Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Ukuran: px
Mulai penontonan dengan halaman:

Download "Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf"

Transkripsi

1 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan Teni Informatia, Faultas Tenologi Informasi, Institut Tenologi Sepuluh Nopember (ITS) Jl. Arief Rahman Haim, Surabaya 60 Indonesia Abstra Dalam dunia nyata, terdapat permasalahan mencari jalur terpende yang dapat direpresentasian dalam graf, tetapi jalur yang didapat adang tida bisa digunaan arena adanya suatu halangan pada jalur tersebut. Hal ini menyebaban dibutuhannya alternatif berupa jalur-jalur terpende lain dengan biaya yang dieluaran tida memilii selisih yang terlalu besar dari jalur terpende pertama. Beberapa algoritma naif telah ditemuan untu menyelesaian permasalahan pencarian jalur sederhana terpende dalam graf. Tetapi algoritma naif yang ada masih urang efisien dalam hal ecepatan dan ebutuhan memori. Dalam artiel ini dilauan studi dan implementasi algoritma pencarian jalur sederhana terpende dalam graf dengan bahasa C++. Hasil uji coba menunjuan program menghasilan jalur yang benar dan memilii pertumbuhan watu eseusi secara uadrati dengan omplesitas watu O(n(m + n log n)) pada n buah vertes, m buah edge, dan urutan jalur yang dicari. Kata Kunci Algoritma deviasi, algoritma Dijstra, jalur sederhana, jalur terpende. I. PENDAHULUAN alam permasalahan pencarian jalur terpende dalam graf, Djalur terpende yang didapat tida selalu dapat digunaan arena adanya suatu halangan pada jalur tersebut. Hal ini menyebaban dibutuhannya pemilihan alternatif jalur lain berupa jalur terpende beriutnya. Tentu saja, biaya yang dibutuhan oleh jalur tersebut harus memilii selisih minimum dengan biaya jalur terpende sebelumnya. Salah satu algoritma naif yang dapat digunaan untu mencari sebanya buah jalur sederhana adalah dengan melauan modifiasi pada algoritma Dijstra []. Modifiasi dilauan dengan menjalanan algoritma Dijstra secara berulang sampai didapatan pasang jalur berbeda yang ditemuan dari vertes sumber menuju vertes tujuan. Tetapi, algoritma naif tersebut masih urang efisien dalam hal ecepatan dan ebutuhan memori yang dibutian pada hasil uji coba. Pada artiel ini dilauan implementasi algoritma pencarian jalur sederhana terpende dalam graf [2] yang lebih efisien daripada algoritma naif yang telah ada. Implementasi dilauan pada graf berarah dan berbobot dengan batasan bobot masing-masing edge berupa bilangan bulat nonnegatif. Jalur yang dihasilan pada artiel ini adalah jalur sederhana, yaitu jalur yang tida mengandung pengulangan vertes penyusun. Artiel ini bertujuan untu membutian ebenaran hasil implementasi algoritma pencarian jalur sederhana terpende dalam graf, serta membandingan ecepatan algoritma tersebut dengan algoritma naif. II. METODOLOGI A. Definisi Ditentuan sebuah graf G = (V, E) dengan V = {v, v 2,, v n } adalah himpunan vertes dan E = {e, e 2, e m } adalah himpunan edge yang menyusun graf G. Masing-masing edge dalam E memilii bobot yang dinotasian sebagai c(e). Sebuah edge yang terhubung dari vertes v i e vertes v j untu i n, j n, dan v i v j, dapat dinotasian sebagai v i, v j. Jia dietahui i dan j adalah vertes dalam V, maa sebuah jalur p dari vertes i menuju vertes j dalam graf G adalah urutan vertes dengan bentu p = {v, v 2,, v l } dengan etentuan sebagai beriut: v V, untu setiap { l}; (v, v +) E untu setiap { l }; i = v dan j = v l. Jia P ij merupaan himpunan jalur-jalur dari vertes i menuju vertes j dalam graf G, emudian vertes x dan vertes y adalah vertes penyusun jalur p P ij, maa q P xy disebut sebagai subjalur dari p apabila memilii rangaian vertes yang sama dengan p dari x sampai y. Jalur tersebut dinotasian sebagai sub p (x, y). Penggabungan dua jalur, p P ij dan q P jl, dinotasian sebagai p q dan merupaan jalur dari vertes i menuju vertes l yang terbentu dari jalur p yang diiuti dengan jalur q. Jia dietahui sebuah bilangan bulat positif K, maa permasalahan K jalur sederhana terpende bertujuan menentuan sebuah himpunan jalur P K = {p,, p K } P, dengan etentuan sebagai beriut: p adalah jalur sederhana, untu setiap { K}; w(p ) w(p + ), untu setiap { K }; w(p K ) w(p), untu setiap jalur sederhana p P P K ; p ditentuan sebelum p +, pada setiap { K } B. Algoritma Deviasi Algoritma pencarian jalur terpende antara dua vertes mengacu pada pembuatan "pseudo"-tree yang

2 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) 2 merepresentasian hubungan antara jalur-jalur dalam P sebagai sebuah strutur pohon (tree) [3]. Jia terdapat sebuah jalur q dari vertes s menuju vertes t dalam graf G, maa q membentu sebuah pohon yang terdiri dari satu buah jalur. Jia ada jalur lain q + dari vertes s menuju vertes t dalam graf G, maa dapat dipastian bahwa q K+ memilii rangaian vertes yang sama dengan q,, q dari vertes sumber s, sampai vertes tertentu (yang dapat berarti s), yaitu leta jalur q + menyimpang dari himpunan jalur tersebut [2]. Pada vertes-vertes tersebut, vertes terjauh dari vertes sumber disebut dengan vertes deviasi pada q + dan dinotasian sebagai d(q + ). Vertes deviasi pada jalur q + merupaan posisi jalur q + menyimpang dari jalur-jalur sebelumnya, yaitu q,, q. Kemudian, jia berdasar pada asumsi bahwa himpunan jalur q,, q membentu "pseudo"-tree, maa himpunan jalur q,, q, q + juga membentu "pseudo"-tree dengan + jalur [4]. Sebuah "pseudo"-tree yang terdiri dari jalur-jalur sederhana disebut sebagai pohon jalur sederhana. Pada algoritma deviasi digunaan sebuah himpunan jalur X yang berisi andidat-andidat jalur sederhana. Pada tiap langah, algoritma deviasi memilih jalur dalam X dengan bobot terecil, membuat jalur sederhana baru dari jalur tersebut, lalu terahir memperbarui X. Ketia algoritma dijalanan, jalur-jalur dalam X merepresentasian beberapa jalur dalam strutur pohon yang sedang dibuat. Prosedurprosedur tersebut diulang hingga p ditemuan, yaitu etia jalur-jalur yang diambil dari X adalah p, p 2,, p. Pada setiap {,, K}, etia p ditentuan, andidat-andidat untu jalur p j dengan j > telah dihitung, dan untu menghindari jalur-jalur dihitung embali, maa rangaian vertes yang dianalisa hanya yang terdapat pada sub p (d(p ), t). Selain itu, etia menganalisa d(p ), edgeedge yang berasal dari d(p ) dan termasu dalam jalur-jalur sederhana lain yang sudah ditetapan tida boleh digunaan. C. Algoritma Yen [5] Algoritma Yen adalah algoritma deviasi yang dapat digunaan hanya untu menentuan jalur sederhana. Pada tiap vertes v i, algoritma tersebut menghitung jalur sederhana terpende p yang menyimpang dari p. Kemudian, p disebut sebagai parent dari p dan v i disebut sebagai vertes deviasi pada p. Dengan tujuan hanya untu mencari jalur sederhana, maa vertes-vertes pada sub p (s, v i ) tida boleh diulang. Oleh arena itu, vertes-vertes tersebut dihapus sementara dari graf G, emudian mencari jalur sederhana terpende dari vertes v i menuju vertes t pada graf yang sudah dimodifiasi. Pada implementasi algoritma Yen, setiap vertes pada p dari d(p ) sampai v l. Pada masing-masing vertes, misal v i, jalur sederhana terpende p P yang aan dihitung aan memilii bentu p = sub p s, v i q, dengan q merupaan jalur dalam P vi t yang edge pertamanya buan (v i, v i+ ) dan belum dihitung sebelumnya. Untu mendapatan jalur p dengan ondisi tersebut, maa graf yang digunaan harus dimodifiasi terlebih dahulu, yaitu dengan menghapus semua vertes dalam sub p s, v i, edge (v i, v i+ ), serta semua edge yang berasal dari v i yang sebelumnya telah dihapus saat menghitung p. Kemudian, jalur q dapat diperoleh dengan mencari jalur terpende dari v i menuju vertes t pada graf yang telah dimodifiasi. Setelah jalur p didapat, graf diembalian seperti eadaan semula. D. Rangaian Proses Jia dietahui v l adalah vertes pertama yang aan dianalisa pada p, maa p adalah jalur sederhana yang memilii bentu sub p s, v l q, dengan q adalah jalur sederhana terpende dari v l menuju t tanpa vertes-vertes dalam sub p (s, v l 2) dan tanpa edge (v l, t). Dengan ata lain, vertes-vertes dan edge tersebut dihapus dari graf G sebelum jalur q ditentuan. Kemudian, dengan menggunaan algoritma pencarian jalur terpende, aan terbentu sebuah strutur pohon jalur sederhana terpende dari i e t, untu setiap i V, yang disebut pohon terpende beraar pada t, dapat dihitung dan digunaan untu menentuan jalur sederhana q. Strutur pohon terpende beraar pada x V dinotasian sebagai T x dan jalur sederhana dari i V menuju x dinotasian sebagai T x (i). Bobot jalur T i (i) dinotasian sebagai π i dan disebut sebagai label dari i, untu setiap i V. Terdapat sebuah vertes sembarang v i di dalam p dengan v i d(p ), dan sebuah jalur sub p s, v i+ T t (v i+ ) yang aan dicari, dengan T t menggunaan acuan graf yang didapat setelah menghapus vertes-vertes pada jalur sub p (s, v i ) dan menghapus edge (v i+, v i+2 ) dari graf G. Langah selanjutnya adalah mengembalian edge v i+, v i+2 e dalam graf. Proses pengembalian edge tersebut termasu memperbaii T t yang berarti memperbaii label dari beberapa node pada strutur pohon tersebut. Kemudian, setelah mengembalian v i+, v i+2, semua vertes x pada graf yang telah dimodifiasi tersebut dianalisa sehingga setidanya ada satu jalur sederhana dari vertes x menuju v i+ dalam graf tersebut. Pada langah selanjutnya dilauan pengembalian vertes v i dalam graf yang telah dimodifiasi, jia terdapat edge-edge yang berasal dari vertes tersebut, maa dilauan penghitungan label dari v i. Perubahan label v i termasu melauan pengubahan label-label lain yang berhubungan dengan label tersebut, emudian dilauan analisa vertes x dalam graf sehingga setidanya ada satu jalur sederhana dari x menuju v i. Jia setelah dua langah tersebut nilai π vi dapat ditentuan, maa T t (v i ) telah ditetapan dan jalur sederhana baru yang didapat memilii bentu p = sub p s, v i T t (v i ). Namun jia sebalinya, maa tida mungin ada jalur sederhana yang dapat dibuat. Beberapa hal yang perlu diperhatian adalah etia v i = d(p ), prosedur yang sama dilauan, tetapi etia melewati edge (d(p ), v i+ ), semua edge yang dihapus etia

3 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) 3 p jalur sederhana terpende dari s e t dalam G 2 d(p) s; X {p}; 0; 3 while (X and K) do 4 + ; 5 p jalur sederhana terpende dalam X; 6 X X {p }; 7 hapus sub p (s, v l ) dalam graf; hapus edge-edge (d(p 8 ), i), untu i V pada p,, p dalam graf; 9 T t pohon jalur terpende dengan aar t; 0 for v i v l,, d(p ) do embalian node v i pada graf; 2 hitung π vi dengan forward star form; 3 if (π vi ditetapan) then perbaii label semua vertes penerus 4 dari v i dengan reverse star form; 5 p sub p s, v i T t v i ; d(p) v i ; X {p}; 6 Endif 7 embalian (v i, v i+ ) pada graf; 8 if (π vi > π v + c(v i+ i, v i+ )) then 9 π vi π v + c(v i+ i, v i+ ); Perbaii label semua vertes penerus 20 dari v i dengan reverse star form; 2 endif 22 endfor embalian vertes dan edge dalam jalur p 23 dari s sampai d(p ) dalam graf; embalian edge-edge (d(p 24 ), i), untu i V pada p,, p dalam graf; 25 endwhile Gambar.. Pseudocode algoritma pencarian jalur sederhana terpende dalam graf for ((i, j) E) do 2 if (π i > π j + c(i, j)) then 3 π i π j + c(i, j); 4 endif 5 endfor Gambar. 2. Pseudocode algoritma forward star form p dibuat, juga harus dihapus dari graf. Pada Gambar ditunjuan pseudocode algoritma untu mendapatan jalur sederhana terpende e- sesuai langah-langah pada subbab ini. Proses memperbaii label π i menggunaan algoritma yang disebut forward star form, dan proses memperbaii label vertes-vertes penerus v i menggunaan algoritma yang disebut reverse star form. Pseudocode algoritma forward star form ditunjuan pada Gambar 2, dan pseudocode algoritma reverse star form ditunjuan pada Gambar 3. Pada implementasi algoritma dalam artiel ini, implementasi proses algoritma forward star form dilauan dengan cara memberi label pada vertes-vertes yang terdapat pada sub p s, v i etia melauan penghapusan subjalur sebelum melauan proses reverse star form. Kemudian, arena proses algoritma reserver star form hanya dilauan pada vertesvertes yang merupaan penerus (successor) dari vertes v i, maa implementasi algoritma tersebut dapat dilauan dengan cara melauan algoritma Dijstra pada graf yang telah list {x}; 2 repeat 3 i elemen dari list; list list {i}; 4 for ((j, i) E) do 5 if (π j > π i + c(j, i)) then 6 π j π i + c(j, i); 7 if (j list) then list list {j}; 8 endif 9 endfor 0 until (list = ); Gambar. 3. Pseudocode algoritma reverse star form Gambar. 4. Representasi graf dari data masuan pada uji coba ebenaran Tabel. Data jumlah vertes dan edge pada graf aca No. Judul Graf Jumlah Vertes Jumlah Edge Graf A Graf B Graf C Graf D dimodifiasi, dengan menambah batasan berupa vertesvertes pada sub p s, v i. III. UJI COBA A. Data Uji Coba Data uji coba yang digunaan pada uji coba ini terdiri dari tiga macam data uji coba. Tiga data uji coba tersebut adalah data graf yang dibuat secara manual, data masuan pada situs Sphere Online Judge (SPOJ), dan data graf aca dengan jumlah vertes dan edge yang beragam. Pada Tabel ditunjuan data jumlah vertes dan edge dari graf-graf aca yang digunaan untu uji coba. Sedangan untu data masuan pada situs SPOJ menggunaan data uji coba yang tersedia pada server situs SPOJ. B. Uji Coba Kebenaran Uji coba dilauan dengan memberi masuan e program dengan data masuan yang dapat direpresentasian menjadi graf sesuai pada Gambar 4. Pada graf di Gambar 4, jalur eempat yang ditemuan oleh program dari vertes menuju vertes 5 adalah jalur dengan rangaian vertes {,3,4,5}. Setelah dianalisa secara manual, dari graf tersebut terdapat empat jalur yang berbeda dari vertes menuju vertes 5, yaitu dengan urtan p = {,3,5}, p 2 = {,2,4,5}, p 3 = {,2,5}, dan p 4 = {,3,4,5}. Karena hasil eluaran program sama dengan vertes-vertes penyusun p 4 dari graf pada Gambar 4, maa terbuti bahwa hasil implementasi program dalam artiel ini adalah benar.

4 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) 4 Gambar. 5. Hasil pengujian pada situs SPOJ Gambar. 7. Grafi hasil uji coba ecepatan pada graf aca Gambar. 6. Grafi hasil uji ecepatan pada situs SPOJ Tabel 2. Hasil uji coba pada graf aca No. Judul Graf Watu (deti) A 0,024 2 B 0, C 0,588 4 D 94,856 5 A 0,5 6 B 0, C 3,030 8 D 448,342 9 A 0,227 0 B 0, C 6,65 2 D 888,67 3 A,4 4 B, C 32,3 6 D 4486,230 C. Uji Coba pada Situs Penilaian Daring SPOJ Pada uji coba ini, digunaan bantuan sebuah situs penilaian daring bernama Sphere Online Judge (SPOJ). Uji coba dilauan dengan menggugah ode sumber hasil implementasi artiel ini pada salah satu soal di SPOJ yang berjudul "Kth Shortest Path" [6]. Pemilihan soal "Kth Shortest Path" dilauan arena desripsi soal sesuai dengan permasalahan pada artiel ini, yaitu pencarian jalur sederhana terpende pada graf. Pengujian dilauan beberapa ali untu mendapat rata-rata watu eseusi program pada soal "Kth Shortest Path". Pada Gambar 5 ditunjuan hasil salah satu pengujian pada situs SPOJ yang juga membutian ebenaran hasil implementasi algoritma pada artiel. Data graf-graf yang digunaan pada uji coba ini memilii batasan jumlah vertes sebanya 50 buah, jumlah edge sebanya 2450 buah, dan jumlah jalur masimal yang dicari sebanya 200 jalur. Pada Gambar 6 ditunjuan grafi hasil beberapa ali uji coba pada situs SPOJ. Dari grafi pada Gambar 6, didapatan rata-rata watu eseusi program pada situs SPOJ sebesar 2,76 deti dengan standar deviasi sebesar 0,3 deti. Tabel 3. Hasil uji coba pada algoritma naif Watu No. Judul Graf (deti) A B A B A B A B D. Uji Coba pada Graf Aca Pada uji coba ini dilauan beberapa ali pengujian dengan data masuan berupa graf dengan jumlah vertes dan edge yang berbeda untu masing-masing pengujian. Uji coba ini bertujuan mengetahui perbedaan watu eseusi program dengan berdasar pada perbedaan jumlah vertes, jumlah edge, dan urutan jalur () yang dicari pada graf. Pada Tabel 2 ditunjuan hasil uji coba yang dilauan untu masing-masing graf pada Tabel dengan pengelompoan berdasaran urutan jalur yang dicari dan graf yang berbeda. Kemudian pada Gambar 7 ditunjuan grafi ilustrasi hasil uji coba dari Tabel 2 dengan sumbu-x menunjuan urutan jalur yang dicari dan sumbu-y menunjuan nilai watu dalam deti dengan sala nilai logaritma berbasis 0. E. Uji Coba Perbandingan Algoritma Pada uji coba ini dilauan perbandingan ecepatan eseusi antara program hasil implementasi artiel ini dan algoritma naif yang lebih dahulu ditemuan, dengan data uji yang digunaan adalah data graf A dan B pada Tabel. Algoritma naif yang digunaan sebagai pembanding pada uji coba ini adalah modifiasi dari algoritma Dijstra untu mencari jalur sederhana terpende e-. Hasil uji coba pada algoritma naif dapat dilihat pada Tabel 3. Pada Gambar 8 ditunjuan grafi hasil perbandingan uji coba pada algoritma dalam artiel ini yang mengacu pada Tabel 2 dan hasil uji coba pada algoritma modifiasi dari algoritma Dijstra yang ditunjuan pada Tabel 3. Pada grafi di Gambar 8, sumbu-x menunjuan urutan jalur yang dicari

5 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) 5 Gambar. 8. Grafi perbandingan algoritma dan sumbu-y menunjuan nilai watu dalam deti dengan sala nilai logaritma berbasis 0, dengan "TA" merupaan hasil algoritma dalam artiel ini dan "Naif" merupaan hasil algoritma modifiasi dari algoritma Dijstra. IV. KESIMPULAN Berdasaran hasil uji coba yang telah dilauan, terdapat tiga esimpulan yang bisa diambil, yaitu:. Pada hasil uji coba ebenaran dan hasil uji coba pada situs SPOJ, ditunjuan bahwa jalur yang dihasilan program sesuai dengan jalur yang diminta pada permasalahan. Hal tersebut membutian bahwa hasil implementasi algoritma pencarian jalur sederhana terpende pada artiel ini dapat menghasilan eluaran yang benar. 2. Pertumbuhan watu eseusi program bersifat uadrati dengan omplesitas Ο(n(m + n log n) pada n buah vertes, m buah edge, dan jalur yang dicari. 3. Algoritma pada artiel ini lebih efisien daripada algoritma naif yang telah ditemuan sebelumnya Pada artiel ini ini, strutur heap yang digunaan untu menyimpan andidat jalur merupaan strutur heap pada pustaa standar C++, yaitu menggunaan strutur heap biner. Kemudian untu pengembangan, dapat dilauan studi mengenai strutur heap Fibonacci beserta implementasinya pada program, untu mempercepat pemrosesan andidat jalur. DAFTAR PUSTAKA [] T. H. Cormen, C. E. Leiserson, R. L. Rivest and C. Stein, Introduction to Algorithms, 2nd ed., The MIT Press, 200. [2] E. d. Q. V. Martins and M. M. B. Pascoal, "A New Implementation of Yen's Raning Loopless Paths Algorithm," 40R: A Quartery Journal of Operations Research, vol., no. 2, pp. 2-33, [3] D. Eppstein, "Finding the Shortest Paths," SIAM Journal on Computing, vol. 5, pp , 998. [4] E. d. Q. V. Martins, M. M. B. Pascoal and J. L. E. Santos, "Deviation Algorithms for Raning Shortest Paths," International Journal of Foundations of Computer Science, vol. 0, no. 3, pp , 999. [5] J. Y. Yen, "Finding the K Shortest Loopless Paths in a Networ," Management Science, vol. 7, no., pp , 97. [6] Sphere Research Labs, "SPOJ - Problem MKTHPATH," 203. [Online]. Available:

PRESENTASI TUGAS AKHIR KI IMPLEMENTASI ALGORITMA PENCARIAN K JALUR SEDERHANA TERPENDEK DALAM GRAF

PRESENTASI TUGAS AKHIR KI IMPLEMENTASI ALGORITMA PENCARIAN K JALUR SEDERHANA TERPENDEK DALAM GRAF PRESENTASI TUGAS AKHIR KI099 IMPLEMENTASI ALGORITMA PENCARIAN K JALUR SEDERHANA TERPENDEK DALAM GRAF (Kata kunci: Algoritma deviasi, algoritma Dijkstra, jalur sederhana, jalur terpendek) Penyusun Tugas

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA 94 IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA Yudhi Purwananto 1, Diana Purwitasari 2, Agung Wahyu Wibowo Jurusan Teni Informatia, Institut Tenologi Sepuluh Nopember

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain 8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan

Lebih terperinci

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh

Lebih terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman. JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( ) PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132

Lebih terperinci

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar

Lebih terperinci

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul

Lebih terperinci

Desain dan Analisis Struktur Data Non Linier Rooted Tree Dinamis

Desain dan Analisis Struktur Data Non Linier Rooted Tree Dinamis JURNAL SAINS DAN SENI POMITS Vol. 2, No. 1, (2014) ISSN: 23373539 (23019271 Print) 1 Desain dan Analisis Struktur Data Non Linier Rooted Tree Dinamis Nur Ahmad Wahid, Arya Yudhi Wijaya dan Rully Soelaiman

Lebih terperinci

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa 187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract

Lebih terperinci

ANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI

ANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI Seminar Nasional Apliasi Tenologi Informasi 26 (SNATI 26) ISSN: 97-522 Yogyaarta, 7 Juni 26 ANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI Rully Soelaiman, Ni Made Arini

Lebih terperinci

Pengaruh Proses Stemming Pada Kinerja Analisa Sentimen Pada Review Buku

Pengaruh Proses Stemming Pada Kinerja Analisa Sentimen Pada Review Buku Jurnal Hasil Penelitian LPPM Untag Surabaya Januari 2018, Vol. 03, No. 01, hal 55-59 jurnal.untag-sby.ac.id/index.php/jhp17 E-ISSN : 2502-8308 P-ISSN : 2579-7980 Pengaruh Proses Stemming Pada Kinerja Analisa

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB IV APLIKASI PADA MATRIKS STOKASTIK BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,

Lebih terperinci

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,

Lebih terperinci

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR) SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU Wahyudi 1, Adhi Susanto 2, Sasongo P. Hadi 2, Wahyu Widada 3 1 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Tembalang,

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

Desain dan Analisis Algoritma Modifikasi Hungarian untuk Permasalahan Penugasan Dinamis Pada Studi Kasus Permasalahan SPOJ Klasik 12749

Desain dan Analisis Algoritma Modifikasi Hungarian untuk Permasalahan Penugasan Dinamis Pada Studi Kasus Permasalahan SPOJ Klasik 12749 JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Desain dan Analisis Algoritma Modifikasi Hungarian untuk Permasalahan Penugasan Dinamis Pada Studi Kasus Permasalahan SPOJ

Lebih terperinci

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id

Lebih terperinci

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

RINGKASAN SKRIPSI MODUL PERKALIAN RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas

Lebih terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro

Lebih terperinci

BAB IV Solusi Numerik

BAB IV Solusi Numerik BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

PERHITUNGAN CRITICAL CLEARING TIME MENGGUNAKAN PERSAMAAN SIMULTAN BERBASIS TRAJEKTORI KRITIS TANPA KONTROL YANG TERHUBUNG DENGAN INFINITE BUS

PERHITUNGAN CRITICAL CLEARING TIME MENGGUNAKAN PERSAMAAN SIMULTAN BERBASIS TRAJEKTORI KRITIS TANPA KONTROL YANG TERHUBUNG DENGAN INFINITE BUS PROCEEDIG SEMIAR TUGAS AKHIR ELEKTRO ITS, (4) -6 PERHITUGA CRITICAL CLEARIG TIME MEGGUAKA PERSAMAA SIMULTA BERBASIS TRAJEKTORI KRITIS TAPA KOTROL YAG TERHUBUG DEGA IIITE BUS M. Abdul Aziz Al Haqim, Prof.

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau

Lebih terperinci

Neural Network menyerupai otak manusia dalam dua hal, yaitu:

Neural Network menyerupai otak manusia dalam dua hal, yaitu: 2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat

Lebih terperinci

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009 Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan

Lebih terperinci

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.

Lebih terperinci

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai Pemodelan Dan Esperimen Untu enentuan Parameter Tumbuan Non Elasti Antara Benda Dengan Lantai Puspa onalisa,a), eda Cahya Fitriani,b), Ela Aliyani,c), Rizy aiza,d), Fii Taufi Abar 2,e) agister Pengajaran

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program

Lebih terperinci

PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA PADA SISTEM SENSOR GAS METANA

PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA PADA SISTEM SENSOR GAS METANA Jurnal Neutrino Vol., No. April 010 108 PENERAPAN AGORITMA GENETIK UNTUK OPTIMAI TRANFER DAYA PADA ITEM ENOR GA METANA. Muthmainnah 1), Melania uweni Muntini ). Abstra: Pada penguuran perubahan gejala

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15

Lebih terperinci

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing . DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108

Lebih terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:

Lebih terperinci

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah

Lebih terperinci

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR) Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah

Lebih terperinci

Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection

Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna atif Detection CDMA dengan Modulasi Quadrature Phase Shift Keying Berbasis Perangat Luna Saretta Nathaniatasha

Lebih terperinci

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya

Lebih terperinci

BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR 1

BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR 1 BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR K a r y a t i Jurusan Pendidian Matematia FMIPA Uniersitas Negeri Yogyaarta e-mail : yatiuny@yahoo.com Abstra. Misalan R adalah ring, Q

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

Desain dan Analisis Algoritma Pembangkitan Convex Hull 3 Dimensi dan Visualisasinya

Desain dan Analisis Algoritma Pembangkitan Convex Hull 3 Dimensi dan Visualisasinya JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Desain dan Analisis Algoritma Pembangkitan Convex Hull 3 Dimensi dan Visualisasinya Andi Muh. Primabudi, Arya Yudhi Wijaya

Lebih terperinci

KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA. Thiang, Resmana, Wahyudi

KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA. Thiang, Resmana, Wahyudi KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA Thiang, Resmana, Wahyudi Jurusan Teni Eletro, Universitas Kristen Petra Jl. Siwalanerto 121-131 Surabaya Email : thiang@petra.ac.id,

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3

Lebih terperinci

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK

Lebih terperinci

ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)

ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) Igusta Wibis Vidi Abar Purwanto 2 FMIPA Universitas Negeri Malang E-mail: wibis.roccity@gmail.com Abstra: Multi Depot Vehicle Routing

Lebih terperinci

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : 1207 100 011 Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl.

Lebih terperinci

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

pada Permasalahan Traveling Salesman Problem

pada Permasalahan Traveling Salesman Problem Studi Perbandingan Algoritma Ant Colony System dan Algoritma Ant System Leonardo Z Tomarere Laboratorium Ilmu dan Reayasa Komputasi Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Jl. Ganesa

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci

3. Sebaran Peluang Diskrit

3. Sebaran Peluang Diskrit 3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

VIGOTIP SUBSTITUTION CIPHER

VIGOTIP SUBSTITUTION CIPHER VIGOTIP SUBSTITUTION CIPHER Alwi Alfiansyah Ramdan 135 08 099 Program Studi Teni Informatia Institut Tenologi Bandung Jl Ganesha 10, Bandung e-mail: alfiansyahramdan@gmailcom ABSTRAK Maalah ini membahas

Lebih terperinci

BAB VII ALGORITMA GENETIKA

BAB VII ALGORITMA GENETIKA BAB VII ALGORITMA GENETIKA Kompetensi : 1. Mahasiswa memahami onsep Algoritma Genetia Sub Kompetensi : 1. Dapat mengerti dasar metode Algoritma Genetia 2. Dapat memahami tahapan operator dalam Algoritma

Lebih terperinci

Penentuan Konduktivitas Termal Logam Tembaga, Kuningan, dan Besi dengan Metode Gandengan

Penentuan Konduktivitas Termal Logam Tembaga, Kuningan, dan Besi dengan Metode Gandengan Prosiding Seminar Nasional Fisia dan Pendidian Fisia (SNFPF) Ke-6 205 30 9 Penentuan Kondutivitas Termal ogam Tembaga, Kuningan, dan Besi dengan Metode Gandengan Dwi Astuti Universitas Indraprasta PGRI

Lebih terperinci

Kumpulan soal-soal level seleksi Kabupaten: Solusi: a a k

Kumpulan soal-soal level seleksi Kabupaten: Solusi: a a k Kumpulan soal-soal level selesi Kabupaten: 1. Sebuah heliopter berusaha menolong seorang orban banjir. Dari suatu etinggian L, heliopter ini menurunan tangga tali bagi sang orban banjir. Karena etautan,

Lebih terperinci

PENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN

PENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN Seminar Nasional Apliasi Tenologi Informasi 009 (SNATI 009) Yogyaarta, 0 Juni 009 ISSN:1907-50 PENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN Gunawan 1, Agus Djaja Gunawan,

Lebih terperinci

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

ANALISA ALIRAN DAYA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 20 KV

ANALISA ALIRAN DAYA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 20 KV ANALISA ALIRAN DAA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 0 K IBG Manuaba 1, Kade Amerta asa 1 Staff pengajar Teni Eletro Faultas Teni Universitas Udayana Kampus Buit Jimbaran, Bali, 80361 Staff

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

BAB III HASIL DAN PEMBAHASAN

BAB III HASIL DAN PEMBAHASAN 15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan

Lebih terperinci

Sifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus

Sifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus J. Sains Dasar () Sifat-sifat Nilai Eigen dan Vetor Eigen Matris atas ljabar Maxplus (The Properties of Eigen Value and Eigen Vector of Matrices Over Maxplus lgebra) Musthofa * dan Nienasih inatari * Jurusan

Lebih terperinci

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

MAKALAH SEMINAR TUGAS AKHIR

MAKALAH SEMINAR TUGAS AKHIR 1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah

Lebih terperinci