Penyisipan Robust Watermark Dalam Suatu Citra Untuk Perlindungan Hak Cipta
|
|
- Agus Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Penyspan Robust Watermark Dalam Suatu Ctra Untuk Perlndungan Hak Cpta MURINTO Program Stud Teknk Informatka Unerstas Ahmad Dahlan Jogakarta Jl.Prof.Dr. Soepomo, Janturan, Jogakarta.Telp. (07) 3798 emal : rntokusno@yahoo.com Abstrak Dalam makalah n delaskan tentang penyspan dgtal watermark dalam suatu ctra yang mempunya sfat tahan(robust,tdak terdeteks(undetecable), tdak mudah dpndah (unremoable), dan tdak mudah dubah (unalterable).ctra yang dgunakan dalam peneltan n adalah ctra gray scale. Metode yang dgunakan dalam penyspan watermark ddasarkan pada operas kompres JPEG untuk mage gray scale Dalam makalah n pertama kal dkenalkan tentang model kompres JPEG, kemudan delaskan tentang metode penyspan yang ddasarkan pada model kompres JPEG. Langkah berkutnya adalah menggunakan suatu algortma untuk menyspkan watermark ke dalam suatu ctra gray scale. Hasl percobaan secara umum memperlhatkan bahwa watermark yang dsspkan robust, dmana tdak akan menurunkan kualtas mage yang dtumpang. Kata kunc : dgtal watermark, sgnal to nose(snr), kompres JPEG, perlndungan hak cpta.. Pendahuluan Perkembangan teknolog komputer yang sangat pesat saat, tdak terlepas dar makn maunya teknolog dgtal. Teknolog dgtal membawa perubahan yang berat dalam peradaban manusa. Pada saat sekarang n serng dnamakan dengan era dgtal atau duna dgtal, hal n karena semakn banyaknya data dgtal yang dgunakan dalam kehdupan sehar-har. Perkembangan komputer dgtal dan perangkat-perangkat lannya yang menggunakan dgtal, mengakbatkan adanya perubahan perlaku manusa dalam memanfaatkan data dgtal tu sendr. Dengan berkembangnya teknolog dgtal, yang mudah dalam hal penyebaran, penduplkasan dan penympanannya maka akan tmbul masalah lan yakn sehubungan dengan hak cpta seseorang yang harus dperhtungkan d dalamnya. Penyspan watermark tdak terdeteks (undetecable), tdak mudah dpndah (unremoable), dan tdak mudah dubah (unalterable). Metode yang dgunakan dalam penyspan watermark ddasarkan pada JPEG untuk mage gray scale. Dalam makalah n pertama kal dkenalkan tentang model kompres JPEG, kemudan delaskan tentang metode penyspan yang ddasarkan pada model kompres JPEG. Terdapat beberapa peneltan mengena watermarkng sebaga suatu metode untuk menyspkan ctra dgtal yang dlakukan para ahl sebelumnya. Metode tersebut ada yang bekera pada doman spatal dan ada uga yang bekera pada doman ruang. Teknk dgtal watermarkng yang dlakukan pada doman spatal, secara sederhana menyspkan suatu watermark ke dalam the least sgnfcant bts (LSB) secara random. Sedangkan pada doman frekuens ctra terlbh dahulu dtransformaskan ke dalam koefsenkoefsen doman frekuens. Transfomas dapat berupa DCT(Dscrete Cosne Transform), DFT (Dscrete Fourer Transform) atau tranformas lannya. Tranformas yang ddasarkan pada blok DCT, pola watermarknya dapat dkenal secara sual. Ctra pertama kal dbag kedalam blokblok DCT dan dtamplkan pada tap blok-blok tersebut. Watermark dsspkan dengan cara menyeleks koefsen DCT frekuens menengah yang dmodfkas[]. Cox [3] memperkenalkan suatu metode penanaman seumlah urutan blangan real sepanang n pada ctra ukuran N x N dengan mentransformaskan terlebh dahulu menad koefsen DCT N x N. Blangan real tersebut dtanamkan pada n koefsen DCT yang palng besar, tdak termasuk komponenkomponen DC. Model Kompres JPEG Sebelum membahas lebh dalam tentang watermakng yang ddasarkan pada proses
2 Kompres JPEG, maka terlebh dulu akan dperkenalkan mengena proses kompres JPEG. Terdapat 6 langkah dalam proses kompres JPEG, yatu : normalsas DCT, kuantsas zg-zag scan, RLE(Run Length Encodng), dan Huffman Codng. Dagram blok proses kompres JPEG dapat dlhat dalam Gambar. Blok 8x8 Gambar. Model Kompres JPEG.. Transformas DCT Prnsp dasar dar transformas DCT adalah mentransformaskan data dar doman spatal ke dalam doman ruang. Transformas ke dalam doman ruang sangat menguntungkan kompres datanya. Transformas DCT dbag dalam blok-blok kecl yang berukuran tetap dan kemudan dkonerskan dar doman spatal ke dalam doman frekuens. Masukan proses DCT adalah matrk data dua dmens yang berukuran NxN. Apabla transformas DCT dterapkan untuk tap blok 8x8, maka akan menghaslkan suatu blok baru ukuran 8x8. Msalkan apabla blok baru tersebut dnamakan dengan F(, maka persamaan transformas DCT dtulskan : F (, f [ ] () DCT Hasl kompres kuantsas Encodng cos( ) u. u) A( u) 6 A(u) =,untuk = 0 dan, A(u) = untuk 0. Sedangkan keluaran dar proses DCT adalah matrks data dua dmens NxN. Tap koefsen dar matrks keluaran n merupakan nla pada tap frekuens spatal. JPEG standar pada saat n menggunakan DCT sebaga bassnya... Kuantsas dan RLE Proses kuantsas merupakan proses untuk mengurang umlah bt yang dperlukan dalam hal penympanannya. Proses kuantsas dterapkan pada keluaran proses DCT. Kuantsas dlakukan dengan cara membag keluaran proses DCT dengan suatu nla yan gdtetapkan dalam matrks kuantsas. Proses kuantsas dlakukan dengan cara : F[ ] F Q ( Round () q[ ] (q[]) = tabel kuantsas. Pemlhan tabel kuantsas (q[])) akan menentukan hasl kualtas kompres dan dekuantsas dar suatu ctra. Dalam proses dekompres JPEG tap elemen dar F Q ( dkalkan dengan q( untuk mendapatkan kembal suatu pendekatan bag F(, blok ctra f() dapat dbalkkan kembal dengan menggunakan suatu ners -D DCI (IDCT). Adapun persamaannya adalah : f ( ), F( (3) u RLE(Run Length Encodng) merupakan suatu proses serangkaan smbol yang berurutan dkodekan menad suatu kode yang terdr dar smbol-smbol tersebut dan umlah perulangannya. Hasl proses kuantsas cenderung nol untuk frekuens tngg. RLE secara efektf membaca keluaran dar proses kuantsas secara lner. Cara yang serng dgunakan adalah dengan zg-zag scanng, yakn membaca data secara zgzag dmula dar koefsen D0,0), kemudan koefsen (0,), koefsen (,0), dan seterusnya sampa dengan koefsen (N,N). 3. Dgtal Watermark ddasarkan pada JPEG Prnsp dasar dar operas kompres JPEG adalah mengkuantsas elemen-elemen yang berada pada frekuens menengah. Suatu bt label dsspkan melelu suatu hubungan secara khusus dar 3 elemen yang dkuantsas dalam suatu blok B. Hubungan dantara 3 elemen tersebut membentuk suatu pola kombnas yan gterbag dalam tga kelompok, yatu : dua dar tga kelompok tersebut mewakl keloompok ald untuk menyspkan suatu kode atau 0, sedangkan yang lannya mewakl suatu pola yang tdak ald. Krtera ald atu tdaknya suatu blok dtentukan melalu selsh maksmum dantara dua elemen dar suatu lokas yang dplh guna mendapatkan pola yang ald. Hal yang perlu dperhatkan dalam algortma penyspan adalah sebaga berkut :. Lokas blok mana yang akan dph untuk menyspkan watermark, pemlhannya dlakukan dengan menggunakan suatu kunc nsal untuk menghaslkan sederetan secara pseudo-random sehngga dapat dtentukan blok-blok mana yang akan dplh.. Pada saat menyspkan watermark untuk blok yang terplh dengan menggunakan sepasang
