IMPLEMENTASI SEGMENTASI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING BERBASIS SIMILARITAS MAKSIMAL
|
|
- Dewi Pranoto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 MAKALA EMINAR TUGA AKIR PERIODE JULI 00 IMPLEMENTAI EGMENTAI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING ERAI IMILARITA MAKIMAL Ayu Arta Paramta Relga, andayan Tjandrasa, Anny Yunart 3 Teknk Informatka, Fakultas Teknolog Informas, IT emal : ayuartaparamta@yahoo.com, handatj@gmal.com, anny@f.ts.ac.d 3 ATRAKI aat n telah banyak metode segmentas ctra yang dkembangkan untuk dgunakan sebaga dasar dar proses analsa maupun rekonstruks ctra. Namun pengembangan pada metode segmentas ctra nteraktf atau segmentas sem otomats untuk ctra berwarna mash jarang dlakukan. Dkatakan nteraktf karena pada proses segmentas membutuhkan nteraks dar user untuk memberkan penanda. Makalah n mengmplementaskan suatu metode segmentas ctra nteraktf yang berdasar dar proses segmentas regon mergng, namun dengan pendekatan yang berbeda yatu smlartas maksmal. Regon- regon yang telah ddapatkan pada pre proses akan dcar smlartasnya. Apabla smlartas tersebut maksmal maka akan dlakukan proses regon mergng dengan menggunakan bantuan penanda dar user. Dar uj coba yang telah dlakukan pada beberapa ctra, terbukt bahwa metode segmentas ctra nteraktf n dapat djadkan alternatf metode segmentas yang lebh mudah serta memberkan hasl segmentas yang bak. Kata kunc : segmentas sem otomats, ctra berwarna, smlartas maksmal, regon mergng, koefsen hattacharyya. PENDAULUAN aat n berbaga macam metode segmentas ctra telah banyak dkembangkan bak tu segmentas ctra otomats maupun sem otomats. Yang dmaksud segmentas ctra sem otomats adalah teknk segmentas yang memnta nteraks user untuk memasukkan nput bantuan sepert marker. alah satu metode segmentas ctra nteraktf yang telah dkembangkan adalah metode berbass graph []. Dmana, pada metode tersebut menggunakan watershed sebaga pre-segmentas / low level segmentas yang dkombnaskan dengan graph cut sebaga operas selanjutnya. epert dketahu, terdapat berbaga macam metode low level segmentas yang dapat djadkan dasar untuk operas segmentas d level yang lebh tngg, antara lan : Mean shft, watershed, super-pxel dan level set []. Pada makalah n, dmplementaskan suatu metode segmentas ctra nteraktf baru, regon mergng berbass smlartas maksmal [], dmana metode low level segmentas yang dgunakan adalah mean shft. Dan untuk proses segmentas selanjutnya dgunakan regon mergng. Proses tersebut membutuhkan nteraks dar user untuk memberkan marker yang menunjukkan poss object dan background ctra.. METODE REGION MERGING ERAI IMILARITA MAKIMAL Intal segmentas merupakan step awal yang berfungs untuk membag ctra menjad regon regon yang memlk kesamaan untuk kemudan dapat dlakukan proses mergng. Untuk tu dgunakan EDION system [3] yatu software untuk segmentas meanshft, dmana segmentas meanshft merupakan low level segmentas yang dgunakan pada tugas akhr n.asl segmentas meanshft dar EDION system dtamplkan pada Gambar.. PENGITUNGAN IMILARITA etelah melakukan ntal segmentas meanshft dengan EDION system [3], akan ddapatkan regon regon kecl. Pada langkah awal dar metode yang dgunakan pada tugas akhr n adalah terlebh dahulu menggunakan deskrptor warna sebaga representas ftur warna pada objek pada regon-regon yang ddapatkan dar low-level segmentas tersebut. epert dketahu, regon dapat drepresentaskan dengan beberapa deskrptor antara lan, warna, edge, tekstur, bentuk dan ukuran dar regon. Tujuannnya agar setap regon merepresentaskan descrptor yang sama, yatu hstogram warna. Gambar Contoh ctra hasl segmentas meanshft EDION sytem etelah merepresentaskan regon dengan deskrptor warna, selanjutnya adalah proses penghtungan smlartas antara regon. Pada tugas akhr n penghtungan smlartas antara regon menggunakan koefsen hattacharyya. Koefsen hattacharyya dgunakan karena sangat sederhana dan efsen untuk merepresentaskan smlartas dar regon [4]. Dasumskan R dan Q adalah regon. Untuk smlartas
2 dar keduanya adalah ρ ( R, maka untuk penghtungan smlartas antar regon terdapat pada persamaan () 4096 u u ρ ( R, = st R st () u = st dan R stq adalah normalsas hstogram dar R dan Q, u merupakan elemen ke uth pada regon. Nantnya nla hattacharyya yang lebh tngg antara R dan Q, maka merupakan smlartas yang lebh tngg pula dantara semuanya.. MARKER OJEK DAN ACKGROUND Pada segmentas ctra nteraktf, dbutuhkan bantuan user untuk menspesfkan object dan background. User dapat memasukkan nput nteraktf dengan menggambar marker atau penanda yang berupa gars.regon yang pkselnya terdapat pada objek marker dsebut daerah objek marker. egtu pula regon yang pkselnya terdapat pada background marker maka dsebut daerah background marker, sedangkan daerah yang tdak ada terdapat marker keduanya maka dsebut daerah nonmarker []. Pada makalah n dgunakan gars dengan warna hjau sebaga penanda daerah objek dan gars dengan warna bru sebaga penanda daerah background..3 ATURAN MERGING ERAI IMILARITA MAKIMAL etelah proses markng objek dan background, proses selanjutnya yang dlakukan pada metode n adalah mengdentfkas daerah non-marker dengan bantuan dar marker object dan background. Karena daerah marker hanya mencakup sebagan kecl dar objek dan background, dan daerah non-marker harus ddentfkas dan tdak asal dgabungkan dengan background. Maka untuk mengdentfkas dapat dgunakan mekansme smlartas maksmal berbass mergng []. Dasumskan daerah Q terletak berdekatan dengan daerah R dan dnotaskan dengan Q ( R, = max ( Q, ), () ρ =,,... q ρ Dar persamaan datas, maka proses penggabungan atau mergng dlakukan jka ρ( R, maksmal. Aturan mergng tersebut san-gat sederhana namun n merupakan dasar dar metode yang dgu-nakan pada tugas akhr n..4 PROE PENGGAUNGAN / MERGING etelah ddapatkan smlartas maksmal dar tap regon. Maka proses yang dlakukan selanjutnya adalah proses penggabungan/ mergng. Untuk proses penggabungan pada tugas akhr n, terdapat yang akan dlakukan []. Pada pertama, akan dlakukan penggabungan/merge untuk daerah background dengan daerah lan yang berdekatan. Untuk setap daerah M Q, akan dbentuk kumpulan daerah yang berdekatan dengan dan dnotaskan dengan = { A }. Kemudan untuk setap =,,..., r A dan A bukan merupakan anggota M ( A M ), maka akan dbentuk kumpulan dar daerah, yang dnyatakan dengan A =. Tentu, kemudan akan notas A { } j j k =,,..., dhtung smlartas antara A A A dan setap elemen pada. etalah melakukan penghtungan, jka memenuh aturan smlartas maksmal yatu apabla smlartas daerah A dan merupakan smlartas yang maksmal dalam kumpulan daerah A j yang dnotaskan dengan A ρ( A, ) = max ρ( A, ) (3) maka =,,... q j A dan akan dgabungkan / d merge menjad satu daerah/regon, kemudan daerah baru tu akan dber label yang sama yatu daerah, jka tdak memenuh aturan dar smlartas maksmal maka A dan tdak akan dgabungkan. Prosedur datas akan dlakukan berkal kal, perulangan terhadap prosedur tersebut berhent djalankan apabla seluruh penanda/ marker pada daerah background M telah dgabungkan. etelah semua daerah pada n dgabungkan. Jka prosedur telah berhent, maka pada proses penggabungan n telah selesa, namun tdak semua bagan pada background akan dgabungkan pada n. Karena daerah tersebut mempunya smlartas yg lebh tngg dar daerah lan maupun daerah background sendr. Untuk menyelesakan problem yang terssa dar, maka akan djalankan dmana pada proses n seluruh daerah non-marker pada background yang terssa dan pada daerah objek, akan d merge. Daerah non-marker pada objek dan background dasumskan sebaga P N, untuk daerah-daerah yang berdekatan,.. =. pada P d asumskan sebaga P { } =, p Kemudan untuk setap bagan dar daerah background ( yang bukan merupakan M ) dan yang bukan merupakan bagan daerah objek ( Mo ) kumpulan daerah tersebut dasumskan,.. =. Daerah P ada pula yang sebaga { J } j=, p teradapat pada,kemudan smlartas antara P dan setap elemen pada akan dhtung, jka memenuh aturan maksmal smlartas yang drepresentaskan. ρ( P, ) max ρ( = (4) =,,... q, j )
3 Maka P dan akan d gabungkan/dmerge menjad satu daerah/regon. Jka tdak memenuh aturan tersebut maka tdak dgabungkan. ama dengan, prosedur pada n djalankan terus menerus pula hngga tdak ada lag daerah non-marker N yang dapat dgabungkan. tage dan akan djalankan terus menerus hngga tdak ada daerah yang dgabungkan lag. Kemudan akhrnya daerah yang ada hanya akan dber label objek atau background, dar snlah, maka akan dapat dengan mudah melakukan mendapatkan kontur dar objek dengan mengekstraks daerah objek saja. 3. METODOLOGI Metodolog dar sstem n secara keseluruhan dgambarkan pada dagram alr Gambar Keempat macam ctra merepresentaskan karakterstk berbeda : ctra pertama : Ctra yang memlk perbedaan warna objek dan background yang contrast, contoh : ctra rd.bmp ctra kedua : ctra yang beberapa bagan pada objeknya memlk kesamaan warna dengan background. contoh : ctra Monalsa.bmp ctra ketga : ctra yang pada bagan objek memlk karakterstk warna yang sangat mrp dengan background. Contoh : ctra tarfsh.bmp ctra keempat : pada ctra n terdapat objek yang nantnya harus dsegmentas atau dapat dkatakan multple object extracton. Contoh : ctra Twodogs.bmp. Keempat hstogram setap karakterstk ctra dtunjukkan pada Gambar 3 (a), (b), (c), dan (d). Gambar 3 stogram untuk ctra (a)rd.bmp (b) Monalsa.bmp (c) tarfsh.bmp (d) Twodogs.bmp Ctra orgnal dan ctra ntal segmentas dtunjukkan pada Gambar 4.(a) dan (b), Gambar Dagram Alr Metode Regon Mergng berbass smlartas maksmal Pada gambar dtunjukkan dagram alr dar algortma segmentas regon mergng berbass smlartas maksmal secara keseluruhan. 4. UJI COA DAN EVALUAI a. Uj Coba dengan 4 macam ctra RG Pada skenaro n, akan djabarkan hasl uj coba segmentas ctra nteraktf menggunakan 4 macam ctra RG yang memlk regon dan karakterstk ctra yang berbeda. 4 macam ctra RG tersebut dambl dar dataset pada referens [5].Tujuan dar uj coba n adalah untuk mengetahu keakuratan sstem dalam mensegmentas ctra RG yang berbeda secara sem automats. Gambar 4 (a) Ctra Orgnal rd.bmp (b) Ctra orgnal yang dgabungkan dengan ctra segmentas low level/ntal segmentas Tabel menunjukkan ctra dengan marker dan marker objek dan background pada ctra. Gambar 5 merupakan hasl uj coba skenaro pada ctra yang memlk perbedaan warna objek dan background yang contrast, edangkan untuk analss hasl uj coba skenaro keseluruhan dapat dlhat pada tabel. Dar hasl uj coba yang dlakukan pada 4 ctra RG, terlhat bahwa metode segmentas ctra nteraktf menggunakan regon mergng berbass smlartas maksmal dapat mensegmentas ctra dengan bak. 3
4 ctra orgnal Tabel Uj Coba dengan ctra rd.bmp ctra ntal segmentas marker objek background kedua n mash dlakukan pada keempat ctra RG yang duj cobakan pada uj coba pertama. Ctra orgnal dan ctra ntal segmentas dtunjukkan pada Gambar 6. (a) dan (b). Gambar 6 (a) Ctra Orgnal Monalsa.bmp (b) Ctra orgnal yang dgabungkan dengan ctra segmentas low level/ntal segmentas Tabel 3 menunjukkan ctra dengan marker dan marker objek dan background pada ctra. Tabel 3 Uj Coba dengan ctra Monalsa.bmp nama ctra Gambar 5 asl egmentas ctra rd.bmp Tabel asl Uj Coba dengan 4 ctra RG sze ctra regon Runnng Round Round rd.bmp 63 x ctra orgnal ctra ntal segmentas marker objek background Monalsa.bmp 376 x starfsh.bmp 448 x twodogs.bmp 335 x Pada Tabel, dlhat bahwa runnng process sstem dpengaruh oleh regon, semakn banyak regon maka runnng processnya akan lebh lama serta membutuhkan proses mergng yang lebh banyak pada setap dan round. b. Uj Coba dengan menggant koefsen hattacharyya dengan Eucldean Dstance Untuk uj coba kedua n menggunakan skenaro penghtungan smlarta berbeda dar uj coba pertama. Jka pada uj coba pertama untuk proses mencar smlartas antar regon dgunakan hattacharyya koefsen. edangkan pada uj coba kedua n, penghtungan smlartas akan dlakukan dengan Eucldean dstance. Persamaan 5 menamplkan rumus untuk menghtung smlartas menggunakan Eucldean dstance[]. Dmana notas notas pada persamaan tersebut sama dengan notas yang terdapat pada Persamaan U U ρ ( R, = ( st R st ).(5) U = Uj coba kedua n dlakukan untuk membandngkan bagamana knerja sstem jka proses penghtungan smlartas dlakukan dengan Eucldean dstance. Yang dmaksud dengan knerja sstem adalah runnng process dan banyaknya mergng yang dlakukan pada setap. ama dengan uj coba pertama, uj coba Q Gambar 7(a) asl egmentas ctra Monalsa.bmp pada uj coba (b) asl segmentas pada uj coba Gambar 7(a) merupakan hasl uj coba skenaro pada ctra yang beberapa bagan pada objeknya memlk kesamaan warna dengan background dan Gambar 7(b) merupakan hasl segmentas ctra monalsa.bmp pada uj coba, edangkan untuk analss hasl uj coba skenaro keseluruhan dapat dlhat pada tabel 4. Pada Tabel 4 tampak bahwa penghtungan smlartas antar regon dapat dlakukan dengan metode Eucldean dstance, hanya apabla dbandngkan dengan metode koefsen hattacharyya, keseluruhan proses dengan metode Eucldean dstance membutuhkan waktu proses lebh lama. Demkan pula dengan proses mergng pada setap dan round Eucldean dstance membutuhkan proses mergng lebh banyak jka dbandngkan dengan menggunakan koefsen hattacharyya. 4
5 Tabel 4 asl Uj coba dengan metode penghtungan smlartas menggunakan Eucldean dstance nama ctra regon Runnng Runnng proses uj coba Jumlah proses mergng Round Round rd.bmp Monalsa.bmp starfsh.bmp twodogs.bmp c. Uj Coba dengan menggant model warna ctra RG menjad ctra I Jka pada proses uj coba pertama dlakukan pada ctra RG, maka untuk proses uj coba ketga sstem akan dujkan pada ctra I.Ctra I berasal dar kata ue, aturaton, dan Intensty. ue = mendeskrpskan warna murn, aturas = derajat banyaknya warna murn yang dlunakkan dengan warna puth, Intenstas = menggabungkan nformas warna dar dan. Tujuan dar uj coba ketga n adalah mengetahu apakah sstem dapat bekerja pada ctra dengan model warna yang berbeda. Langkah uj coba untuk ctra I n hampr sama dengan ctra RG [] hanya bla pada ctra RG setap color channel dber nla yang sama yatu R = 6, G = 6 dan = 6 sehngga total bernla Untuk ctra I n dberkan nla untuk = 6, = 4, dan I = 4 sehngga total bernla 56. Kemudan dengan menggunakan hstogram dar nla tersebut, dan melakukan perhtungan smlartas menggunakan metode yang sama dengan uj coba yatu hattacharyya. Ddapatkan smlartas maksmal dengan aturan yang sama pula dengan uj coba. Gambar 8 merupakan perubahan warna ctra dataset yang semula RG menjad I. Untuk merubah ctra RG menjad I dgunakan fungs matlab. Gambar 9 (a) Ctra Orgnal Twodogs.bmp (b) Ctra yang sudah dubah model warnanya menjad I (c) Ctra I yang telah dgabungkan dengan ctra segmentas low level(ntal segmentas) ctra orgnal Tabel 5 Uj Coba dengan ctra Twodogs.bmp ctra ntal segmentas marker objek background 5 3 Gambar 0(a) asl segmentas ctra Twodogs.bmp pada model warna I (b) asl segmentas pada uj coba Tabel 6 asl Uj coba dengan menggant model warna ctra RG menjad ctra I nama ctra regon Runnng Runnng proses uj coba Jumlah proses mergng Round Round rd.bmp Monalsa.bmp Gambar 8 (a) ctra RG dar dataset (b) ctra RG yang telah dubah menjad I Ctra orgnal, ctra yang dubah kedalam model warna I, ctra ntal segmentas dtunjukkan pada Gambar 9 (a), (b) dan (c). Tabel 5 menunjukkan ctra dengan marker serta marker objek dan background pada ctra.gambar 0(a) merupakan hasl uj coba skenaro 3 pada ctra multple objek, (b) merupakan hasl uj coba ctra twodogs.bmp pada uj coba. starfsh.bmp twodogs.bmp Tabel 6 menamplkan hasl uj coba ketga, dar tabel tersebut menunjukkan bahwa uj coba ketga n membutuhkan waktu proses yang lebh lama dar proses uj coba pertama dan kedua. erta membutuhkan proses mergng yang lebh banyak pada setap dan round. Dan pada ctra starfsh.bmp, dmana pada Tabel dcetak warna bru sstem tdak dapat mensegmentas dengan bak, sehngga objek yang dngnkan tdak dapat terekstraks. 5
6 d. Uj Coba dengan menggant Intal egmentas Meanshft menjad uper Pksel erbeda dengan ketga skenaro uj coba yang sebelumnya, skenaro uj coba keempat n merubah ntal segmentas yang awalnya merupakan ntal segmentas meanshft yang merupakan hasl keluaran dar EDION system [3], dubah menggunakan metode ntal segmentas lan selan meanshft yatu super pksel. erbeda dengan mean shft,super pksel membag ctra menjad bagan-bagan kecl sepert membagnya berdasarkan pksel ctra tersebut. Intal segmentas super pksel n juga ddapatkan dar hasl sstem yang telah ada yang dbuat oleh Greg mor [6]. Gambar merupakan contoh ntal segmentas super pksel ctra orgnal Tabel 7 Uj Coba dengan ctra tarfsh.bmp ctra ntal segmentas marker objek background Gambar 3(a) merupakan hasl segmentas ctra tarfsh.bmp pada uj coba 4 (b) asl segmentas pada uj coba Gambar merupakan contoh ntal segmentas super pksel Tujuan dar uj coba keempat n mengetahu apakah sstem dapat bekerja pada ntal segmentas berbeda, apakah nantnya hasl yang ddapatkan lebh bagus dengan menggunakan super pksel atau kebalkannya. Ctra orgnal dan ctra ntal segmentas dtunjukkan pada Gambar (a) dan (b). Tabel 8 asl Uj coba dengan menggant ntal segmentas meanshft menjad super pksel nama ctra regon Runnng Runnng proses uj coba Jumlah proses mergng Round Round rd.bmp Monalsa.bmp starfsh.bmp twodogs.bmp Karena ntal segmentas super pksel memlk banyak regon segmentas maka untuk proses segmentas utama, membutuhkan lebh banyak marker yang dbutuhkan untuk mendapatkan hasl yang sama apabla menggunakan ntal segmentas meanshft. Gambar (a) Ctra Orgnal tarfsh.bmp (b) Ctra orgnal yang dgabungkan dengan ctra segmentas low level/ntal segmentas Tabel 7 menunjukkan ctra dengan marker serta marker objek dan background pada ctra. karakterstk warna yang sangat mrp dengan background, Gambar 3(a) merupakan ctra hasl segmentas untuk scenaro uj coba ke 4 dan 3(b) merupakan hasl segmentas pada uj coba, edangkan untuk analss hasl uj coba skenaro 4 keseluruhan dapat dlhat pada tabel 8. Tabel 8 menamplkan hasl uj coba keempat, dmana pada tabel tersebut menunjukkan regon, runnng proses pada ntal segmentas super pksel ber hampr sama antar ctra. Pada tabel 8 runnng proses untuk ctra brd.bmp dan twodogs.bmp membutuhkan waktu yang jauh lebh lama dbandngkan bla menggunakan ntal segmentas meanshft. e. Uj coba pada ctra yang bagan daerah objeknya terdapat pada background Dalam proses uj coba system terdapat pula kegagalan dalam melakukan proses segmentas dan system tdak dapat mengekstraks objek dengan bak. Gagalnya proses tersebut karena beberapa bagan dar objek terdapat pada background. ehngga berapa pun marker yang dberkan, tdak dapat mendapatkan hasl segmentas yang optmal. Gambar 3 (a) merupakan ctra orgnal starfsh.bmp dan (b) merupakan ctra ntal segmentas. 6
7 Gambar 4(a) Ctra Orgnal tarfsh.bmp (b) Ctra orgnal yang dgabungkan dengan ctra segmentas low level/ntal segmentas Tabel 9 menunjukkan ctra dengan marker serta marker objek dan background pada ctra. ctra orgnal Tabel 9 Uj Coba dengan ctra tarfsh.bmp ctra ntal segmentas marker objek background 3 4 Gambar 5 merupakan hasl dar segmentas pada ctra starfsh.bmp, edangkan untuk analss hasl uj coba skenaro 5 keseluruhan dapat dlhat pada tabel 0. Gambar 5 merupakan hasl segmentas ctra trafsh.bmp Tabel 0 asl uj Coba pada ctra yang bagan daerah objeknya terdapat pada background Proses segmentas ctra dapat dlakukan pula dengan menggant ntal segmentasnya dengan menggunakan super pksel. Namun membutuhkan marker yang lebh banyak dar ntal segmentas mean shft. emakn banyak regon pada ctra maka akan semakn lama waktu prosesnya serta membutuhkan banyak proses mergng pada dan round dar sstem. REFERENI []. P.Felzenswalb, D.uttenlocher, Effcent graphbased mage segmentaton,internatonal Journal of Computer Vson 59, 004. []. J.Nng, L.Zhang, D.Zhang, C.Wu, Interactve mage segmentaton by maxmal smlarty based on regon mergng, Internatonal Journal of Pattern Recognton 43, 00. [3]. EDION ystem ( Dakses Jul 00) [4] K.G.Derpans, The hattacharyya Measure, kosta@cs.yorku.ca, 008. [5] ong kong Polytechnc Unversty, ong kong, Chna( Dakses Jul 00 ) [6] uperpxel: Emprcal tudes and Applcatons ( superpxel/, Dakses 4 Jul 00). nama ctra regon Runnng Round Round tarfsh.bmp Tabel 0 menamplkan hasl ujcoba untuk ctra dmana bagan daerah objeknya terdapat pada background. ctra n memlk 535 regon. Untuk runnng proses pada ctra starfsh.bmp dbutuhkan waktu namun dengan waktu yang sangat lama sstem tdak mendapatkan hasl segmentas yang optmal pada ctra n. 5. KEIMPULAN Kesmpulan yang dperoleh berdasarkan uj coba dan analsa hasl yang telah dlakukan adalah : Permasalahan proses mergng dar ctra berwarna dapat dlakukan dengan menghtung smlartas antar regon dan mencar maksmal smlartas tap regonnya. Koefsen hattacharyya dan Eucldean dstance dapat dapat dgunakan untuk menghtung smlartas antar regon, namun berdasar hasl uj coba hasl yang lebh bak adalah menggunakan koefsen hattacharyya. 7
BAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB 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 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 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 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 terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB 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 VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB 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 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 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 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 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 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 2 AKAR-AKAR PERSAMAAN
Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih 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 terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB 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 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 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 terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
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 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 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 terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih 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 terperinciANALISIS KEMIRIPAN POLA CITRA DIGITAL MENGGUNAKAN METODE EUCLIDEAN
AALISIS KEMIRIPA POLA CITRA DIGITAL MEGGUAKA METODE EUCLIDEA Eus St ur Asyah1), Abdul Hayat2), Puspa Wdant3), Shnta Yulnda Prasetya4), Helm Iskandar5) 1), 2 ), 3) Komputersas Akuntans AMIK Raharja Informatka
Lebih 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 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 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 terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB 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 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 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 terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
Lebih 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 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 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 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 terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih 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 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 terperinciPengukuran Laju Temperatur Pemanas Listrik Berbasis Lm-35 Dan Sistem Akuisisi Data Adc-0804
Pengukuran Laju Temperatur Pemanas Lstrk Berbass Lm-35 Dan Sstem Akuss Data Adc-0804 Ummu Kalsum Unverstas Sulawes Barat e-mal: Ummu.kalsum@unsulbar.ac.d Abstrak Peneltan n merupakan pengukuran laju temperatur
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 terperinciSEGMENTASI BERBASIS REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU
EGMENTAI BERBAI REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU Arf Basof,.Kom, Moch. Harad, T, M.c, Ph.D. Program Magster Bdang Keahlan Jarngan Cerdas
Lebih 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 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 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 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 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 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 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 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 terperinciKata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.
Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada 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 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 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 III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan
35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan
Lebih terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciBAB IV HASIL PENELITIAN
6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
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 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 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 III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Penulis melaksanakan penelitian terlebih dahulu membuat surat izin penelitian
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Pelaksanaan Peneltan Penuls melaksanakan peneltan terlebh dahulu membuat surat zn peneltan yang dtujukan pada SMK Neger 1 Cmah, dengan waktu pelaksanaan peneltan
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih 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 terperinciBAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun
BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
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 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 terperinciPerhitungan Bunga Kredit dengan Angsuran
Perhtungan Kredt dengan / Mengapa Perhtungan Kredt Perlu Dketahu? Perhtungan bunga kredt yang dgunakan bank akan menentukan besar keclnya angsuran pokok dan bunga yang harus dbayar Debtur atas kredt yang
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 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 terperinciDalam 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciBAB 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 III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciPROTOTYPE APLIKASI UNTUK MENGUKUR KEMATANGAN BUAH APEL BERDASAR KEMIRIPAN WARNA
PROTOTYPE APLIKASI UNTUK MENGUKUR KEMATANGAN BUAH APEL BERDASAR KEMIRIPAN WARNA Catur Iswahyud Program Stud Teknk Informatka, Fakultas Teknolog Industr Insttut Sans & Teknolog AKPRIND Yogyakarta Emal :
Lebih terperinci