FACE RECOGNITION MENGGUNAKAN METODE ALGORITMA VIOLA JONES DALAM PENERAPAN COMPUTER VISION
|
|
- Benny Sudirman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 FCE RECOGTO MEGGUK METODE LGORTM VOL JOES DLM PEERP COMPUTER VSO Pareza lam Jusa, S.Kom, M.Kom STKOM Dnamka Bangsa Jamb,Teknk nformatka E-mal: BSTRK Deteks wajah merupakan suatu cabang peneltan d bdang scence dan teknolog yang mempelajar tentang penghtungan dan analsa data bolog yang terkat dengan karakterstk manusa, atau basa dsebut dengan nama bometrc. Dalam peneltan n mencoba teknk kombnas dua metode dalam pengenalan wajah, yang pertama adalah metode untuk deteks wajah dan yang kedua adalah metode untuk pengenalan wajah. Kedua metode tersebut adalah Vola Jones dan Prncpal Component nalyss (PC). Kontrbus peneltan n adalah untuk mengetahu efektftas pengenalan wajah dengan menggabungkan algortma Vola Jones untuk menghlangkan background dan dengan menggunakan metode Prncpal Component nalyss untuk analsa wajahnya. Kata kunc: Face recognton, Vola Jones, PC, deteks, ctra, deteks wajah, analss 1. PEDHULU Dalam bdang scence dan teknolog peneltan tentang pengenalan wajah adalah salah satu cabang peneltan yang terkat dengan penghtungan dan analsa data yang terkat dengan karakterstk manusa. Deteks wajah dalam komputer bergantung pada beberapa aspek, dantaranya adalah konds ekspres wajah, cahaya dan aksesors yang dgunakan oleh wajah tersebut. Pada pengenalan wajah ada beberapa tahap yang dlakukan dalam katannya dengan computer vson, antara lan pengamblan objek, pengukuran ulang objek dan analsa pengenalan. Tahap pengamblan objek adalah tahap dmana objek atau gambar wajah dambl menggunakan kamera, dalam tahap pengamblan gambar n objek dapat berupa gambar vdeo yang nantnya dambl dalam bentuk statk gambar. Kemudan setelah gambar tersebut terambl, langkah selanjutnya adalah tahap reszng atau tahap pengukuran ulang. Tahap n adalah tahap jembatan antara tahap pengamblan gambar objek dan tahap analsa gambar. Pada tahap n gambar yang telah dambl akan dsesuakan format ukurannya dengan format ukuran gambar yang ada dalam database, agar dapat danalsa. Terakhr adalah tahap analsa, pada tahap n gambar yang telah d lakukan reszng akan danalsa dengan mencocokan gambar objek tersebut dengan kumpulan gambar yang ada dalam database untuk dketahu nla kecocokan datanya, sehngga nantnya akan dperoleh gambar yang cocok dengan gambar objek tersebut. Serng perkembangan zaman yang semakn canggh, deteks wajah banyak dperlukan d berbaga cabang keamanan, sepert dalam aspek pengawasan, keselamatan, verfkas dan dentfkas. Dalam bdang keamanan, pengenalan wajah banyak dperlukan untuk otentfkas, msalkan otentfkas pelaku krmnal, sepert deteks terhadap pelaku teror, pencegahan terhadap terpdana korups yang hendak melarkan dr ke luar neger, dan terhadap gembong narkoba. Selan hal-hal tersebut, pengenalan wajah juga bsa dgunakan untuk dentfkas, sepert dentfkas terhadap mayat yang dtemukan dsuatu tempat.oleh karena tu, dalam peneltan n membahas tentang suatu gabungan metodolog antara metodolog untuk deteks wajah dan metodolog untuk mengenal wajah yang masuk dalam kategor real tme face recognton. Pada real tme face recognton, ada dua hal yang utama dlakukan, yatu deteks wajah dan pengenalan wajah. Dalam keamanan suatu tempat, dperlukan suatu pedeteksan yang cepat dalam seg waktu, oleh karena tu dperlukannya suatu sstem yang dapat mendeteks wajah seseorang secara real tme. Dalam peneltan computer vson banyak metode yang bsa dgunakan untuk