3 koefsen DCT dar blok tersebut. Pemlhan n dlakukan menurut tngkatnya yang terbag atas beberapa sub-band. leel leel leel 3 leel Gambar. Sub-band blok watermark Msalkan terdapat 8 x 8 blok sebaga hasl dar kuantsas JPEG yang nla pxel-pxelnya sepert dtamplkan dalan Tabel Tabel. Kuantsa JPEG ctra 8 x 8 blok Dar tabel. datas maka dapat dperoleh suatu lokas yang memungknkan untuk penyspan kode dalam suatu blok adalah : Tabel. Lokas Penyspan Kode dalam Blok Apabla dambl kemungknan 3 pasang (set) blok (u, ), (u, ), dan (u 3, 3 ), yang dgunakan untuk menyspkan watermark, maka kemungnankemungnan tersebut dapat dlhat dalam Tabel.3. No. (u, ) (u, ) (u 3, 3) 0(0,) (,) (,) (,) 0(0,) (,) 3 6(0,3) (,) 9(,3) (,) 6(0,3) 9(,3) 5 (,) 0(0,) (,) 6 0(0,) (,) (,) 7 (,) (,0) 0(0,) 8 (,0) (,) 0(0,) 9 0(0,) (,) (,0) 0 (,) 0(0,) (,0) (,) 3(,) 6(0,3) 3(,) (,) 6(0,3) 3 (,) 6(0,3) (,) 6(0,3) (,) 3(,) 5 (,) (,0) 3(,) 6 (,0) (,) 3(,) 7 (,) 3(,) 6(,) 8 3(,) (,) 6(,) Tabel 3. Lokas Pasangan untuk Penyspan Dalam sstem dgtal watermarkng terdapat dua bagan utama yatu penyspan watermark (encoder) dan pengekstraksan ctra watermark (decoder). Terdapat suatu kunc watermark, kunc n dgunakan selama proses penyspan dan pengekstraksan watermark. 3..Encoder Encoder atau proses penyspan watermark ke dalam ctra host melalu dua tahap utama yatu : pengoperasan proses kompres JPEG untuk ctra watermark dan penyspan ctra watermark kedalam ctra host (embeddng the scrambled watermark). Tuuan akhr dar penyspan watermark adalah ddapatkan watermark yang tahan terhadap tamperng atau dakses oleh yang tdak berhak melalu suatu serangan. Adapun algortma penyspan ctra watermark ke dalam ctra host adalah : Asumskan bahwa suatu lokas tga pasang elemen dar blok b secara pseudo-random dplh dar hmpunan lokas yang mungkn,dnotaskan sebaga (u, ), (u, ), (u 3, 3 ). Blok b dtransformas DCT dan kuantsas secara lokal d dalam (u, ), (u, ), (u 3, 3 ). dengan parameter kualtas faktor Q. Jka F Q (u, ), F Q (u, ), F Q (u 3, 3 ) dadkan nla koefsen kuantsas pada lokas-lokas yang dplh., dengan ketentuan sebag berkut : 3
4 . Ketka C =, modfkas F Q (u, ),F Q (u, ), F Q (u 3, 3 ) sedemkan hngga memenuh konds : F Q (u, ) > F Q (u 3, 3 ) + D, serta F Q (u, ) > F Q (u 3, 3 ) + D. Ketka C = 0,modfkas F Q (u, ),Y Q (u, ), F Q (u 3,l 3 ) sedemkan hngga memenuh konds : F Q (u, ) < F Q (u 3, 3 ) + D, serta F Q (u, ) < F Q (u 3, 3 ) + D 3. F Q (u, ), F Q (k,l ), F Q (u 3, 3 ), terlebh dulu dkuantsas transformas ners (IDCT) dan tuls kembal ke dalam blok b. 3.. Decoder Decoder atau proses pengekstraksan watermark sama halnya dengan proses penyspan dmana terad pembalkan. Dalam teknk n ekstraks dar ctra watermark harus mengacu pada ctra host. Adapun langkah-langkahnya adalah sebaga berkut : Asumskan bahwa suatu lokas tga pasang elemen dar blok b secara pseudo-random dplh dar hmpunan lokas yang mungkn,dnotaskan sebaga(u, ), (u, ), (u 3, 3 ). Blok b dtransformas DCT dan kuantsas secara lokal d dalam (u, ), (u, ), (u 3, 3 ). dengan parameter kualtas faktor Q. Jka F Q (u, ), F Q (u, ), F Q (u 3, 3 ) dadkan nla koefsen kuantsas pada lokas-lokas yang dplh., dengan ketentuan sebag berkut :. Jka F Q (u, ) > F Q (u, ) + D dan F Q (u, u ) > F Q (u 3, 3 ) + D, nla balkan.. Jka F Q (u, ) + D < F Q (u 3, 3 ),dan F Q (u, ) + D < F Q (u 3, 3 ), nla balkan Dalam kasus yang lan, penyspan bt dalam blok b n rusak (tdak ald).. Hasl Peneltan Dalam peneltan n ukuran dar ctra host adalah 5 x 5 dengan 56 ntenstas (gray scale). Ctra watermark yang akan dsspkan berupa ctra bnary btmap dengan ukuran 8 x 8 pxel. Gambar 5. dan Gambar 6. masng-masng memperlhatkan ctra host dan ctra watermarknya. Gambar 3. Ctra Host Gambar. Ctra Watermark Dengan menggunakan