ANALISIS ALIRAN DAYA MENGGUNAKAN METODE PROBABILISTIK PADA SISTEM INTERKONEKSI 500 KV JAWA-BALI

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS ALIRAN DAYA MENGGUNAKAN METODE PROBABILISTIK PADA SISTEM INTERKONEKSI 500 KV JAWA-BALI"

Transkripsi

1 P JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) ANALISIS ALIRAN DAYA MENGGUNAKAN METODE PROBABILISTIK PADA SISTEM INTERKONEKSI 500 KV JAWA-BALI 1) 2) Ferdia Ariesta Adhi Chadra, I.G.N. Satriyadi HeradaP P, da Roy Seto WibowoP Jurusa Tekik Elektro, Fakultas Tekologi Idustri, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya ) royseto@ee.its.ac.idp Abstrak Utuk dapat mejaga kotiuitas pelayaa kepada pelagga diperluka perecaaa sistem jariga yag baik agar dapat meyalurka teaga listrik secara maksimal. Studi alira daya diguaka utuk megaalisis tegaga da sudut fasa pada setiap bus pada jariga serta besarya daya aktif da daya reaktif yag megalir pada setiap salura yag ada di dalam sistem. Hasil dari peyelesaia alira daya pada umumya merupaka peyelesaia alira daya pada waktu tertetu. Pada kodisi riil, beba tidak selalu kosta bergatug pada kebutuha. Pada tugas akhir ii diguaka peyelesaia alira daya dega metode probabilistik yag bertujua utuk meggambarka kodisi tersebut, dimaa hasilya meujukka parameter statistik dari besara daya seperti mea da stadar deviasi. Hasil dari perhituga alira daya dega metode probabilistik yag didapatka adalah deviasi beba MW terbesar pada salura terjadi pada salura dari bus 25 ke bus 18 dega ilai deviasi sebesar %, sedagka deviasi beba MW teredah terjadi pada salura dari bus 9 ke bus 12 dega ilai deviasi sebesar %. Utuk beba MVar pada salura, deviasi terbesar terjadi pada salura dari bus 12 ke bus 4 dega ilai deviasi sebesar % da deviasi terkecil utuk beba MVar pada salura terjadi pada salura dari bus 5 ke bus 18 dega ilai deviasi sebesar %. Kemudia dilakuka perubaha ilai pada availability gererator serta deviasi pada beba utuk megetahui pegaruhya terhadap keadaa beba pada salura. Kata Kuci Keadala, Aalisis Alira Daya, Metode Probabilistik.. I. 0BPENDAHULUAN istem yag mampu bekerja dega baik aka mejami Skotiuitas pelayaa terhadap para kosume. Utuk itu, diperlukalah sebuah studi yag megaalisis alira daya tersebut. Dari studi alira daya tersebut aka didapatka berbagai hasil perhituga yag meliputi ilai- ilai daya aktif da daya reaktif, voltage magitude, agle degree pada masig-masig bus. Perhituga alira daya kovesioal yag telah ada selama ii meyagkut evaluasi megeai arus da tegaga pada kodisi sistem yag sudah ditetuka. Oleh karea itu pegembaga dari perhituga metode kovesioal mejadi metode probabilistik diperluka utuk kodisi sistem yag tidak ditetuka sebelumya. Dega memodelka semua variabel dasar yag ada pada perhituga alira daya sebagai variabel acak, kita dapat meghitug besara-besara seperti alira daya da tegaga dalam betuk parameter statistik seperti mea da stadar deviasi[2]. Data hasil aalisis alira daya yag didapatka pada setiap salura aka sagat bergua utuk megevaluasi kierja peyalura teaga listrik yag ada saat ii serta dapat diguaka sebagai pertimbaga perecaaa pegembaga sistem utuk masa medatag. Sistem Trasmisi 500 kv Jawa-Bali merupaka salah satu kompoe petig dalam peyalura teaga listrik di Idoesia yag sedag berkembag. Dega adaya studi ii diharapka dapat memberika aalisis megeai kodisi alira daya yag ada pada Sistem Trasmisi 500 kv Jawa-Bali saat ii, serta dapat diguaka perecaaa pegembaga sistem yag ada. II. 1BSISTEM TENAGA LISTRIK DAN ANALISIS ALIRAN DAYA A. 5BSistem Teaga Listrik Teaga listrik memiliki peraa yag petig didalam kehidupa sehari-hari. Sistem teaga listrik merupaka suatu gabuga dari proses pembagkita teaga listrik sampai proses peyalura teaga listrik kepada kosume. Sistem teaga listrik tediri dari 3 bagia utama : pembagkita, trasmisi, da distribusi. B. 6BSistem Trasmisi Teaga Listrik Sistem trasmisi teaga listrik merupaka peyalura teaga listrik dari pusat pembagkit teaga listrik meuju sistem distribusi utuk kemudia disalurka kepada kosume Salura trasmisi memiliki parameter-parameter salura yaitu, tahaa, reaktasi, kapasitasi, serta koduktasi yag tersebar di sepajag salura, sehigga ragkaia peggatiya dapat digambarka sebagai berikut : Gambar 1. Ragkaia peggati sistem trasmisi [4]. Dimaa : r = Tahaa salura (Ohm/mil). L = Iduktasi (mh/mil). C = Kapasitasi (μf/mil).

2 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) G = Koduktasi (biasaya diabaika)(mho/mil). V_S = Tegaga pada sisi pegirim (KV). V_R = Tegaga pada sisi peerima (KV). Berdasarka pajagya salura, sistem trasmisi dapat diklasifikasika mejadi [4]: Salura trasmisi pedek ( kurag dari 50 mil ). Salura trasmisi meegah ( atara mil ). Salura trasmisi pajag ( lebih dari 150 mil ). C. Aalisis Alira Daya Pada jariga sistem teaga listrik, aalisis alira daya dilakuka pada beberapa ode/bus serta salura yag mempuyai impedasi yag diyataka dalam satua per-uit (pu) pada base MVA. Dalam perhituga alira daya, terdapat beberapa parameter atara lai, daya aktif, daya reaktif, sudut tegaga da magitude tegaga. Oleh karea itu, bus dapat dibagi mejadi seperti berikut : 1. Bus Beba (Bus PQ) adalah bus yag terhubug pada beba. Pada bus ii daya aktif da daya reaktif diketahui. 2. Bus Geerator (Bus PV) adalah bus yag terhubug dega geerator. Pada bus ii daya aktif da magitude tegaga bus diketahui. 3. Bus Berayu (Slack Bus). adalah bus yag terhubug dega geerator. Pada bus ii sudut phasa tegaga(referesi) da magitude tegaga bus diketahui. Bus ii berfugsi utuk mecatu rugi-rugi da kekuraga daya pada jariga. D. Aalisis Alira Daya Dega Metode Newto-Raphso Dalam perhituga daya aktif (P) da daya reaktif (Q) dapat dituruka dari persamaa : P = VI cos θ Q = VI si θ (1) dimaa I = V. Y (2) dega memasukka persamaa (2) kedalam peersamaa (1), maka aka didapatka persamaa baru yaitu : P = V 1 V 2 Y cos(δ 1 δ 2 θ) Q = V 1 V 2 Y si(δ 1 δ 2 θ) (3) persamaa (2) diatas jika diaplikasika pada aalisa utuk multimesi maka persamaaya dapat dirubah mejadi : P 1 = Y 11 V 1 V 1 cos(θ 11 + δ 1 δ 1 ) + Y 12 V 1 V 2 cos(θ 12 + δ 1 δ 2 ) + + Y 1 V 1 V cos(θ 1 + δ 1 + δ ) (4) Q 1 = Y 11 V 1 V 1 si(θ 11 + δ 1 δ 1 ) + Y 12 V 1 V 2 si( θ 12 + δ 1 δ 2 ) + Y 1 V 1 V si(θ 1 + δ 1 + δ ) (5) jika diketahui : Y = G + jb ; G = Y cos θ ; B = Y si θ (6) maka persamaa (6) dapat disubstitusika ke dalam persamaa (4) da (5). Diadapatka persamaa baru : P 1 = V 1 2 G 11 + Y 12 V 1 V 2 cos(θ 12 + δ 1 δ 2 ) + + Y 1 V 1 V cos(θ 1 + δ 1 + δ ) (7) Q 1 = V 1 2 B 11 + Y 12 V 1 V 2 si(θ 12 + δ 1 δ 2 ) + + Y 1 V 1 V si(θ 1 + δ 1 + δ ) (8) sedagka utuk meghitug daya pada bus yag lai, dapat dituliska dega persamaa sebagai berikut: P i = V i 2 G ii + Y ij V i V j cos θ ij + δ i δ j i,i j j (9) Q i = V i 2 B ii Y ij V i V j si θ ij + δ i δ j (10) i,i j j dimaa: P i : daya aktif terbagkit pada bus ke-i Q i : daya reaktif terbagkit pada bus ke-i Y ij,θ ij : magitude da sudut phasa eleme matrik admitasi Y V i,δ i : magitude tegaga da sudut phasa pada bus ke-i V j,δ j : magitude tegaga da sudut phasa pada bus ke-j Utuk selajutya, setelah mecari daya da tegaga tiap bus, maka dapat ditetuka matrik Jacobia utuk iterasi selajutya. Matrik Jacobia terdiri dari beberapa kompoe, yaitu kompoe H, N, J, da L. Jacobia matrik = H N (11) J L dimaa: H = P i ; N = P i V θ j V j j J = Q i ; L = Q i V θ j V j j (12) persamaa matrik Jacobia diatas dapat diderhaaka utuk mecari alira daya setiap bus mejadi : H J N θ V = P (13) L Q V Dari hasil perkalia matrik Jacobia diatas, didapatka ilai dari θ i da V i yag diguaka utuk medapatka hasil terbaru agle degree da voltage magitude tegaga tiap bus. θ i (k+1) = θ i (k) + θ i (14) V i (k+1) = V i (k) + V i (15) dimaa :

3 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) (k+1) : jumlah iterasi ewto raphso θ i : Perubaha sudut tegaga pada bus ke-i V i : Perubaha magitude tegaga pada bus ke-i Selajutya selisih atara daya aktif da reaktif tiap bus yag baru dega daya aktif da reaktif yag lama aka dibadigka dega ketelitia yag telah ditetuka. III. ANALISIS ALIRAN DAYA MENGGUNAKAN METODE PROBABILISTIK A. Kosep Dasar Teori Probabilitas Pada kodisi tertetu, kejadia stokastik merupaka hal-hal yag mugki terjadi atau mugki juga tidak terjadi. Probabilitas diguaka utuk megukur kemugkia terjadiya kejadia stokastik tersebut, dimaa probabilitas memiliki ilai atara 0 da 1. Nilai 1 meujukka suatu kejadia yag pasti terjadi da 0 meujukka kejadia yag mustahil terjadi. B. Nilai Harapa (Mea) Nilai harapa atau mea merupaka ilai rata-rata dari distribusi probabilitas. Apabila X merupaka variabel acak kotiu yag memiliki fugsi kerapata probabilitas (x), ilai harapaya didefiisika sebagai : μ = E(X) = xf(x)dx (16) C. Ragam (Varia) Varia merupaka ukura sebara dari suatu distribusi. Apabila X merupaka variabel acak kotiu yag memiliki fugsi kerapata probabilitas f(x) da ilai harapa, maka variaya adalah : σ 2 = E[(X μ) 2 ] = (x μ) 2 f(x)dx (17) Akar kuadrat positif dari varia, σ, disebut simpaga baku atau stadar deviasi. D. Mome da Cumulat Apabila terdapat sebuah fugsi distribusi dari variabel acak, dapat dicari ilai harapa yag biasa disebut dega mome ke r terhadap titik asal dari variabel acak X, yag disimbolka dega μ r. Mome ke r terhadap titik asal dari variabel acak X, apabila X kotiu, memiliki persamaa sebagai berikut : μ r = E(X ) = x r f(x)dx (18) Dari persamaa (), ilai dari mea da varia dapat dituliska sebagai berikut : μ = μ 1 ; σ 2 = μ 2 μ 2 1 (19) Mome suatu variabel acak dapat djuga dicari dega megguaka fugsi pembagkit mome yag dituliska dega persamaa sebagai berikut : M x (t) = E(e tx ) = e tx f(x)dx (20) M x (t) = e μt+1 2 σ2 t 2 (21) Proses selajutya adalah mecari cumulat. Fugsi pembagkit cumulat variabel acak X, apabila X kotiu, dituliska dega persamaa sebagai berikut : g(t) = l M x (t) = l e μt+1 2 σ2 t 2 g(t) = μt σ2 t 2 (22) Cumulat orde pertama da kedua pada distribusi ormal didapatka dega meuruka persamaa fugsi pembagkit cumulat. K 1 = d( μt σ2 t 2 ) dt t=0 = μ (23) K 2 = d2 ( μt σ2 t 2 ) dt 2 t=0 = σ 2 (24) Dari persamaa diatas dapat diketahui bahwa pada distribusi ormal, cumulat orde pertama sama dega mea da cumulat orde kedua sama dega varia.utuk ilai cumulat orde ketiga da selajutya ilaiya sama dega 0. Hubuga atara mome da cumulat dapat kita cari dega megguaka rumus rekursi berikut 1 K = μ 1 m 1 K m μ m (25) m=1 Dari persamaa rekursi tersebut didapatka persamaa cumulat orde pertama sampai dega orde ke- sebagai berikut : K 1 = μ 1 2 K 2 = μ 2 μ 1 3 K 3 = μ 3 3μ 2 μ 1 + 2μ 1 K 4 = μ 4 4μ 3 μ 1 3μ μ 2 2 μ 2 6μ 1 14 (26) Pada persamaa tersebut ilai μ 1 = m, dimaa m meujukka ilai dari mea. Dalam betuk mome setral, maka didapatka sebagai berikut : K 1 = μ 1 K 2 = M 2 = σ 2 K 3 = M 3 K 4 = M 4 3μ 2 2 (27)

4 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) Dimaa pada persamaa tersebut σ diotasika sebagai stadar deviasi, sehigga didapatka persamaa baru sebagai berikut : M 1 = 0 M 2 = K 2 = σ 2 M 3 = K 3 M 4 = K 4 + 3μ 2 2 (28) E. 13BGram-Charlier Expasio Dega memperhatika setiap variable acak X yag memiliki distribusi kotiu serta memiliki otasi m sebagai ilai mea da σ sebagai stadar deviasi, fugsi kumulatif da fugsi kerapata variable stadar (X-m)/( σ) diotasika sebagai F(x) da f(x)[12]. Berdasarka Gram-Charlier expasio, fugsi kumulatif da fugsi kerapataya dituliska sebagai berikut : F(x) = Φ(x) + c 1 1! Φ (x) + c 2 2! Φ (x) + c 3 3! Φ(3) (x) + (29) f(x) = φ(x) + c 1 1! φ (x) + c 2 2! φ (x) + c 3 3! φ(3) (x) + (30) Dimaa Φ(x)da φ(x)merupaka represetasi dari fugsi distribusi kumulatif da fugsi kerapata probabilitas dari distribusi ormal dega m = 0 da σ = 1, c adalah koefisie kosta. c 0 = 1 c 1 = c 2 = 0 c 3 = M 3 σ 3 c 4 = M 4 σ 4 3 (31) IV. 3BPERHITUNGAN DAN ANALISIS A. 14BSistem Iterkoeksi 500 kv Jawa-Bali Sistem Iterkoeksi 500 kv Jawa Bali yag diguaka sebagai pemodela dalam tugas akhir ii terdiri dari 25 bus dega ricia 1 buah swig bus, 7 buah geerator bus, da 17 buah load bus dega 30 salura serta 8 uit pembagkit. Data pembebaa yag diguaka dalam tugas akhir ii megguaka data beba pada hari Selasa taggal 19 April 2011 pukul WIB yag diperoleh dari PT. PLN (Persero) P3B Jawa Bali. Sistem Iterkoeksi 500 kv Jawa Bali yag terdiri dari 25 bus dega 30 salura serta 8 uit pembagkit ii dapat digambarka dalam betuk tabel da sigle lie diagram sebagai berikut. Gambar 2. Sigle Lie Diagram 500 kv Jawa Bali. B. 15BPerhituga Voltage Magitude da Agle Degree dega Metode Newto-Raphso. Dega megguaka metode Newto-Raphso yag dijalaka megguaka program Matlab, didapatka hasil sebagai berikut. Tabel 1. Data Voltage Magitude, Agle Degree, da Beba. No. Volt. Agle Beba Pembagkita Bus Mag. Degree MW MVar MW MVar Total C. 16BPerhituga Voltage Alira Daya dega Cumulat da gram-charlier Expasio. Dega megguaka data voltage magitude, agle degree beba serta data salura trasmisi pada tabel 4, dapat dicari ilai mea serta stadar deviasi dari beba MW serta MVar

5 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) pada tiap bus serta beba MW da MVar pada salura dega megguaka persamaa (28) - (33). Gambar 3. Flowchart Metode Probabilistik Dari hasil simulasi didapatka ilai dari mea serta deviasi dari beba MW da beba MVar pada tiap bus sebagai berikut. Tabel 2. Mea serta Stadar Deviasi Beba MW da Beba MVar. Bus Beba MW Beba MVar Mea Deviasi (%) Mea Deviasi (%) Dari tabel 5 dapat dilihat deviasi pada semua beba di salura memiliki ilai sebesar 10 %. Setelah medapatka ilai mea da stadar deviasi dari beba pada masig-masig bus, selajutya dicari ilai mea da stadar deviasi beba MW da beba MVar pada salura. Tabel 3. Nilai Mea da Stadar Deviasi Beba MW beserta Beba MVar pada Salura. Dari Ke Beba MW Beba MVar Bus Bus Mea Deviasi (%) Mea Deviasi (%) Dari tabel 5 diatas dapat dilihat ilai mea da stadar deviasi pada beba MW da MVar di salura. Selajutya aka dicari ilai cumulat yag baru dega mempertimbagka ilai availability pada geerator serta perubaha beba pada bus. Dega megguaka ilai availability geerator sebesar 0.9 sebagai referesi, perubaha ilai beba pada salura ketika ilai availability geerator dirubah mejadi 0.8, 0.85, 0.95, da 0.99 dapat dilihat pada gambar berikut. Gambar 4. Grafik perubaha beba MW total pada salura akibat pegaruh perubaha ilai availability pada geerator. Kemudia dega mempertimbagka perubaha beba pada bus, dimaa beba dega ilai deviasi sebesar 0%

6 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) dijadika referesi utuk dibadigka dega beba pada bus yag megalami perubaha deviasi sebesar +50%, -50%, +75%, da -75%,. Didapatka perubaha beba pada salura sebagai berikut. salura secara keseluruha adalah sebesar MW. Sedagka utuk ilai perubaha deviasi beba pada bus sebesar -0.75, perubaha beba MVar pada salura secara keseluruha memiliki ilai sebesar Mvar. Utuk ilai perubaha deviasi beba pada bus sebesar +0.75, total ilai perubaha beba MVar pada salura secara keseluruha adalah sebesar MVar. Gambar 5. Grafik perubaha beba MW total pada salura akibat pegaruh perubaha ilai deviasi pada beba. V. 4BKESIMPULAN Berdasarka hasil yag didapatka dari simulasi da aalisis pada tugas akhir ii, dapat diambil beberapa kesimpula sebagai berikut: Pada beba MW da beba MVar pada tiap bus, deviasi utuk utuk masig-masig bus memiliki ilai yag sama yaitu sebesar 10 %. Dari hasil simulasi didapatka deviasi beba MW terbesar pada salura terjadi pada salura dari bus 25 ke bus 18 dega ilai deviasi sebesar %, sedagka utuk deviasi beba MW teredah terjadi pada salura dari bus 9 ke bus 12 dega ilai deviasi sebesar %. Utuk beba MVar pada salura, deviasi terbesar terjadi pada salura dari bus 12 ke bus 4 dega ilai deviasi sebesar % da deviasi terkecil utuk beba MVar pada salura terjadi pada salura dari bus 5 ke bus 18 dega ilai deviasi sebesar %. Dega adaya perubaha ilai pada availability geerator sebesar 0.80, 0.85, 0.95, da 0.99 dimaa ilai availability geerator yag dijadika referesi adalah sebesar 0.90, terjadi perubaha ilai beba pada salura. Utuk ilai availability geerator sebesar 0.99,total ilai perubaha beba MW pada salura secara keseluruha adalah sebesar MW. Utuk ilai availability geerator 0.8, total ilai perubaha beba MW pada salura secara keseluruha adalah sebesar MW. Sedagka utuk ilai availability geerator sebesar 0.99, perubaha beba MVar pada salura secara keseluruha memiliki ilai sebesar Mvar. Utuk ilai availability geerator 0.8, total ilai perubaha beba MVar pada salura secara keseluruha adalah sebesar MVar. Perubaha ilai deviasi beba pada tiap bus, juga turut meyebabka perubaha ilai beba pada salura. Dega perubaha ilai deviasi beba pada bus sebesar -0.75, -0.5, +0.5, da +0.75, dimaa ilai deviasi beba pada bus yag dijadika referesi adalah sebesar 0. Utuk ilai perubaha deviasi beba pada bus sebesar -0.75,total ilai perubaha beba MW pada salura secara keseluruha adalah sebesar MW. Utuk ilai perubaha deviasi beba pada bus sebesar +0.75, total ilai perubaha beba MW pada DAFTAR PUSTAKA [1]. Borkowska, B., Probabilistic load flow, IEEE Tras. Power App. Syst., vol. PAS-93, o. 3, pp , May Ju [2]. Aders, J.G., Probability Cocepts i Electric Power Systems. New York: Wiley, [3]. Steveso, Jr,William D., Aalisis Sistem Teaga Listrik, Edisi Keempat,. Peerbit Erlagga, Jakarta, [4]. Wahyudi, R, Ir., Trasmisi Teaga Listrik, Diktat Kuliah Jurusa Tekik Elektro, FTI ITS, [5]. Peagsag, Otoseo. Diktat Kuliah Aalisis Sistem Teaga Listrik 2, Jurusa Tekik Elektro, Istitut Tekologi Sepuluh Nopember, Surabaya, [6]. Soeprijato, Adi Kestabila Sistem Teaga Listrik, Diktat Kuliah Aalisis Sistem Teaga Listrik 2, Tekik Elektro Fakultas Tekologi Idustri, Istitut Tekologi Sepuluh Nopember, Surabaya, [7]. Arismuadar, A. da Kuwahara, S, Tekik Teaga Listrik Jilid II Salura Trasmisi, Pradya Paramita, Jakarta, September, [8]. Hutauruk, T.S., Trasmisi Daya Listrik, Erlagga, Jakarta, [9]. Kadir, Abdul., Trasmisi Teaga Listrik, UI Press, [10]. Saadat, Hadi, Power System Aalysis (Secod Editio), McGraw-Hill Educatio (Asia), Sigapore, [11]. Walpole, Roald E., Ramod H. Myers., Sharo L. Myers., Probabilitas da Statistika utuk Sais Edisi 6 Jilid Alih Bahasa:Jozep Edyato,, PT. Prehallido Jakarta, [12]. D. Villaueva, A. Feijóo, ad J. L. Pazos, Probabilistic Load Flow Icludig Wid power Geeratio, IEEE Trasactios o Power Systems vol.26, o. 3, August [13]. P. Zhag ad S. T. Lee, Probabilistic load flow computatio usig the method of combied Comulats ad Gram-Charlier expasio, IEEE Tras. o Power Systems, Vol. 19, No. 1, February 2004, pp [14]. R. N. Alla ad M. R. G. Al-Shakarchi, Probabilistic a.c. load flow, Proc. Ist. Elect. Eg. 123, o. 6, pp , [15]. R. N. Alla, B. Borkowska, ad C. H. Grigg, Probabilistic aalysis of power flows, Proc. Ist. Elect. Eg. 121, pp , 1974.

ANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG

ANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG ANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG Agam Rido Priawa¹, Ir. Mahfudz Shidiq, M.T. ², Hadi Suyoo, S.T., M.T., Ph.D.³ ¹Mahasiswa Jurusa Tekik Elektro, ² ³Dose Jurusa

Lebih terperinci

SIMULASI ALIRAN DAYA PADA PENYULANG 2 GARDU INDUK RAWALO DENGAN MENGGUNAKAN SOFTWARE ETAP 7.0

SIMULASI ALIRAN DAYA PADA PENYULANG 2 GARDU INDUK RAWALO DENGAN MENGGUNAKAN SOFTWARE ETAP 7.0 SIMULASI ALIRAN DAYA PADA PENYULANG 2 GARDU INDUK RAWALO DENGAN MENGGUNAKAN SOFTWARE ETAP 7.0 Uggul Dzackiy K 1, Ir. Bambag Wiardi 2 1 Mahasiswa da 2 Dose Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas

Lebih terperinci

FORUM TEKNOLOGI Vol. 06 No. 3 ANALISA ALIRAN DAYA PADA SISTEM TENAGA LISTRIK MENGGUNAKAN SOFTWARE ETAP Ali Supriyadi *) Abstrak

FORUM TEKNOLOGI Vol. 06 No. 3 ANALISA ALIRAN DAYA PADA SISTEM TENAGA LISTRIK MENGGUNAKAN SOFTWARE ETAP Ali Supriyadi *) Abstrak ANALISA ALIRAN DAYA PADA SISTEM TENAGA LISTRIK MENGGUNAKAN SOFTWARE ETAP 12.6 Ali Supriyadi *) Abstrak Studi alira daya merupaka peetua atau perhituga tegaga, arus, daya aktif maupu daya reaktif yag terdapat

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

Perhitungan Gangguan Simultan Hubungan Seri-Seri Pada Sistem Tenaga Listrik

Perhitungan Gangguan Simultan Hubungan Seri-Seri Pada Sistem Tenaga Listrik Perhituga Gaggua Simulta Hubuga SeriSeri Pada Sistem Teaga Listrik Triwahju Hardiato Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Jember Jl.Slamet Riyadi No.6 Jember 68 No. Fax / Telp. : 033484977

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI 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 terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB 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 terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN 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 terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

ANALISA PENGARUH INTEGRASI PEMBANGKIT TERSEBAR DALAM SISTEM KOMPOSIT

ANALISA PENGARUH INTEGRASI PEMBANGKIT TERSEBAR DALAM SISTEM KOMPOSIT ANALISA PENGARUH INTEGRASI PEMBANGKIT TERSEBAR DALAM SISTEM KOMPOSIT Syafii, Syukri Yuus, da Asrizal Gedug Jurusa Tekik Elektro, Fakultas Tekik, Kampus Limau Mais, Uiversitas Adalas, Padag, 25163 email:

Lebih terperinci

Mulia Fahrudin Rahman, Ontoseno Penangsang, Adi Soeprijanto Jurusan Teknik Elektro FTI-ITS 2. DASAR TEORI 1. PENDAHULUAN

Mulia Fahrudin Rahman, Ontoseno Penangsang, Adi Soeprijanto Jurusan Teknik Elektro FTI-ITS 2. DASAR TEORI 1. PENDAHULUAN Optimisasi Pembebaa (Ecoomic Dispatch) Pada Sistem 500 kv Jawa-Bali Megguaka Particle Swarm Optimizatio dega Mempertimbagka Kapasitas Trasmisi Mulia Fahrudi Rahma, Otoseo Peagsag, Adi Soeprijato Jurusa

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB 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 terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III 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 terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. 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 terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. 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 terperinci

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. 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 terperinci

Bab III Metoda Taguchi

Bab 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 terperinci

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1 Kuliah : Rekayasa Hidrologi II TA : Geap 2015/2016 Dose : 1. Novriati.,MT 1 Materi : 1.Limpasa: Limpasa Metoda Rasioal 2. Uit Hidrograf & Hidrograf Satua Metoda SCS Statistik Hidrologi Metode Gumbel Metode

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB 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 terperinci

PERHITUNGAN GANGGUAN SIMULTAN HUBUNGAN SERI-SERI PADA SISTEM TENAGA LISTRIK. Triwahju Hardianto 1

PERHITUNGAN GANGGUAN SIMULTAN HUBUNGAN SERI-SERI PADA SISTEM TENAGA LISTRIK. Triwahju Hardianto 1 PENDAHULUAN PERHITUNGAN GANGGUAN SIMULTAN HUBUNGAN SERISERI PADA SISTEM TENAGA LISTRIK Triwahju Hardiato ABSTRACT: This paper explais about how to calculate the currets ad voltages at a electrical power

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research)

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research) BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa

Lebih terperinci

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

III. 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 terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB 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 terperinci

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 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 terperinci

BAB 5 UKURAN DISPERSI

BAB 5 UKURAN DISPERSI BAB 5 UKURAN DISPERSI A. Ukura Dispersi Meurut Hasa (011 : 101) ukura dispersi atau ukura variasi atau ukura peyimpaga adalah ukura yag meyataka seberapa jauh peyimpaga ilai-ilai data dari ilai-ilai pusatya

Lebih terperinci

METODE 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 7/4/2012 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 terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

STUDI KEAMANAN DAN KEANDALAN SUPLAI SISTEM KELISTRIKAN BALI SESUAI RENCANA OPERASI SUTET 500 KV

STUDI KEAMANAN DAN KEANDALAN SUPLAI SISTEM KELISTRIKAN BALI SESUAI RENCANA OPERASI SUTET 500 KV STUDI KEAMANAN DAN KEANDALAN SUPLAI SISTEM KELISTRIKAN BALI SESUAI RENCANA OPERASI SUTET 500 KV I. B. Bawa Adiputra, W. G. Ariastia, I W. Sukerayasa Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Udayaa

Lebih terperinci

JURNAL TEKNIK ITS Vol. 4, No. 2, (2015) ISSN: ( Print) A-180

JURNAL TEKNIK ITS Vol. 4, No. 2, (2015) ISSN: ( Print) A-180 URNAL TEKNIK IT ol., No., (05) IN: 7-59 (0-97 Prit) A-80 tudi Rekofigurasi ariga da Peetua Lokasi Distributed Geeratio () Pada istem Distribusi Phasa Metode Newtho Rhapso Utuk Meigkatka Keluara Daya Aktif

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. 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 terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB 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 terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3.

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3. Eleme Dasar Model Atria. Aktor utama customer da server. Eleme dasar :.distribusi kedataga customer. 2.distribusi waktu pelayaa. 3.disai fasilitas pelayaa (seri, paralel atau jariga). 4.disipli atria (pertama

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 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 terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN 1 Latar belakag Model pertumbuha Solow-Swa (the Solow-Swa growth model) atau disebut juga model eoklasik (the eo-classical model) pertama kali dikembagka pada tahu 195 oleh Robert Solow da

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB 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 terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian 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 terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011 PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai

Lebih terperinci

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2 Bab Bilaga kompleks BAB BILANGAN KOMPLEKS Defiisi Bilaga Kompleks Sebelum medefiisika bilaga kompleks, pembaca diigatka kembali pada permasalah dalam sistem bilaga yag telah dikeal sebelumya Yag pertama

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. 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 terperinci

BAB 7 MOMEN, KEMIRINGAN DAN KERUNCINGAN

BAB 7 MOMEN, KEMIRINGAN DAN KERUNCINGAN BAB 7 MOMEN, KEMIRINGAN DAN KERUNCINGAN A. Mome Misalka diberika variable x dega harga- harga : x, x,., x. Jika A = sebuah bilaga tetap da r =,,, maka mome ke-r sekitar A, disigkat m r, didefiisika oleh

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

STUDI KEAMANAN SUPLAI ENERGI LISTRIK BALI SAMPAI DENGAN TAHUN 2025

STUDI KEAMANAN SUPLAI ENERGI LISTRIK BALI SAMPAI DENGAN TAHUN 2025 E-Joural E-Joural Vol STUDI KEAMANAN SUPLAI ENERGI LISTRIK BALI SAMPAI DENGAN TAHUN 5 I G G B Prabu Wisesa, W G Ariastaa, IW Sukerayasa Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Udayaa Email : Prabhuwisesa@gmailcom,

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI 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 terperinci

PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT

PENYELESAIAN 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 terperinci

IV. METODE PENELITIAN

IV. 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 terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. 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 terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu III. METODOLOGI 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 (99 :

Lebih terperinci

ANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT

ANALISIS 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 terperinci

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL Karmila 1*, Hasriati 2, Haposa Sirait 2 1 Mahasiswa Program S1 Matematika 2 Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. 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 terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB 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 terperinci

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo

ANALISIS 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

I. DERET TAKHINGGA, DERET PANGKAT

I. 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 terperinci

Perbandingan Beberapa Metode Pendugaan Parameter AR(1)

Perbandingan 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 terperinci

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan 47 III. METODOLOGI PENELITIAN A. Metodelogi Peelitia Keberhasila dalam suatu peelitia sagat ditetuka oleh ketepata pegguaa metode peelitia. Oleh karea itu, metode yag aka diguaka haruslah sesuai dega data

Lebih terperinci

BAB 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. : 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 terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci