ANALISIS KONSTRUKSI DAN SIFAT BCH CODE

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS KONSTRUKSI DAN SIFAT BCH CODE"

Transkripsi

1 KNM XVI -6 Jul 202 UNPAD, Jatnangor ANALISIS KONSTRUKSI DAN SIFAT BCH CODE ACHMAD FAHRUROZI, M.SI,2, SRI MARDIYATI, M.KOM 2 Unverstas Gunadara Depok, achad.fahruroz@yahoo.co.d 2 Unverstas Indonesa Depok, sr_ath@sc.u.ac.d Abstract Pada akalah n, akan dbahas suatu etode pengkodean, dana ketka pesan-pesan yang berbentuk k-tuple akan dkr, aka pesan-pesan tersebut dubah enjad code yang erupakan kupulan n-tuple codeword, dengan n> k. Codeword tersebut terdr dar k sbol yang erupakan pesan yang berkorespondens dengan codeword tersebut, dan (n-k) sbol yang dsebut bt party check. Sbol yang dgunakan adalah eleen-eleen dar suatu lapangan hngga GF( q), q = 2, N. Untuk eperoleh bt party check n, dgunakan algorta BCH code, dana code yang dhaslkan apu endeteks dan engkoreks error yang terjad pada proses pengran pesan-pesan. Keapuan suatu code dala engontrol error (endeteks dan atau engkoreks error) tergantung pada jarak nu antar codeword dala code tersebut. Kata kunc: pesan, lapangan hngga, codeword, code, jarak nu.. Pendahuluan Pengkodean nforas adalah suatu cara yang dgunakan untuk elndung nforas yang dkr dar gangguan yang ungkn terjad pada eda pengran. Untuk elakukan n, sebelu dkr, nforas yang berupa huruf, karakter ataupun suara dubah terlebh dahulu enjad pesan-pesan yang berbentuk k-tuple, dana koponenkoponennya adalah anggota lapangan hngga. Pesan-pesan tersebut keudan dubah enjad kupulan n-tuple yang dsebut codeword elalu proses encodng. Hasl dar etode pengkodean nforas tersebut dsebut code. Gagasan engena cara pengkodean nforas sehngga suatu kesalahan dapat ddeteks dan juga dapat dperbak pertaa kal dkebangkan oleh luwan bernaa R.W. Hang. Dala perkebangannya, uncul berbaga cara pengkodean nforas yang berbedabeda, yang elk proses konstruks dan sfat yang berbeda satu dengan lannya. Berbaga jens code yang dhaslkan tersebut tdak hanya daplkaskan pada koputer saja, tetap beranfaat untuk berbaga aspek kehdupan sehar-har, khususnya teknolog kounkas dgtal. Salah satu jens atau kelopok code yang epunya nla kegunaan yang bak adalah cyclc code. Pada akalah n akan dbahas engena konstruks BCH code yang terasuk ke dala kelopok cyclc code.

2 2. Teor Codng Untuk ebahas keapuan suatu code dala endeteks sekalgus engkoreks error yang terjad, dperlukan beberapa pengertan yang berkatan dengan suatu code C. Berkut dberkan pengertan tentang jarak Hang dan bobot Hang dala suatu code C. () Jarak Hang antara dua codeword berbentuk n-tuple x = ( x, x2,, x n ) dan y = ( y, y2,, y n ) dala C, dlabangkan d( x, y ), adalah banyaknya koordnat dala x dan y yang berbeda. () Bobot Hang dar codeword berbentuk n-tuple x = ( x, x2,, x n ) dala C, dlabangkan wx, ( ) adalah banyaknya koordnat x yang tak-nol. Jarak nu suatu code C, dlabangkan d n ( C ), atau juga serng dsngkat d n, ddefnskan sebaga [5] d = n d( u, v) Msal C adalah code dengan d engkoreks aksu d t = 2 n n uv, C u v = d. Maka C elk keapuan kontrol error: error dan endeteks aksu d error [5]. Suatu code C yang erupakan (n,k)-blok code dsebut grup code jka C erupakan subruang dar GF( q ) n, dana GF( q ) n enyatakan suatu ruang vektor berdens n atas lapangan hngga GF( q ) sekalgus erupakan lapangan perluasan dar lapangan GF( q ). Sehngga proses encodng suatu grup code secara uu dapat juga dpandang sebaga sebuah transforas dar ruang vektor GF( q ) k ke ruang vektor GF( q ) n. Sehngga proses encodng suatu code dapat elbatkan atrks generator G yang berukuran nk. x Berkut n adalah sfat yang dlk oleh suatu grup code: Teorea : Msalkan d n adalah jarak nu dar suatu grup code C. Maka d n adalah nu dar bobot Hang seua codeword tak-nol dala C. Dtuls dn = n { w( x) 0 x C} [7] T Suatu code dapat pula dbangun dengan encar solus dar persaaan Hx = 0, dana H dsebut atrks party check yang berbentuk H = ( A In k), dana A adalah sebarang atrks berukuran n k x k dan I n k adalah atrks denttas berukuran n k x n k. Code yang dbangun tersebut dsebut lner code. Suatu lner code juga erupakan suatu grup code. Suatu lner (n,k) code C dkatakan suatu cyclc code jka untuk setap codeword ( a, a,..., a ) dala C, aka pergantan secara sklk enjad n-tuple 2 n ( a2, a,..., an, a ) juga erupakan codeword dala C [5]. n Suatu cyclc code dapat dbangun dar suatu polnoal generator g( x ) ebag x dala GF( q)[ x ]. Berkut adalah sfat yang dlk oleh suatu cyclc code C: Teorea 2: Msal C = g( x) adalah cyclc code dan salkan α adalah akar prtf ke-n dar unt atas Z 2. Jka s buah pangkat berurutan dar α adalah akar dar g( x ), s < n, aka jarak nu dar code C palng kecl adalah s + []. KNM XVI - -6 Jul 202 UNPAD, Jatnangor

3 . Konstruks BCH code BCH code adalah suatu contoh bnary code, yang dperkenalkan oleh dua orang luwan, R. C. Bose dan D. V. Ray-Chaudhur engacu pada peneuan A. Hocquenghe. Sste kounkas dan nforas Eropa dan trans-atlantk enggunakan BCH code yang berbentuk (255,2)-blok code [5]. Berkut dberkan algorta konstruks BCH code:. Tentukan panjang codeword n = 2, untuk suatu N dan tentukan juga jarak BCH d N dan d ( n )/2. 2. Car nu polnoal untuk α, dlabangkan ( x ), dana α adalah akar prtf ke-n dar unt dan =,2,...,2r. Tentukan polnoal generator g( x ), yatu g( x) = lc ( x), 2( x),..., 2r ( x) n k 4. Bentuk polnoal ux ( ) = x x ( )od gx ( ), dana 2 ( ) k k x = ax + ax a k adalah polnoal yang berkorespondens dengan pesan = ( a, a2,..., ak ), a Z2 5. Sehngga dperoleh codeword c yang berkorespondens dengan polnoal n k cx ( ) = x x ( ) + ux ( ). Dala algorta tersebut, dapat danalsa beberapa hal, yatu Polnoal nal untuk α dtentukan dengan enggunakan teorea berkut: Teorea : Msal ξ adalah eleen GF( p ) dan sal ξ enyatakan polnoal nal dar ξ. Msalkan α adalah eleen prtf dala GF( p ) dan salkan j ξ = α. Jka ada dala cyclotoc coset C, aka ξ = ( x α ) [7]. Pada Langkah, karena polnoal generator g( x) = lc[ ( x), ( x),..., ( x) ] j C 2 2r dana ( x ) adalah polnoal nal untuk α, aka polnoal generator 2 2r tersebut djan elk palng sedkt 2r akar berurutan, yatu α, α,..., α. Selan tu, karena α adalah akar prtf ke-n dar unt, aka polnoal generator n g( x ) juga djan ebag x. n k Pada Langkah 4, dapat dlhat bahwa polnoal ux ( ) = x x ( )od gx ( ) akan berderajat kurang dar derajat g( x ). Sehngga, jka deg g( x) = s, aka deg ux ( ) s. Karena BCH code adalah suatu cyclc code yang dbangun oleh g( x) aka dperoleh hubungan s = n k, s = deg g( x) () s Anda deg ux ( ) = s, aka koefsen dala ux ( ) = u0 + ux us x akan langsung enjad n-k koponen terakhr pada codeword yang dhaslkan. Jka deg ux ( ) = v< s, aka uxakan ( ) dtuls sebaga 2 ( ) 0 s 0 s... v v ux = x + x + + us vx + us v+ x us v+ ( v ) x+ us, yang daksudkan untuk enjan koefsen ux ( ) selalu enjad s = n k koponen terakhr pada codeword yang dhaslkan. Dengan kata lan, jka KNM XVI - -6 Jul 202 UNPAD, Jatnangor

4 n k n n 2 cx ( ) x x ( ) ux ( ) cx cx 2... c n = + = + + +, aka codeword yang dhaslkan c= c, c2,..., ck, ck+,..., cn, dana ( c, c2,..., ck ) = dan adalah adalah ( ) ( c,..., c, c ) u k+ n n =. n k Sedangkan pada Langkah 5, perkalan x x ( ) adalah suatu anpulas agar pesan berada pada k koponen pertaa dala codeword yang dhaslkan. Teorea berkut eberkan hubungan antara jarak d yang dtentukan pada defns BCH code dan jarak nu pada BCH code tersebut. Teorea 4: BCH code yang dbangun dengan polnoal generator g( x ) sepert d atas elk jarak nu dn d [5]. Teorea 5: Suatu BCH code dengan panjang n = 2 dan jarak nu palng sedkt d = 2r+, elk bt party check aksu sebanyak r. Dengan kata lan, n k r [8]. Lebh lanjut, karena jarak nu dn d = 2r+ dan karena keapuan koreks dn error t = 2, aka jelas bahwa t r. Jad, berdasarkan Teorea 5 dperoleh: n k t Msalkan suatu BCH code adalah lner (n,k) code, aka berkut n dberkan hubungan antara panjang code (n), panjang pesan (k), dan keapuan koreks error aksu (t) yang dlk oleh BCH code tersebut. Tabel. Hubungan n, k dan t pada BCH (n,k) code dengan n=7, 5,, 6 dan 255 n k t n k t n k t n k t n k t n k t Pada tabel terlhat bahwa panjang pesan yang dapat dkr (k) dan keapuan koreks aksu (t) berubah-ubah secara tak teratur. Hal n dpengaruh oleh bentuk polnoal generator dar BCH code. Karena polnoal generator g( x) = lc ( x), ( x),..., ( x), aka bentuknya bergantung pada polnoal 2 2r k nal dar α yang besar pangkatnya bergantung pada julah eleen dala suatu cyclotoc coset. Sebaga contoh, sal dabl n = 5. Perhatkan bahwa terdapat 5 buah cyclotoc coset s (od 5), 0< s 5 yang berbeda, yatu: KNM XVI - -6 Jul 202 UNPAD, Jatnangor

5 C 0 = { 0} C = {, 6,2,9} C 7 = { 7,4,,} C = { } C = { }, 2, 4,8 5 5,0 Maka akan terdapat 5 buah polnoal nal berbeda, asng-asng untuk α, αα,, α dan α. Jka dplh d =, aka perlu dcar polnoal nal untuk α 2 dan α. Karena, 2 C, aka polnoal nal untuk α dan α 2 saa, yatu polnoal prtf, dan karena julah eleen C adalah 4, aka polnoal generator akan berderajat epat. Sehngga berdasarkan persaaan (), panjang pesan yang dapat dkr adalah 5 4 =. Sedangkan jka dplh d = 5, perlu dcar polnoal nal 2 untuk α, α, α dan α 4, dana hanya akan terdapat dua polnoal nal yang berbeda, yatu polnoal nal untuk α dan polnoal nal untuk α. Karena anggota cyclotoc coset C = {, 2, 4,8} dan C = {, 6,2,9} total berjulah 8, aka derajat dar polnoal generator adalah 8 (polnoal generator g( x ) adalah hasl perkalan dar dua buah polnoal nal berderajat epat). Sehngga panjang pesan yang dapat dkr adalah 5 8 = 7. Sedangkan jka dplh d =7, aka perlu dcar polnoal nal untuk α, α, α, α, α dan α, dana akan terdapat tga polnoal nal yang berbeda, yatu polnoal nal untuk α, α dan α 5. Karena anggota cyclotoc coset C = { }, C = { }, dan { }, 2, 4,8, 6,2,9 C 5 = 5,0 berjulah total 0, aka derajat dar polnoal generator adalah 0. Sehngga enyebabkan panjang pesan yang dapat dkr adalah 5 0 = 5. Jad, saat jarak BCH d yang dtuju berturut-turut dplh, 5 dan 7, nla k yang dperoleh adalah, 7 dan 5, dana terlhat bahwa polanya tdak teratur (dala hal n, berart tdak elk selsh yang tetap). Keapuan koreks error aksu juga elk pola perubahan yang tdak teratur untuk d yang berbeda-beda. Penjelasan untuk hal tersebut adalah karena saat kta enetapkan jarak BCH d pada algorta encodng, aka kadangkala jarak nu dar BCH code yang terbentuk lebh besar dar d. Sebaga contoh, untuk n =, jka dplh d = 7, aka dapat dhtung jarak nu dar BCH code yang terbentuk adalah 7, sehngga keapuan koreks error aksu adalah t =. Sedangkan jka dplh d = 9, aka jarak nu dar code yang terbentuk adalah. Perhatkan contoh berkut. Untuk d = 5, polnoal generator yang terbentuk adalah g ( x) = lc ( x), ( x), ( x), ( x) = ( x) ( x) Untuk d = 7, polnoal generator yang terbentuk adalah g ( x) = lc ( x), ( x),..., ( x) [ 2 6 ] Karena cyclotoc coset (od ) C 5 = { 5,0, 20, 9,8}, 6 { 6,2, 24,7,} C = { } dan { } 7 7,4, 28, 25,9 ( x) = ( x). Sehngga 6 C =, C 8 = 8,6,,2,4, aka polnoal nal g( x) = lc ( x), 2( x), ( x), 4( x). 5( x) = g2( x) 5( x) Sedangkan untuk d = 9, polnoal generator yang terbentuk adalah g4( x) = lc[ ( x), 2( x),..., 8( x) ] sedangkan polnoal nal 8( x) = 4( x). Sehngga g ( x) = lc ( x), ( x),..., ( x). ( x) = g ( x). ( x) KNM XVI - -6 Jul 202 UNPAD, Jatnangor 5

6 Sedangkan untuk d =, polnoal generator yang terbentuk adalah g5( x) = lc[ ( x), 2( x),... 9( x), 0( x) ] Karena C9 = { 9,8, 7,4, 28} = C7 dan C0 = { 0, 20, 9,8, 5} = C5, aka polnoal nal 9( x) = 7( x) dan 0( x) = 5 ( x). Sehngga g5( x) = lc[ ( x), 2( x),..., 9( x), 0( x) ] = lc[ ( x), 2( x),..., 8( x) ] = g4( x) Terlhat bahwa, untuk d = 9 dan d =, polnoal generator yang terbentuk adalah saa, sehngga jka dplh d = 9, BCH code yang terbentuk akan saa dengan BCH code yang terbentuk jka dplh d =. Sehngga C = g4( x) = g5( x) dan elk keapuan koreks error aksu t = 5. Lebh lanjut, dapat dperhatkan bahwa: Untuk d =, g6( x) = g5( x) ( x) Untuk d = 5, g7( x) = g6( x) Sehngga untuk d = 9 dan d =, polnoal generator dar code yang terbentuk adalah saa. Begtu juga untuk d = dan d =5, code yang terbentuk elk polnoal generator yang saa. Sedangkan untuk d lannya, polnoal generator dar code yang terbentuk berbeda-beda. Keudan perhatkan pada tabel, untuk n =, terjad lopatan nla t dar 2,, keudan 5, dan keudan 7. Nla t = 4 dan t = 6 dlopat berkatan dengan kesaaan pada g5( x) = g4( x) dan g7( x) = g6( x). Jad, dapat dteukan pola saat g ( ) ( ) + x = g x, sedangkan g( x) g ( x) dan g+ 2( x) g+ ( x) aka nla t akan lopat dar t = ke t = +. Dapat danalsa pola yang lebh uu, yatu bahwa pada saat g ( x) = g ( x) =... = g ( x), untuk suatu, j, v dan berlaku + j + j + j v g+ j v( x) g+ j v ( x) dan g ( ) ( ) + j+ x g+ jx, aka akan terjad lopatan nla t pada tabel dar t = + j v ke t = + j Hasl Sulas Berkut dberkan output dar contoh konstruks BCH code. Pertaa, dplh dahulu panjang code n = 2 dengan cara enentukan nla untuk. Lalu dplh d yang dngnkan, dana d yang dplh harus erupakan blangan ganjl dan elk batas bawah (karena bentuk jarak BCH d yang dplh adalah dbch = 2r+, sehngga polnoal generator terdefns untuk r ). Sedangkan batas atas untuk nla d yang bsa dplh adalah 2. Hal n karena untuk d = 2 +, aka panjang pesan adalah, dan hal tersebut tdak dperbolehkan dala MATLAB. Dala aplkasnya, jka panjang pesan hanya, aka hanya ungkn dkrkan 2 sbol, dan code dengan panjang pesan tdak pernah dgunakan. Sedangkan untuk d 2 +, BCH code tdak terdefns. asukan nla pangkat yang dngnkan! =5 Panjang code adalah n =. asukkan nla d yang dngnkan, dengan syarat d ganjl dan <= 5! d = Panjang pesan yang bsa dkr adalah k =. KNM XVI - -6 Jul 202 UNPAD, Jatnangor

7 Polnoal generator dar BCH code yang terbentuk adalah: g = GF(2) array. Array eleents = elk keapuan koreks aksu 5 error asukkan pesan sg = [ ] code = GF(2) array. Array eleents = Coluns through Coluns 2 through Output MATLAB contoh konstruks BCH code Pada output, akan dtaplkan panjang pesan k yang dapat dkrkan serta keapuan error aksu dar BCH code yang terbentuk setelah n dan d dtentukan. Pada contoh, jka nla k cukup besar, aka user dapat easukkan contoh pesan secara acak, dengan enggunakan perntah randnt(,k) pada MATLAB. Output terakhr dar progra tersebut adalah codeword yang bersesuaan dengan pesan yang dasukkan oleh user. 5. Kespulan BCH code dbangun oleh suatu polnoal generator yang erupakan least coon s ultple dar 2r = d polnoal nal untuk α, s =, 2,..., 2r. Untuk N, dapat dbentuk BCH code yang elk paraeter sebaga berkut:. n = 2 2. n k t. dn d Dala konstruks BCH code, terlebh dahulu dtentukan nla d, yang engakbatkan panjang pesan yang dapat dkr terbatas. Hal n dkarenakan dala konstruks BCH code, sebenarnya yang dlakukan adalah elh 2 k buah n-tuple yang terseda dala GF( q ) n untuk enjad codeword dala BCH code yang dkehendak sedekan sehngga jarak nu antar codeword tersebut lebh besar atau saa dengan d yang dtentukan d awal. Jarak nu dar BCH code yang terbentuk kadangkala lebh besar darpada d yang dtentukan pada awal konstruks. Hal tersebut dkarenakan polnoal generator untuk nla d yang berbeda dapat berbentuk saa. Kedua hal tersebut (keterbatasan panjang code yang dkr dan jarak nu BCH code yang terbentuk) berkatan dengan bentuk cyclotoc coset (od n) yang s epengaruh bentuk polnoal nal untuk α, dana s =, 2,..., d. Referens: [] Adas, Sarah S. (2008). Introducton to Algebrac Codng Theory. Jul 9, 20. < [2] Bhattacharya, P.B., S.K. Jan & S.R. Nagpaul Basc Abstract Algebra, second edton. Cabrdge Unversty Press., Cabrdge: 28-. [] Berlekap, E. R. (972). A Survey of Codng Theory. Journal of the Royal Statstcal Socety. Sere A (General), Vol. 5, No., pp [4] Hersten, I. N. (996). Abstract Algebra, nd edton. Prentce-Hall Inc., New Jersey: KNM XVI - -6 Jul 202 UNPAD, Jatnangor 7

8 [5] Judson, Thoas W. (997). Abstract Algebra Theory and Applcatons. VCU Matheatcs Textbook Seres. [6] Kobltz, Nel. (997). Algebrac Aspects of Cryptography, volue. Sprnger- Verlag, Berln: [7] Ldl, R. & G. Plz. (997). Appled Abstract Algebra, second edton. Sprnger- Verlag, Berln: 7-. [8] Veran, Lekh R. (996). Eleents of Algebrac Codng Theory. Chapan & Hall, 2-6 Boundary Row, London SE 8HN, UK. [9] Wallace, Hank. (200). Error Detectng and Correctng Usng the BCH Code. Septeber 28, KNM XVI - -6 Jul 202 UNPAD, Jatnangor

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon Pelabelan Total Ss Ajab Pada Subkelas Pohon Hlda Rzky Nngtyas, Dr Daraj, SS, MT [] Jurusan Mateatka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopeber (ITS Jl Aref Rahan Hak, Surabaya 60 E-al: daraj@ateatkatsacd

Lebih terperinci

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6)

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6) ISSN : 693 73 Penerapan Aljabar Matrk Dala Analsa Masukan-Keluaran Elstya Rawat 6) Abstrak Analsa asukan-keluaran bertolak dar anggapan bahwa suatu sste perekonoan terdr atas sector-sektor yang salng berkatan.

Lebih terperinci

Bab VII Contoh Aplikasi

Bab VII Contoh Aplikasi Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).

Lebih terperinci

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381 Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua

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 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 SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS)

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) BAB III SAPLING BERKELOPOK DAN SAPLING BERKELOPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) 3. Saplng Berkelopok Populas elk konds yang berbeda beda jka dlhat berdasarkan ukurannya. Pada pebahasan

Lebih terperinci

PADA GRAF PRISMA BERCABANG

PADA GRAF PRISMA BERCABANG PELABELAN TOTAL SUPER (a, d)-busur ANTI AJAIB PADA GRAF PRISMA BERCABANG Achmad Fahruroz,, Dew Putre Lestar,, Iffatul Mardhyah, Unverstas Gunadarma Depok Program Magster Fakultas MIPA Unverstas Indonesa

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

Jurnal Pendidikan Matematika & Matematika

Jurnal Pendidikan Matematika & Matematika Jurnal Penddkan Mateatka & Mateatka Syasah. (2011). Pengaruh Puasa Terhadap Konsentras Belajar Sswa. Jakarta: UIN Syarf Hdayatullah Jakarta. Thabrany, Hasbullah. (1995). Rahasa Sukses Belajar. Jakarta:

Lebih terperinci

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar)

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar) J. Sans IPA, Aprl 009, Vol. 5, o., Hal.: 66-70 ISS 978-873 PEETUA UKURA COTOH OPTIU DESAI TWO STAGE CLUSTER SAPLIG (Stud Kasus Pendugaan Varabel Deograf d Kabupaten Bltar) Rusda Yulyant* Pusat Peneltan

Lebih terperinci

V = adalah himpunan hingga, dan misalkan

V = adalah himpunan hingga, dan misalkan BAB III ALJABAR HIPERGRAF 3. Hpergraf Defns Msalkan { v, v2,..., vn} V = adalah hpunan hngga, dan salkan ε = {, I} adalah koleks dar hpunan bagan dar V. Koleks ε enjad E suatu hpergraf pada V jka hpergraf.

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

ARUS BOLAK BALIK V R. i m

ARUS BOLAK BALIK V R. i m Modul 9 Elektroagnet KEGIATAN BEAJA A. ANDASAN TEOI AUS BOAK BAIK Arus dan tegangan lstrk bolak balk adalah arus dan tegangan lstrk yang berubah terhadap waktu atau erupakan fungs waktu. Yang berubah adalah

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS 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 terperinci

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc.

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc. MODUL ANALISIS PENGUKURAN FISIKA Dsusun Oleh: Kuncoro Ash Nugroho, M.Pd., M.Sc. JURUSAN PENDIDIKAN FISIKA FAKULTAS MATEMATIKAN DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA YOGYAKARTA BAB I METODE

Lebih terperinci

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K Jurnal Matematka Murn dan Terapan Vol. 3 No. Desember 009: 4-6 APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH Yun Yulda dan Muhammad Ahsar K Program Stud Matematka Unverstas

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d

Lebih terperinci

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

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI 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 terperinci

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA A-3 Dan Aresta Yuwanngsh 1 1 Mahasswa S Matematka UGM dan.aresta17@yahoo.com Abstrak Dberkan R merupakan rng dengan elemen satuan, M R-modul kanan, dan R S End

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

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload 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 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 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 2 LANDASAN TEORI

BAB 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 terperinci

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka

Lebih terperinci

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR PROSIDING ISBN : 978 979 6353 3 MEODE LEVENBERG MARQUARD UNUK MASALAH KUADRA ERKECIL NONLINEAR -8 Lusa Krsyat Budash Progra Stud Mateatka Unverstas Sanata Dhara Yogyakarta lusa_krs@sta.usd.ac.d Abstrak

Lebih terperinci

Bab II Tinjauan Pustaka

Bab II Tinjauan Pustaka Bab II Tnauan Pustaka Msalkan vektor acak berdens p dengan atrks kovarans ( ) k sebaga koponen ke-k dan Σ σ. Koefsen korelas antara dua koponen dan adalah ρ σ σσ ( ) ( ) Var ( ) Cov, Var, Nla ρ eenuh ρ

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori 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 terperinci

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA onferens Nasonal Sste dan Inforatka 09; Bal, Noveber 4, 09 PENERAPAN LOGIA FUZZY DALAM PENGAMBILAN EPUTUSAN UNTU JALUR PEMINATAN MAHASISWA Sauel Lukas*, Melayana**, Wlla Sson* * Jurusan Teknk Inforatka

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

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL TEKNIK POMITS Vol, No, (22) -6 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, Nur Wahyunngsh 2, dan I Gust Ngurah Ra Usadha 3

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

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

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

Lebih terperinci

BILANGAN RAMSEY SISI DARI r ( P, )

BILANGAN RAMSEY SISI DARI r ( P, ) Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya mron-ts@matematka.ts.ac.d

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 HASILKALI TENSOR PADA RUANG VEKTOR. Misalkan V ruang vektor atas lapangan F. Suatu transformasi linear f L ( V, F )

BAB III HASILKALI TENSOR PADA RUANG VEKTOR. Misalkan V ruang vektor atas lapangan F. Suatu transformasi linear f L ( V, F ) 28 BAB III HASILKALI TENSOR PADA RUANG VEKTOR III.1 Ruang Dual Defns III.1.2: Ruang Dual [10] Msalkan V ruang vektor atas lapangan F. Suatu transformas lnear f L ( V, F ) dkatakan fungsonal lnear (atau

Lebih terperinci

BAB 3 PRINSIP INKLUSI EKSKLUSI

BAB 3 PRINSIP INKLUSI EKSKLUSI BAB 3 PRINSIP INKLUSI EKSKLUSI. Tentukan banyak blangan bulat dar sampa dengan 0.000 yang tdak habs dbag 4, 6, 7 atau 0. Jawab: Msal: S = {, 2, 3, 4, 5,..., 0.000} a = {sfat habs dbag 4} a 2 = {sfat habs

Lebih terperinci

DIMENSI PARTISI GRAF GIR

DIMENSI PARTISI GRAF GIR Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,

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

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

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL SAINS DAN SENI ITS Vol 1, No 1, (Sept 2012) ISSN: 2301-928 A-34 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, I Gust Ngurah Ra

Lebih terperinci

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS JMP : Volume 4 Nomor 2, Desember 2012, hal. 289-297 SEMI RING POLINOM ATAS ALJABAR MAX-PLUS Suroto Prod Matematka, Jurusan MIPA, Fakultas Sans dan Teknk Unverstas Jenderal Soedrman e-mal : suroto_80@yahoo.com

Lebih terperinci

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-35 (3-98X Prnt) D-95 Pengendalan Kualtas Proses Produks Tube Plastk D Pt. X Menggunakan Peta Kendal P Multvarat Ia Rdo Rarso, Luca Ardnant, dan Muhaad Mashur

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan

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

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

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

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

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

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

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

LINIERITAS INTEGRAL HENSTOCK-PETTIS PADA RUANG EUCLIDE R n

LINIERITAS INTEGRAL HENSTOCK-PETTIS PADA RUANG EUCLIDE R n LINIERITS INTEGRL HENSTOCK-PETTIS PD RUNG EUCLIDE R n Harur Rahan Jurusan Mateatka Fakultas Sans Teknolog Unverstas Isla Neger Maulana Malk Ibrah Malang BSTRCT In ths paper we study Henstock-Petts ntegral

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

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih 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

*Corresponding Author:

*Corresponding Author: Prosdng Senar Sans dan Teknolog FMIPA Unul Perode Maret 016, Saarnda, Indonesa ISBN: 978-60-7658-1-3 Pengendalan Kualtas Produk Menggunakan Peta Kendal T Hotellng Dan Analss Keapuan Proses Untuk Data Multvarat

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

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan

Lebih 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

UJI PRIMALITAS. Sangadji *

UJI PRIMALITAS. Sangadji * UJI PRIMALITAS Sangadj * ABSTRAK UJI PRIMALITAS. Makalah n membahas dan membuktkan tga teorema untuk testng prmaltas, yatu teorema Lucas, teorema Lucas yang dsempurnakan dan teorema Pocklngton. D sampng

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

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 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

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

UKURAN LOKASI, VARIASI & BENTUK KURVA

UKURAN LOKASI, VARIASI & BENTUK KURVA UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

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

APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS

APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Vol No Jurnal Sans Teknolog Industr APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Ftr Aryan Dew Yulant Jurusan Matematka Fakultas Sans Teknolog UIN SUSKA Rau Emal:

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

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 III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB 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 terperinci

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC Kurnawan *, Rolan Pane, Asl Srat Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

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

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih 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 II TINJAUAN PUSTAKA

BAB 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 terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN 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 terperinci

2. TINJAUAN PUSTAKA. Pada model berbasis area diasumsikan bahwa peubah yang menjadi perhatian merupakan fungsi dari rata-rata peubah respon, = g( )

2. TINJAUAN PUSTAKA. Pada model berbasis area diasumsikan bahwa peubah yang menjadi perhatian merupakan fungsi dari rata-rata peubah respon, = g( ) . INJAUAN PUSAKA. Model Area Kecl Model area kecl erupakan odel dasar dala pendugaan area kecl. Model n dkelopokkan enjad dua kelopok yatu odel berbass area (basc area level odel odel berbass unt (basc

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 3. Teori Comonotonic. 3.1 Pengurutan Variabel Acak

Bab 3. Teori Comonotonic. 3.1 Pengurutan Variabel Acak Bab 3 Teor Comonotonc Pada bab n konsep teor comonotonc akan dpaparkan dar awal dan berakhr pada konsep teor n untuk jumlah dar peubah - peubah acak 1. Setelah tu untuk membantu pemahaman akan dberkan

Lebih terperinci

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih 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

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya

Lebih terperinci

III. EVALUASI METODE PENARIKAN CONTOH PADA PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA

III. EVALUASI METODE PENARIKAN CONTOH PADA PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA 4 III. VALUASI TOD PNARIKAN CONTOH PADA PNDUGAAN PRODUKTIVITAS KOODITAS HORTIKULTURA 3.. Gabaran Uu etode Penarkan Contoh Penarkan contoh atau saplng erupakan suatu proses nferens engena keseluruhan (populas

Lebih terperinci

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,

Lebih terperinci

SCHEMATICS 2009 National Programming Contest

SCHEMATICS 2009 National Programming Contest SCHEMATICS 2009 Natonal Programmng Contest No Nama Problem 1 Berhtung 2 Gelang Cantk 3 Jalan 4 Kubangan Lumpur 5 Ayam dan Bebek 6 Schematcs09 7 Pagar Labrn JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI

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

Preferensi untuk alternatif A i diberikan

Preferensi untuk alternatif A i diberikan Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses

Lebih terperinci

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 III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB 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 terperinci

BAB III PEMBAHASAN. Pada bab ini akan dibahas mengenai ring embedding dan faktorisasi. tunggal pada ring komutatif tanpa elemen kesatuan.

BAB III PEMBAHASAN. Pada bab ini akan dibahas mengenai ring embedding dan faktorisasi. tunggal pada ring komutatif tanpa elemen kesatuan. BAB III PEMBAHASAN Pada bab n akan dbahas mengena rng embeddng dan faktorsas tunggal pada rng komutatf tanpa elemen kesatuan. A. Rng Embeddng Defns 3.1 (Malk et al. 1997: 318 Suatu rng R dkatakan embedded

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

KONSEP DASAR PROBABILITAS

KONSEP DASAR PROBABILITAS KONSEP DASAR PROBABILITAS TI2131 TEORI PROBABILITAS MINGGU KE-3 & KE-4 1 Defns 1 Probabltas dar sebuah kejadan A adalah jumlah bobot dar tap ttk sampel yang termasuk dalam A. Selanjutnya: 0 < P(A) < 1,

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses

Lebih terperinci