algortma penyspan yang sudah delaskan sebelumnya maka hasl penyspan ctra wateramark ke dalam ctra host dapat dlhat dalam Gambar 7, sedangkan hasl ctra watermark yang sudah dekstrak dar ctra host setelah dsspkan dapat dlhat dalam Gambar 8. Gambar 5. Terwatermark Gambar 6. Ekstraks Dar Gambar 3 dan Gambar 5, dapat dlhat bahwa antara ctra host dan ctra terwatermark kelhatan hampr sama. Mata manusa tdak dapat membedakan mana ctra yang tdak dssp dengan ctra watermark dan mana ctra yang sudah dssp dengan watermark. Untuk memperlhatkan apakah d dalam suatu ctra terdapat watermark atau tdak,maka dgunakan suatu pendekatan nla sgnal to nose raso (SNR), yatu untuk mengukur dstors yang tmbul pada ctra dakrenakan adanya watermark ddalamnya {Bors and Ptas, ]. Nla SNR dalam peneltan n adalah : 5.90 db. Adapun persamaannya adalah sebaga berkut : SNR 0 log ( ) [ w( ) w' ( )] w( ) w() = ctra host w () = ctra yang dssp watermark Smlartas antara kedua ctra watermark yatu antara ctra yang tdak dproses ( tdak dmasukkan ke dalam ctra host) dan ctra watermark yang dperoleh dar hasl ekstraks ctra secara kuanttatf dapat dukur dengan menggunakan normalzed cross correlaton (NC) [Hsu and W 3], yang ddefnskan sebaga : w w ' NC (5) [w ] w = nla pxel pada lokas () untuk watermark asl
5 w = nla pxel pada lokas () untuk watermark hasl ekstraks dar ctra host. Dar penghtungan yang dlakukan dalam peneltan terhadap ctra watermark ddapatkan nla NC sebesar 99,0 %. 5. Kesmpulan Dalam peneltan n dperkenalkan tentang dgtal watermakng untuk melndung hak cpta, khususnya hak cpta yang berhubungan dengan ctra dgtal. Penyspan watermark dalam suatu ctra dengan cara menyspkannya ke dalam ctra dengan menggunakan suatu algortma.metode yang dgunakan dalam penyspan watermark ddasarkan pada operas kompres JPEG untuk mage gray scale. Dar hasl yang ddapatkan tdak terdapat dstors yang bsa dlhat mata manusa terhadap ctra host. Hal n bsa dkatakan bahwa penyspan watermark tdak mempengaruh kualtas dar ctra yang dtumpa (ctra host). Daftar Pustaka [] Koch, E, Zhao, J, Toward Robust and Hdden Image Copyrght Labelng, IEEE workshop on nonlnear sgnal and mage processng, June 0, 995. [] Koch, E, Rndfrey,J Zhao,J, Copyrght Protecton for Multmeda Data, Proceedngs of the Interntonal Conference on Dgtal Meda and Electronc Publshng, Dec. 6-8, 99. [3] Cox,I.J, Kllan,J, Leghton,F.T and Shamoon, T, Secure Spread Spectrum Watermarkng for Multmeda, IEEE Transactons of Image Processng, Vol.6 No.,pp , 997. [] Hs,C.T, WU, J.I, Hdden Dgtal Watermark n Images, IEEE Transactons of Image Processng, Vol.8, No..pp , 999. [5] Ptas, I, A Method for Watermark Eastng on Dgtal Images, IEEE Transactons on Crcuts and system for deo technology, Vol.8 No.6, pp , 998. [6] TsaC, Chang, C, Embeddng Robust Gray Leel Watermark n An Image Usng Dscrete Cosne Transform, Department of Computer Scence and Informaton Engneerng Natonal Chung Chang Unersty, Tawan,
BAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinciModifikasi Spread Spectrum Watermarking dari Cox Berbasiskan pada Enkripsi Chaotic
Modfkas Spread Spectrum Watermarkng dar Cox Berbasskan pada Enkrps Chaotc Rnald Munr, Bambang Ryanto, Sarwono Sutkno, Wseto P. Agung Sekolah Teknk Elekto dan Informatka, ITB, Bandung 40132 e-mal: rnald-m@ste.tb.ac.d
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 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 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 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 terperinciPENDAHULUAN TINJAUAN PUSTAKA
PENDAHULUAN Latar Belakang Pada saat n penamplan nformas dalam bentuk ctra semakn banyak dbutuhkan Hal n tdak lepas dar karakterstk ctra yang cenderung mudah dpaham Surat kabar, televs, dan stus web d
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih 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 terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih 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 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 terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
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 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 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 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 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 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 Ruang Vektor. R. Leni Murzaini/0906577381
Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua
Lebih 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 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 terperinciPERBANDINGAN KINERJA CITRA WATERMARKING DENGAN MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN DISCRETE COSINUS TRANSFORM (DCT)
36 PERBANDINGAN KINERJA CITRA WATERMARKING DENGAN MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN DISCRETE COSINUS TRANSFORM (DCT) (Baharuddn) *) ABSTRACT The Research we propose s to compare watermarkng
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciSekilas Image Watermarking untuk Memproteksi Citra Digital dan Aplikasinya pada Citra Medis
Seklas Image Watermarkng untuk Memproteks Ctra Dgtal dan Aplkasnya pada Ctra Meds Oleh: Rnald Munr Sekolah Teknk Elektro dan Informatka, Insttut Teknolog Bandung E-mal: rnald@nformatka.org Abstrak Image
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih 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 II TINJAUAN TEORETIS
4 BAB II TINJAUAN TEORETIS 2. Ctra Dgtal Ctra dgtal saat n banyak dgunakan dalam berbaga bdang. Mula dar keperluan sehar har sepert cetak foto, pemetaan hutan, dentfkas forensk, rekam meds dengan menggunakan
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB 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 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
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 II DASAR TEORI. 2.1 Definisi Game Theory
BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan
Lebih terperinciBAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam
BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua
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. 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 terperinci3 METODE HEURISTIK UNTUK VRPTW
12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla
Lebih 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 terperinciHistogram Citra. Bab Membuat Histogram
Bab 6 Hstogram Ctra I nformas pentng mengena s ctra dgtal dapat dketahu dengan membuat hstogram ctra. Hstogram ctra adalah grafk yang menggambarkan penyebaran nla-nla ntenstas pxel dar suatu ctra atau
Lebih terperinciBab IV Pemodelan dan Perhitungan Sumberdaya Batubara
Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan
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 terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang
Lebih 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 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 terperinciPENGURUTAN DATA. A. Tujuan
PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.
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 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 terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy
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 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 terperinciSEGMENTASI BERBASIS REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU
EGMENTAI BERBAI REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU Arf Basof,.Kom, Moch. Harad, T, M.c, Ph.D. Program Magster Bdang Keahlan Jarngan Cerdas
Lebih terperinciSifat-sifat Operasi Perkalian Modular pada Graf Fuzzy
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au
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 terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih 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 terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih 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 terperinciSistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Sstem Krptograf Stream Cpher Berbass Fungs Chaos Crcle Map Dengan Pertukaran Kunc Dffe-Hellman A-6 Muh. Fajryanto 1,a), Aula Kahf 2,b), Vga Aprlana
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinciGambar 3.1 Diagram alir penelitian
BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan
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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
Lebih terperinciModel Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah
Performa (2004) Vol. 3, No.1: 28-32 Model Potensal Gravtas Hansen untuk Menentukan Pertumbuhan Populas Daerah Bambang Suhard Jurusan Teknk Industr, Unverstas Sebelas Maret, Surakarta Abstract Gravtaton
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 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 terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciAnalisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank
ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan
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 terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
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 terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciPEMAMPATAN DATA CITRA BERWARNA DENGAN ALIHRAGAM WAVELET
PEMAMPATA DATA CITRA BERWARA DEGA ALIHRAGAM WAVELET HAAR Yul Astran*, Achmad Hdayatno**, R.Rzal Isnanto** Abstrak- Selama n belum pernah dlakukan peneltan mengena pemampatan data ctra berwarna menggunakan
Lebih terperinciALGORITMA ENKRIPSI CITRA DIGITAL BERBASIS CHAOS DALAM GABUNGAN RANAH FREKUENSI DAN RANAH SPASIAL
Konferens asonal Sstem Informas 2013, STMIK Bumgora Mataram 14-16 Pebruar 2013 Makalah omor: KSI-347 ALGORITMA EKRIPSI CITRA DIGITAL BERBASIS CHAOS DALAM GABUGA RAAH FREKUESI DA RAAH SPASIAL Rnald Munr
Lebih terperinciAnalisis Serangan dengan Selective Plaintext pada Sebuah Algoritma Enkripsi Citra Berbasis Chaos
Analss Serangan dengan Selectve Plantext pada Sebuah Algortma Enkrps Ctra Berbass Chaos Rnald Munr 1) 1) Program Stud Informatka, Sekolah Teknk Elektro dan Informatka (STEI), ITB Jl. Ganesha 10, Bandung
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :
JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciMENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak
JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan
Lebih 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 terperinciHubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya
Vol. 8, No., 9-101, Januar 01 Hubungan Model Kurva Pengeluaran Konsums Rumah Tangga d Provns Sulawes Selatan dengan Elaststasnya Adawayat Rangkut Abstrak Seleks kurva pengeluaran konsums masyarakat Sulawes
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 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 III METODE PENELITIAN
BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka
Lebih terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
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 IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinci