OPTIMALISASI UNJUK KERJA PLANT TIME VARYING MENGGUNAKAN KENDALI FUZZY ADAPTIF DENGAN METODE SECARA TIDAK LANGSUNG

Ukuran: px
Mulai penontonan dengan halaman:

Download "OPTIMALISASI UNJUK KERJA PLANT TIME VARYING MENGGUNAKAN KENDALI FUZZY ADAPTIF DENGAN METODE SECARA TIDAK LANGSUNG"

Transkripsi

1 Smposum Nasonal II RAI 003 OTIMALISASI UNJUK KERJA LANT TIME VARYING MENGGUNAKAN KENDALI FUZZY ADATIF DENGAN METODE SECARA TIDAK LANGSUNG Stud Kasus ada Kontrol Level Surge Tan Amad Kumaen Sumard Iwan Setawan Laboratorum Ten Kontrol Otomat Jurusan Ten Eletro Faultas Ten Unverstas Dponegoro Jl rof H Soedarto SH Tembalang Semarang Telepon : , Fax : emal: lab_ontrol@eletroundpacd ABSTRAK roses perancangan endal fuzzy yang berdasaran pada penggunaan nformas eurst dar seorang al tela terbut suses dalam berbaga penerapan d bdang ndustr Ada beberapa masala serus yang dtemuan pada penerapan d bdang ontrol, antara lan : penentuan fungs eanggotaan dan aturan dasar sstem dalam menemuan unju erja sstem agar sesua dengan settng pont yang dngnan, mas dlauan dengan coba-coba tral and error Kedua, endal fuzzy yang dbentu berdasaran pada sfat-sfat plant saja urang sesua dengan ebutuan pengendalan plant tersebut, arena apabla terjad perubaan parameter plant, atau ja ada beberapa gangguan dan pengaru dar lngungan setarnya menyebaban pengontrolan tda lag sesua untu plant yang dgunaan endeatan endal fuzzy adaptf dengan metode secara tda langsung ndrect adaptve fuzzy control mampu memberan pengendalan dalam suatu perubaan dnam proses sstem dan arater sebua gangguan dan plant tda tentu tme varyng, pendeatan endal fuzzy adaptf metode secara tda langsung menggunaan dentfas secara on-lne untu mengestmasan parameter model plant, pengestmasan parameter model plant menggunaan metode Recursve Least Square RLS Kendal fuzzy adaptf dengan metode secara tda langsung mampu melauan pengontrolan teradap plant surge tan plant tme varyng dengan nla oversoot sebesar 3,038 persen, nla watu na sebesar 4,4 det dan watu penetapan sebesar 9,9 det, untu masuan snyal step, pengontrolan juga dlauan untu masuan snyal pulsa dan sembarang step dan ddapatan sstem mampu mengut referens dengan ba Kata unc: Fuzzy, Adaptf, Recursve Least Square RLS ENDAHULUAN roses perancangan endal fuzzy yang berdasaran pada penggunaan nformas eurst dar seorang al tela terbut suses dalam berbaga penerapan d bdang ndustr Ada beberapa masala serus yang dtemuan pada penerapan d bdang ontrol, antara lan : ertama, perancangan endal fuzzy yang dbentu berdasaran sfat usus sstemnya aan menyultan seal dalam menentuan parameter pengontrol, sebaga conto, penentuan fungs eanggotaan dan aturan dasar sstem dalam menemuan unju erja plant agar sesua dengan settng pont yang dngnan, mas dlauan dengan coba-coba tral and error Kedua, endal fuzzy yang dbentu berdasaran pada sfat-sfat plant saja urang sesua dengan ebutuan pengendalan plant tersebut, arena apabla terjad perubaan parameter plant, atau ja ada beberapa gangguan dan pengaru dar lngungan setarnya menyebaban pengontrolan tda lag sesua untu plant yang dgunaan endeatan endal fuzzy adaptf dengan metode secara tda langsung ndrect adaptve fuzzy control mampu memberan pengendalan dalam suatu perubaan dnam proses sstem dan arater sebua gangguan plant tda tentu tme varyng, pendeatan endal fuzzy adaptf metode secara tda langsung menggunaan dentfas secara on-lne untu mengestmasan parameter model plant, dar parameter model plant tersebut dgunaan ole perancang endal controller desgner untu menspesfasan parameter pengendal plant yang dgunaan, sengga endal yang dumpanan e plant sesua pada saat eadaan parameter plant berua, pengestmasan parameter model plant menggunaan metode Recursve Least Square RLS Kendal fuzzy adaptf dengan metode secara tda langsung menyedaan pengestmas parameter model plant yang beruba-uba mampu memberan nerja sstem endal yang memuasan ISSN : 4-96 E - 9

2 Smposum Nasonal II RAI 003 KONSE DASAR FUZZY Teor mpunan fuzzy pertama al dperenalan ole Lotf A Zade pada taun 965 Teor mpunan fuzzy adala merupaan perluasan dar teor loga Boolean yang menyataan tngat anga atau 0 atau pernyataan benar atau sala, sedang pada teor loga fuzzy terdapat tngat nla antara dan 0 sebaga tngat pernyataan ebenaran atau esalaan Hmpunan Fuzzy Hmpunan fuzzy adala suatu mpunan dar prnsp-prnsp matemat untu memodelan nformas yang ddasaran pada tngat eanggotaan membersp grade Suatu mpunan fuzzy F dalam semesta pembcaraan U dapat dgambaran ole suatu fungs eanggotaan membersp functon µ F yang mewal nla dalam nterval [0,] untu tap u dalam U dnyataan dalam persamaan Derajat enggot ayang dgambaran dalam bentu Gambar sepert berut : 0 0 µ F Hmpunan Fuzzy F Semesta pembcaraan Gambar Hmpunan fuzzy dan fungs eanggotaan U µ F U [ 0, ] Fungs Keanggotaan Fungs eanggotaan menyataan derajat eanggotaan dar masng-masng anggota dalam semesta pembcaraan dan fungs eanggotaan n dapat ddefnsan dengan memaa dua cara yatu dengan numer dan dengan fungsonal Defns numer menyataan fungs eanggotaan mpunan fuzzy dalam sebua vetor dmana dmensnya tergantung pada tngat dsretsas Defns fungsonal mendefnsan fungs eanggotaan mpunan fuzzy dalam pernyataan analt dmana tngat eanggotaan masng-masng elemen dtung d dalam semesta pembcaraan, dengan menggunaan fungs eanggotaan Gaussan sebaga fungs pemetaan fuzzy Gambar Fungs eanggotaan masuan fuzzy dengan lma fungs Gaussan 3 KONFIGURASI DASAR KENDALI LOGIKA FUZZY Kendal fuzzy mempunya empat omponen sebagamana dtunjuan Gambar 3 yatu : Fuzfas adala proses modfas masuan tegas sengga dapat dnterpretasan dan dbandngan dengan aturan aturan dalam bass aturan Bass aturan atau rule base bers pengetauan dalam bentu mpunan aturan, mengena cara terba untu mengontrol sstem 3 Meansme pengamblan eputusan atau nference mecansm yatu evaluas teradap aturan ontrol yang aan dterapan bersesuaan dengan onds yang sedang berlangsung emudan memutusan nput yang arus dumpanan e plant sebaga suatu as ontrol 4 Defuzfas adala proses pengubaan onlus yang dambl dalam nference mecansm edalam nput plant berupa as pengontrolan ISSN : 4-96 E - 9

3 Smposum Nasonal II RAI 003 Bass Fuzzfas Loga pengamblan Defuzzfas Sstem Gambar 3 Konfguras dasar endal loga fuzzy 4 KENDALI FUZZY ADATIF METODE SECARA TIDAK LANGSUNG INDIRECT ADATIVE FUZZY CONTROL Kendal fuzzy adaptf metode secara tda langsung menggunaan sebua model plant dan metode dentfas sstem secara on lne untu mengestmasan parameter plant model, emudan asl paremeter terestmasnya dgunaan ole perancang endal desgner controller untu menspesfasan parameter pada pengontrolnya, ja onds plant beruba maa pengdentfas aan mengestmasan parameter model plant dan perancang endal controller desgner aan terus menala tunng parameter pengontrolnya Kendal fuzzy adaptf metode secara tda langsung Indrect fuzzy adaptve control mempunya bentu blo dagram pada Gambar 5 Gambar 4 Indrect adaptve control Sfat yang meleat pada perancang endal controller desgner menganggap bawa, plant model merepresentasan sebaga plant secara sempurna, sengga parameter plant yang dgunaan ole perancang endal mampu secara sempurna menyedaan parameter pengontrolnya engdentfasan secara on lne dlauan dengan menggunaan metode RLS, RLS dgunaan untu menala parameter plant model dalam al n adala fungs center enggotaan eluaran fuzzy 5 ERANCANGAN SISTEM FUZZY ada perancangan sstem fuzzy yang dpaa adala memaa aturan sstem Taag Sugeno fuzzy model, yang juga sebaga sstem pengdentfas dalam perancangan fuzzy adaptf yang dpaa, Taag Sugeno meml aturan sstem fuzzy yang dberan pada persamaan 5 Ja adala j ~ A ~ maa α u,, adala masuan sstem fuzzy dan juga sebaga eluaran sstem plant, u adala masuan j sstem plant, A ~ adala varabel lngust, dan sebaga eluaran fuzzy dan juga sebaga eluaran pengdenfas yang dpaa ~ Dengan menggunaan fungs eanggotaan masuan Gaussan sebaga fungs pemetaan dpaa persamaan 5 5 ISSN : 4-96 E - 93

4 Smposum Nasonal II RAI 003 exp σ µ c 5 dan dengan menggunaan center average defuzzfas untu sstem fuzzy yang dpaa adala persaman 53 ~ T θ 53 R R u u u, dan 5 5 α α α θ ada bentu desan endal fuzzy adaptf metode secaran tda langsung terdapat blo dentfas sstem yang ddalamnya terjad proses estmas eluaran plant dan eluaran model, dan meansme estmas yang dlauan menggunaan RLS Recursve Least Square ^ ^ T θ θ θ 54 dmana gan adaptas dperole secara reursf dengan persamaan 55 I I T T λ λ 55 dengan dsebut sebaga fotgettng factor dengan besar nla antara 0 <, dan pada awal pertungan dberan nla nsal untu masng-masng nla awal dan, dengan nla, αi, α adala nla blangan yang besar posstf msal dpl 000, dan I adala matr denttas Dan pada perancangan blo dagram sstem fuzzy Gambar 4 dpaa aturan pengendal dengan menggunaan sstem aturan Taag Sugeno pada persamaan 56 λ t λ ^ t θ Ft F R R u u µ µ 56 u L r,y,0 r-, y 57 ISSN : 4-96 E - 94

5 Smposum Nasonal II RAI ERANCANGAN ENEMATAN OLE Konsep penempatan pole adala mencar aturan umpan bal pada pole loop tertutup agar sesua pada leta pole yang dngnan Sebaga sstem dnam dberan persamaan 6 dan dberan lustras gambar pada Gambar 6 r L u α u α u 6 - Gambar 6 Strutur anoncal R-S-T untu pengontrol Sstem alang tertutup dbentu dengan membalan varabel eadaan dengan suatu matr fungs al dengan onstana K dan matr L, maa dar Gambar 6 dberan persamaan 6 u K Lr 6 dengan mensubsttusan persamaan 6 e persamaan 6 maa ddapat persamaan 63 α K Lr 63 Dengan penerapan persamaan 63 untu sstem fuzzy yang dpaa dan mengangaap plant model sebaga pengdentfas yang aurat maa ddapatan persamaan sebaga persamaan 64 ^ [ r ] α 0 dengan mentransformasan betu persamaan 64 maa ddapatan persamaan 65 H z R z z 0 64 α 65 untu mentapan leta pole pada tt 0 maa dpl persamaan 66 dengen nla leb besar nol α 0 66 α 0 67 Untu menetapan nla steady-state error adala nol maa persamaan 64 maa ddapatan persamaan berut r dan dar α 0 68 ISSN : 4-96 E - 95

6 Smposum Nasonal II RAI 003 dan nla untu perancang endalnya adala : 0 0 α 69 7 STUDI KASUS ADA LANT SURGE TANK 7 Karaterst lant Surge Tan Sstem persamaan surge tan dgambaran sebaga sstem plant tme varyng dengan sstem plant adala sstem tngg mua caran, sstem dapat dgambaran sebaga Gambar 3 Gambar 3 Surge tan ersamaan plant surge tan meml persamaan sebaga berut : d dt A o A g u t A 7 ersamaan plant yang terbentu dsn adala persamaan plant bentu tme varyng arena dengan melat bentu parameter-parameter plant yang beruba-uba teradap watu dan pada asus n perubaan A a t b dengan a dan b adala parameter plant yang dtentuan ada awal pertungan 7 engontrolan Level Surge Tan Dengan menggunaan pendeatan motode Euler untu menulsan persamaan dalam smulas dberan persamaan 9,6 u T 7 dmana T 0 ada perancangan nla ontrol u dapat bernla postf atau negatf masuan ar dapat bersfat mengalran ar e tan atau menyedot ar yang ada dalam tan, untu besar ontrol yang dumpanan e plant mempunya nla batas yatu bernla : 50 u u 50 ja ja u > 50 50< u < 50 ja u < ISSN : 4-96 E - 96

7 Smposum Nasonal II RAI 003 erancangan sstem dsn, dpl level surge tan agar tda bernla negatf, maa dlauan pembatasan nla mnmal level surge tan dpl nla 000 dan untu mensmulasan persamaan surge tan maa dpaa persamaan 9,6 u max 000, T 74 8 ENGUJIAN SIMULASI engujan smulas bertujuan untu menemuan asl tracng eluaran level surge tan sesua dengan snyal referens yang dberan, penentuan parameter-parameter masuan dtentuan berdasaran pada bentu araterst plant yang dgunaan, dan penentuan nla parameterparameter masuan sangat menentuan asl tracng eluaran level surge tan ada pengujuan program smulas, ada beberapa masuan yang dapat duba, sepert eadaan tngg level awal, besar gan adaptas, dan batas nla mnmal beta, tap dalam pengujan arus dtetapan anya satu varable masuan yang dapat duba-uba, n dlauan untu menyederanaan dan memudaan pencapaan nla eluaran level surge tan sesua engnan ercobaan dlauan dengan menggunaan jumla fungs eanggotaan gaussan sejumla lma menggunaan lma aturan fuzzy, untu leb jelasnya data-data masuan dapat dtulsan sebaga berut : Tt center Mf Gaussan [ ] Teta awal [ ] 3 Gan adaptas 000*I, I adala matr denttas Nla mnmal beta Forgettng factor non wegted RLS 6 Watu samplng 0 det 7 enembatan pole terdeat 0 d oordnat z 8 Keadaan tngg awal meter 9 arameter plant : a, b 8 engujan untu Referens Snyal Step a b Gambar 4 a Keluaran snyal referens dan eluaran level plant surge tan b eluaran respon plant model dan plant surge tan untu referens masuan snyal step ISSN : 4-96 E - 97

8 Smposum Nasonal II RAI engujan Referens Snyal ulsa Tabel 4 araterst respon transen No arameter 3 Watu punca 8 det 4 Lewatan masmum 3,038 persen 5 Watu penetapan 9,9 det a b Gambar 45 a Keluaran snyal referens dan eluaran level plant surge tan b Keluaran respon plant model dan plant surge tan untu referens masuan snyal pulsa Dar Gambar 45 terlat bawa eluaran surge tan berasl menyesuaan teradap settng pon yang dberan, mes pada awal perode pulsa eluaran surge tan terjad lonjaan, n darenaan onds plant belum terdentfas sempurna 83 engujan Referens Sembarang Step a b Gambar 48 a Keluaran snyal referens dan eluaran level plant surge tan b eluaran respon plant model dan plant surge tan untu referens masuan sembarang step Gambar 48 adala pemberan snyal sembarang step teradap sstem, terlat bawa ternyata respon plant surge tan mampu mengut jeje referens yang dberan, pada onds n sstem dalam eadaan terdentfas atau dapat terontrol 9 KESIMULAN Setela melauan serangaan ujcoba serta pengujan teradap perangat luna Fuzzy Adaptf dengan Metode ndrect dalam pengontrolan plant tme varyng ddapatan esmpulan sebaga berut : engaraterstan plant yang dpaa perlu dlauan untu membatas aturan ontrol yang aan dterapan pada plant tersebut, sepert menetapan nla awal parameter plant model dan besar penguatan yang aan dberan engujan sstem dengan snyal masuan berupa snyal step ddapatan araterst respon transen, antara lan : watu punca sebesar 8 det, lewatan masmum sebesar 3038 persen, watu penetapan sebesar 9,9 det ISSN : 4-96 E - 98

9 Smposum Nasonal II RAI engujan sstem dengan masuan snyal pulsa, ddapatan respon untu perode pulsa pertama, respon sstem terjad oslas, sedang untu perode pulsa edua dan selanjutnya ddapatan respon dengan tda terjad oslas yang besar 4 Berdasaran pengujan sstem dengan snyal referens sembarang, respon sstem mampu mengut referens dengan ba 5 Berdasaran percobaan, asl tracng eluaran level surge tan dpengaru ole eluaran plant model dentfas DAFTAR USTAKA Astrom, Karl Joan, 995, Adaptve Control, Lund Insttute of Tecnology, Addson Wesley ublsng Company nc Ioannou, etros A, 996, Electrcal Engneerng-system, Unversty of Soutern Calforna, Jng Sun, Control sstem, Ford Scentfc Researc Laboratory, Robust Adaptve ControI, rentce-hall Internatonal nc Kuo, Benjamn C, 995, Ten Kontrol Automat, T renallndo, Jaarta Ogata, Katsuo, 997, Dscrete-tme Control system, Unversty of Mnnesota, rentce Hall, New Jersey alm III, Wllam J, Modelng, Analyss, and Control of Dynamc System, Unversty of Rode Island, Jon Wlley & Sons, Inc arasevopoulus, N, 996, Dgtal Control System, rentce-hall Europe assno, M Kevn and Steven Yurovc, 998, Fuzzy Control, Departement of Electrcl Enggneerng Te Oo State Unversty, Addson Wesley Longman, Inc Sumard, ST MT,, 00, Dasar-dasar ontrol loga fuzzy, Mater pelatan ontrol loga fuzzy, Jurusan Ten Eletro, Undp Tjoronegoro, Haryono A, 996, Identfas arameter Sstem, Jurusan Ten Fsa, Insttut Tenolog Bandung ISSN : 4-96 E - 99

Akhmad Khumaeni Sumardi Iwan Setiawan

Akhmad Khumaeni Sumardi Iwan Setiawan Maala Semnar Tgas Ar ams Desember 003 OTIMALISASI UNJUK KERJA LANT TIME VARYING MENGGUNAKAN KENDALI FUZZY ADATIF DENGAN METODE SECARA TIDAK LANGSUNG Std Kass ada Kontrol Level Srge Tan Amad Kmaen Smard

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang JURNAL MATEMATIKA DAN KOMPUTER ol. 4. No., - 22, Aprl 2, ISSN : 4-858 SUBRUANG MARKED Suryoto Jurusan Matemata, FMIPA-UNDIP Semarang Abstra Msalan suatu ruang vetor berdmens ngga atas lapangan omples C,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

BAB 3 PEMODELAN PROSES PENGGILINGAN AKHIR

BAB 3 PEMODELAN PROSES PENGGILINGAN AKHIR BAB 3 PEMODELAN POSES PENGGILINGAN AKHI 3. Proses Produs Semen Gamar 3. Proses Produs pada Par Semen Gamar d atas merupaan suatu proses produs semen mula dar penamangan materal-materal yang dutuan untu

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien JURAL TEKIK POITS Vol., o., (0) -6 Stud Perhtungan CCT enggunaan etode EEAC (Extended Equal Area Crteron) Dan Trajetor Krts/ Crtcal Trajectory Untu Kestablan Transen Hardansyah Pratama, Ardyono Pryad,

Lebih terperinci

Daftar Pustaka DAFTAR PUSTAKA

Daftar Pustaka DAFTAR PUSTAKA Daftar Pustaa DAAR PUSAKA [ arna, A., dan Studer,. A. (985), Radar Data Processng, ol. I Introducton and racng, Researc Studes Press. [ arna, A., dan Studer,. A. (985), Radar Data Processng, ol. II Advanced

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

APLIKASI JARINGAN SARAF TIRUAN REKUREN PADA IDENTIFIKASI SISTEM NONLINIER DENGAN ALGORITMA OPTIMAL BOUNDED ELLIPSOID

APLIKASI JARINGAN SARAF TIRUAN REKUREN PADA IDENTIFIKASI SISTEM NONLINIER DENGAN ALGORITMA OPTIMAL BOUNDED ELLIPSOID APLIKASI JARINGAN SARAF IRUAN REKUREN PADA IDENIFIKASI SISEM NONLINIER DENGAN ALGORIMA OPIMAL BOUNDED ELLIPSOID Rully Soelaman, Mohammad Azs Efend Faultas enolog Informas, Insttut enolog Sepuluh Nopember

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Control chart pertama kali dikenalkan oleh Dr. Walter Andrew Shewhart dari

BAB II TINJAUAN PUSTAKA. Control chart pertama kali dikenalkan oleh Dr. Walter Andrew Shewhart dari BAB II TINJAUAN PUSTAKA. Pendahuluan Control chart pertama al denalan oleh Dr. Walter Andrew Shewhart dar Bell Telephone Laboratores Amera Serat pada tahun 94. Control chart adalah sebuah gra yang member

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

KLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN

KLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN KLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN Abstra Nama: Moh. Bagus Had S (Nrp 1205 100 037) Dosen Pembmbng:

Lebih terperinci

2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).

2 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 terperinci

JARINGAN SARAF TIRUAN UNTUK IDENTIFIKASI POLA KODE DERAU PALSU

JARINGAN SARAF TIRUAN UNTUK IDENTIFIKASI POLA KODE DERAU PALSU JARINGAN SARAF TIRUAN UNTUK IDENTIFIKASI POLA KODE DERAU PALSU Ea Saputra LF096585 Jurusan Ten Eletro Faultas Ten Unverstas Dponegoro Abstra Jarngan saraf truan merupaan suatu metode yang salah satunya

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U 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 terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Berala Fsa ISSN : 1410-966 Vol.8, No.1, Januar 005, hal 7-10 KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Agus Setyawan Laboratorum Geofsa, Jurusan

Lebih terperinci

V E K T O R Kompetensi Dasar :

V E K T O R Kompetensi Dasar : MODUL PEMELJRN I V E K T O R Kompetens Dasar : 1. Mahasswa mampu memaham perbedaan besaran vetor dan salar serta memberan contohcontohna dalam ehdupan sehar-har, 2. Mahasswa mampu melauan operas penumlahan

Lebih terperinci

Kata kunci: system fuzzy, inflasi

Kata kunci: system fuzzy, inflasi Pemodean Tngat Infas d Indonesa dengan -- gus aman bad & uhson PEODEL TIGKT IFLSI DI IDOESI DEG EGGUK SISTE FUZZY Oeh: gus aman bad Staf pengajar d FIP Unverstas eger Yogaarta uhson Staf Pengajar Fautas

Lebih terperinci

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Aslnda 1), Andea

Lebih terperinci

SISTEM JARINGAN SYARAF KABUR SKRIPSI. Diajukan untuk Memenuhi Salah Satu Syarat. Memperoleh Gelar Sarjana Sains. Program Studi Matematika

SISTEM JARINGAN SYARAF KABUR SKRIPSI. Diajukan untuk Memenuhi Salah Satu Syarat. Memperoleh Gelar Sarjana Sains. Program Studi Matematika SISTEM JARINGAN SYARAF KABUR SKRIPSI Dauan untu Memenuh Salah Satu Syarat Memperoleh Gelar Sarana Sans Program Stud Matemata Dsusun oleh: Ssra Mardawat NIM : 0534006 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA

Lebih terperinci

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV)

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV) DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV Sutmn Jurusan Matemata FMIPA Unverstas Dponegoro Jl Prof H Soedarto SH Tembalang, Semarang 575 E-mal: su_tmn@yahoocom Abstract:

Lebih terperinci

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv KUNI JWBN SO EOI FISIK OIMPIDE SINS NSION 00. a. Dhtung dahulu watu yang derluan dar beban dleas sama e etnggan masmum yatu t. v 0 at 0 0t t =0, seon. Ketnggan masmum yang dcaa beban dhtung dar ermuaan

Lebih terperinci

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

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

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

Integrasi. Metode Integra. al Reimann

Integrasi. 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 terperinci

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0 Implementas Jarngan Saraf Truan Bacpropagaton Pada Aplas Pengenalan Waah Dengan Jara Yang Berbeda Menggunaan MATLAB 7.0 Syafe Nur Luthfe Jurusan Ten Informata, Unverstas Gunadarma Jl. Margonda Raya 100,

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 9 JANUARI OPEN BOOK WAKTU MENIT KLAS B DAN KLAS C PETUNJUK Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. ) Sauara bole menggunaan omputer untu mengerjaan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

Kaedah Runge-Kutta. Bab 25

Kaedah Runge-Kutta. Bab 25 Kaeda Runge-Kutta Bab 5 D ar bab n anda sepatutna: Bole menjelasan gambaran vsual aeda Euler Heun dan tt tenga Faam ubungan antara aeda Euler dan sr Talor dan ralat ang beratan Dapat membezaan ralat (local

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER PENYELESIN SISTEM PESMN TK LINIE Mater Kulah: Pengantar; Iteras Satu Tt; Iteras Newton # PENGNT # erut n adalah contoh seumpulan buah persamaan ta lner smulta dengan buah varabel ang ta detahu:... ( 57...

Lebih terperinci

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a Pemodelan Anomal Magnet Berbentu Prsma Menggunaan Algortma Geneta Antonus a, Yudha Arman a *, Joo Sampurno a a Jurusan Fsa, FMIPA Unverstas Tanjungpura, Jalan Pro. Dr. Hadar Nawaw, Pontana, Indonesa *Emal

Lebih terperinci

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER IDENIFIKASI SISEM NONLINIE DENGAN MENGGUNAKAN ECUEN NEUAL NEOK DAN ALGOIMA DEAD-ZONE KALMAN FILE ully Soelaman, angga fa Faultas enolog Informas Insttut enolog Sepuluh Nopember Kampus Keputh, Suollo, Surabaya

Lebih terperinci

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program

Lebih terperinci

DesainKontrolFuzzy BerbasisPerformansiH dengan Batasan Input-Output untuk Sistem Pendulum-Kereta

DesainKontrolFuzzy 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 terperinci

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN SISFO-Jurnal Sstem Informas IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN Fazal Mahananto 1), Mahendrawath ER 2), Rully Soelaman 3) Jurusan Sstem Informas,

Lebih terperinci

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA IndoMS Journal on Statstcs Vol, No (4), Page 39-49 TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA Arum Handn Prmandar, Abdurahman Jurusan

Lebih terperinci

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

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 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 terperinci

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL -6 98:. eguh d. AAR UADRA ESEMBLE ALMA FILER (A-EnF PADA ESIMASI POSISI ROBO MOBIL. eguh, Subchan,*,. endro, A. Erna, S.P. Dd 2, dan M. omarudn 3 Insttut enolog Seuluh oember 2 Polten Eletrna eger Surabaya

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

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

Lebih terperinci

Analisis Penyelesaian Persamaan Kuadrat Matriks

Analisis Penyelesaian Persamaan Kuadrat Matriks Jurnal Matemata, Jurnal Matemata, tatsta tatsta, & Komutas & Komutas Vol. 3 No Vol. Jul No. 6 Jul 5 Vol, No, 9-3, 9-9, Jul 5 9 Analss Penyelesaan Persamaan Kuadrat Matrs Hasmawat dan Amr Kamal Amr Abstra

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

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

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

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

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

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

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

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM 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 terperinci

ANALISA UNJUK KERJA SISTEM V-BLAST PADA KANAL FREQUENCY SELECTIVE FADING DALAM RUANGAN DENGAN MENGGUNAKAN MODULASI J-ary QAM

ANALISA UNJUK KERJA SISTEM V-BLAST PADA KANAL FREQUENCY SELECTIVE FADING DALAM RUANGAN DENGAN MENGGUNAKAN MODULASI J-ary QAM Analsa Unju Kerja Sstem I Gst. Ag. Km. Dafar Djun H. ANALISA UNJUK KEJA SISEM V-BLAS PADA KANAL FEQUENCY SELECIVE FADING DALAM UANGAN DENGAN MENGGUNAKAN MODULASI J-ary QAM I Gust Agung Komang Dafar Djun

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB 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 terperinci

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT Ngarap Im Man Jurusan Matemata FST BINUS Unversty, Jln.Kebon Jeru Raya no.27 Jaarta Barat 11480, Indonesa

Lebih terperinci

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv 1 Strateg Memnmalan Load Sheddng Menggunaan Metode Senstvtas Untu Mencegah Voltage Collapse Pada Sstem Kelstran Jawa-Bal 500 V Rs Cahya Anugrerah Haebb, Ad Soepranto,, Ardyono Pryad Jurusan Ten Eletro,

Lebih terperinci

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa

Lebih terperinci

BAB II STUDI PUSTAKA

BAB II STUDI PUSTAKA Masur Kmsan 5 7 1 BAB II STUDI PUSTAKA 1 Umum Secara umum sstem strutur dbedaan dar egunaan strutur, sepert strutur embatan, gedung, tang, bendungan atau pesawat udara Secara husus penamaan n dbedaan dar

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT. ROGRAM STUDI ERENCANAAN WILAYAH DAN KOTA METODE ANALISIS ERENCANAAN TL SKS DR Ir Ken Martna K, MT KULIAH KE METODA KELOMOK (COHORT SURVIVAL METHOD) Merupaan salah satu metode proyes pendudu endudu delompoan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi 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 terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN : JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan

Lebih terperinci

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY Unverstas Padjadjaran, 3 November 00 (M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY Anndya Aprlyant Pravtasar

Lebih terperinci

BAB VIII PENUTUP 8.1. Kesimpulan Penelitian

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 terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

BAB III MODUL INJEKTIF

BAB III MODUL INJEKTIF BAB III ODUL INJEKTIF Bab n adalah bab yang palng pentng arena bab n bers mula dar hal-hal dasar mengena modul njet sampa sat-sat stmewanya yang tda dml oleh modul lan yang tda njet, yang merupaan ous

Lebih terperinci

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

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

Lebih terperinci

PROSES UP-SCALING CITRA DIGITAL PADA DOMAIN FREKUENSI DENGAN MENGGUNAKANMETODE DISCRETE WAVELET TRANSFORM

PROSES UP-SCALING CITRA DIGITAL PADA DOMAIN FREKUENSI DENGAN MENGGUNAKANMETODE DISCRETE WAVELET TRANSFORM Konferens Nasonal Sstem dan Informata 2009; Bal, November 14, 2009 PROSES UP-SCALING CITRA DIGITAL PADA DOMAIN FREKUENSI DENGAN MENGGUNAKANMETODE DISCRETE WAVELET TRANSFORM Tjoorda Agung Bud W., 1, Mela

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4 Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba

Lebih terperinci