BAB 2 LANDASAN TEORI
|
|
- Suhendra Kusumo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 6 BAB 2 LANDASAN TEORI Pada bab ini enjelaskan engenai berbagai teori yang digunakan untuk elakukan penelitian ini. Bab ini terdiri dari penjelasan engenai penghitung pengunjung, lalu penjelasan engenai haar-like features dan gentle adaboost yang digunakan dala proses pelatihan datanya. Selanjutnya juga dijelaskan engenai nilai jarak Euclidian yang digunakan pada penjejakan objek kepala. 2. PENGHITUNG PENGUNJUNG Penghitungan pengunjung secara otoatis terbukti apu enghasilkan penghitungan yang euaskan dan eperudah peilik pusat keraaian [5]. Operator pusat keraaian tidak perlu disibukkan lagi oleh hal-hal onoton yang tidak seharusnya dilakukan anusia. 2.2 HAAR-LIKE FEATURES Perosesan data gabar dengan intensitas gabar (piksel per piksel dengan aturan RGB) ebutuhkan resource yang ahal, baik waktu aupun koputasi. Papageorgiou et. al.[] telah ebahas engenai penggunaan fitur gabar saat perosesan daripada intensitas gabar. Suatu set dari fitur ini epertibangkan wilayah atau region persegi panjang dari gabar dan enjulahkan tiap piksel pada region ini. Hasil penjulahan tersebut digunakan untuk engkategorisasikan gabar-gabar [5]. Setiap haar-like features terdiri dari gabungan kotak-kotak hita dan putih[7, 2]: 6 Siste penghitungan pengunjung..., Ikhsan Putra Kurniawan, FASILKOM Universitas UI, 2008 Indonesia
2 7 Gabar 2. Satu Set Extended Haar-like Features (telah diolah kebali) [7, 6, 7]. Bagaiana Menghitung Haar-like Features Nilai dari haar-like features adalah perbedaan antara julah nilai-nilai piksel level abu-abu ke dala daerah kotak hita dan daerah kotak putih. [7, 6, 7]. f ( x) = Sublackrec tan gle ( pixe lg raylevel) Suwhiterec tan gle ( pixe lg raylevel) Kotak rectangular haar-like features dapat dihitung secara cepat enggunakan integral iage. Integral iage pada lokasi x,y terdiri dari julah nilai piksel diatas dan dikiri dari lokasi x,y[7, 6, 7]. P( x, = Gabar 2. 2 Integral Iage (telah diolah kebali) [7, 6, 7] x' x, y' y i( x', y') (2.)
3 8 Gabar 2. 3 Perhitungan Integral Iage (telah diolah kebali) [7, 6, 7] Pada gabar diatas, i(x, adalah nilai piksel dari iage pada posisi x,y. s(x, adalah kuulatif julah kolo, Kita dapat enghitung integral iage dengan sekali jalan ( single pass ). Gabar 2. 4 Perhitungan Integral Iage (telah diolah kebali) [7, 6, 7] Dengan enggunakan integral iage, nilai julah piksel rectangular dapat dihitung dala waktu yang konstan. Sebagai contoh julah nilai piksel di dla kotak D, dapat dihitung sebagai berikut: ii( P4) + ii( P) ii( P2) ii( P3) (2.2) Berikut adalah contoh bagaiana enghitung haar-like features: Misalkan sebuah citra eiliki nilai grayscale sebagai berikut: i(x, Maka untuk enghitung integral iage-nya dapat dilakukan dengan enggunakan ruus: ii ( x, = ii( x, + s( x, (2.3) s ( x, = s( x, + i( x, (2.4) Maka dengan ruus tersebut akan didapatkan s(x, 2 5 7
4 Dan akan enghasilkan integral iage berupa: ii(x, Berikut adalah contoh ekstraksi haar-like features pada wajah anusia oleh Viola[7]. Gabar 2. 5 Contoh Hasil Ekstraksi Haar-like Features pada wajah anusia (telah diolah kebali)[7]. 2.3 BOOSTING Algorita yang digunakan untuk elakukan pelatihan data dala engenali pola kepala pengunjung tapak atas adalah boosting. Lienhart[7] endefiniskan sekupulan classifier seperti sebuah pohon keputusan diana setiap langkah atau level keputusan dilatih untuk endeteksi hapir seua bagian pada objek dan enolak objek yang tidak eenuhi kriteria. Boosting erupakan teknik yang apuh untuk engkobinasikan banyak classifier untuk ebentuk suatu gabungan yang perforanya lebih baik dibanding perfora tiap classifier dasar tersebut[3, 4, 5]. Bentuk boosting yang banyak digunakan adalah AdaBoost, singkatan dari adaptive boosting, yang dikebangkan oleh Freund dan Schapire[4]. Perfora boosting dapat enghasilkan klasifikasi yang bagus, eskipun tiap classifier dasar-nya hanya
5 0 sedikit lebih bagus daripada algorita rando[]. Satuan classifier ini dapat disebut weak learner. Gabar 2. 6 Algorita Boosting (telah diolah kebali) [] Pada gabar, setiap classifier y (x) dilatih dan diberi bobot, diana bobot-bobonya w () n bergantung pada perfora dari classifier dasar sebelunya y - (x). Ketika seua classifier dasar sudah dilatih, seuanya akan dikobinasikan untuk enghasilkan classifier akhir Y M (x). Algorita AdaBoost:. Inisiasi data koefisien bobot {w n } dengan enset w n () = /N for n =,, N. 2. For =,,M: (a) Cocokkan classifier y(x) dengan data pelatihan dengan einialisasi bobot fungsi eror J = N n= w ( ) n I ( y ( x ) t (2.5) n n Diana I(y (x n ) t n ) sebagai fungsi indicator dan akan bernilai ketika Y (x n ) t n dan 0 sebaliknya. (b) Evaluasi kuantitas N ( ) wn I n= = N ( y( xn) tn) ε (2.6) ( ) w n= n Lalu gunakan ini untuk engevaluasi
6 ε α = ln (2.8) ε (c) Perbaharui koefisien-koefisien bobot W (+) n = w () n exp{α I(y (x n ) t n )} (2.9) 3. Buat prediksi dengan enggunakan odel final, yaitu Y M M ( x) = sign α y( x) (2.0) = Gabar 2. 7 Contoh Proses learning atau pelatihan dengan 3 tahap oleh Viola[6] (telah diolah kebali). Sesuai dengan yang disebutkan pada latar belakang, bahwa penelitian Kuranov[6] enyipulkan bahwa Gentle Adaboost adalah algorita boosting yang paling baik, aka algorita Adaboost yang akan digunakan dala proses pelatihan adalah Gentle Adaboost Gentle Adaboost Gentle Adaboost enghasilkan perfora yang lebih baik dari Discreet Adaboost dan Real Adaboost dari sisi akurasi untuk proses deteksi karena ebutuhkan koputasi yang lebih ringan[6]. Algorita Gentle Adaboost:. Terdapat N contoh x, y ),...,( x N, y ) dengan k x R, y {, } ( N 2. Mulai dari bobot w = /N, i=,, N. (2.) i
7 2 3. Ulangi untuk =,, M 4. Hasil dari classifier adalah sign M f ( x) (2.2) = 2.3. Bagaiana Adaboost Bekerja Berikut adalah bagaiana Adaboost bekerja yang dijelaskan oleh Sochan[4]. Sesuai algorita Adaboost, cara kerja adaboost adalah sebagai berikut:. Terdapat: x, y ),...,( x, y ); x x, y {, } ( i i + Gabar 2. 8 Adaboost Bekerja (telah diolah kebali) [4] 2. Inisiasi bobot D ( i) / Untuk t =,..., T : = Cari = D ( i)[ y h ( x )] (2.3) i= t i j i Gabar 2. 9 Adaboost Bekerja (telah diolah kebali) [4] 3. Jika / 2 aka berhenti t
8 3 t Set α t = log( ) (2.4) 2 t Update nilai D D ( i)exp( α y h ( x )) ( t t i t i t+ i) = (2.5) Z t Z t adalah faktor noralisasi. Gabar 2. 0 Adaboost Bekerja (telah diolah kebali) [4] 4. Hasil dari classifier akhir T H ( x) = sign α tht ( x) (2.6) t= Gabar 2. Adaboost Bekerja (telah diolah kebali) [4]
9 4 Gabar 2. 2 Adaboost Bekerja (telah diolah kebali) [4]
10 5 Gabar 2. 3 Adaboost Bekerja (telah diolah kebali) [4]
11 6 Gabar 2. 4 Adaboost Bekerja (telah diolah kebali) [4] 2.4 NILAI JARAK EUCLIDIAN Penghitungan pengunjung enggunakan jarak euclidian terbukti lebih cepat dan enghasilkan penghitungan yang relatif euaskan[5]. Metode jarak euclidian akan digunakan dala proses tracking. Jarak Euclidian adalah jarak terpendek antara dua buah titik. Jika terdapat dua buah titik, aka jarak terpendek tersebut didapatkan dengan cara enarik garis lurus yang enghubungkan kedua titik tersebut. Dala ruang Euclidian berdiensi n, R n, jarak antara titik x dan y dapat diruuskan sebagai berikut [2, 5]: D = x-y n 2 = x i y i (2.7) i= Diana n adalah julah titik dala R n. Karena siste yang dikebangkan bekerja dala ruang Euclidian dengan diensi dua, aka jarak euclidian antara dua titik p(x,y) dan q(x2,y2) dapat dihitung dengan persaaan sebagai berikut[2]: D(p,q) = ( x y (2.8) 2 2 x2 ) + ( y 2 ) Jarak Euclidian(jarak antar objek pada citra) aksiu yang ditoleransi dala berbagai video dapat beraga, tergantung dari letak kaera[5].
BAB 1 PENDAHULUAN. Sistem penghitungan pengunjung..., Ikhsan Putra Kurniawan, FASILKOM Universitas UI, 2008 Indonesia
BAB 1 PENDAHULUAN Pada bab ini menjelaskan mengenai latar belakang, permasalahan, tujuan, ruang lingkup dan sistematika penulisan laporan dari Tugas Akhir ini. 1.1 LATAR BELAKANG Penghitungan jumlah pengunjung
Lebih terperinciDISTRIBUSI DUA PEUBAH ACAK
0 DISTRIBUSI DUA PEUBAH ACAK Dala hal ini akan dibahas aca-aca fungsi peluang atau fungsi densitas ang berkaitan dengan dua peubah acak, aitu distribusi gabungan, distribusi arginal, distribusi bersarat,
Lebih terperinciImplementasi Histogram Thresholding Fuzzy C-Means untuk Segmentasi Citra Berwarna
JURNAL TEKNIK POMITS Vol., No., (03) ISSN: 337-3539 (30-97 Print) Ipleentasi Histogra Thresholding Fuzzy C-Means untuk Segentasi Citra Berwarna Risky Agnesta Kusua Wati, Diana Purwitasari, Rully Soelaian
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengolahan citra digital merupakan salah satu subjek dari teknologi informasi yang sangat menarik dan menantang saat ini. Proses pengolahan citra digital bertujuan
Lebih terperinciBAB III USULAN PENJEJAKAN WAJAH DAN PENGHITUNGAN PENGUNJUNG DENGAN JARAK EUCLIDIAN DAN TEORI PENGUKURAN FUZZY
BAB III USULAN PENJEJAKAN WAJAH DAN PENGHITUNGAN PENGUNJUNG DENGAN JARAK EUCLIDIAN DAN TEORI PENGUKURAN FUZZY Pada bab ini akan dijelaskan mengenai metode penjejakan pengunjung yang akan digunakan pada
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinci1 1. POLA RADIASI. P r Dengan : = ½ (1) E = (resultan dari magnitude medan listrik) : komponen medan listrik. : komponen medan listrik
1 1. POLA RADIASI Pola radiasi (radiation pattern) suatu antena : pernyataan grafis yang enggabarkan sifat radiasi suatu antena pada edan jauh sebagai fungsi arah. pola edan (field pattern) apabila yang
Lebih terperinciPersamaan Schrödinger dalam Matriks dan Uraian Fungsi Basis
Bab 2 Persaaan Schrödinger dala Matriks dan Uraian Fungsi Basis 2.1 Matriks Hailtonian dan Fungsi Basis Tingkat-tingkat energi yang diizinkan untuk sebuah elektron dala pengaruh operator Hailtonian Ĥ dapat
Lebih terperinciPERANCANGAN APLIKASI DETEKSI WAJAH MENGGUNAKAN ALGORITMA VIOLA-JONES
PERANCANGAN APLIKASI DETEKSI WAJAH MENGGUNAKAN ALGORITMA VIOLA-JONES TUGAS AKHIR Disusun sebagai salah satu syarat untuk kelulusan Program Strata 1, Program Studi Teknik Informatika, Universitas Pasundan
Lebih terperinciIdentifikasi Penyakit Periodontitis Kronis pada Citra Dental Panoramic dengan Algoritma Line Strength dan Line Tracking
Identifikasi Penyakit Periodontitis Kronis pada Citra Dental Panoraic dengan Algorita Line Strength dan Line Tracking Dosen Pebibing : Dr H Agus Zainal Arifin, SKo, MKo Anny Yuniarti, SKo, MCopSc Ia Cholissodin
Lebih terperinciPenyelesaian Algortima Pattern Generation dengan Model Arc-Flow pada Cutting Stock Problem (CSP) Satu Dimensi
Penyelesaian Algortia Pattern Generation dengan Model Arc-Flow pada Cutting Stock Proble (CSP) Satu Diensi Putra BJ Bangun, Sisca Octarina, Rika Apriani Jurusan Mateatika Fakultas MIPA Universitas Sriwijaya
Lebih terperinciFITUR LENGTH OF EDGE DAN MOMENT INVARIAN UNTUK GESTURE RECOGNITION DENGAN MENGGUNAKAN KINECT UNTUK KONTROL LAMPU
Jurnal Teknologi Inforasi dan Ilu Koputer (JTIIK) Vol., No. 1, April 015, hl. 73-78 FITUR LENGTH OF EDGE DAN MOMENT INVARIAN UNTUK GESTURE RECOGNITION DENGAN MENGGUNAKAN KINECT UNTUK KONTROL LAMPU Rekyan
Lebih terperinciBENTUK GELOMBANG AC SINUSOIDAL
BENTUK GELOMBANG AC SINUSOIDAL. PENDAHULUAN Pada bab sebelunya telah dibahas rangkaian resistif dengan tegangan dan arus dc. Bab ini akan eperkenalkan analisis rangkaian ac diana isyarat listriknya berubah
Lebih terperinciKAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE () DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 05 Desen pebibing:
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Konsep Dasar Graph Sebelu sapai pada pendefinisian asalah network flow, terlebih dahulu pada bagian ini akan diuraikan engenai konsep-konsep dasar dari odel graph dan representasinya
Lebih terperinciIMPLEMENTASI PANORAMIC IMAGE MOSAIC DENGAN METODE 8 PARAMETER PERSPECTIVE TRANSFORMATION
IMPLEMENTSI PNORMIC IMGE MOSIC DENGN METODE 8 PRMETER PERSPECTIVE TRNSFORMTION Rud dipranata, Hendra Litoo, Cherr G. Ballangan Teknik Inforatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciPertemuan ke-3 Persamaan Non-Linier: Metode ½ Interval (Bisection) 27 September 2012
Perteuan ke-3 Persaaan Non-Linier: Metode ½ Interval (Bisection) 7 Septeber 01 Analisa Terapan Terapan:: Metode Nuerik Dr.Eng. Agus S. Muntohar Metode Bisection Dasar Teorea: Suatu persaaan ()0, diana
Lebih terperinciBAB III METODE BEDA HINGGA CRANK-NICOLSON
BAB III METODE BEDA HINGGA CRANK-NICOLSON 3. Metode Beda Hingga Crank-Nicolson (C-N) Metode Crank-Nicolson dikebangkan oleh Crank John dan Phyllips Nicholson pada pertengahan abad ke-, etode ini erupakan
Lebih terperinciTeknik face-detection yang akan digunakan adalah teknik yang
BAB III TEORI PENDETEKSIAN WAJAH 3.1 Teori Viola Jones Detection Teknik face-detection yang akan digunakan adalah teknik yang dikembangkan oleh Paul Viola dan Michael Jones-yang biasa dikenal sebagai pendeteksi
Lebih terperinciPENJUMLAHAN MOMENTUM SUDUT
PENJUMAHAN MOMENTUM SUDUT A. Penjulahan Moentu Sudut = + Gabar.9. Penjulahan oentu angular secara klasik. Dua vektor oentu angular dan dijulahkan enghasilkan Jika oentu angular elektron pertaa adalah dan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab ini akan dijelaskan mengenai latar belakang, permasalahan, tujuan dan ruang lingkup, dan sistematika penulisan laporan dari tesis ini. 1.1 Latar Belakang Di tempat umum seperti
Lebih terperinciPenentuan Akar-Akar Sistem Persamaan Tak Linier dengan Kombinasi Differential Evolution dan Clustering
Jurnal Kubik, Volue No. ISSN : 338-0896 Penentuan Akar-Akar Siste Persaaan Tak Linier dengan Kobinasi Differential Evolution dan Clustering Jaaliatul Badriyah Jurusan Mateatika, Universitas Negeri Malang
Lebih terperinciBAB 3 DESAIN DAN PEMILIHAN DATA. Pada bab ini menjelaskan mengenai desain sistem dan pemilihan data yang akan dijadikan objek.
BAB 3 DESAIN DAN PEMILIHAN DATA Pada bab ini menjelaskan mengenai desain sistem dan pemilihan data yang akan dijadikan objek. 3.1 DESAIN SISTEM Bagian ini menjelaskan mengenai deteksi objek kepala, penjejakan
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciIII HASIL DAN PEMBAHASAN
7 III HASIL DAN PEMBAHASAN 3. Analisis Metode Dala penelitian ini akan digunakan etode hootopi untuk enyelesaikan persaaan Whitha-Broer-Koup (WBK), yaitu persaaan gerak bagi perabatan gelobang pada perairan
Lebih terperinciSOAL UJIAN SELEKSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2013 TINGKAT PROPINSI
SOAL UJIAN SELEKSI CALON PESERTA OLIMPIADE SAINS NASIONAL 013 TINGKAT PROPINSI FISIKA Waktu : 3,5 ja KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN DIREKTORAT JENDERAL PENDIDIKAN MENENGAH DIREKTORAT PEMBINAAN SEKOLAH
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah
Lebih terperinciBAB I PENDAHULUAN. daya nasional yang memberikan kesempatan bagi peningkatan demokrasi, dan
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan daerah sebagai bagian yang integral dari pebangunan nasional dilaksanakan berdasakan prinsip otonoi daerah dan pengaturan suber daya nasional yang
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di PT Tirta Ala Seesta. Perusahaan tersebut berlokasi di Desa Ciburayut, Kecaatan Cigobong, Kabupaten Bogor. Peilihan objek
Lebih terperinciMATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan
Kristal no.12/april/1995 1 MATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan Di dala ateatika anda pasti sudah pernah berhadapan dengan sebuah siste persaaan linier. Cacah persaaan yang berada di dala siste
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data dan Variabel 2.1.1 Data Pengertian data enurut Webster New World Dictionary adalah things known or assued, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap.
Lebih terperinciBAB II METODOLOGI PENELITIAN
6 BAB II METODOLOGI PENELITIAN.1 Waktu dan Tepat Penelitian Gabar Peta kawasan hutan KPH Madiun Peru perhutani Unit II Jati. Pengabilan data penelitian ini dilakukan pada bulan Oktober sapai dengan bulan
Lebih terperinciImplementasi Sistem Keamanan Data dengan Menggunakan Teknik Steganografi End of File (EOF) dan Rabin Public Key Cryptosystem
Ipleentasi Siste Keaanan Data dengan Menggunakan Teknik Steganografi End of File (EOF) dan Rabin Public Key Cryptosyste Henny Wandani 1, Muhaad Andri Budian, S.T, M.Cop.Sc, MEM 2, Aer Sharif. S.Si, M.Ko
Lebih terperinciBAB 3 ANALISIS DAN SIMULASI MODEL HODGKIN-HUXLEY
BAB 3 ANALISIS DAN SIMULASI MODEL HODGKIN-HUXLEY 3.1 Analisis Dinaika Model Hodgkin Huxley Persaaan Hodgkin-Huxley berisi epat persaaan ODE terkopel dengan derajat nonlinear yang tinggi dan sangat sulit
Lebih terperinciSistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy-Analytic Hierarchy Process (F-AHP) (Studi Kasus : SMA Brawijaya Smart School)
Jurnal Pengebangan Teknologi Inforasi dan Ilu Koputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hl. 2095-2101 http://j-ptiik.ub.ac.id Siste Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy-Analytic
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciPERHITUNGAN INTEGRAL FUNGSI REAL MENGGUNAKAN TEKNIK RESIDU
PERHITUNGAN INTEGRAL FUNGSI REAL MENGGUNAKAN TEKNIK RESIDU Warsito (warsito@ail.ut.ac.id) Universitas Terbuka ABSTRAT A function f ( x) ( is bounded and continuous in (, ), so the iproper integral of rational
Lebih terperinciBAB IV GENERATOR BILANGAN RANDOM
BAB IV GENERATOR BILANGAN RANDOM 4.1. Generator Bilangan Rando dan Fungsi Distribusi Pada siulasi seringkali dibutuhkan bilangan-bilangan yang ewakili keadaan siste yang disiulasikan. Biasanya, kegiatan
Lebih terperinciBAB GELOMBANG ELEKTROMAGNETIK
BAB GLOMBANG LKTROMAGNTIK Contoh. Hubungan dan B dari gelobang bidang elektroagnetik Suatu gelobang bidang elektroagnetik sinusoidal dengan frekuensi 5 MHz berjalan di angkasa dala arah X, seperti ditunjukkan
Lebih terperinciSIFAT-SIFAT OPERASI ARITMATIKA, DETERMINAN DAN INVERS PADA MATRIKS INTERVAL TUGAS AKHIR. Oleh : NURSUKAISIH
SIFAT-SIFAT OPERASI ARITMATIKA DETERMINAN DAN INVERS PADA MATRIKS INTERVAL TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Meperoleh Gelar Sarjana Sains pada Jurusan Mateatika Oleh : NURSUKAISIH 0854003938
Lebih terperinciPENGEMBANGAN SISTEM DETEKSI AWAL PENYAKIT KEWANITAAN DAN KANDUNGAN MENGGUNAKAN METODE DEMPSTER SHAFER
PENGEMBANGAN SISTEM DETEKSI AWAL PENYAKIT KEWANITAAN DAN KANDUNGAN MENGGUNAKAN METODE DEMPSTER SHAFER Myrda Septi Rahantika 1, Dwi Puspitasari 2, Rudy Ariyanto 3 1,2 Teknik Inforatika, Teknologi Inforasi,
Lebih terperinciPENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL
PENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL JAHARUDDIN Departeen Mateatika Fakultas Mateatika Ilu Pengetahuan Ala Institut Pertanian Bogor Jl Meranti, Kapus IPB Daraga, Bogor
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningrum*, Imam Santoso**, R.
1 MAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningru*, Ia Santoso**, R.Rizal Isnanto** Abstrak - Tekstur adalah karakteristik yang penting
Lebih terperinciDefinisi 3.3: RUANG SAMPEL KONTINU Ruang sampel kontinu adalah ruang sampel yang anggotanya merupakan interval pada garis bilangan real.
0 RUANG SAMPEL Kita akan eperoleh ruang sapel, jika kita elakukan suatu eksperien atau percobaan. Eksperien disini erupakan eksperien acak. Misalnya kita elakukan suatu eksperien yang diulang beberapa
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciSistem Pengenalan Wajah Secara Real-Time dengan Adaboost, Eigenface PCA & MySQL
179 Sistem Pengenalan Secara Real-Time dengan Adaboost, Eigenface PCA & MySQL Dodit Suprianto, Rini Nur Hasanah, Purnomo Budi Santosa Abstrak Aplikasi sistem pengenalan wajah secara real time dapat ditemukan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Studi Piyabute Fuangkhon [10] melakukan penelitian deteksi puting payudara pada citra pornografi dengan menggabungkan antara deteksi kulit dan deteksi puting. Deteksi
Lebih terperinciDETEKSI FITUR WAJAH MANUSIA TANPA MARKER AKTIF MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)
DETEKSI FITUR WAJAH MANUSIA TANPA MARKER AKTIF MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) Muliyadi 1), Tulus 2), F. Fahi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseuawe 1) Jl. B. Aceh-Me
Lebih terperinciBAB I PENDAHULUAN. sumber untuk membiayai dirinya dan keluarganya, dan bagi tenaga kerja yang
BAB I PENDAHULUAN A. Latar Belakang Upah bagi para pekerja erupakan faktor penting karena erupakan suber untuk ebiayai dirinya dan keluarganya, dan bagi tenaga kerja yang berpendidikan upah erupakan hasil
Lebih terperinciKriptografi Visual Menggunakan Algoritma Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gambar Sampul
Kriptografi Visual Menggunakan Algorita Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gabar Sapul Yusuf Rahatullah Progra Studi Teknik Inforatika Institut Teknologi Bandung Bandung, Indonesia 13512040@std.stei.itb.a.id
Lebih terperinciBAB I PENDAHULUAN. dalam skala prioritas pembangunan nasional dan daerah di Indonesia
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Tubuh Manusia Tubuh manusia merupakan salah satu objek pendeteksian yang sedang populer, hal ini dapat dibuktikan dengan banyaknya jurnal mengenai perancangan program pendeteksian
Lebih terperinciMODUL PERTEMUAN KE 6 MATA KULIAH : FISIKA TERAPAN
43 MODUL PERTEMUAN KE 6 MATA KULIAH : MATERI KULIAH: Mekanika klasik, Huku Newton I, Gaya, Siste Satuan Mekanika, Berat dan assa, Cara statik engukur gaya.. POKOK BAHASAN: DINAMIKA PARTIKEL 6.1 MEKANIKA
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Energi atahari sebagai suber energi pengganti tidak bersifat polutif, tak dapat habis, serta gratis dan epunyai prospek yang cukup baik untuk dikebangkan. Apalagi letak geografis
Lebih terperinciCLASSIFIER BERDASAR TEORI BAYES. Pertemuan 4 KLASIFIKASI & PENGENALAN POLA
CLASSIFIER BERDASAR TEORI BAYES Perteuan 4 KLASIFIKASI & PENGENALAN POLA Miniu distance classifiers elakukan klasifikasi berdasarkan jarak terpendek. Ada dua jenis yang dibahas:. The Euclidean Distance
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. Tahap & Hasil Langkah Penelitian Literatur & Referensi. Memahami konsep deteksi wajah
BAB 3 ANALISIS DAN PERANCANGAN Pada bab ini berisi tentang analisis dan perancangan terhadap permasalahan yang sedang diteliti seperti analisis kebutuhan data dan informasi serta teknik dan peralatan yang
Lebih terperinciKAJI NUMERIK PORTABLE PORTABLE COLD STORAGE TERMOELEKTRIK TEC
KAJI NUMERIK PORTABLE PORTABLE COLD STORAGE TERMOELEKTRIK TEC1-12706 Denny M. E Soedjono (1), Joko Sarsetiyanto (2), Dedy Zulhidayat Noor (3), Davit Priabodo 4) 1),2),3),4) Progra Studi D3 Teknik Mesin
Lebih terperinciPerancangan Sistem Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Sistem Fuzzy
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-58 Perancangan Siste Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Siste Fuzzy Mochaad Raa Raadhan,
Lebih terperinciHukum II Newton. Untuk SMA kelas X. (Modul ini telah disesuaikan dengan KTSP)
Huku II Newton Untuk SMA kelas X (Modul ini telah disesuaikan dengan KTSP) Lisensi Dokuen: Copyright 008 009 GuruMuda.Co Seluruh dokuen di GuruMuda.Co dapat digunakan dan disebarkan secara bebas untuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Beberapa Defenisi Pada analisa keputusan, si pebuat keputusan selalu doinan terhadap penjabaran seluruh alternatif yang terbuka, eperkirakan konsequensi yang perlu dihadapi pada setiap
Lebih terperinciFAMILI BARU DARI METODE ITERASI ORDE TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR DENGAN AKAR GANDA ABSTRACT
FAMILI BARU DARI METODE ITERASI ORDE TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR DENGAN AKAR GANDA Elvi Syahriah 1, Khozin Mu taar 2 1,2 Progra Studi S1 Mateatika Jurusan Mateatika Fakultas Mateatika
Lebih terperinciBAB III ANALISA TEORETIK
BAB III ANALISA TEORETIK Pada bab ini, akan dibahas apakah ide awal layak untuk direalisasikan dengan enggunakan perhitungan dan analisa teoretik. Analisa ini diperlukan agar percobaan yang dilakukan keudian
Lebih terperinciIII. KERANGKA PEMIKIRAN. Proses produksi di bidang pertanian secara umum merupakan kegiatan
2 III. KERANGKA PEMIKIRAN Proses produksi di bidang pertanian secara uu erupakan kegiatan dala enciptakan dan enabah utilitas barang atau jasa dengan eanfaatkan lahan, tenaga kerja, sarana produksi (bibit,
Lebih terperinciINSTANTON. Casmika Saputra Institut Teknologi Bandung
INSTANTON Casika Saputra 02200 Institut Teknologi Bandung Abstrak. Solusi klasik pada kasus Double Well Potential dala ekanika kuantu dala iaginary tie Euclidian eberikan dua buah solusi yaitu solusi trivial
Lebih terperinciAUTOMATIC HEAD ROTATING SYSTEM PADA DIGITAL PET MEMANFAATKAN FACE DETECTION
AUTOMATIC HEAD ROTATING SYSTEM PADA DIGITAL PET MEMANFAATKAN FACE DETECTION Hadriansa 1 dan Yosi Kristian 2 1 Teknik Informatika STMIK PPKIA Tarakanita Rahmawati 2 Teknik Informatika Sekolah Tinggi Teknik
Lebih terperinciSistem Linear Max-Plus Interval Waktu Invariant
Siste Linear Max-Plus Interval Waktu Invariant A 11 M. Andy udhito Progra Studi Pendidikan Mateatika FKIP Universitas Sanata Dhara Paingan Maguwoharjo Yogyakarta eail: arudhito@yahoo.co.id Abstrak elah
Lebih terperinciSolusi Treefy Tryout OSK 2018
Solusi Treefy Tryout OSK 218 Bagian 1a Misalkan ketika kelereng encapai detektor bawah untuk pertaa kalinya, kecepatan subu vertikalnya adalah v 1y. Maka syarat agar kelereng encapai titik tertinggi (ketika
Lebih terperinciKombinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Telur Ayam Kampung Sebelum Inkubasi
Dijaya, Kobinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Aya Kapung Sebelu Inkubasi 05 Kobinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Telur Aya Kapung Sebelu
Lebih terperinciBAB III PEMODELAN SISTEM DINAMIK PLANT. terbuat dari acrylic tembus pandang. Saluran masukan udara panas ditandai dengan
BAB III PEMODELAN SISTEM DINAMIK PLANT 31 Kriteria rancangan plant Diensi plant yang dirancang berukuran 40cx60cx50c, dinding terbuat dari acrylic tebus pandang Saluran asukan udara panas ditandai dengan
Lebih terperinciBAB I PENDAHULUAN. pembangunan di bidang-bidang lain, seperti sosial, politik, dan budaya. perbedaan antara yang kaya dengan yang miskin.
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM Sistem vision yang akan diimplementasikan terdiri dari 2 bagian, yaitu sistem perangkat keras dan perangkat lunak. Perangkat lunak yang digunakan dalam sistem vision ini adalah
Lebih terperinciIMPLEMENTASI FACE IDENTIFICATION DAN FACE RECOGNITION PADA KAMERA PENGAWAS SEBAGAI PENDETEKSI BAHAYA
IMPLEMENTASI FACE IDENTIFICATION DAN FACE RECOGNITION PADA KAMERA PENGAWAS SEBAGAI PENDETEKSI BAHAYA IMPLEMENTATION OF FACE IDENTIFICATION AND FACE RECOGNITION ON SECURITY CAMERA AS THREAT DETECTOR Panji
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT WISATA YOGYAKARTA MENGGUNAKAN METODE ELimination Et Choix Traduisant La RealitA (ELECTRE)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT WISATA YOGYAKARTA MENGGUNAKAN METODE ELiination Et Choix Traduisant La RealitA (ELECTRE) Linda Marlinda Jurusan Teknik Koputer, AMIK Bina Sarana Inforatika Jl.RS
Lebih terperinciPelabelan Total Super (a,d) - Sisi Antimagic Pada Graf Crown String (Super (a,d)-edge Antimagic Total Labeling of Crown String Graph )
1 Pelabelan Total Super (a,d) - Sisi Antiagic Pada Graf Crown String (Super (a,d)-edge Antiagic Total Labeling of Crown String Graph ) Enin Lutfi Sundari, Dafik, Slain Pendidikan Mateatika, Fakultas Keguruan
Lebih terperinciMODEL MATEMATIKA SISTEM PERMUKAAN ZAT CAIR
MODEL MATEMATIKA SISTEM PEMUKAAN ZAT AI PENGANTA Pada bagian ini kita akan enurunkan odel ateatika siste perukaan zat cair. Dengan eperkenalkan prinsip resistansi dan kapasitansi untuk siste perukaan zat
Lebih terperinciIntegrasi Sistem Pengenalan Wajah Menggunakan Metode Eigenfaces & MySQL
1 Integrasi Sistem Pengenalan Wajah Menggunakan Metode Eigenfaces & MySQL Dodit Suprianto, S.Kom, MT, Rini Agustina, S.Kom M.Pd Fakultas Teknologi Informasi, program studi Sistem Informasi Universitas
Lebih terperinciPENDETEKSIAN BAGIAN TUBUH MANUSIA UNTUK FILTER PORNOGRAFI DENGAN METODE VIOLA-JONES
PENDETEKSIAN BAGIAN TUBUH MANUSIA UNTUK FILTER PORNOGRAFI DENGAN METODE VIOLA-JONES Benny Senjaya 1 ; Alexander A S Gunawan 2 ; Jerry Pratama Hakim 2 1 Industrial Engineering, Faculty of Engineering, Binus
Lebih terperincimatematika K-13 PEMBAGIAN HORNER DAN TEOREMA SISA K e l a s
i K- ateatika K e l a s XI PEMBAGIAN HORNER DAN TEOREMA SISA Tujuan Peelajaran Setelah epelajari ateri ini, kau diharapkan eiliki keapuan erikut.. Menguasai konsep peagian suku anyak dengan etode Horner..
Lebih terperinciFISIKA. Sesi GELOMBANG CAHAYA A. INTERFERENSI
FISIKA KELAS XII IPA - KURIKULUM GABUNGAN 03 Sesi NGAN GELOMBANG CAHAYA Cahaya erupakan energi radiasi berbentuk gelobang elektroagnetik yang dapat dideteksi oleh ata anusia serta bersifat sebagai gelobang
Lebih terperinciPENDEKATAN ANALISIS FUZZY CLUSTERING
PENDEKATAN ANALISIS FUZZY CLUSTERING PADA PENGELOMPOKKAN STASIUN POS HUJAN UNTUK MEMBUAT ZONA PRAKIRAAN IKLIM (ZPI) (Studi Kasus Pengelopokkan Zona Prakiraan Ikli (ZPI) dengan Data Curah Hujan di Kabupaten
Lebih terperinci(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE
(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE Giat Sudrajat Saruda, 2 Septiadi Padadisastra, 3 I Gede Nyoan Mindra Jaya Mahasiswa
Lebih terperinciPEMILIHAN KRITERIA DALAM PEMBUATAN KARTU KREDIT DENGAN MENGGUNAKAN METODE FUZZY AHP
E-Jurnal Mateatika Vol. 3, No. Januari 204, 25-32 ISSN: 2303-75 PEMILIHAN KRITERIA DALAM PEMBUATAN KARTU KREDIT DENGAN MENGGUNAKAN METODE FUZZY AHP JOKO HADI APRIANTO, G. K. GANDHIADI 2, DESAK PUTU EKA
Lebih terperinciModel Produksi dan Distribusi Energi
Model Produksi dan Distribusi Energi Yayat Priyatna Jurusan Mateatika FMIPA UNPAD Jl. Raya Jatinangor Bdg Sd K 11 E ail : yatpriyatna@yahoo.co Abstrak Salah satu tujuan utaa proses produksi dan distribusi
Lebih terperinciJurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jl. Prof. Sudharto, Tembalang, Semarang, Indonesia
APLIKASI KENDALI ADAPTIF PADA SISTEM PENGATURAN TEMPERATUR CAIRAN DENGAN TIPOLOGI KENDALI MODEL REFERENCE ADAPTIVE CONTROLLER (MRAC) Ferry Rusawan, Iwan Setiawan, ST. MT., Wahyudi, ST. MT. Jurusan Teknik
Lebih terperinciDinamika 3 TIM FISIKA FTP UB. Fisika-TEP FTP UB 10/16/2013. Contoh PUSAT MASSA. Titik pusat massa / centroid suatu benda ditentukan dengan rumus
Fisika-TEP FTP UB /6/3 Dinaika 3 TIM FISIKA FTP UB PUSAT MASSA Titik pusat assa / centroid suatu benda ditentukan dengan ruus ~ x x ~ y y ~ z z Diana: x, y, z adalah koordinat titik pusat assa benda koposit.
Lebih terperinciUser-Based Collaborative Filtering Dengan Memanfaatkan Pearson- Correlation Untuk Mencari Neighbors Terdekat Dalam Sistem Rekomendasi
User-Based Collaborative Filtering Dengan Meanfaatkan Pearson- Correlation Untuk Mencari Neighbors Terdekat Dala Siste Rekoendasi Arvid Theodorus 1, Djoko Budiyanto Setyohadi 2, Ernawati 3 Magister Teknologi
Lebih terperinciBAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelumnya bahwa dalam mengonstruksi field GF(3 )
BAB IV BAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelunya bahwa dala engonstruksi field GF(3 ) diperoleh dari perluasan field 3 dengan eilih polinoial priitif berderajat atas 3 yang dala hal
Lebih terperinciKESETIMBANGAN BENDA TEGAR
1 KESEIMNGN END EGR (Soal abahan Persiapan Ujian Perbaikan) 1. n enyusun 5 buah batang ebentuk huruf R seperti pada gabar. entukanlah Koordinat titik berat tersebut! 2. Ru enyusun 4 buah batang ebentuk
Lebih terperinciPENANGANAN MASALAH COLD START DAN DIVERSITY REKOMENDASI MENGGUNAKAN ITEM-BASED CLUSTERING HYBRID METHOD
ISSN : 355-9365 e-proceeding of Engineering : Vol., No.3 Deseber 015 Page 8035 PENANGANAN MASALAH COLD START DAN DIVERSITY REKOMENDASI MENGGUNAKAN ITEM-BASED CLUSTERING HYBRID METHOD The Handling of Cold
Lebih terperinciANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK
ANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK Lucky T Sianjuntak, Maksu Pine Departeen Teknik Elektro, Fakultas Teknik Universitas Suatera Utara, Medan e-ail : LuckyTrasya@gail.co
Lebih terperinciFORM (FR) SATUAN ACARA PERKULIAHAN
Jl. Angkrek Situ No 19 Kabupaten Sueg Tgl. Terbit : 1 Septeber 2014 Hal : 1/7 Kode Mata Kuliah : MI4002 Mata Kuliah : Perencanaan Basis Data Bobot SKS : 3 Jurusan/Prodi : Manajeen Inforatika Seester :
Lebih terperinciSEMINAR NASIONAL PENDIDIKAN FISIKA 2017
Peran Pendidikan, Sains, dan Teknologi untuk Mengebangkan Budaya Iliah dan Inovasi terbarukan dala endukung Sustainable Developent Goals (SDGs) 2030 ANALISIS INTENSITAS MEDAN MAGNET EXTREMELY LOW FREQUENCY
Lebih terperinciHUMAN COUNTER DENGAN METODE FACE DETECTION MENGGUNAKAN OPENCV PADA PLATFORM ANDROID TUGAS AKHIR
HUMAN COUNTER DENGAN METODE FACE DETECTION MENGGUNAKAN OPENCV PADA PLATFORM ANDROID TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
Lebih terperinciPERSAMAAN GARIS SINGGUNG LINGKARAN
PERSAMAAN GARIS SINGGUNG LINGKARAN Dari gabar orang bersepeda di atas jelas terlihat bahwa jalan yang dilalui sepeda selalu enyinggung roda sepeda, baik depan aupun belakang asing-asing di titik A dan
Lebih terperinciKonstruksi Kode Cross Bifix Bebas Ternair Untuk Panjang Ganjil
Prosiding SI MaNIs (Seinar Nasional Integrasi Mateatika dan Nilai Islai) Vol.1, No.1, Juli 017, Hal. 1-5 p-issn: 580-4596; e-issn: 580-460X Halaan 1 Konstruksi Kode Cross Bifix Bebas Ternair Untuk Panjang
Lebih terperinciPenjadwalan Pekerjaan pada No-Wait Flowshop dengan Pembatas Common Due-Date
Perfora (2003) Vol. 2, No.: - 5 Penjadwalan Pekerjaan pada No-Wait Flowshop dengan Pebatas Coon Due-Date Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas Maret, Surakarta Abstract This paper
Lebih terperinciPERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG )
PERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG ) Siti Munawaroh, S.Ko Abstrak: Koperasi Aanah Sejahtera erupakan
Lebih terperinciPERENCANAAN ALTERNATIF STRUKTUR BAJA GEDUNG MIPA CENTER (TAHAP I) FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG JURNAL
PERENCANAAN ALTERNATIF STRUKTUR BAJA GEDUNG MIPA CENTER (TAHAP I) FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG JURNAL Diajukan untuk eenuhi persyaratan eperoleh gelar Sarjana
Lebih terperinciBAB I PENDAHULUAN. History Analysis), metode respon spektrum (Response Spectrum Method), dangaya
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Gepa dapat terjadi sewaktu waktu akibat gelobang yang terjadi pada sekitar kita dan erabat ke segala arah.gepa bui dala hubungannya dengan suatu wilayah berkaitan
Lebih terperinciPrototype Pendeteksi Jumlah Orang Dalam Ruangan
e-issn: 2528-4053 36 Prototype Pendeteksi Jumlah Orang Dalam Ruangan Nesi Syafitri 1, Adri 2 1,2 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Islam Riau E-mail: nesisyafitri@uir.ac.id, adrisaputra91@gmail.com
Lebih terperinci