deteks wajah, salah satunya adalah dengan menggunakan metode Vola Jones. Metode n dgunakan untuk mendeteks wajah dengan menggunakan klasfkas berdasarkan pendekatan algortma daboost dan Haar Cascade. Pada algortma Vola Jones n, metode daboost dgunakan untuk menjad penentu nla ambang batas, sedangkan Haar Cascade dgunakan untuk klasfkas area sub wndows. Banyak metode yang dgunakan dalam peneltan face recognton n, salah satunya adalah metode Prncpal Component nalyss (PC) atau karhunen-loeve transformaton adalah teknk standar
2 yang dgunakan dalam lmu statstka yang berhubungan dengan patern recognton dan sgnal processng untuk mereduks data dan mengekstrak cr. Berdasarkan uraan datas, penelt mencoba untuk membuat rancangan sstem alur kerja dar kombnas metode yang djabarkan datas untuk mengetahu seberapa besar efsens dan akuras yang dhaslkan oleh gabungan kedua metode tersebut sebaga dasar dar metode pengenalan wajah. 2. METODE PEELT Dalam peneltan n metode yang dgunakan adalah metode ekspermen. Ekspermen dalam peneltan n bertujuan untuk mendeteks dan mengenal wajah seseorang dengan menggunakan metode Vola Jones dan Prncpal Component nalyss (PC). Dengan metode n wajah seseorangyang menghadap ke kamera akan d deteks menggunakan kamera tersebut, kemudan dar pengamblan gambar wajah tersebut, akan dlanjutkan dengan proses penghtungan nla kesamaan dar cr-cr wajah tersebut dengan kumpulan wajah yang ada dalam database menggunakan program matlab. Hasl dar analss tersebut berupa keluaran gambar seseorang dengam format JPEG, dengan kemrpan yang terdekat. Sehngga, wajah seseorang tersebut dapat dkenal, sesua dengan gambar yang ada dalam database. 3. KERGK PEELT Dalam melakukan peneltan n, kerangka peneltan yang akan dgunakan guna menyelesakan rumusan masalah peneltan dapat dlhat pada Gambar berkut n. nstrumen Pendukung - PC - Kamera Dgtal Konds wal Tdak adanya sstem pengenalan wajah dengan bantuan kamera Permasalahan nalsa Deskrptf Menggambarkan desan arstektur deteks dan pengenalan wajah Konsep lternatf Strateg Penggunaan konsep Vola Jones dan Prncpal Component nalyss Konds yang dharapkan Dapat dkenalnya wajah seseorang untuk membantu proses pengamanan suatu tempat secara realtme Pengaruh Lngkungan Banyaknya penggunaan CCTV d tempat-tempat umum Gambar 1. Pola Pkr Kerangka peneltan dalam menyelesakan rumusan permasalahan sepert pada gambar d atas memlk tujuh faktor utama yatu konds awal, permasalahan, analss deskrptf, nstrument pendukung, pengaruh lngkungan (envronmental/trend), konsep alternatf strateg dan konds yang dharapkan. Pada konds awal tdak adanya sstem pengenalan wajah dengan menggunakan kamera, yang ada hanyalah sstem pantau dengan menggunakan kamera, sehngga mengakbatkan dperlukannya waktu yang cukup lama untuk mengetahu sapa saja orang yang melakukan aktvtas dalam gedung, dan apabla terjad tndak krmnal, atau orang yang terduga melakukan tndak krmnal d tempat tersebut tdak mudah untuk mengetahunya. Konsep alternatf pengembangan strateg yang dgunakan adalah dengan menggunakan gabungan antara konsep Vola Jones dan konsep Prncpal Component nalyss. Konsep Vola Jones n dgunakan sebaga metode untuk pendeteksan wajah, yang bertujuan untuk menghlangkan latar belakang pada objek, sehngga menambah efsens dar seg pengurangan hal yang tdak perlu untuk dlakukan proses selanjutnya. Kemudan konsep Prncpal Component nalyss dgunakan sebaga sstem pengenalan wajah terhadap objek yang telah ddeteks tersebut dengan mencocokkannya dengan data yang terdapat d dalam database.
3 Dengan menggunakan kombnas metode datas dharapkan pencaran nformas terhadap pengenalan wajah seseorang untuk membantu proses pengamanan suatu tempat secara realtme dapat terpenuh dengan mentk beratkan pada penngkatan mutu keamanan dengan menngkatkan laju nformas dar seg efsens dan efektftas waktu pencapaan nformas serta penngkatan akuras terhadap pengenalan wajah seseorang tersebut. 4. LSS PEMBHS nalss data yang dgunakan adalah gabungan antara dua teknk, yatu teknk deteks wajah dan teknk pengenalan wajah. Teknk deteks wajah menggunakan metode Vola Jones yang ddalamnya terdapat dua algortma pembentuk utnuk klasfkas ctra, teknk n dgunakan untuk mereduks bagan-bagan pada ctra yang tdak dbutuhkan untuk proses ektraks wajah, sehngga akan mempersngkat waktu ekstraks karena ctra yang dambl tdak sebesar ctra aslnya. Selan tu Vola Jones n juga bertujuan untuk memaksmalkan pencocokan dar ctra objek dengan kumpulan ctra gambar yang ada d dalam database. Pada awal proses, pengamblan gambar objek dlakukan oleh kamera yang telah terntegras dengan program matlab. Kemudan pengamblan gambar tersebut dmplementaskan sebaga gambar asl. Gambar sl Gambar 2. Gambar objek asl Kemudan gambar asl tersebut dbag ke dalam beberapa tahap bagan, hal n dlakukan untuk membentuk bagan-bangan yang akan dpadukan dengan bagan cr yang ada d dalam metode n Gambar 3. Pembagan sub-wndows Berkut adalah pembagan gambar berdasarkan pada tahap yang dsmulaskan : Gambar 4. Tahap satu
4 Gambar 5. Tahap dua Gambar 6. Tahap tga Gambar 7. Tahap empat Dar pembagan tersebut, barulah dar setap tahap datas, dhtung nla bobotnya berdasarkan cr yang ada, yatu Gambar 8. Cr yang dgunakan dalam Vola Jones Berdasarkan cr dan pembagan tahap tersebut, dlakukanlah kolaboras antara algortma daboost dan algortma Cascade. Untuk setap tahap, kumpulan sub-wndows atau kumpulan gambar yang telah dpotong-potong tersebut akan dkumpulkan dalam satu tempat. Semua sub-wndows
5 Gambar 9. Penampung potongan gambar per tahap Setelah semua gambar tersebut dtampung, kemudan dbentuklah stage untuk setap cr yang ada untuk dlakukan penghtungan nla bobot setap potongan gambar terhadap cr yang telah dsedakan dengan cara berkut : a. Kumpulan gambar yang berupa sub wndow drepresentaskan sebaga ( dmana = 0,1 untuk representas negatf dan postf untuk masng-masng. b. nsalsas bobot untuk untuk masng-masng, dmana m dan l adalan nomor dar negatf dan postf. c. Dmana t=1,...,t 1. ormalsas bobot 2. Plh weak klasfkas yang terbak dengan memperhatkan bobot error, dmana f adalah cr, p adalah polayang mengndkas arah dar kesalahan, dan adalah nla ambang batas. 3. Defnskan dmana adalah mnmal dar Update bobot, dmana = 0 jka terklasfkas benar, = 1 jka sebalknya. Dan d. Yang terakhr adalah untuk strong klasfkas Dmana Kemudan setelah dlakukan perhtungan bobot, selanjutnya adalah tahap elmnas S2 S3 S4 Gambar 10. lustras stage
6 Setap potongan gambar akan masuk ke dalam semua stage yang ada untuk dketahu nla dar bobot postf dan negatf terhadap cr tersebut. pabla potongan yang masuk ke dalam stage tersebut memlk nla ambang sama atau datas yang telah dtentukan, maka akan bernla postf, sedangkan jka nla bobot dbawah nla ambang makan akan dyatakan negatf. 1 Potongan gambar S2 S3 S4 Potongan negatf Potongan negatf Gambar 11. lustras pembobotan dan elmnas Tahap selanjutnya adalah dar setap potongan akan dnla prosentase dar bobot postf yang dhaslkan berdasarkan perhtungan oleh algotrma adaboost. Setelah dhtung, dalam satu tahap akan dtentukan bagan-bagan mana yang mempnya nla bobot terbesar, maka akan djadka sebaga kanddat dar tahap tersebut. Perhtungan tersebut dlakukan untuk tahap-tahap selanjutnya. Setelah semua tahap selesa dlakukan, maka langkah selanjutnya adalah dengan menghtung perbandngan nla bobot antar tahap. Setelah dketahu nla terbesar berapa pada tahap mana dan pada bagan apa, maka dbuatlah suatu batas untuk menentukan bagan mana yang menjad deteks terhadap ctra wajah dar gambar objek yang masuk tersebut.berdasarkan pada rancangan umum tersebut, dalam pembuatan prototype sstem, alur sstem tersebut dbag ke dalam dua kategor, yatu alur pembentukan gambar foto dar gambar vdeo dan alur pencocokan gambar foto.dalam alur pembentukan gambar foto terlebh dahulu dlakukan pengamblan gambar dengan format vdeo yang dlakukan oleh kamera. Dar gambar vdeo tersebut selanjutnya akan dlakukan pengamblan gambar hanya untuk wajah yang terdeteks saja. Selanjutnya gambar tersebut akan djadkan gambar foto yang nantnya akan djagkan objek penghtungan nla kecocokan dengan kumpulan gambar yang ada pada drektor database. Untuk lebh jelasnya, berkut gambar alur dar teknk pengamblan gambar objek oleh metode Vola Jones :
7 Tahap L 16 D O M Tahap 2 L D O M K L S F K S L 1 2 Tahap 3 L D O M 4 D O M Tahap 4 1 la domnan Gambar 12. lur Vola Jones Kemudan, setelah gambar tersebut terdeteks selanjutnya adalah proses pengamblan gambar untuk proses pengenalan wajah dengan menggunakan metode Prncpal Component nalyss. Sebelum sampa ke tahap tu, terlebh dahulu dlakukan proses merekonstruks ukuran gambar yang telah dambl untuk nantnya dgunakan untuk proses pencocokan, karena dalam proses pencocokan gambar wajah tersebut dperlukan ukuran yang sama antara gambar yang telah dambl dengan kumpulan gambar yang ada dalam database. Setelah proses pengukuran ulang selesa, langkah selanjutnya adalah proses pengenalan objek gambar wajah yang telah dambl dengan kumpulan objek gambar yang ada d dalam database dengan teknk PC dan Eucldean dstance. Langkah-langkah dalam pembentukan PC dapat dlhat dar gambar berkut :
8 Start ormalsas Mencar covarance matrks Mencar egen vektor dan egen value Mencar nla prncple component egenface Stop Gambar 13. Langkah-langkah PC Pada langkah pertama, adalah langkah untuk mengmasukkan ctra gambar wajah yang menjad objek peneltan ke dalam database. Ukuran ctra yang masuk tersebut harus merupakan ctra berbentuk bujur sangkar atau basa dsebut matrks ordo (n x n). Setelah tu, ctra ctra yang telah dmasukkan tersebut djadkan model = [ 1, 2, 3,... m ]. Setelah tu masuk ke dalam langkah normalsas, yatu menghtung nla rata-rata dar setap vektor dengan menggunakan rumus : M 1. M 1 Tetelah tu, untuk langkah normalsas selanjutnya adalah dengan mengurang setap vektor ctra yang terbentuk dengan nla rata-ratanya dengan rncan sebaga berkut : Setelah normalsas, langkah selanjutnya adalah mencar covarance matrks dengan menggunakan rumus : cov( x, y) n ( x ' x) ( y n 1 y) Setelah mendapatkan nla covarance dar masng-masng matrks tersebut, langkah selanjutnya adalah dengan menghtung nla egenvalue (λ) dan egenvektor (U ) dar masng-masng gambar, 1 0, dengan demkan persamaan determnan tersebut akan memperoleh egenvalue,,...,, 2 3 n 1. Setelah tu barulah menghtung nla egenvektor untuk masng-masng nla egenvalue yang ddapat dar yang terkecl sampa yang terbesar, U 0. Setelah 1 mendapatkan nla egenvektor dar data dalam database, langkah selanjutnya adalah menghtung nla egenvektor dar gambar ctra wajah yang djadkan sampel dengan ukutan ( x ), dengan menggunakan rumus : ' V U Tap wajah dapat drepresentaskan sebaga kombnas lnear dar vektor V, yatu dengan : j n 1 W v
9 Dmana w v, Φ j adalah vektor wajah berukuran (1x 2 ) sedangkan v berukuran ( 2 x 1), j maka w berukuran (1 x 1) dan v dsebut egenface. Tap-tap wajah tranng dnormalsas sehngga ctra wajah Φ j yang belum dnormalsas menjad ctra wajah Ω j yang sudah dnormalsas. Setelah tu langkah selanjutnya adalah menentukan dstance error dengan Mnmum Eucldean Dstance, d mn k datas, dmana T = Threshold k, Jka d<t, maka ctra wajah Гdkenal sebaga wajah ke-k dar sekumpulan tranng 4.1 Temuan-temuan dan nterpretas Temuan yang ddapat dar peneltan n tentang penggunaan metode Vola Jones adalah, dalam prakteknya, metode Vola Jones n dgunakan untuk mendeteks dan melacak gambar wajah yang ada d dalam kamera, sehngga mengakbatkan objek berupa rupa wajah tdak akan bsa hlang dar pelacakan yang dlakukan. Selan tu objek dalam kelompok database yang dtelt adalah berupa kumpulan gambar foto dalam format jpg dengan ukuran 180x200. Kemudan untuk data testng yang dgunakan adalah gambar dengan format jpg dengan ukuran pxel yang sama pula dengan objek yang ada dalam kelompok database yatu 180x200. Hal n dbuat sama karena apabla ukuran pxel antara gambar objek yang ada pada bagan testng berbeda dengan ukuran pxel yang ada dalam bagan database, maka perhtungan kecocokan antara kedua objek tersebut tdak bsa dlakukan, hal n sesua dengan penjelasan dar teor Prncpal component analyss yang menyatakan bahwa untuk mendapatkan nla pencocokan hasl egenface yang dbentuk, maka harus memlk ukuran yang sama. 4.2 Pengelompokan dan nalss Pengelompokan analss dalam peneltan n dbag menjad dua bagan, yatu analss terhadap metode Vola Jones dan Prncpal Component nalyss. Pada metode Vola Jones, analsa dlakukan dengan membentuk suatu proses pengamblan gambar melalu camera dgtal yang terntegras dengan perangkat komputer yang dgunakan dalam melakukan peneltan n. Gambar yang dambl berupa gambar vdeo realtme yang dambl menggunakan jens adaptor wnvdeo dengan format mjpg dengan resolus 1280x720'. Berdasarkan pada pengamblan gambar tersebut, maka akan dperoleh tamplan gambar vdeo d dalam aplkas tersebut. nalsa yang dterapkan dalam kasus n adalah apakah penerapan metode Vola Jones n bsa dgunakan untuk mendeteks objek berupa gambar wajah seseorang. nalsa n tdak dcoba hanya dengan menggunakan objek dam atau tdak bergerak, tetap juga menggunakan objek yang bergerak, hal n dgunakan untuk menemukan apakah detector yang dbentuk oleh metode n dapat mengkut gerak dar objek yang dtelt. Kemudan analsa yang kedua adalah dengan menguj penerapan teknk pencocokan Prncpal Component nalyss. Untuk kebutuhan pencocokan, objek yang dgunakan dbag kedalam dua kelompok, yang pertama adalah kelompok data dalam testng dan kelompok data database. Pada tahap testng, gambar yang dambl oleh kamera akan djadkan sebaga data test berupa capture dar vdeo yang djalankan menggunakan metode Vola Jones. Hasl capture tersebut berupa gambar dalam format jpg. Dar gambar yang dperoleh, kemudan akan dhtung nla kecocokannya dengan kumpulan gambar yang ada dalam kelompok database. Data pada kelompok database merupakan kumpulan gambar objek yang akan djadkan acuan dalam proses pencocokan gambar, dengan gambar dalam kelompok testng yang sebelumnya telah terseda. Secara gars besar pengelompokan teknk analsa dan pengelompokan kategor objek dapat dlhat dar gambar berkut : nalsa Objek Vola Jones Gambar Vdeo Prncpal Component nalyss Gambar Percobaan Gambar Databse Gambar 14. lur Pengelompokan Objek
10 4.3 Perancangan Sstem Dalam pembuatan sstem untuk pengujan hasl peneltan rancang bangun sstem dbag ke dalam dua kelompok alur perancangan. Pertama adalah alur untuk memasukkan gambar objek ke dalam database dan yang kedua adalah alur perancangan sstem pengujan kecocokan objek testng terhadap gambar objek pada database. Berkut adalah alur rancangan sstem pada proses memasukkan gambar objek ke dalam database : a. Pertama objek dbdk menggunakan kamera b. Selanjutnaya objek yang masuk ke dalam kamera akan dtamplkan dalam bentuk gambar bergerak atau vdeo. c. Pada tahap n, Vola Jones akan membentuk deteks wajah d. Kemudan gambar yang terdeteks oleh metode Vola Jones tersebut akan dmasukkan kedalam axes tersendr. e. Setelah gambar tersebut masuk kedalam axes, tahap selanjutnya adalah pengamblan gambar dengan meng-capture objek bergerak yang ada pada axes tersebut dan dtamplkan sebaga sebuah foto. f. Tahap selanjutnya adalah tahap pengrman gambar hasl capture tersebut kedalam sebuah folder untuk test gambar. Untuk lebh jelasnya dapat dlhat melalu gambar berkut : LUR KOMPUTER MTLB DREKTOR SSTEM OPERS Objek kamera Deteks wajah Deteks wajah Foto wajah Database Gambar vdeo Gambar foto Gambar vdeo Vola Jones Gambar 15. lur Perancangan Sstem Smpan Fle Selanjutnya adalah alur perancangan sstem pengujan kecocokan objek testng terhadap gambar objek pada database : a. Pertama objek dbdk menggunakan kamera b. Selanjutnaya objek yang masuk ke dalam kamera akan dtamplkan dalam bentuk gambar bergerak atau vdeo. c. Pada tahap n, Vola Jones akan membentuk deteks wajah d. Kemudan gambar yang terdeteks oleh metode Vola Jones tersebut akan dmasukkan kedalam axes tersendr. e. Setelah gambar tersebut masuk kedalam axes, tahap selanjutnya adalah pengamblan gambar dengan meng-capture objek bergerak yang ada pada axes tersebut dan dtamplkan sebaga sebuah foto. f. Tahap selanjutnya adalah dar gambar tersebut akan dukur nla kecocokannya dengan kumpulan gambar yang ada d dalam folder database gambar dengam menggunakan teknk Prncpal Component nalyss. Untuk lebh jelasnya dapat dlhat melalu gambar berkut :
11 LUR KOMPUTER MTLB MTLB MTLB Objek kamera Deteks wajah Deteks wajah Gambar vdeo Foto wajah Gambar foto Proses Prncpal Component nalyss untuk Gambar foto Gambar vdeo Vola Jones Foto hasl DREKTOR SSTEM OPERS Database Proses Prncpal Component nalyss untuk kumpulan Gambar database PC Gambar 16. lur Perancangan Sstem Pencocokan Objek 4.4 Pengujan Sstem Pengujan n menggunakan model Black box. Berkut adalah gambar sstem untuk memasukkan data ke dalam drektor test : 1. Tamplan awal 2. Tamplan memasukkan foto dengan webcam Gambar 17. Tamplan awal aplkas Gambar 17. Tamplam nput Foto
12 3. Tamplan hasl Deteks Gambar 18. Tamplan Hasl Deteks foto Berdasarkan proses tersebut, ddapat hasl untuk proses pendeteksan menggunakan metode Vola Jones adalah sebaga berkut : Gambar 19. Hasl analss dengan Vola Jones 5. PEUTUP 5.1 Kesmpulan Berdasarkan pada hasl peneltan datas dapat dsmpulkan bahwa : Cara menguj kedua algortma tersebut adalah dengan menggunakan beberapa teknk pengamblan gambar, untuk Vola Jones, pengujan dlakukan dengan menggunakan sudut toleh, penghlangan komponen dan poss objek, sedangkan untuk PC menggunakan beberapa tahap penympanan objek dalam database, penggunaan aksesors pada objek, sudut toleh, penghlangan komponen, pencahayaan dan ekspres objek. 5.2 Saran Saran untuk peneltan selanjutnya dalam aspek metode adalah untuk dapat dtngkatkan ke pendeteksan multple objek secara bersamaan dan penngkatan kualtas gambar dengan metode-metode tertentu sebelum dlakukan perhtungan nla egenface, serta penngkatan d bdang perhtungan jarak antara data testng dengan data dalam database yang telah dlakukan perhtungan nla egenface-nya. Kemudan dar aspek perangkat keras, peneltan n juga dalap dtngkatkan lag, msalnya dengan penngkatan kualtas kamera dan komputer yang dgunakan. Dar seg mplementas, tentunya dperlukan
13 penngkatan terhadap berbaga macam model percobaan yang dlakukan, sehngga memperkecl kemungknan terjadnya kesalahan yang terjad oleh sstem yang dbuat. DFTR PUSTK ndr, Deteks cacat ubn kramk menggunakan teknk FS, Unverstas Bud Luhur Jakarta, Murnto, M, nalss Perbandngan Metode ntensty Flterng dengan Metede Frequency Flterng sebaga Reduks ose Ctra dgtal, ( Dakses 30 ovember ahla, Gentang Syabba, Trackng Bola Menggunakan Robotno, ( Undergraduate /14629), Dakses 30 ovember azor Z, Komputas Terapan Lanjutan, Unverstas Bud Luhur.2012 Praytno, Yustnus Pancasla, Haranto dan Madha Chrstan Wbowo, Rancang Bangun plkas Pendeteksan Bentuk dan Warna Benda pada Moble Robot Berbass Webcam, Jurnal STKOM, Vola, Paul dan Mchael Jones, Rapd Object Detecton usng a Boosted Cascade of Smple Features,CCEPTED COFERECE O COMPUTER VSO D PTTER RECOGTO, 2001.
BAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciMatematika Eigenface Menggunakan Metrik Euclidean
Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciANALISIS KEMIRIPAN POLA CITRA DIGITAL MENGGUNAKAN METODE EUCLIDEAN
AALISIS KEMIRIPA POLA CITRA DIGITAL MEGGUAKA METODE EUCLIDEA Eus St ur Asyah1), Abdul Hayat2), Puspa Wdant3), Shnta Yulnda Prasetya4), Helm Iskandar5) 1), 2 ), 3) Komputersas Akuntans AMIK Raharja Informatka
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciIII. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah,
III. METODELOGI PENELITIAN A. Metode Peneltan Suatu peneltan dapat berhasl dengan bak dan sesua dengan prosedur lmah, apabla peneltan tersebut menggunakan metode atau alat yang tepat. Dengan menggunakan
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB 2 LANDASAN TEORI. fungsi f(x,y), dimana x dan y merupakan spatial koordinat, dan tingkatan aplitude
BAB 2 LANDASAN TEORI 2.1 Ctra Menurut Gonzales (2004, p1) Ctra bsa djelaskan sebaga 2 dmens dar fungs f(x,y), dmana x dan y merupakan spatal koordnat, dan tngkatan apltude pada poss n dsebut dengan ntenstas
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciKonferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 DAFTAR REVIEWER
Konferens Nasonal Sstem & Informatka 2015 STMIK STIKOM Bal, 9 10 Oktober 2015 DAFTAR REVIEWER Dr. Agus Harjoko Prof. Dr. Sr Hartat Dr.-Ing. Reza Pulungan Dr. Djoko Soetarno, DEA Dr. Ir. Rla Mandala, M.Eng
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciBAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN. bulan November 2011 dan direncanakan selesai pada bulan Mei 2012.
BAB III METODOLOGI PENELITIAN 1.1. Tempat dan waktu Peneltan Peneltan dlakukan pada Perusahaan Daerah Ar Mnum Kabupaten Gorontalo yang beralamat d jalan Gunung Bolyohuto No. 390 Kelurahan Bolhuangga Kecamatan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,
BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciBAB 3 METODOLOGI PERANCANGAN
9 BAB 3 METODOLOGI PERANCANGAN Bab n bers penjelasan mengena langkah-langkah perhtungan serta prosedurprosedur yang dgunakan untuk menemukan solus atas rumusan masalah pada Bab. Dalam bab n juga akan dtamplkan
Lebih terperinciPENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA
MAKALAH SEMINAR TUGAS AKHIR PENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA Suharto Jat Santoso *, Bud Setyono **, R. Rzal Isnanto ** Abstrak - Selama n pengenalan jens kan pada
Lebih terperinciSUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD
SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciPENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN
PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN Handry Wardoyo 1 Jeanny Pragantha Vny Chrstant M. 3 1 3 Teknk Informatka Unverstas Tarumanagara
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciDekomposisi Nilai Singular dan Aplikasinya
A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciKLASIFIKASI ONLINE CITRA DAUN BERDASARKAN FITUR BENTUK DAN RUAS DAUN
KLASIFIKASI ONLINE CITRA DAUN BERDASARKAN FITUR BENTUK DAN RUAS DAUN Agus Zanal Arfn 1, Bayu Bagus, Dn Adn Navastara 3 Jurusan Teknk Informatka, Fakultas Teknolog Informas Insttut Teknolog Sepuluh Nopember
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING BERBASIS SIMILARITAS MAKSIMAL
MAKALA EMINAR TUGA AKIR PERIODE JULI 00 IMPLEMENTAI EGMENTAI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING ERAI IMILARITA MAKIMAL Ayu Arta Paramta Relga, andayan Tjandrasa, Anny Yunart 3 Teknk Informatka,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 INJAUAN PUSAKA 2.1 Ctra Dgtal Ctra (mage) adalah gambar pada bdang dua dmens. Dtnjau dar sudut pandang matemats, ctra merupakan fungs menerus (contnue) dar ntenstas cahaya pada bdang dua dmens. Ctra
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciBAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan
35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan
Lebih terperinciBAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian
BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve
Lebih terperinciKLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING
KLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING Lsa Maranah 1, Fhra Nhta, Adwjaya 3 1,,3 ProdS1 Ilmu Komputas, Fakultas Informatka, Unverstas Telkom 1 lsamaranah@gmal.com, fhranhta@telkomunversty.ac.d,
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB III METODELOGIPENELITIAN. pada semester genap tahun ajaran 2012/2013. Penelitian ini dilaksanakan selama ±4 bulan dari persiapan sampai
3 BAB III METODELOGIPENELITIAN 3. Lokas dan Waktu Peneltan 3.. Lokas Peneltan Peneltan n dlaksanakan d SMA Neger Bonepanta pada kelas X pada semester genap tahun ajaran 0/03. 3.. Waktu Peneltan Peneltan
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinci