PREDIKSI ph AIR HUJAN DI KALIMANTAN BARAT DENGAN METODE BACKPROPAGATION
|
|
- Sudomo Tanuwidjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 04, No. 3 (2015), hal PREDIKSI ph AIR HUJAN DI KALIMANTAN BARAT DENGAN METODE BACKPROPAGATION Fra Siskus Dia Ariato, Muhlasah Novitasari Mara, Naomi Nessyaa Debataraja INTISARI Huja asam dipegaruhi oleh emisi gas Karbo Mooksida (CO), Sulfur Dioksida (SO 2 ), da Nitroge Dioksida (NO 2 ). Terjadiya huja asam diakibatka oleh gas CO, SO 2, da NO 2 yag mecair bersamaa dega air huja sehigga membetuk asam pada air tersebut. Dikataka huja asam apabila ph air kurag dari 5,6 da jika terjadi huja asam maka dapat meyebabka berbagai macam peyakit. Oleh karea itu, iformasi huja asam petig diketahui dega cara memperkiraka ph air huja. Salah satu upaya utuk memperkiraka permasalaha tersebut yaitu dega cara membetuk model utuk mesimulasika huja asam dega akurasi yag tiggi. Adapu data CO, SO 2, NO 2, da ph air huja yag diguaka dalam peelitia ii yaitu sebayak 55 pegamata. Berdasarka data tersebut, diguaka metode Backpropagatio utuk meetuka model terbaik ph air huja. Dari hasil 40 percobaa terhadap euro pada lapisa tersembuyi diperoleh struktur jariga yag outputya medekati data aktual ph air huja yaitu 3 uit euro pada lapisa iput, 2 uit euro pada lapisa tersembuyi, da 1 uit euro pada lapisa output. Struktur jariga tersebut meghasilka MSE 0,06414, MAD 0,212, MAPE 0,041349, da R -0, Kata kuci: Algoritma Backpropagatio, Gradiet Descet PENDAHULUAN Huja asam berpegaruh terhadap kualitas air di Kalimata Barat. ph mejadi salah satu faktor utuk megetahui terjadiya huja asam. Huja asam terjadi saat ph yag dihasilka dibawah ph ormal yaitu 5,6. Dari tahu 2009 sampai 2013 rata-rata ph air huja di Kalimata Barat yaitu 5,2 berdasarka Bada Meteorologi, Klimatologi da Geofisika (BMKG) Stasiu Klimatologi Siata Potiaak. Air yag terkotamiasi oleh huja asam apabila dikosumsi dapat meyebabka berbagai macam gaggua kesehata. Masyarakat Kalimata Barat dalam kegiata sehari-hari sagat bergatug pada air sehiga huja asam merupaka suatu masalah ligkuga yag serius. Iformasi huja asam petig diketahui utuk megetahui batasa faktor yag meyebabka kejadia iklim, ketika terjadi huja asam yag berlebiha maka dapat ditagai dega memperhatika kombiasi faktor peyebab kejadia iklim. Salah satu upaya utuk memperkiraka permasalaha tersebut yaitu dega melalui pembetuka model simulasi ph air huja dega akurasi yag tiggi. Huja asam di Kalimata Barat di pegaruhi oleh emisi baha bakar berupa gas Karbo Mooksida (CO), Sulfur Dioksida (SO 2 ), da Nitroge Dioksida (NO 2 ). ph merupaka logaritma egatif kosetrasi io hydroge (H + ). Karbo Mooksida (CO) hampir merupaka zat opolar yag tidak mudah larut didalam air, amu ketika gas CO ii berada di udara aka cepat teroksidasi mejadi CO 2. Karbo Dioksida (CO 2 ) merupaka molekul liear da opolar karea strukturya yag simetris, zat ii mudah larut didalam air da larutaya bersifat asam karboat. Sulfur Dioksida (SO 2 ) merupaka molekul oliear da berbetuk polar, caira SO 2 didalam air membetuk asam ecer. Nitroge dioksida (NO 2 ) merupaka zat itermediate dalam reaksi ammoia mejadi asam itrat [1]. Gas CO, SO 2, da NO 2 yag dikeluarka oleh kedaraa, pabrik, da dari alam terpapar ke udara, jika terjadi huja, gas pecemar tersebut aka mecair mejadi asam sehigga ph air tersebut mejadi kurag dari 5,6. Jariga syaraf tirua merupaka salah satu represetasi buata dari otak mausia yag selalu mecoba utuk mesimulasika proses pembelajara pada otak mausia tersebut. Istilah buata disii diguaka karea jariga syaraf ii diimplemetasika dega megguaka program komputer yag mampu meyelesaika sejumlah proses perhituga selama proses pembelajara [2][3]. Terdapat 397
2 398 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA beberapa metode pada jariga syaraf tirua yaitu metode perceptro, backpropagatio, self orgaizig, learig vector quatizatio. Metode perceptro merupaka jariga syaraf sederhaa yag diguaka utuk megklasifikasika suatu tipe pola tertetu yag serig dikeal dega pemisaha secara liear. Metode Backpropagatio merupaka algoritma pembelajara yag terawasi da metode ii serig diguaka utuk pembetuka model jariga basis radial. Jariga syaraf berbasis radial biasaya membutuhka euro lebih bayak dibadig dega jariga feedword. metode Self orgaizig yaitu jariga pada lapisaya berisi euro-euro yag aka meyusu diri berdasarka iput ilai tertetu dalam suatu kelompok yag dikeal dega istilah cluster. Kemudia learig vector quatizatio merupaka suatu metode utuk melakuka pelatiha terhadap lapisalapisa kompotitif yag terawasi [2][3]. Pada peelitia ii diguaka metode backpropagatio sebagai metode peetua model utuk memperkiraka ph air huja di Kalimata Barat pada masa medatag. Metode backpropagatio diguaka diberbagai bidag diataraya yaitu, Aidita Septiai da Nur Sya baiah (2012) membahas tetag sistem peramala jumlah produksi air PDAM Samarida megguaka jariga syaraf tirua backpropagatio. Peelitia tersebut meemuka bahwa jumlah data yag diguaka pada peelitia berbadig lurus dega kierja sistem ii, artiya semaki bayak data latih yag diguaka utuk peelitia, hasil prediksiya aka semaki membaik [4]. Apriati (2013) membahas tetag estimasi curah huja bulaa Kota Potiaak dega suhu permukaa laut sebagai estimator berdasarka jariga syaraf tirua backpropagatio. Diperoleh 3 koefisie korelasi tertiggi terhadap data pegujia yaitu 0,70, 0,71 da 0,75, yag masig-masig berada di sekitar garis equator. Koefisie korelasi ii meujuka bahwa pola SPL medekati pola curah huja di Potiaak [5]. Tujua dari peelitia ii adalah membuat model prediksi ph air huja megguaka metode backpropagatio pada Jariga Syaraf Tirua. Pembetuka model utuk perkiraa ph air huja yag ditetuka berdasarka emisi baha bakar berupa gas karbo mooksida (CO), sulfur dioksida (SO 2 ), da itroge dioksida (NO 2 ). METODE BACKPROPAGATION Backpropagatio merupaka algoritma pembelajara yag terawasi da biasaya diguaka oleh perceptro dega bayak lapisa utuk megubah bobot-bobot yag terhubug dega euroeuro yag ada pada lapisa tersembuyi. Algoritma backpropagatio megguaka eror output utuk megubah ilai bobot-bobot dalam arah mudur (backward). Utuk medapatka eror ii, tahap perambata maju (forward propagatio) harus dikerjaka terlebih dahulu. Saat perambata maju euro-euro diaktifka dega megguaka fugsi aktivasi yag dapat dideferesiasika, seperti sigmoid bier [2]: (1) dega Atau fugsi liear (2) dega Arsitektur jariga backpropagatio fugsi gradiet descet dega mometum disajika pada Gambar 1. Pada Gambar 1, lapisa iput terdiri atas euro da pegamata, yag diyataka dega dimaa meujuka uit iput utuk euro ke- pada pegamata ke- Satu lapisa tersembuyi dega euro, pegamata, da epoch, yag diyataka dega dimaa meujuka uit lapisa tersembuyi utuk euro ke-, pegamata ke-, pada epoch ke- Serta satu uit output yag diyataka dega dimaa uit output utuk pegamata ke-, pada epoch ke-. Bobot yag meghubugka dega uit euro pada lapisa tersembuyi adalah dimaa merupaka bobot yag meghubugka euro iput ke- dega uit euro lapisa
3 Prediksi ph Air Huja Di Kalimata Barat Dega Metode Backpropagatio 399 tersembuyi ke- pada pegamata ke- da epoch ke-. Bobot bias yag terhubug ke uit euro pada lapisa tersembuyi adalah dimaa merupaka bobot bias euro ke-, pegamata ke-, pada epoch ke- Bobot yag meghubugka uit euro pada lapisa tersembuyi dega uit euro pada lapisa output adalah dega uit lapisa tersembuyi, pegamata, da epoch. Bobot bias terhubug dega lapisa output. Fugsi aktivasi yag diguaka pada lapisa tersembuyi yaitu fugsi aktivasi sigmoid bier (logsig) da pada lapisa output fugsi aktivasi yag diguaka yaitu fugsi aktivasi liear (pureli). z_i tk z tk b tk + x it v i tk v tk x t v 2ptk v 2tk v 3tk v ptk v 2 tk v 22tk x 2t v23tk b tk2 + x it v i2tk b 3tk + x it v i3tk z_i 2tk z_i 3tk z 2tk z 3tk w 2tk w tk w 3tk b tk + z itk w jtk y_i tk y tk v 3tk b 2tk v tk v 2k w ptk b 3tk x t b tk v ptk 1 b ptk b ptk + x it v iptk z_i ptk z ptk 1 b tk Gambar 1. Arsitektur Jariga Backpropagatio [2] Pembelajara megguaka backpropagatio memiliki beberapa tahap pegerjaa yaitu feedforward dimaa pada tahap ii siyal iput dipropagasika ke euro tersembuyi megguaka fugsi aktivasi sigmoid bier. Substitusika pegamata pertama terlebih dahulu dari masig-masig uit euro iput. Nilai dari selajutya dipropagasi lagi ke euro output dega megguaka fugsi aktivasi liear yaitu ilai dari. Nilai pada euro output dibadigka dega target atau data aktual yaitu, dega mecari kesalaha dari peramala yaitu dega begitu bobot-bobot aka dimodifikasi utuk meguragi kesalaha yag terjadi pada peramala pertama. Propagasi mudur atau backpropagatio dilakuka utuk memperbaiki kesalaha dega meghitug. Nilai diguaka utuk memperbaiki ilai yaitu koreksi bobot yag meghubugka lapisa tersembuyi ke- dega lapisa output pada pegamata ke- di epoch ke-. Nilai koreksi bobot tersebut diguaka utuk medapatka bobot-bobot. meghitug ilai utuk memperbaiki yaitu koreksi bobot yag meghubugka lapisa iput ke- dega lapisa tersembuyi ke- pada pegamata ke- di epoch ke-. Nilai koreksi bobot tersebut diguaka utuk medapatka bobot-bobot. Setelah diperoleh perbaika bobot-bobot pada proses perhituga di pegamata pertama bobot-bobot tersebut diguaka utuk proses perhituga di pegamata kedua, da proses tersebut dilakuka sebayak pegamata sampai kodisi berheti. Algoritma Backpropagatio: Iisialisasi bobot awal dega megambil ilai acak yag umumya terletak atara -0,5 sampai 0,5 atau -1 sampai 1. Nilai bobot yag terlalu kecil dari -1 aka meghasilka ilai keluara jariga syaraf ke euro tersembuyi maupu ke euro keluara medekati ol. Hal ii dapat meyebabka waktu yag pajag utuk proses pembelajara, begitu juga sebalikya utuk ilai bobot yag lebih besar dari 1. Peetapa maksimum epoch, target eror, mometum (mc), da learig rate sebagai
4 400 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA batasa pembelajara. Adapu algoritma pelatiha pada metode bakcpropagatio yag dikerjaka yaitu tahap feedforward terlebih dahulu kemudia selajutya tahap backpropagatio, tahap-tahap tersebut dapat dijelaska sebagai berikut: Feedforward: a. Setiap siyal iput ( da ) diteruska ke semua uit pada lapisa tersembuyi. b. Setiap uit pada suatu lapisa tersembuyi meerima siyal dari lapisa iput da diproses dega megguaka persamaa sebagai berikut: _ + = (3) Nilai _ (,, da ) diperoleh dega mesubstitusika,, da ke dalam persamaa (3). Nilai _ dari persamaa (3) diaktivasi utuk medapatka output dari uit lapisa tersembuyi dega megguaka persamaa sebagai berikut: ( _ ) _ (4) Nilai (,, da ) diperoleh dega mesubstitusika ilai _ dari persamaa (3) ke persamaa (4). Setiap siyal di lapisa tersembuyi diteruska ke semua uit di lapisa output. c. Setiap uit pada suatu lapisa output meerima siyal dari lapisa tersembuyi da diproses dega megguaka persamaa sebagai berikut: _ + = (5) Nilai _ ( da ) diperoleh dega mesubstitusika ilai pada persamaa (4),, da ke dalam persamaa (5). Nilai _ dari persamaa (5) diaktivasi utuk medapatka output dari uit lapisa output dega megguaka persamaa sebagai berikut: ( _ ) (6) Backpropagatio: a. Setiap uit output ( da ) meerima target pola yag berhubuga dega pola iput pembelajara. Bobot-bobot baru yag meghubugka atar lapisa tersembuyi dega lapisa output diperoleh berdasarka iformasi eror megguaka persamaa sebagai berikut: ( _ ) (7) Nilai da pada persamaa (6) disubstitusika ke dalam persamaa (7) utuk medapatka iformasi eror. Koreksi bobot yag diguaka utuk memperbaiki ilai yaitu dega persamaa sebagai berikut: (8) Nilai, ilai pada persamaa (7), da ilai pada persamaa (4) disubstitusika ke dalam persamaa (8). Persamaa (8) tersebut diguaka utuk epoch ke-1 sedagka utuk epoch lebih dari 1 megguaka persamaa sebagai berikut: ( ) + (9) Nilai,,, ilai pada persamaa (7), da ilai pada persamaa (4) disubstitusika ke dalam persamaa (9). Koreksi bias yag diguaka utuk memperbaiki ilai yaitu dega persamaa sebagai berikut: (10) Nilai pada persamaa (7) da disubstitusika ke dalam persamaa (10) utuk epoch ke-1, sedagka utuk epoch lebih dari 1 megguaka persamaa sebagai berikut:
5 Prediksi ph Air Huja Di Kalimata Barat Dega Metode Backpropagatio 401 ( + (11) Nilai,,, da pada persamaa (7) disubstitusika ke dalam persamaa (11). Lagkah (a) pada tahap backpropagatio ii dilakuka sebayak jumlah lapisa tersembuyi, yaitu dega meghitug iformasi eror dari suatu lapisa tersembuyi ke lapisa tersembuyi sebelumya. b. Tiap-tiap uit tersembuyi (, da ) mecari delta iput utuk medapatka bobot-bobot baru yag meghubugka atara lapisa iput dega lapisa tersembuyi da diproses megguaka persamaa sebagai berikut: _ = (12) Substitusika ilai pada persamaa (7) da ke dalam persamaa (12). Iformasi eror yag diguaka utuk proses medapatka bobot-bobot baru diperoleh dega megguaka persamaa sebagai berikut: _ ( _ ) (13) Substitusika ilai _ pada persamaa (12) da turua dari fugsi aktivasi pada lapisa tersembuyi terhadap _ ke dalam persamaa (13). Koreksi bobot yag diguaka utuk memperbaiki ilai yaitu bobot-bobot yag meghubugka atara lapisa iput da lapisa tersembuyi dega persamaa sebagai berikut: (14) Substitusika ilai, ilai pada persamaa (13), da ke dalam persamaa (14) utuk epoch ke-1, sedagka utuk epoch lebih dari 1 megguaka persamaa sebagai berikut: ( ) + (15) Substitusika ilai,,, ilai pada persamaa (13), da ke dalam persamaa (15) tersebut. Koreksi bias yag diguaka utuk memperbaiki ilai yaitu bobot bias yag terhubug ke lapisa tersembuyi dega megguaka persamaa sebagai berikut: (16) Substitusika ilai da ilai pada persamaa (13) ke dalam persamaa (16) tersebut utuk epoch ke-1, sedagka utuk epoch lebih dari 1 megguaka persamaa sebagai berikut: ( ) + (17) Substitusika ilai,,, da ilai pada persamaa (13) ke dalam persamaa (17) tersebut. c. Tiap-tiap uit output ( da ) mecari bias da bobot baru yag meghubugka atara lapisa tersembuyi da lapisa output dega persamaa sebagai berikut: + (18) + (19) Bobot-bobot baru tersebut diperoleh dega mesubstitusika ilai, ilai pada persamaa (8) atau ilai pada persamaa (9),, da ilai pada persamaa (10) ke dalam persamaa (18) da ke dalam persamaa (19). Tiap-tiap uit tersembuyi (,, da ) mecari bias da bobot baru yag meghubugka atara lapisa iput da lapisa tersembuyi dega persamaa + (20) + (21) Bobot-bobot baru tersebut diperoleh dega mesubstitusika ilai, ilai pada
6 402 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA persamaa (14) atau ilai pada persamaa (15),, da ilai pada persamaa (16) atau ilai pada persamaa (17) ke dalam persamaa (20) da ke dalam persamaa (21). Lagkah dari persamaa (3) sampai persamaa (21) dilakuka sebayak data yag diguaka utuk pembelajara. Setelah lagkah-lagkah tersebut dikerjaka dilakuka perhituga MSE darisuatu pembelajara yag meujuka besarya kesalaha rata-rata kuadrat, dega rumus perhituga sebagai berikut: (22) dimaa meyataka jumlah data da yaitu ilai kesalaha hasil ramala. Dalam hal ii adalah ilai data aktual yag merupaka target pembelajara, da adalah ilai ramala [2][3]. Lagkahlagkah pada persamaa (3) sampai (23) diatas dikerjaka selama epoch dalam pembelajara kurag dari maksimum epoch yag ditetapka da MSE lebih besar dari target eror yag ditetapka. PREDIKSI ph AIR HUJAN DI KALIMANTAN BARAT DENGAN METODE BACKPROPAGATION Tigkat keasama air huja dapat diketahui melalui pegukura ilai ph dari air huja tersebut. Dikataka huja asam apabila ph air huja tersebut dibawah ph ormal yaitu 5,6. Utuk dapat megetahui tigkat keasama suatu air huja perlu juga diketahui faktor-faktor terjadiya huja asam. Permasalaha yag dihadapi wilayah Kalimata Barat saat ii adalah bagaimaa memperkiraka ph air huja dega akurasi yag tiggi, dega begitu wilayah tersebut dapat megatisipasi meuruya kesehata masyarakat yag disebabka huja asam. Berdasarka hal iilah yag mejadika peetua model ph air huja di wilayah Kalimata Barat sebagai kasus dalam peelitia ii. Data yag diperoleh yaitu emisi baha bakar gas CO, SO 2, NO 2, da ph air huja. Data gas CO, SO 2, NO 2, da ph merupaka data bulaa dari Jauari 2009 sampai November Data CO, SO 2, da NO 2 diperoleh dari Bada Ligkuga Hidup Kota Potiaak sedagka data ph diperoleh dari Bada Meteorologi, Klimatologi da Geofisika (BMKG) Stasiu Klimatologi Siata Potiaak. Pegambila ilai CO, SO 2, da NO 2 dilakuka setiap 30 meit dega jumlah data yag diperoleh setiap hari yaitu 48 data. Masig-masig dari gas tersebut dicari ilai rata-rata perbulaya. Pegambila Data ph air huja tersebut dilakuka setiap 7 hari sekali da kemudia dicari ilai rata-rata ph air huja perbula. (23) (a) Karbo Mooksida (CO) (b) Sulfur Dioksida (SO 2 ) (c) Nitroge Dioksida (NO 2 ) (d) ph Air Huja Gambar 2. Kadar Emisi Karbo Mooksida (CO), Sulfur Dioksida (SO 2 ), Nitroge Dioksida (NO 2 ), da ph Air Huja Di Kota Potiaak Tahu 2009 Sampai 2013
7 Prediksi ph Air Huja Di Kalimata Barat Dega Metode Backpropagatio 403 Gambar 2. merupaka data pegamata da kadar emisi CO, SO 2, NO 2, da ph yag berada di udara Kota Potiaak dega 55 pegamata. Kadar emisi CO memiliki ilai rata-rata 0,47 mg/m 3, kadar emisi teredah yaitu sebesar 0,079 mg/m 3 da kadar emisi tertiggi yaitu sebesar 1,132 mg/m 3. kadar emisi SO 2 memiliki rata-rata 22,1436 g/m 3, data teredah yaitu sebesar 5,525 g/m 3, da kadar emisi tertiggi yaitu sebesar 54,608 g/m 3. Kadar emisi NO 2 memiliki rata-rata 8,95407 g/m 3, kadar emisi teredah yaitu sebesar 3,562 g/m 3, da data tertiggi yaitu sebesar 27,177 g/m 3. Data ph memiliki rata-rata 5,2, ph air huja teredah yaitu sebesar 4,29, da ph air huja tertiggi yaitu sebesar 6,01. Deskriptif data dari keempat data tersebut di sajika pada tabel 1. Tabel 1. Deskriptif Data CO SO 2 NO 2 ph Rata-rata 0,47 mg/m 3 22,1436 g/m 3 8,95407 g/m 3 5,2 Miimum 0,079 mg/m 3 5,525 g/m 3 3,562 g/m 3 4,29 Maksimum 1,132 mg/m 3 54,608 g/m 3 27,177 g/m 3 6,01 Data pada pegamata pertama sampai data pada pegamata ke-45 tersebut diguaka utuk membetuk model ph air huja dega pembelajara backpropagatio berdasarka fugsi gradiet descet dega mometum, sedagka data pada pegamata ke-46 sampai data pada pegamata ke- 55 diguaka utuk proses pegujia terhadap keakurata model ph air huja pada metode backpropagatio. Variabel yag terlibat dalam peetua model prediksi ph air huja pada peelitia ii meliputi 3 variabel yaitu = karbo mooksida (CO), 2 sulfur dioksida (SO 2 ), da 3 itroge dioksida (NO 2 ). Variabel, 2, da 3 sebagai iput da sebagai target. Peelitia ii dilakuka sebayak 40 percobaa utuk meetuka euro di lapisa tersembuyi agar didapatka suatu model ph air huja terbaik berdasarka MSE, MAD, da MAPE. Percobaa pertama dega arsitektur jariga backpropagatio dapat dilihat pada Gambar 3. v tk 0 45 x t v 2 tk 0 45 b tk + x it v i tk 3 z_i tk z tk w tk b tk + z itk w itk y_i tk y tk x 2t v 3 tk b tk b tk x 3t 1 Gambar 3. Arsitektur Jariga Backpropagatio percobaa ke 1 Percobaa 1 pada arsitektur jariga dega satu euro di lapisa tersembuyi, adapu lagkahlagkahya sebagai berikut: Lagkah 1: data yag diguaka utuk membuat model distadarisasi dega megguaka rata-rata da simpaga baku. Lagkah 2: pembetuka jariga syaraf backpropagatio dega 3 lapisa euro, lapisa euro ke 1 yaitu lapisa iput terdiri dari 3 euro, lapisa euro ke 2 yaitu lapisa tersembuyi (hidde layer) terdiri dari 1 euro dega fugsi aktivasi sigmoid bier (logsig), da lapisa euro ke 3 yaitu lapisa output terdiri dari 1 euro dega fugsi aktivasi liear (pureli). Lagkah 3: peetapa bobot-bobot awal dilakuka secara acak dega megambil ilai yag umumya terletak atara -0,5 sampai 0,5 atau -1 sampai 1.
8 404 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA Lagkah 4: peetapa maksimum epoch = 5000, target eror = 0, mometum (mc) = 0.5, da learig rate = 0.01 yag diguaka dalam pembelajara. Lagkah 5: melakuka pembelajara berdasarka persamaa (3) sampai (23) pada algoritma bakcpropagatio terhadap data pada pegamata pertama sampai data pegamata ke-45 berdasarka bobot-bobot yag baru. Perulaga berheti pada epoch ke-5000 dega MSE 0,92 pada data stadarisasi da diperoleh bobot akhir yaitu (45)(5 ) , 2 (45)(5 ) , 3 (45)(5 ) 0 5 5, (45)(5 ) , (45)(5 ) 094, (45)(5 ) Bobot-bobot akhir yag diperoleh tersebut dibuat model ph air huja utuk percobaa pertama yaitu siyal-siyal iput, 2, da 3 dega bobot akhir yag meghubugka lapisa iput da lapisa tersembuyi disubstitusika ke persamaa berikut ( ) + ( )( 2 ) + (0 5 5 )( 3 ) Nilai tersebut diguaka fugsi aktivasi sigmoid bier utuk meghitug siyal lapisa tersembuyi dega mesubstitusika ilai ke persamaa berikut + Pejumlaha siyal-siyal lapisa tersembuyi dega bobot akhir yag meghubugka lapisa tersembuyi da lapisa output disubstitusika ke persamaa berikut ( 094) Nilai tersebut diguaka fugsi aktivasi liier utuk meghitug siyal lapisa output dega mesubstitusika ilai ke persamaa berikut Lagkah 6: dilakuka pegujia terhadap data-data baru yag tidak ikut dilatih amu terlebih dahulu data tersebut distadarisasi yaitu data dari pegamata ke-46 sampai data pada pegamata ke-55. Data yag telah distadarisasi diguaka utuk mecari variabel (prediksi ph air huja di pegamata ke-t pada epoch ke-k). Berdasarka model ph air huja utuk percobaa pertama dari pembelajara megguaka metode backpropagatio, maka diperoleh MSE 0,06463, MAD 0,213, da MAPE 0, pada data pegujia. Dari 40 percobaa terhadap arsitektur jariga dalam meetuka euro di lapisa tersembuyi utuk medapatka model terbaik prediksi ph air huja. Dari peelitia tersebut diperoleh bahwa percobaa ke-2 dega bayak euro pada lapisa tersembuyi 2, learig rate 0,01, mometum 0,5, MSE pada pembelajara 0,919, da bayak epoch 5000 merupaka model terbaik ph air huja backpropagatio dega MSE 0,06414, MAD 0,212, MAPE 0,041349, da R -0,41573 pada data pegujia. (a) Hubuga Target da Output (b) Perbadiga Target da Output Gambar 4. Hubuga da Perbadiga atara Target da Output Jariga utuk Data Pegujia
9 Prediksi ph Air Huja Di Kalimata Barat Dega Metode Backpropagatio 405 Berdasarka pembelajara yag dilakuka terhadap data ph air huja diperoleh bobot-bobot akhir yaitu (45)(5 ) , 2 (45)(5 ) , 3 (45)(5 ) , 2(45)(5 ) 0 4 0, 22(45)(5 ) , 32(45)(5 ) 0 4 9, (45)(5 ) , 2(45)(5 ) , (45)(5 ) 795, 2(45)(5 ) 0 5, (45)(5 ) Bobot ii dibetuk model ph air huja yaitu utuk pejumlaha siyal-siyal iput, 2, da 3 dega bobot akhir yag meghubugka lapisa iput da lapisa tersembuyi di substitusika ke persamaa da 2 berikut ( ) + ( )( 2 ) + (0 55 9)( 3 ) ( 0 4 0) + (0 8509)( 2 ) + (0 4 9)( 3 ) Nilai da 2 tersebut diguaka fugsi aktivasi sigmoid bier utuk meghitug siyal lapisa tersembuyi dega mesubstitusika ilai da 2 ke persamaa da 2 berikut 2 ( 2 ) + Siyal-siyal lapisa tersembuyi da 2 tersebut dega bobot akhir yag meghubugka lapisa tersembuyi da lapisa output disubstitusika ke persamaa berikut ( 795 ) + ( 0 5 )( 2 ) Nilai tersebut diguaka fugsi aktivasi liier utuk meghitug siyal lapisa output dega mesubstitusika ilai ke persamaa berikut PENUTUP Dari hasil peelitia diperoleh model utuk prediksi ph air huja terbaik berdasarka pembelajara megguaka metode backpropagatio utuk meetuka euro pada lapisa tersembuyi yaitu pejumlaha siyal-siyal iput, 2, da 3 dega bobot akhir yag meghubugka lapisa iput da lapisa tersembuyi di substitusika ke persamaa da 2 berikut ( ) + ( )( 2 ) + (0 55 9)( 3 ) ( 0 4 0) + (0 8509)( 2 ) + (0 4 9)( 3 ) Nilai da 2 tersebut diguaka fugsi aktivasi sigmoid bier utuk meghitug siyal lapisa tersembuyi dega mesubstitusika ilai da 2 ke persamaa da 2 berikut 2 ( 2 ) + Siyal-siyal lapisa tersembuyi da 2 tersebut dega bobot akhir yag meghubugka lapisa tersembuyi da lapisa output disubstitusika ke persamaa berikut ( 795 ) + ( 0 5 )( 2 ) Nilai tersebut diguaka fugsi aktivasi liier utuk meghitug siyal lapisa output dega mesubstitusika ilai ke persamaa berikut DAFTAR PUSTAKA [1]. Brady JE. Kimia Uiversitas Asas da Struktur. Taggerag: Biarupa Aksara Publisher; [2]. Kusumadewi S. Membagu Jariga Syaraf Tirua Megguaka MATLAB & Excel Lik. Yogyakarta: Graha Ilmu;
10 406 F.D.ARIANTO, M.N.MARA, N.N.DEBATARAJA [3]. Kusumadewi S. Artificial Itelligece (Tekik da Aplikasiya). Yogyakarta: Graha Ilmu; [4]. Septiarii A. da Sya baiah N. Sistem Peramala Jumlah Produksi Air PDAM Samarida Megguaka Jariga Syaraf Tirua Backpropagatio. Jural EKSPONENSIAL. 2012; 3: [5]. Apriati HF. Ihwa A. da Jumarag MI. Estimasi Curah Huja Bulaa Kota Potiaak Dega Suhu Permukaa Laut Sebagai Estimator Berdasarka Jariga Syaraf Tirua Backpropagatio. PRISMA FISIKA. 2013; 3: FRA SISKUS DIAN ARIANTO : FMIPA UNTAN, Potiaak, dia.ariato10@yahoo.com MUHLASAH NOVITASARI MARA : FMIPA UNTAN, Potiaak, oveemara@gmail.com NAOMI NESSYANA DEBATARAJA : FMIPA UNTAN, Potiaak, aomiessyaa@gmail.com
PRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN :
Estimasi Curah Huja di Kota Potiaak Megguaka Metode Propagasi Balik Berdasarka Parameter Cuaca da Suhu Permukaa Laut Ika Oktaviaigsih a, Muliadi b*, Apriasyah c a Prodi Fisika, b Prodi Geofisika, c Prodi
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun
47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciANALISIS CURAH HUJAN WILAYAH
Lapora Praktikum Hari/taggal : Rabu 7 Oktober 2009 HIDROLOGI Nama Asiste : Sisi Febriyati M. Yohaes Ariyato. ANALISIS CURAH HUJAN WILAYAH Lilik Narwa Setyo Utomo J3M108058 TEKNIK DAN MANAJEMEN LINGKUNGAN
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25
18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15
Lebih terperinciJaringan Sistem Informasi Robotik Vol. 2, No. 01, Maret 2018
Peerapa Jariga Syaraf Tirua Utuk Memprediksi Volume Pemakaia Air Dega Metode Backpropagatio (Studi Kasus PT. PDAM Kota Padag) Khelvi Ovela Putra 1, Guadi Widi Nurcahyo 2, Julius Satoy 3 123 Program Pascasarjaa
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciMateri 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya
Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciKINERJA METODE EXTREME LEARNING MACHINE (ELM) PADA SISTEM PERAMALAN
Vol 1, No 3 Desember 2010 ISSN 2088-2130 KINERJA METODE EXTREME LEARNING MACHINE (ELM) PADA SISTEM PERAMALAN * Bai Khusul Khotimah, ** Eka Mala Sari R, *** Hadry Yuliaarta Jurusa Tekik Iformatika, Fakultas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperincikesimpulan yang didapat.
Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB IV PENGUMPULAN DAN PERHITUNGAN DATA
BAB IV PENGUMPULAN DAN PERHITUNGAN DATA 4.1 Meetuka udara masuk (efisiesi volumetrik) da efisiesi pegirima pada hasil uji 4.1.1 Rumus udara masuk (efisiesi volumetrik) da efisiesi pegirima Jumlah volume
Lebih terperinciPENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT
Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 02, No. 1(2013), hal 1-6. PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Demag, Helmi, Evi Noviai INTISARI Permasalaha di bidag tekik
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciBAB III METODE PENELITIAN. Diagram alir sebagai berikut dibawah ini, dapat melakukan beberapa. langkah-langkah untuk menyelesaikan penelitian.
35 BAB III METODE PEELITIA Diagram alir sebagai berikut dibawah ii, dapat melakuka beberapa lagkah-lagkah utuk meyelesaika peelitia. Gambar 3.. Diagram Alir peelitia 36 3. Pra-Processig Data Gempa Bumi
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciIII BAHAN DAN METODE PENELITIAN
27 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Objek yag diguaka dalam peelitia ii adalah kuda Sumba (Sadelwood) betia da jata berjumlah 30 ekor dega umur da berat yag relatif
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciIII. MATERI DAN METODE. a. Penelitian ini menggunakan 68 ekor kambing peranakan etawa ( PE) (31. ukur, tongkat ukur dan timbangan.
III. MATERI DAN METODE 3.1. Waktu da Tempat Peelitia Peelitia ii telah dilaksaaka pada Bula Oktober sampai November 013 di peteraka yag ada di Kota Pekabaru. 3.. Materi Peelitia a. Peelitia ii megguaka
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat
BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciKIMIA. Sesi. Sifat Koligatif (Bagian II) A. PENURUNAN TEKANAN UAP ( P)
KIMIA KELAS XII IA - KURIKULUM GABUNGAN 02 Sesi NGAN Sifat Koligatif (Bagia II) Iteraksi atara pelarut da zat megakibatka perubaha fisik pada kompoekompoe peyusu laruta. Salah satu sifat yag diakibatka
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciBAB IV PENELITIAN Gambar Alat Untuk gambar alat dapat dilihat pada gambar 4.1. dibawah ini: Gambar 4.1. Modul Alat Tugas Akhir
43 BAB IV PENELITIAN 4.1. Spesifikasi Alat Nama Alat : Had dryer Dilegkapi Dega UV Steril da Pompa Caira Sabu Otomatis. Tegaga : 0 V Frekuesi : 50-60 Hz Daya : 350 Watt 4.. Gambar Alat Utuk gambar alat
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciMETODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki
18 III. METODE PENELITIAN A. Subyek da Tempat Peelitia Subjek peelitia adalah siswa kelas X2 SMA Budaya Badar Lampug Tahu Ajara 2010-2011 dega jumlah siswa 40 orag yag terdiri dari 19 siswa lakilaki da
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciBAB III METODE PENELITIAN
30 BAB III METODE PENELITIAN Peelitia pejadwala pembagkit termal ii adalah utuk membadigka metode Lagragia Relaxatio yag diajuka peulis dega metode yag diguaka PLN. Di sii aka diuji metode maa yag peramalaya
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa
Lebih terperinciBAB III METODOLOGI PENELITIAN
26 BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Kegiata dilakuka di Divisi Tresuri Bak XYZ dari bula Jauari - April 2011. Pegambila data dilakuka di beberapa wilayah pemasara yaitu di wilayah Jakarta,
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciIII. METODE PENELITIAN. Subjek dari penelitian adalah siswa kelas X.B SMA Muhammadiyah 2 Bandar
III. METODE PENELITIAN A. Subjek da Tempat Peelitia Subjek dari peelitia adalah siswa kelas.b SMA Muhammadiyah 2 Badar Lampug Tahu Ajara 2011-2012 dega jumlah siswa 40 orag yag terdiri dari 15 siswa laki-laki
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT
Jural Sais da Tekologi Vol 7 o 2, Desember 27 ANALISIS SISTEM ANTRIAN ADA LOKET ENDAFTARAN ASIEN DI USKESMMAS ADANG ASIR KECAMATAN ADANG BARAT Ali Suta Nasutio, Seira Mutia 2 Tekik Idustri Sekolah Tiggi
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinci