PERANCANGAN JARINGAN AKSES KABEL (DTG3E3)

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERANCANGAN JARINGAN AKSES KABEL (DTG3E3)"

Transkripsi

1 PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015

2 Peramalan Trafk

3 Peramalan Trafk Peramalan trafk dgunakan sebaga dasar untuk : Manaemen plannng Theoretcal study dar optmum network Menentukan umlah equpment Peramalan dbedakan dalam tga perode, yatu : perode angka pendek perode angka menengah perode angka panang Peramalan trafk ada dua yatu : peramalan trafk untuk umlah satuan sambungan peramalan trafk untuk perencanaan arngan 3

4 Matrks trafk sekarang Jumlah sst tap sentral sekarang Jumlah sst tap sentral y a d Peramalan trafk Matrks trafk y a d 4

5 Bla data trafk terseda, maka peramalan trafk bsa menggunakan metode : Tme Seres Metode n menentukan trend tme seres berdasarkan data sebelumnya. Metode n antara lan: Trend lner Trend quadratc Eksponensal logstk 5

6 Metode Regres Global Forecastng dengan pertmbangan local Smple forecastng untuk pertumbuhan lau trafk pon to pont Bla data trafk tdak terseda, maka peramalan trafk bsa menggunakan metode: Forecastng total orgnatng trafk Forecastng long dstance outgong trafk Forecastng trafk flow antar sentral 6

7 Matrks trafk Untuk mengndetfkas kebutuhan trafk tap-tap sentral, dbuat suatu matrks yang menggambarkan konds trafk dar beberapa tempat yang berhubungan. Matrk tersebut dsebut matrk trafk dar ke n (11) () ( ) () ( ) (n1) (nn ) n T T (1).... T ().... T ().... T (n) O O (1) O () O () O (n) Total () : Trafk dar sentral ke () : Trafk dar sentral ke () : Trafk dar sentral lokal O () : Jumlah trafk orgnatng pada daerah T () : Jumlah trafk termnatng pada daerah O ( ) T( ) 7

8 Pont to Pont Forecast Estmas total trafk Untuk mengestmas total trafk dar berbaga katagor subscrber dhtung dengan rumus : ( t) n n n (t) n = peramalan umlah subscrber untuk kategor n = trafk pada subscrber dengan kategor n 8

9 Pont to Pont Forecast ka tdak mungkn membag subscrber dalam kategor-kategor maka total trafk yang akan datang dhtung dengan rumus : ( t) (0) ( t) (0) (t) = umlah subscrber pada tahun ke t (0) = umlah subscrber pada tahun sekarang (t) = umlah trafk pada tahun ke t (0) = umlah trafk pada tahun sekarang 9

10 Pont to Pont Forecast Estmas pont to pont trafk Untuk mengestmas trafk dar suatu sentral ke sentral lan, dhtung dengan rumus : WG (0) W W G W G = pertumbuhan subscrber pada suatu sentral G (0) G (0) W = Bobot 10

11 Pont to Pont Forecast Metode mendapatkan bobot W : Metode RPP S 1 Metode RPP S Metode ustralan Telecom 11

12 Pont to Pont Forecast Formula RPP S 1: W (t) W (t) Dasumskan bahwa trafk per subscrber dar sentral I ke sentral sebandng dengan umlah subscrber pada sentral 1

13 Pont to Pont Forecast Formula RPP S : W (t) W (t) Dasumskan bahwa trafk orgnatng dan trafk termnatng per subscrber sangat kecl 13

14 Pont to Pont Forecast Formula ustralan Telecom : W ( 0) W ( 0) persamaan n dperoleh dar penurunan RPP S 1. dar substtus persamaan tersebut dperoleh:. (0) (0). (0). G. G (0) 14

15 Kruthof s Double Factor Method Metode n dgunakan untuk menentukan trafk yang akan datang dar suatu tempat ke tempat lan atau dalam matrk trafk. Dengan asums : Beban trafk dketahu Rencana umlah trafk orgnatng (umlah bars) dan trafk termnatng (umlah kolom) uga telah dtentukan. Tuuan metode n adalah mencar konfguras beban trafk terbak antara sentral. dubah menad s s o 15

16 Kruthof s Double Factor Method Penyesuaan terhadap bars a ( t 1). ( t 1) Penyesuaan terhadap kolom n T n 1 n 1 T t n = teras ke n O (t) = trafk orgnatng sentral pada tahun ke t ( nla yang dharapkan) T (t) = trafk termnatng sentral pada tahun ke t ( nla yang dharapkan) 16

17 Kruthof s Double Factor Method Penyesuaan terhadap bars a ( t 1). ( t 1) Penyesuaan terhadap kolom n T n 1 n 1 T t n = teras ke n O (t) = trafk orgnatng sentral pada tahun ke t ( nla yang dharapkan) T (t) = trafk termnatng sentral pada tahun ke t ( nla yang dharapkan) ote : Untuk memperoleh konfguras yang optmal perlu dlakukan beberapa teras. Jka hasl dar dua teras yang berurutan haslnya sama atau mendekat maka perhtungan bsa dhentkan dan konfguras optmum telah ddapat. 17

18 Contoh Soal 1. Dketahu, matrks trafk (0) adalah sbb, Tentukan (t) dengan RPP S 1 3 O (0) (t) T

19 Penyelesaan Contoh Soal ) ( ) ( ) ( ) ( t W t W t W W W W G W G t (0) ) ( (0) ) ( 1, (0) ) ( t G t G t G 5, , , , , ,

20 Contoh Soal Penyelesaan Jad (t) adalah : , , O ,5 167, , ,5 T 167, ,

21 Contoh Soal. Pada suatu ME dengan buah sentral, dketahu trafk exstng sebaga berkut: trafk nternal sentral = 0 erlang trafk nternal sentral B= 80 erlang trafk dar sentral ke sentral B = 40 erlang trafk dar sentral B ke sentral = 40 Erlang Dengan menggunakan kruthoff double factor, htunglah harga trafk d atas pada tahun yang akan datang, ka saat yang dramalkan : trafk nternal sentral + trafk dar sentral ke B = 10 erlang trafk nternal sentral B + trafk dar sentral B ke = 180 erlang trafk nternal sentral + trafk dar sentral B ke = 80 erlang trafk nternal sentral B + trafk dar sentral ke B = 0 erlang 1

22 Contoh Soal Penyelesaan Trafk tahun ke nol = (0) Trafk tahun yang dramalkan = (t) Dr ke B O B T Dr ke B O?? 10 B?? 180 T

23 Contoh Soal Langkah pertama :Penyesuaan terhadap bars n O n 1 (1) = 0 x 10 / 60 = 40 B (1) = 40 x 10 / 60 = 80 B (1) = 40 x 180 / 10 = 60 BB (1) = 80 x 180 / 10 = 10 n 1 O t Dar hasl perhtungan, ddapatkan matrk (1) sbb: Dr / ke B O B T Matrk trafk yang dhaslkan belum sesua dengan matrk trafk yang dharapkan penyesuaan terhadap kolom. 3

24 Contoh Soal Langkah kedua :Penyesuaan terhadap kolom n T n 1 n 1 T t () = 40 x 80 / 100 = 3 B () = 80 x 0/ 00 = 88 B () = 60 x 80 / 100 = 48 BB () = 10 x 0 / 00 = 13 Dar hasl perhtungan, ddapatkan matrk () sbb: Dr ke B O B T Matrk trafk yang dhaslkan teras ke sama denganmatrk trafk yang dharapkan Iteras berhent () = (t) 4

25 Contoh Soal 3. Dketahu, keadaan trafk pada saat n : Dan telah drencanakan bahwa pada tahun ke-t : total trafk orgnatng sentral 1 = 45 total trafk orgnatng sentral = 105 total trafk termnatng sentral 1 = 50 total trafk termnatng sentral = 100 Htung : trafk nternal sentral 1 dan trafk dar sentral 1 ke sentral trafk dar sentral ke sentral 1 dengan menngunakan metode kruthof 5

26 Contoh Soal Penyelesaan ?? 45?? Iteras 1, penyesuaan terhadap bars (1) (1) (1) (1) a11 (0). 1 (0) 1 a1 (0). (0) 1 a1. (0) a. (0) 1 dperoleh matrk : Untuk kolom harga trafk berbeda dengan yang dprakrakan. Selanutnya lakukan teras terhadap kolom

27 Contoh Soal ?? 45?? Terlhat bahwa pada bars harga trafk mash berbeda dengan yang dprakrakan. Lakukan teras lag untuk penyesuaan bars Iteras, perkalan kolom () ddstrbuskan sesua dengan dstrbus kolom hasl teras ke dperoleh matrk : a11 (1) () 1 (1) a () a1 (1) () 1 a (1) () 1 1 (1) (1) , , ,67 1 1,5 33,33 45,83 37,5 66,67 104,

28 Contoh Soal 1 1 1,5 33,33 45,83 37,5 66,67 104, ?? 45?? Terlhat bahwa pada kolom harga trafk mash berbeda dengan yang dprakrakan. Lakukan teras lag untuk penyesuaan kolom Iteras 3, perkalan bars (3) ddstrbuskan sesua dengan dstrbus bars hasl teras ke a11 () (3). 1 () a1 () (1). () a (1) a (1) dperoleh matrk : (). () (). () 1,5 45,83 33,33 45,83 37,5 104,17 66,67 104, , , ,7 3, ,8 67, ,07 99, ,8 67,0 8

29 Contoh Soal 1 1 1,7 3, ,8 67, ,07 99, ?? 45?? Terlhat bahwa setelah teras ke-4, umlah bak yang d bars maupun d kolom sama dengan harga yang dprakrakan. t) (4) ( Iteras 4, perkalan kolom (4) ddstrbuskan sesua dengan dstrbus kolom hasl teras ke (4) (4) (4) (4) dperoleh matrk : a11 (3) 1 (3) 1 a1 (3) (3) a1 (3) 1 (3) 1 a (3) (3) 1,7 50,07 3, ,93 37,8 50, ,5 3, ,75 37,75 67, ,75 67,5 9

30 Contoh Soal 4. Jelaskan metode Kruthoff, Terapkan pada kasus berkut Matrks trafk sekarang matrks trafk yang akan datang ?? ?? ??

31 Contoh Soal Penyelesaan Iteras 1 Iteras 1 3 O 1 0,5 9,5 30,0 14, 5,8 40,0 3 14,5 0,5 35,0 T 8,7 41,0 35,4 105,0 Iteras O 1 19,3 10,7 30,0 13,1 6,9 40,0 3 14,9 0,1 35,0 T 8,0 39,4 37,6 105,0 1 3 O 1 19,0 10,5 9,5 13,9 8,5 4,3 3 14,1 19,0 33, T 8,0 38,0 39,0 105,0 Iteras O 1 18,6 11,1 9,7 13,1 7,9 41,0 3 14,9 19,4 34,3 T 8,0 38,0 39,0 105,0 31

32 Contoh Soal Penyelesaan Iteras 5 Iteras O 1 18,8 11, 30,0 1,8 7, 40,0 3 15, 19,8 35,0 T 8,0 38,6 38,4 105,0 Iteras O 1 18,6 11,4 30,0 1,6 7,4 40,0 3 15,4 19,6 35,0 T 8,0 38, 38,8 105,0 1 3 O 1 18,5 11,4 9,9 1,8 7,6 40,4 3 15, 19,5 34,7 T 8,0 38,0 39,0 105,0 Iteras O 1 18,5 11,5 30,0 1,6 7,5 40, 3 15,4 19,5 34,9 T 8,0 38,0 39,0 105,0 3

33 Contoh Soal Penyelesaan Iteras 9 Iteras O 1 18,5 11,5 30,0 1,6 7,4 40,0 3 15,4 19,6 35,0 T 8,0 38,1 38,9 105,0 Iteras O 1 18,5 11,5 30,0 1,6 7,4 40,0 3 15,4 19,6 35,0 T 8,0 38,1 38,9 105,0 1 3 O 1 18,5 11,5 30,0 1,6 7,5 40,1 3 15,4 19,5 35,0 T 8,0 38,0 39,0 105,0 Iteras O 1 18,4 11,5 30,0 1,6 7,5 40,0 3 15,4 19,6 35,0 T 8,0 38,0 39,0 105,0 33

34 Terma kash..

BAB VI PERAMALAN TRAFIK UNTUK PERENCANAAN JARINGAN (TRAFFIC FORECASTING FOR NETWORK PLANNING)

BAB VI PERAMALAN TRAFIK UNTUK PERENCANAAN JARINGAN (TRAFFIC FORECASTING FOR NETWORK PLANNING) 55 Dktat Rekayasa Trafk BB V PERMLN TRFK UNTUK PERENCNN JRNGN (TRFFC FORECSTNG FOR NETWORK PLNNNG) Peramalan sangat dperlukan untuk membuat keputusan. Dalam perencanaan arngan peramalan dgunakan sebaga

Lebih terperinci

Peramalan (Forecasting) dalam Perencanaan Sentral

Peramalan (Forecasting) dalam Perencanaan Sentral Peramalan (Forecastng) dalam Perencanaan Sentral Pendahuluan Perencanaan arngan telepon ddasarkan pada estmas kebutuhan trafk masa depan Long-term forecast dbutuhkan dalam rencana pengembangan untuk menamn

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 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 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

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

BAB VB PERSEPTRON & CONTOH

BAB 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 terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

Bab III Analisis Rantai Markov

Bab 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 terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

BAB II PENDEKATAN PROBABILITAS DAN MODEL TRAFIK

BAB II PENDEKATAN PROBABILITAS DAN MODEL TRAFIK Dktat Rekayasa Trafk BB II PDKT PROBBILITS D MODL TRFIK 2. Pendahuluan Trafk merupakan perstwa-perstwa kebetulan yang pada dasarnya tdak dketahu kapan datangnya dan berapa lama akan berlangsung. Maka untuk

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

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 IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag

BAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag BAB IV APLIKASI Pada bagan n akan dbahas bagamana contoh mengestmas parameter model yang dasumskan memlk karaterstk spasal lag sekalgus spasal error. Estmas dlakukan dengan menggunakan software Evews 3

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. 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 terperinci

BAB II TEORI ALIRAN DAYA

BAB 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 terperinci

PENENTUAN DENSITAS PERMUKAAN

PENENTUAN DENSITAS PERMUKAAN PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus

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

III. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah,

III. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah, III. METODELOGI PENELITIAN A. Metode Peneltan Suatu peneltan dapat berhasl dengan bak dan sesua dengan prosedur lmah, apabla peneltan tersebut menggunakan metode atau alat yang tepat. Dengan menggunakan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

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

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline.

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline. METODE NUMERIK INTERPOLASI Interpolas Beda Terbag Newton Interpolas Lagrange Interpolas Splne http://maulana.lecture.ub.ac.d Interpolas n-derajat polnom Tujuan Interpolas berguna untuk menaksr hargaharga

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom.

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom. BAB 4 HASIL DAN PEMBAHASAN 4.1 Penghtungan 4.1.1 Penghtungan Peramalan 4.1.1.1 Peramalan Me Atom Contoh perhtungan peramalan permntaan dengan metode regres lner, regres kuadrats, double movng average,

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

Analitik Data Tingkat Lanjut (Regresi)

Analitik Data Tingkat Lanjut (Regresi) 0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 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

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode 8 III. METODE PENELITIAN A. Metode Peneltan Metode peneltan adalah suatu cara yang dpergunakan untuk pemecahan masalah dengan teknk dan alat tertentu sehngga dperoleh hasl yang sesua dengan tujuan peneltan.

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB 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 terperinci

UKURAN GEJALA PUSAT &

UKURAN GEJALA PUSAT & UKURAN GEJALA PUSAT & UKURAN LETAK UKURAN GEJALA PUSAT & LETAK Untuk mendapatkan gambaran yang jelas mengena suatu populas atau sampel Ukuran yang merupakan wakl kumpulan data mengena populas atau sampel

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

3 METODE HEURISTIK UNTUK VRPTW

3 METODE HEURISTIK UNTUK VRPTW 12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla

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

OPTIMASI MASALAH PENUGASAN. Siti Maslihah

OPTIMASI MASALAH PENUGASAN. Siti Maslihah JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB 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 terperinci

BAB II DASAR TEORI. 2.1 Definisi Game Theory

BAB II DASAR TEORI. 2.1 Definisi Game Theory BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB 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 terperinci

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012 Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

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 IV PENGUJIAN DAN ANALISA

BAB 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 terperinci

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155

Lebih terperinci

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. 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 terperinci

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan

Lebih terperinci

REGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :

REGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut : BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA REGRESI DAN KORELASI Tujuan metode kuadrat terkecl adalah menemukan nla dugaan b0 dan b yang menghaslkan jumlah kesalahan kuadrat

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 7 II TINJUN PUSTK 2.1 Manaemen Proyek 2.1.1 Pengertan Manaemen Proyek Sebelum mengemukakan apa art dar Manaemen Proyek, terlebh dahulu akan mengetahu art dar Manaemen dan Proyek tu. Menurut Hamng dan Nurnaamuddn

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. 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 terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB 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 terperinci

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

Perbaikan Sistem Persediaan Tinta Fotokopi di CV. NEC, Surabaya

Perbaikan Sistem Persediaan Tinta Fotokopi di CV. NEC, Surabaya Perbakan Sstem Persedaan Tnta Fotokop d CV. NEC, Surabaya Indr Hapsar, Jerry Agus Arlanto, dan Albert Sutanto Teknk Industr Unverstas Surabaya Jl. Raya Kalrungkut Surabaya Emal: ndr@ubaya.ac.d Abstrak

Lebih terperinci

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant) PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB 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 terperinci

KWARTIL, DESIL DAN PERSENTIL

KWARTIL, DESIL DAN PERSENTIL KWARTIL, DESIL DAN PERSENTIL 1. KWARTIL Kwartl merupakan nla yang membag frekuens dstrbus data menjad empat kelompok yang sama besar. Dengan kata lan kwartl merupakan nla yang membag tap-tap 25% frekuens

Lebih terperinci

Solusi Ujian 2 EL2005 Elektronika Sabtu, 3 Mei

Solusi Ujian 2 EL2005 Elektronika Sabtu, 3 Mei Solus Ujan 2 EL2005 Elektronka Sabtu, 3 Me 2014 13.00-15.30 1. Transstor MOSFET Penguat berkut memlk penguatan -25V/V. Anggap nla kapastor tak berhngga. V DD = 5V, V t =0,7V, k n =1mA/V 2. Resstans nput

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian 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 terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 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 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

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 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 terperinci

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 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 terperinci

Model Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah

Model Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah Performa (2004) Vol. 3, No.1: 28-32 Model Potensal Gravtas Hansen untuk Menentukan Pertumbuhan Populas Daerah Bambang Suhard Jurusan Teknk Industr, Unverstas Sebelas Maret, Surakarta Abstract Gravtaton

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB LANDASAN TEORI.1 Regres Lner Analss regres dgunakan untuk mengetahu hubungan antara varabel terkat (Y) dengan satu atau lebh varabel bebas (X). Menurut Har et al (009) regres lnear sederhana dapat

Lebih terperinci

SISTEM 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 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 terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

KWARTIL, DESIL DAN PERSENTIL

KWARTIL, DESIL DAN PERSENTIL KWARTIL, DESIL DAN PERSENTIL 1. KWARTIL Kwartl merupakan nla yang membag frekuens dstrbus data menjad empat kelompok yang sama besar. Dengan kata lan kwartl merupakan nla yang membag taptap 25% frekuens

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 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 terperinci

ELEKTRONIKA ANALOG. Bab 2 BIAS DC FET Pertemuan 5 Pertemuan 7. Oleh : ALFITH, S.Pd, M.Pd

ELEKTRONIKA ANALOG. Bab 2 BIAS DC FET Pertemuan 5 Pertemuan 7. Oleh : ALFITH, S.Pd, M.Pd ELEKTONKA ANALOG Bab 2 BAS D FET Pertemuan 5 Pertemuan 7 Oleh : ALFTH, S.Pd, M.Pd 1 Pemran bas pada rangkaan BJT Masalah pemran bas rkatan dengan: penentuan arus dc pada collector yang harus dapat dhtung,

Lebih terperinci

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka

Lebih terperinci

PENGURUTAN DATA. A. Tujuan

PENGURUTAN DATA. A. Tujuan PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.

Lebih terperinci

Jurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN

Jurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN Jurnal Ilmah Wdya Teknk Volume 16 Nomor 1 2017 ISSN 1412-7350 PEMODELAN MATEMATIKA UNTUK PERANCANGAN PRODUK LEMARI KABINET Rcky Yulanton Prhandaa, Dan Retno Sar Dew * Jurusan Teknk Industr, Fakultas Teknk,

Lebih terperinci

PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM)

PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) Rcha Agustnngsh, Drs. Lukman Hanaf, M.Sc. Jurusan Matematka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

Lebih terperinci

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 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 terperinci

IV. HASIL DAN PEMBAHASAN

IV. 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 terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε 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 terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT

PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

ALJABAR LINIER LANJUT

ALJABAR LINIER LANJUT ALABAR LINIER LANUT Ruang Bars dan Ruang Kolom suatu Matrks Msalkan A adalah matrks mnatas lapangan F. Bars pada matrks A merentang subruang F n dsebut ruang bars A, dnotaskan dengan rs(a) dan kolom pada

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat 10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass

Lebih terperinci