeks 1 Indeks Gaussan Wener Sobel 0,9156 0,70904 Perwtt 0,438 0,71018 Roberts 0,1073 0,744 Canny 0,4755 0,80763 Sobel 0,4606 0,50538 Perwtt 0,4657 0,5031 Roberts 0, ,49551 Canny 0,1614 0,4131 Sobel 0, ,6407 Perwtt 0, ,6718 Roberts 0, ,61935 Canny 0, ,4666 Gambar Pears Gambar 4.5 merupakan deteks tep Sobel Pear asl. Gambar 4.6 Gambar Pears dengan derau gaussan, perbakan dengan wener, dan deteks tep Roberts Tabel 4.3 merupakan nla ndeks kualtas gambar deteks tep dar gambar Pears. Tabel 4.3 la ndeks kualtas gambar Pears o Derau Perbakan Deteks Tep Indeks 1 Indeks Gaussan Wener Sobel 0, ,6834 Perwtt 0, ,67943 Roberts 0, ,7917 Canny 0, ,6596 Sobel 0,656 0,35741 Perwtt 0,767 0,360 Roberts 0, ,37351 Canny 0, ,3665 Sobel 0, ,630 Perwtt 0, ,63717 Roberts 0, ,6341 Canny 0, ,4674 Gambar Tape Gambar 4.7 merupakan deteks tep Sobel Tape asl. Gambar 4.7 Gambar Tape dengan deteks tep Canny Derau yang dgunakan pada Gambar 4.8 adalah dearu salt and pepper. Proses perbakan kualtas ctra yang dgunakan adala jens medan, sehngga tarlhat gambar lebh jelas. Pada deteks tep menggunakan operator deteks tep Canny. Gambar 4.5 Pear dengan deteks tep Roberts Derau yang dgunakan pada gambar 4.6 adalah derau gaussan sedangkan untuk
6 Gambar 4.8 Gambar Tape dengan derau salt and pepper, perbakan dengan medan, dan deteks tep Canny Tabel 4.4 merupakan nla ndeks kualtas gambar deteks tep dar gambar Tape Tabel 4.4 la ndeks kualtas gambar Tape o Derau Perbakan Deteks Tep Indeks 1 Indeks Gaussan Wener Sobel 0, ,6939 Perwtt 0, ,69649 Robert 0,1678 0,70986 Canny 0,4159 0,68801 Sobel 0, ,5000 Perwtt 0,4743 0,49586 Robert 0,4677 0,494 Canny 0, ,3104 Sobel 0, ,76891 Perwtt 0, ,77776 Robert 0,1560 0,65841 Canny 0, ,54734 Gambar Kds Gambar 4.9 merupakan deteks tep Sobel Jupter asl. 6 Kesmpulan Dar hasl peneltan dan pembahasan, maka dapat dambl kesmpulan sebaga berkut. 1. Telah dapat dkembangkan sebuah program aplkas untuk menganalss deteks tep Sobel, deteks tep Prewtt, deteks tep Roberts, dan deteks tep Canny pada ctra menggunakan bahasa pemrograman Matlab vers la ndeks kualtas tertngg yang dperoleh ctra Jupter adalah sebesar , dan terendah sebesar la ndeks kualtas tertngg yang dperoleh ctra Lena adalah sebesar , dan terendah sebesar la ndeks kualtas tertngg yang dperoleh ctra Pear adalah , dan terendah sebesar la ndeks kualtas tertngg yang dperoleh pada ctra Tape adalah , dan sebesar la ndeks kualtas tertngg yang dperoleh ctra Kds adalah , dan terendah sebesar la ndeks kualtas kedua memlk nla yang lebh tngg dar pada nla ndeks kualtas pertama, karena ctra mengalam perbakan. 8. Hasl deteks tep suatu ctra dengan jens derau tertentu, taps tertentu, dan deteks tep tertentu memlk ndeks kualtas yang berbeda dbandngkan dengan hasl deteks tep ctra yang lan karena pada elemen matrk antara ctra yang satu dengan ctra yang lan berbeda. DAFTAR PUSTAKA Gambar 4.9 Gambar Kds dengan deteks tep Sobel Tabel 4.5 merupakan nla ndeks kualtas gambar deteks tep dar gambar Kds Tabel 4.5 la ndeks kualtas gambar Kds o Derau Perbakan Deteks Tep Indeks 1 Indeks Gaussan Wener Sobel 0,366 0,6701 Perwtt 0,1735 0,650 Robert 0, ,63456 Canny 0, ,70873 Sobel 0,3559 0,4460 Perwtt 0, ,45466 Robert 0, ,44439 Canny 0, ,41604 Sobel 0,177 0,674 Perwtt 0,1105 0,67983 Robert 0, ,56875 Canny 0,1457 0,60889 Achmad, B. dan K. Frdausy, Teknk Pengolahan Ctra Dgtal menggunakan DELPHI, Ardh Publshng, 005. Ahmad, U., Pengolahan Ctra Dgtal & Teknk Pemrogramannya, Graha Ilmu, 005. Marvn, W. dan A. Prjono, Pengolahan Ctra Dgtal Menggunakan Matlab, Informatka, Bandung, 007 Ptas, I., Dgtal Image Processng Algorthms, Prentce Hall, Sngapore, Jan, A.K., Fundamental of Dgtal Image Processng, Prentce Hall, Inc., Sngapore,1989. Murn, A. dan S. Setawan, Pengantar Pengolahan Ctra, Elex Meda Komputndo, Jakarta,199. Munr, R., Pengolahan Ctra Dgtal dengan Pendekatan Algortmk, Informatka Bandung, 004.
7 7 Bodata Mahasswa ama : Bahrun am IM : LF Tempat/Tgl. Lahr : Brebes / 9 September 1983 Alamat : Tegalglagah Rt 3 /, Kecamatan Bulakamba, Kabupaten Brebes Alamat e-mal : bahrun08@gaml.com Konsentras : Elektronka dan Telekomunkas Menyetuju dan Mengesahkan, Pembmbng I Achmad Hdayatno, S.T., M.T. IP Pembmbng II R. Rzal Isnanto, S.T., M.M., M.T. IP
PERBANDINGAN PEMILIHAN TAPIS PENGHAPUS DERAU PADA CITRA BERDASAR SIFAT STATISTIS, PSNR, DAN INDEKS KUALITAS
PERBADIGA PEMILIHA TAPIS PEGHAPUS DERAU PADA CITRA BERDASAR SIFAT STATISTIS, PSR, DA IDEKS KUALITAS Bernadetta Dyah Susant Wdoretno ), Achmad Hdayatno ), R. Rzal Isnanto ) Jurusan Teknk Elektro Fakultas
Lebih terperinciPerbandingan Penggunaan Beberapa Metode Deteksi Tepi Pada Pengolahan Citra Radiologi Fraktur Tulang
PRISMA FISIKA, Vol. V,. 3 (4), Hal. 7- ISSN : 337-84 Perbandngan Penggunaan Beberapa Metode Deteks Tep Pada Pengolahan Ctra Radolog Fraktur Tulang Ray Andre Junor a, Nurhasanah a*, Iklas Sanubary a a Prod
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB 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 terperinciPENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA
MAKALAH SEMINAR TUGAS AKHIR PENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA Suharto Jat Santoso *, Bud Setyono **, R. Rzal Isnanto ** Abstrak - Selama n pengenalan jens kan pada
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 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 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 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 terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinciBAB 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 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 II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih 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 terperinciPENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE
1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
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. 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 terperinciHistogram Citra. Bab Membuat Histogram
Bab 6 Hstogram Ctra I nformas pentng mengena s ctra dgtal dapat dketahu dengan membuat hstogram ctra. Hstogram ctra adalah grafk yang menggambarkan penyebaran nla-nla ntenstas pxel dar suatu ctra atau
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada
BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n
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 terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciImplementasi Algoritma Filtering Derivatif Dalam Mengolah Citra Satelit Pada Software Envi
Jurnal Graden Vol. No. Jul 5 : 8-86 Implementas Algortma Flterng Dervat Dalam Mengolah Ctra Satelt Pada Sotware Env Yulan Fauz Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Bengkulu
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 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 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 terperinciPenerapan 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 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 terperinciALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN
ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN Hendra Bunyamn Jurusan Teknk Informatka Fakultas Teknolog Informas Unverstas Krsten Maranatha
Lebih 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB 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 III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciPembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1
Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB 1 PENDAHULUAN. meningkatnya arus reaktif. Harmonisa telah terbukti memiliki dampak kerusakan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kualtas daya lstrk sangat dpengaruh oleh penggunaan jens-jens beban tertentu sepert beban non lner dan beban nduktf. Akbat yang dtmbulkannya adalah turunnya
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
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 terperinciSUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD
SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya
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 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 terperinciMETODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID
METODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID Fersa Setyanngrum 1, Kartka Frdausy 2 Program Stud Teknk Elektro, Fakultas Teknolog Industr, Unverstas Ahmad Dahlan Jl. Prof. Dr. Soepomo,
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
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 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 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 terperinciMENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak
JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciBAB 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 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 METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB II DASAR TEORI DAN METODE
BAB II DASAR TEORI DAN METODE 2.1 Teknk Pengukuran Teknolog yang dapat dgunakan untuk mengukur konsentras sedmen tersuspens yatu mekank (trap sampler, bottle sampler), optk (optcal beam transmssometer,
Lebih terperinciGambar 3.1 Diagram alir penelitian
BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan
Lebih terperinciberasal dari pembawa muatan hasil generasi termal, sehingga secara kuat
10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass
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 terperinciPEMAMPATAN DATA CITRA BERWARNA DENGAN ALIHRAGAM WAVELET
PEMAMPATA DATA CITRA BERWARA DEGA ALIHRAGAM WAVELET HAAR Yul Astran*, Achmad Hdayatno**, R.Rzal Isnanto** Abstrak- Selama n belum pernah dlakukan peneltan mengena pemampatan data ctra berwarna menggunakan
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciInterpretasi data gravitasi
Modul 7 Interpretas data gravtas Interpretas data yang dgunakan dalam metode gravtas adalah secara kualtatf dan kuanttatf. Dalam hal n nterpretas secara kuanttatf adalah pemodelan, yatu dengan pembuatan
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciCONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP)
PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA KASUS: INITIAL VALUE PROBLEM (IVP) by: st dyar kholsoh Mater Kulah: Pengantar; Metode Euler; Perbakan Metode Euler; Metode Runge-Kutta; Penyelesaan Sstem Persamaan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
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 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 terperinciBOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL
BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan
Lebih terperinciContoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.
BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya
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 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 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 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 terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
Lebih terperinciBAB 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 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 terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciSISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS
SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBab III Analisis dan Rancangan Sistem Kompresi Kalimat
Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton
Lebih terperinciELEKTRONIKA ANALOG. Bab 2 BIAS DC FET Pertemuan 5 Pertemuan 7. Oleh : ALFITH, S.Pd, M.Pd
ELEKTONKA ANALOG Bab 2 BAS D FET Pertemuan 5 Pertemuan 7 Oleh : ALFTH, S.Pd, M.Pd 1 Pemran bas pada rangkaan BJT Masalah pemran bas rkatan dengan: penentuan arus dc pada collector yang harus dapat dhtung,
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinci