Peringkasan Literatur Ilmu Komputer Bahasa Indonesia Berbasis Fitur Statistik dan Linguistik menggunakan Metode Gaussian Naïve Bayes
|
|
- Sugiarto Ridwan Kurniawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr -ISSN: 8-96X Vol., No., April, hlm Pringkasan Litratur Ilmu Komputr ahasa Inonsia rbasis Fitur Statistik an Linguistik mnggunakan Mto Gaussian Naïv ays Muhamma Fhali, Mochamma Ali Fauzi, Tri Afirianto Program Stui Informatika, Abstrak i tngah ra ngan kbutuhan ata yang bsar ini, pringkasan tks mrupakan suatu kbutuhan. ngan pringkasan tks, stiap orang bisa mnapatkan informasi yang mnskripsikan ksluruhan ata tks yang bsar hanya ngan bbrapa kalimat. Prmasalahan alam pringkasan tks aalah kualitas hasil ringkasan. Salah satu mto untuk mringkas tks yang iknal aalah mto TF-IF, mto ini mrupakan mto pringkasan ngan pnkatan statistik. Pnkatan lain untuk mringkas tks aalah pnkatan linguistik. Paa umunya, ringkasan ari sbuah tks triri atas kalimat-kalimat yang mmiliki fitur-fitur linguistik sprti jumlah kata, jumlah kata kunci, an posisi kalimat paa tks asli. Fitur-fitur trsbut apat igunakan untuk mngklasifikasikan suatu kalimat baru kalam klas ringkasan atau klas bukan ringkasan. Hasil pringkasan iprolh ari kumpulan kalimat paa klas ringkasan. Paa pnlitian ini, pnulis mlakukan pnggabungan fitur statistik an fitur linguistik untuk mlakukan pringkasan tks. Hasil pngujian pnlitian ini mnunjukkan pringkasan ngan fitur statistik an linguistik mnggunakan mto Naïv ays mmiliki nilai rata-rata f- scor 68 an nilai rata-rata rlativ utility 66. Kata Kunci: pringkasan statistik, pringkasan linguistik, Naïv ays Abstract In this ra which rquir big amount of ata, txt summarization bcoms a ns. With txt summarization, vryon can gt information that scrib all of big txt in just fw of sntncs. Th problm in txt summarization is quality of th summarization rsult. On of th known mtho for txt summarization is TF- IF, this mtho is a mtho for summarizing txt using statistical approach. Th othr approach for summarizing txt is statistical approach. In a gnral way, summarization rsult is consist of sntncs with statistical faturs such as total of wors, total of kywors, an sntnc position in th original txt. Thos faturs can b us to classify a txt into class of summary or class of non summary. Th summarization rsult com from th composit of vry sntnc in summary class. In this rsarch, writr combins th us of statistical fatur an linguistical faturs to summariz txt. Th tsting rsult of this rsarch show that summarization with statistical an linguistical faturs using Naïv ays mtho cam with f-scor avrag.68 an raliv utility avrag.66. Kywors: statistical summarization, linguistical summarization, Naïv ays. PENAHULUAN Prkmbangan informasi tntang unia sains an unia tknologi yang brkmbang jauh sangat psat alam ua ka ini mmbuat ktrgantugan manusia trhaap ata ari brbagai macam biang sangat tinggi, shingga i masa pan manusia ipriksi akan mnyimpan ata alam jumlah yang sangat bsar (Emr, 6). Hairnya intrnt i tngah khiupan manusia juga mmbuat volum ata alam brbagai format brtambah rastis, trmasuk juga volum ata yang brupa tks (Olivira t al., 6). Kbraaan ata yang sangat banyak i intrnt mmbuat pncarian ata atau informasi scaca cpat an fisin i intrnt mnjai lbih sulit (abar, ). Kbraaan ata trsbut sulit iapatkan scara cpat an fisin karna ata yangtrsia tiak trbatas shingga akan sulit untuk mntksi kbraaan Fakultas Ilmu Komputr Univrsitas rawijaya
2 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr 8 okumn atau informasi trtntu (Tayal, ). Kbraaan okumn yang banyak trsbut mmbuat ilma karna manusia harus mncari sikit informasi pnting ari okumn yang sangat banyak, paahal stiap pngguna intrnt hanya mmbutuhkan informasi utama ari okumn trsbut (Emr, 6). Agar pngguna intrnt bisa mnapatkan informasi yang ringkas namun tanpa mnghilangkan informasi yang pnting, maka ibutuhkan pringkasan informasi atau pringkasan okumn (Abbasi-ghalhtaki, 6). Yang mnjai prmasalah utama alam pringkasan tks aalah kualitas hasil pringkasan. Kssuaian tks yang akan iringkas ngan hasil pringkasan tntunya harus mnghasilkan nilai yang baik. brapa pnlitian tntang pringkasan tks suah prnah ilakukan sblumnya ngan mnggunakan brbagai macam mto. Salah satu pnlitian sblumnya mnrapkan Conitional anom Fil paa pringkasan otomatis untuk mntksi fitur-fitur ari sbuah tks ngan Non-ngativ Matrix Factorization (atcha, ). Pnlitian yang ilakukan olh atcha ini brfokus paa pmilihan fitur yang tpat agar mnghasilkan ringkasan yang optimal. Namun, mto ini tiak mnambahkan fitur statistik paa pnghitungannya paahal fitur statistik sangat iprlukan untuk mnntukan kalimat yang mnganung informasi utama trbanyak. Pnlitian yang lain juga prnah ilakukan untuk mmilih kalimat ngan rlvansi yang tinggi agar mnghasilkan pringkasan yang baik mnggunakan fuzzy infrnc systm untuk mngkstrasi fitur (abar, ). Pnlitian yang ilakukan abar an Patil ini mnggabungkan konsp logika fuzzy an algoritma gntika alam masalah pringkasan. Namun mto ini mlakukan pringkasan hanya brasarkan fitur yaitu kata, posisi, panjang, an ksamaan. Tntunya aa fitur pnting yang trlwatkan alam pnlitian ini. ari brbagai macam pnlitian yang tlah ilakukan ngan brbagai macam objk pnlitian yang igunakan, pnulis mngmbangkan mto ngan pnkatan machin larning mnggunakan klasifikasi Gaussian Naïv ays untuk mnglompokkan suatu kalimat trgolong hasil pringkasan atau tiak. Objk pnlitian yang igunakan untuk prcobaan pringkasan ini aalah litratur brbahasa Inonsia i biang ilmu komputr ngan kstnsi Portabl ocumnt Format (PF). Pnulis mnggunakan litratur brbahasa Inonsia an mrupakan litratur i biang ilmu komputr alam pnlitian ini ngan prtimbangan muah alam mncari pakar yang akan mnilai hasil pnlitian. Hasil ari mto yang itrapkan alam pnlitian ini aalah ringkasan yang iprolh ari mnlurusi ksluruhan isi litratur. Mto Gaussian Naïv ays igunakan paa pnlitian ini shingga mmrlukan ata training brupa bobot untuk fitur statistik an fitur linguistik ari stiap kalimat paa litratur ilmu komputr. Fitur yang igunakan paa pnlitian ini aalah bobot hasil pnghitungan Trm Frquncy- Invrs ocumnt Frcuncy (TF-IF) sbagai fitur statistik an itambah ngan fitur linguistik. Stiap kalimat alam suatu litratur mmiliki kmungkinan yaitu kalimat itu mrupakan kalimat yang bisa igolongkan sbagai ringkasan atau kalimat yang tiak bisa igolongkan sbagai hasil ringkasan. Kalimat yang bisa igolongkan sbagai hasil ringkasan tntunya mmilik nilai TF-IF yang tinggi, umumnya trltak i awal paragraf prtama, brisi kata kata yang ssuai juul, an lain sbagainya (Gupta, ). Olh karna itu, pnggunaan fitur statistik an fitur linguistik prlu ikombinasikan alam mlakukan pringkasan agar trcapai hasil pringkasan ngan akurasi yang optimal. rasarkan uraian trsbut apat isimpulkan bahwa pringkasan litratur sprti i atas mmbutuhkan suatu mto klasifikasi. Paa pnlitian ini, Gaussian Naïv ays ipilih sbagai mto untuk mngklasifikasikan kalimat karna mto ini srhana alam pnrapannya namun kualitas hasil klasifikasinya tiak kalah ngan mtomto lain yang lbih rumit slain itu mto ini bisa mnghasilkan solusi yang optimal bahkan ktika solusi tiak bisa itmukan mnggunakan asumsi biasa (Griffis, 6). lum aa pnlitian yang mnggabungkan fitur statistik an fitur linguistik untuk mlakukan pringkasan tks. Olh karna itu paa pnlitan ini, pnulis mmbrikan juul Pringkasan Litratur Ilmu Komputr ahasa Inonsia rbasis Fitur Statistik an Linguistik Mnggunakan Mto Naïv ays.. ASA TEOI. Pringkasan Tks Pringkasan tks ifinisikan sbagai
3 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr 9 pross pmaatan tks mnjai vrsi yang lbih pnk namun ttap mnganung informasi yang bisa mncrminkan ksluruhan tks (Gupta, ). Sblum masuk k pross pringkasan, trhaap ata yang akan iringkas prlu ilakukan prprocssing trlbih ahulu. Prprocssing ata paa umumnya mmakan waktu lbih lama ibaingkan ngan pross utama ari pncarian informasi trhaap suatu ata (Munková, ). Hasil ari prprocssing aalah kalimat yang tlah ibagi mnjai kata-kata. Paa umumnya trapat mpat tahap untuk mlakukan prprocssing trhaap suatu tks sprti yang itunjukkan paa poin sampai (Uysal, ).. Parsing, yaitu pngambilan ata yang akan ipross kmuian ata trsbut ipisah mnjai kalimat-kalimat i mana stiap kalimat mrprsntasikan satu okumn.. Lxing atau toknization, yaitu pmisahan stiap kalimat mnjai kata-kata. Paa tahap ini ilakukan juga pnghapusan angka, simbol ilmiah, tana baca, karaktr slain huruf alfabt, pnghapusan uplikasi kata an mngubah huruf kapital mnjai huruf kcil.. Filtring, yaitu pmilihan kata yang akan igunakan sbagai trm. Filtring bisa ilakukan ngan ua pnkatan yaitu pnkatan worlist an pnkatan stopwor. Pnkatan worlist brupa pmbiaran kata yang pnting paa okumn an mnghapus kata-kata slainnya untuk ijaikan trm. Pnkatan stopwor brupa pnghapusan kata-kata yang tiak pnting an mmbiarkan kata-kata slainnya untuk ijaikan trm i mana aftar kata yang tiak pnting trsbut iknal ngan istilah stoplist.. Stmming, yaitu mngubah kata brimbuhan mnjai kata asar ngan cara mnghilangkan imbuhan.. Ekstraksi Fitur Paa pringkasan kstraktif trapat ua pnkatan untuk mnntukan suatu kalimat trgolong sbagai kalimat yang pnting atau tiak. Pnkatan trsbut aalah pnkatan mnggunakan fitur statistik an pnkatan mnggunakan fitur linguistik (Gupta, ). Contoh fitur statistik yang igunakan alam pringkasan aalah fitur TF-IF yang hanya mngukur tingkat kpntingan kalimat brasarkan statistic jumlah kata yang pnting. Sangkan contoh fitur linguistik yang igunakan alam pringkasan aalah fitur lokasi kalimat an contoh kalimat... Ekstraksi Fitur Statistik Fitur statistik yang ikstrak ari sbuah tks aalah skor TF-IF. TF-IF ifinisikan sbagai statistik numrik yang brtujuan untuk mnunjukkan sbrapa pnting suatu kata i alam okumn, i mana bobot ari kata akan mningkat sbaning ngan jumlah kata trsbut i alam okumn (Shouzhong, 6). Gambar. mnunjukkan langkah-langkah yang prlu ilakukan untuk mnapatkan skor TF- IF. Gambar. Ekstraksi Fitur Statistik.. Ekstraksi Fitur Linguistik Trapat fitur linguistik yang akan igunakan paa pnlitian ini. fitur lingusitik trsbut ijlaskan paa poin nomor sampai.. Fitur titl wor Stlah stopwor ihilangkan ari juul okumn, maka smakin banyak trm paa okumn yang juga muncul i juul mnunjukkan bahwa kalimat trsbut smakin pnting. Nilai ari fitur ini bisa iapat ngan mnghitung jumlah trm paa juul okumn yang muncul paa kalimat.. Fitur sntnc location Kalimat paa awal an akhir ksluruhan okumn paa umumnya trgolong kalimat yang pnting an brpluang bsar untuk ijaikan sbagai ringkasan. Nilai ari fitur ini mrupakan posisi kalimat paa okumn. Jika kalimat x braa i awal okumn, maka nilai fitur sntnc location ari kalimat x aalah. Sangkan jika kalimat x braa i posisi trakhir ari ksluruhan okumn, maka nilai fitur sntnc location
4 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr ari kalimat x aalah nilai jumlah okumn paa ata trsbut.. Fitur sntnc lngth Kalimat yang sangat pnk an kalimat yang sangat panjang paa umumnya tiak ijaikan sbagai ringkasan. Nilai fitur sntnc lngth iapatkan ari jumlah kata paa kalimat sblum prprocssing.. Fitur uppr-cas wor Kalimat yang mnganung akronim an/atau huruf kapital yang banyak, brpluang bsar imasukkan sbagai ringkasan.. Fitur cu-phras Cu-phras aalah frasa yang mnunjukkan suatu kalimat trgolong pnting. Contoh cu-phras aalah : ksimpulannya, olh karna itu, an jai. Kalimat yang mnganung cu-phras paa umumnya imasukkan sbagai ringkasan. Tiak aa stanar khusus untuk pnggunaan cu-phras shingga paa suatu pnlitian, cu-phras yang igunakan prlu iiskuiskan trlbih ahulu ngan pakar. 6. Fitur bias wor ias wor mrupakan aftar kata yang mnganung omain spsifik ari okumn, sprti kata kunci. Smakin banyak bias wor yang trapat paa suatu kalimat, maka kalimat trsbut smakin pnting.. Fitur occurrnc of non-ssntial information brapa kata trtntu mnunjukkan bahwa suatu kalimat trgolong kalimat yang tiak pnting. Jika suatu kalimat mnganung frasa-frasa brikut ini, maka nilai ari fitur ini paa kalimat trsbut aalah fals. Contoh frasa-frasa yang mnunjukkan bahwa suatu kalimat tiak trgolong kalimat yang pnting aalah : sangkan an trlbih lagi.. Naïv ays Naïv ays bkrja brasarkan torma ays an igunakan alam prmasalahan pngklasifikasian (Zhang an Gao, ). Pnggunaan mto Naïv ays alam pnltian tntang pmrossan tks suah banyak kita jumpai. Salah satu manfaat ari pnlitian yang brkaitan ngan mto Naïv ays alam biang pmrossan tks aalah kita bisa mngtahui pnulis ari suatu tulisan hanya ngan mngukur kmiripan pola pnggunaan kata paa tulisan trsbut ngan tulisan yang suah mnjai ata latih (Salh, ). Paa prmasalahan Naïv ays, ata latih irprsntasikan ngan st atribut n- imnsional X= {X, X,, Xn}, imana stiap nilai X mmiliki m atribut yang irprsntasikan ngan x, x,, xm. Misalkan alam suatu kasus trapat sjumlah o klas yang irprsntasikan ngan C, C,, CO an ibrikan suatu ata uji Y yang blum iktahui nilai C-nya, maka pluang atribut x trgolong sbagai klas Ci itunjukkan paa Prsamaan. P(C i Y) = P(Y C i) x P(C i ) P(Y) () Ktrangan Prsamaan : P(Ci Y) : postrior, yaitu pluang klas Ci brsyarat ata Y P(Y Ci) : liklihoo, yaitu pluang itmukannya ata Y iklas Ci P(C i ) : prior, yaitu pluang klas Ci P(Y) : vinc, yaitu pluang ata Y Jika paa kasus trsbut mmiliki lbih ari satu atribut yang prlu ilatih, maka nilai liklihoo bisa iprolh ngan mnggunakan Prsamaan. P(Y Ci) = P(y k C i ) n k= () Ktrangan Prsamaan : k : inks untuk mnunjukkan nilai atribut y. n : jumlah atribut paa kasus. yk : nilai ari atribut k k. alam konisi lain, jika ata igunakan paa suatu atribut mrupakan ata kontinyu brupa ata numrik, maka kita bisa mnggunakan prsamaan paa Gaussian Naïv ays untuk mmprolh liklihoo. Prsamaan mnunjukkan cara mmprolh liklihoo paa ata kontinyu. P(Y i C k ) = (() xp (Y i μ ik) σ ik Ktrangan Prsamaan : P(Yi Ck): pluang itmukannya atribut k i ari ata Y iklas Ck i : inks untuk mnunjukkan atribut k : inks untuk mnunjukkan klas µ : nilai rata-rata ari populasi π : nilai phi, yang stara ngan,
5 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr σ : nilai varians ari populasi, rumus untuk mnghitung nilai varians itunjukkan paa Prsamaan xp : nilai ksponnsial, yang kuivaln ngan,8 Prsamaan mnunjukkan rumus untuk mnghitung nilai rata-rata ari suatu ata numrik. µ = n i= x i n () Ktrangan Prsamaan : µ : nilai rata-rata populasi ata xi : nilai ari ata x paa inks k i n : jumlah ari ata x Prsamaan mnunjukkan rumus untuk mnghitung nilai varians ari suatu ata numrik. σ σ = n i= (x i μ) n () : nilai varians ari populasi µ : nilai rata-rata ari populasi x i : nilai ari ata x paa inks k i n : jumlah ari ata x. Evaluasi Hasil ingkasan Trapat ua pnkatan valuasi untuk mngukur kualitas suatu pringkasan yaitu pnkatan intrinsik an pnkatan kstrinsik (Inrjt, 9). Pnkatan instrinsik mngukur kualitas hasil ringkasan ilihat ari trm an aturan- aturan yang igunakan paa mto pringkasan, smntara pnkatan kstrinsik mngukur kualitas hasil ringkasan ilihat ari pngaruh hasil ringkasan trhaap tugas trtntu (Klin t al., 998). Karna valuasi ngan pnkatan instrinsik brba paa stiap kasus, brikut ini pnulis paparkan pnjlasan ari ua mto valuasi ngan pnkatan intrinsik... Prcision an call Paa pngujian ngan mnggunakan pnkatan ini, iprlukan inks-inks okumn yang ikluarkan sistm sbagai ringkasan an inks-inks okumn yang ipilih olh pakar sbagai kalimat ringkasan (Nnkova an McKown, ). Paa pngujian ini, jika nilai prcission an rcall tinggi maka kualitas hasil ringkasan baik, sangkan jika nilai prcission an rcall rnah atau salah satu ari nilai trsbut rnah maka kualitas hasil ringkasan bisa isbut kurang baik (Inrjt, 9). alam mlakukan pngujian ngan pnkatan prcision an rcall, ksimpulan hasi pngujian ini iapatkan ari prhitungan f-scor. F- scor mrupakan nilai yang mngkombinasikan nilai prcision an rcall (Stinbrgr an Jžk, 9). Prsamaan 6 an mnunjukkan cara pnghitungan nilai prcision an rcall paa suatu pngujian, imana satuan ari nilai prcision an rcall aalah prsn. Jumlah kalimat yang imaksu paa Prsamaan 6 an aalah jumlah kalimat yang ipilih mnjai ringkasan olh sistm ataupun olh pakar. Prsamaan 8 mnunjukkan cara pnghitungan f- scor imana jika prcision an rcall mmiliki nilai maksimal maka f-scor akan brnilai an jika prcision an rcall mmiliki nilai maksimal maka f- scor akan brnilai shingga hasil ringkasan ngan kualitas sangat baik mmiliki f-scor ngan nilai. Prcision = call = TP TP+FP (6) TP TP+NP () Ktrangan Prsamaan 6 an TP : jumlah inks okumn sistm an pakar yang bririsan TP + FP : jumlah okumn yang ipilih sistm sbagai ringkasan TP + NP : jumlah okumn yang ipilih pakar sbagai ringkasan f scor = Prcision call (8) Prcision+call.. lativ Utility Sblum mlakukan pngujian, tks yang akan iuji ibrikan kpaa pakar agar pakar mmbrikan skor - kpaa stiap kalimat, imana kalimat ngan nilai yang bsar mrupakan kalimat yang prlu ijaikan sbagai ringkasan (Nnkova an McKown, ). Hasil ari pngujian ini iukur ngan satuan prsn an pnghitungan nilai rlativ utility (U) ini itunjukkan paa Prsamaan 9 brikut.
6 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr U = total skor kalimat trpilih total skor kalimat paa okumn (9). PEANCANGAN AN IMPLEMENTASI. Prancangan Stlah smua fitur ikstrak, langkah slanjutnya aalah mlakukan klasifikasi trhaap stiap ata uji. Pross klasifikasi ata uji scara garis bsar itunjukkan paa Gambar.6. Klasifikasi ini brtujuan untuk mnggolongkan ata uji trsbut kalam klas ringkasan atau bukan ringkasan. Paa poin sampai ibawah ini pnulis mmbrikan contoh pngklasifikasian untuk ata uji.. prsntasi ata latih an ata uji apat itunjukkan paa Tabl... Ssuai tahap paa asar tori, tahap prtama sblum klasifikasi aalah normalisasi ata numrik. Nilai contnt wor ari aalah, nilai maksimal an minimal ari kolom contnt wor aalah,8 an -. Nilai hasil normalisasi Tabl itunjukkan paa Tabl.. Jika batas minimal an batas maksimal hasil normalisasi yang pnulis tntukan aalah an, maka hasil normalisasi contnt wor ari bisa iprolh ari pross brikut. contntwor = (X min) x (max min ) (max min) + min ( ( )) x ( ) contntwor = (,8 ( )) +, x contntwor =,8 +, contntwor =,8 contntwor = σ. Langkah slanjutnya aalah mnghitung nilai rata-rata stiap fitur paa stiap klas ari Tabl mnggunakan Prsamaan. Hasil pnghitungan nilai rata-rata stiap fitur paa stiap klas itunjukkan paa Tabl.. rikut ini aalah contoh cara mnghitung nilai rata-rata ari fitur contnt wor (CW) paa klas. Trapat ata paa klas, shingga pnybut paa contoh i bawah ini brnilai. µ = µ = CW + CW + CW 6 jumlah ata klas µ = 8 µ = 69. Langkah kmpat aalah mnghitung nilai varians stiap fitur paa stiap klas ari Tabl. mnggunakan Prsamaan. Tabl. mnunjukkan nilai varians ari stiap fitur paa stiap klas. Nilai rata-rata ari fitur uppr-cas wor paa klas aalah, pnghitungan nilai varians ari fitur uppr-cas wor paa klas itunjukkan i bawah ini. Pnulis mmprsingkat pnulisan upprcas klas mnjai UP, agar muah ibaca. = (UP µ UP ) + (UP µ UP ) + (UP 6 µ UP ) jumlah ata klas σ = ( ) + ( ) + ( ) σ = () + () + ( ) σ = σ = σ = Stlah mnapatkan nilai varians, maka langkah slanjutnya alah mnghitung nilai liklihoo paa smua fitur numrik an non- numrik. Tabl. mnunjukkan nilai liklihoo ari stiap fitur paa stiap klas. NIlai liklihoo paa fitur slain occurrnc of non- ssntial ihitung mnggunakan Prsamaan. rikut ini pnuliskan paparkan contoh mnghitung nilai
7 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr liklihoo ari fitur contnt wor paa klas ngan ata uji sbagai nilai Y. P(CW ) = x x P(contntwor ) = 8, x (,),6 P(contntwor ) =,6 (,8 6) (,) x Untuk nilai liklihoo paa fitur occurrnc of non-ssntial(ocn) iprolh ngan mnggunakan bagian ari Prsamaan.6 sprti cara i bawah ini. P(OCN ) = P(OCN ) = P(OCN ) = jumlah ata fals paa klas jumlah ata klas 6. Langkah trakhir ari klasifikasi ata uji aalah mnghitung pluang ata ata uji braa iklas an mnggunakan Prsamaan.6. Prsamaan.6 igunakan untuk mmbaningkan nilai P( U) an nilai P( U), shingga paa pnghitungan, nilai P(Y) bisa kita abaikan karna brnilai sama paa stiap klas. ari hasil pnghitungan kua nilai trsbut, maka U akan igolongkan k klas ngan nilai P trbsar. Nilai P(U ) iprolh ari prsamaan., yaitu ngan mngalikan nilai liklihoo stiap fitur ari klas shingga iprolh nilai,9. ari 6 ata latih braa paa klas shingga nilai P() aalah 6 atau. P( U) = P(U ) x P() P( U) =,9 x P( U) = 69. Nilai postrior ata uji i klas lbih bsar ari nilai postrior ara uji i klas, shingga ata uji igolongkan k alam klas an an ijaikan sbagai ringkasan. Pngklasifikasian ilanjutkan trhaap U, U, an U. Hasil lngkap nilai postrior ari stiap ata uji paa stiap klas itunjukkan paa Tabl.6, imana U an U trgolong k alam klas ringkasan karna nilai pluang ringkasan paa U an U lbih bsar aripaa pluang bukan ringkasan-nya. 8. Tabl.6 mnunjukkan ata uji yang trmasuk ringkasan aalah U an U. Olh kara itu, ringkasan ari ata paa Tabl. aalah gabungan ari U an U, sprti yang itunjukkan paa Tabl... Implmntasi Tampilan awal ktika sistm prtama kali ijalankan itunjukkan paa Gambar... prsntasi ata awal yang mrupakan hasil parsing langsung itampilkan prokumn paa tab brsamaan ngan juul okumn PF an kata kunci sprti paa Gambar... Gambar.. mnunjukkan toknisasi, filtring, an stmming ari ata awal paa Gambar... Gambar.. mrupakan pross pnghitungan skor TF-IF atau kstraksi fitur statistik paa stiap okumn. Gambar.. brisi tahapan pnghitungan skor TF-IF scara tail sprti yang itunjukkan paa subbab... Gambar.. mnunjukkan hasil kstraksi fitur linguistik paa stiap okumn. Gambar..6 mnunjukkan pross klasifikasi ata uji yang brupa normalisasi, nilai rata-rata, nilai varians, nilai liklihoo, nilai postrior, an klas ari ata uji. Smntara Gambar.. mnampilkan ringkasan ari okumn PF yang tlah imasukkan, hasil ringkasan itampilkan alam bntuk paragraf. Fi tu r Li ng ui sti k C o nt n t w or.. 8 Tabl.. prsntasi Latih an Uji T S S U C Oc K it nt nt p u ia cu l n n p - s rr l c c p nc a w lo l r- h s o ca n c r w of r ti gt a a o no o h s s r n- n w ss o nt r ial 6 8 FA LS E T UE FA LS
8 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr 6 U E FA LS E T UE T UE FA LS E Tabl.. prsntasi Latih an Uji Fit ur Lin gui sti k C on t nt w or Ti tl w or S nt nc loc ati on S nt nc ln gt h C u - p hr as i as w or K l a s U p p r- ca s w or 6? Tabl.. ata-rata Fitur Stiap Klas? K l as Kl as K l a s Co nt nt wo r 6 Ti tl w or 8 9 Sn tn c loca tion Sn tn c ln gth Up p r- cas wo r 8 Cu - ph ras 8 66 Tabl.. Varians Fitur Stiap Klas Co Ti Sn Sn Cu nt tl tnc tnc - nt w ph wor or loca lng ras tion th Co nt n t wo r 9 8 Up pr - cas wo r i as wo r i as wo r Tabl.. Pluang Fitur paa Stiap Klas T Sn S Up C i itl tn nt pr u as c nc - - w loc cas p w o ati ln hr or r on gth wo as r, 6 8, 9 6 E -, 6,,, 6 8,, 9, O cc ur r nc of n o n s s nt ia l 66 6
9 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr Tabl..6 Klas ari Stiap Uji Pluang ingkasan Klas Uji Pluang ukan ingkasan U U U 69966,9E- ingkasan 6 ukan 9698 ringkasan 886 ingkasan Gambar.. Antar Muka Hasil Ekstraksi Fitur Statistik U,68E- 88 ukan ringkasan Gambar.. Antar Muka Hasil Esktraksi Fitur Linguistik Gambar.. Antar Muka Awal Hasil Implmntasi Gambar..6 Antra Muka Pross Klasifikasi Uji Gambar.. Antar Muka Hasil Parsing ari Uji Gambar.. Antar Muka Hasil Pringkasan Gambar.. Antar Muka Hasil Prprocssing Uji. PENGUJIAN AN ANALISIS. Hasil Pngujian Trhaap Fitur Statistik Paa bagian ini pnulis mlakukan pnghitungan nilai prcision, rcall, an rlativ utility ari hasil ringkasan ngan basis fitur statistik. Pringkasan paa subbab ini
10 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr 6 mrupakan pringkasan ngan mnggunakan skor TF-IF, imana paa akhir pnghitungan stiap kalimat akan mmiliki skor TF-IF. Kmuian, ringkasan ipilih ari sjumlah n% kalimat yang mmiliki skor TF-IF trbsar. Subbab.. mmbahas hasil pngujian ari pringkasan statistik ngan jumlah kalimat yang ikluarkan sistm sbanyak % ari jumlah kalimat paa ata uji. Subbab.. mmbahas hasil pngujian ari pringkasan statistik ngan jumlah kalimat yang ikluarkan sistm sbanyak % ari jumlah kalimat paa ata uji... Hasil Pngujian Fitur Statisik Sknario F-scor an nilai rlativ utility yang maksimal braa paa pngujian Uji. Nilai f- scor minimal braa paa pngujian Uji an Uji, yaitu. Nilai rlativ utility minimal braa paa pngujian Uji. Hasil lngkap ari pngujian fitur statistik ngan sknario itunjukkan paa Tabl.... Hasil Pngujian Fitur Statisik Sknario F-scor an nilai rlativ utility yang maksimal braa paa pngujian Uji, ttapi nilai trsbut lbih rnah ari pngujian Uji paa Tabl.. Nilai f-scor minimal braa paa pngujian Uji, yaitu.. Nilai rlativ utility minimal braa paa pngujian Uji. Hasil lngkap ari pngujian fitur statistik ngan sknario itunjukkan paa Tabl 6.. Nilai rata-rata f-scor an rlativ utility paa sknario lbih bsar aripaa sknario, shingga pngulis mmbuat ksimpulan bahwa hasil pngujian pringkasan brbasis statistik ngan sknario lbih unggul ari pngujian ngan sknario. Pringkasan statistik ngan sknario lbih unggul aripaa pringkasan statitik ngan sknario karna pringkasan statistik ngan sknario mmiliki jumlah ata yang ikluarkan lbih banyak aripaa pringkasan statistik ngan sknario. Karna pringkasan statistik ngan sknario mmiliki jumlah kalimat ringkasan yang lbih banyak, maka pluang mnmukan kalimat ringkasan sistm an pakar yang bririsan lbih bsar, shingga nilai prcision, rcall, an rlativ utility paa pringkasan statistik ngan sknario lbih tinggi aripaa sknario. Tabl.. Hasil Pngujian Pringkasan Statistik ngan Kluaran % lativ Prcisi call F-scor on Utility Uji Uji Uji Uji Uji atarata Tabl.. Hasil Pngujian Pringkasan Statistik ngan Kluaran % lativ Prcisi on call F-scor Utility Uji Uji Uji Uji Uji. 9 ata rata. Hasil Pngujian Trhaap Fitur Linguistik Paa bagian ini pnulis mlakukan pnghitungan nilai prcision, rcall, an rlativ utility ari hasil ringkasan ngan basis fitur linguistik. Pringkasan paa subbab ini mrupakan pringkasan ngan mnggunakan fitur yang hanya trapat paa subbab... Hasil ringkasan iprolh stlah mlakukan klasifikasi sprti yang ijlaskan paa subbab.. imana hasil ringkasan aalah kumpulan kalimat yang braa paa klas. F-scor an nilai rlativ utility yang maksimal ari pnlitian ini braa paa pngujian Uji. Nilai f-scor minimal braa paa pngujian Uji. Hasil lngkap ari pngujian fitur linguistik itunjukkan paa Tabl 6.. Tabl 6. mnunjukkan bahwa ratarata f-scor an rlativ utility paa pringkasan
11 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr linguistik lbih rnah aripaa rata-rata f-scor an rlativ utility paa pringkasan statistik ngan sknario ttapi lbih tinggi aripaa rata-rata f-scor an rlativ utility paa pringkasan statistik ngan sknario. Ini mnunjukkan bahwa kualitas pringkasan linguistik braa i posisi kua trbaik ari ktiga basis pringkasan yang isbutkan paa kalimat sblum ini. Pringkasan statistik ngan sknario mmiliki prsntas kalimat ringkasan yang sikit, shingga pluang untuk mnmukan mnmukan kalimat ringkasan sistm an pakar yang bririsan kcil. Hal sbaliknya brlaku untuk pringkasan statistik ngan sknario. Paa pringkasan ngan pnkatan linguistik, jumlah kalimat ringkasan tiak apat itntukan olh pnulis karna kalimat yang apat ijaikan ringkasan hanyalah kalimat yang braa paa klas. Kaaan sprti yang ijlaskan paa kalimat sblumnya mmbuat pringkasan ngan pnkatan linguistik mmiliki jumlah kalimat ringkasan yang tiak sbanyak jumlah kalimat ringkasan paa pringkasan statistik ngan sknario, namun tiak lbih sikit aripaa jumlah kalimat ringkasan paa pringkasan statistik ngan sknario. Shingga, kualitan pringkasan ngan pnkatan linguistik braa paa posisi kua ari ktiga pnkatan yang tlah isbutkan paa kalimat sblumnya. Tabl.. Hasil Pngujian Pringkasan Statistik ngan Kluaran % Prcisi call F-scor lativ on Utility Uji.6 Uji... Uji Uji Uji atarata Hasil Pngujian Trhaap Fitur Statistik an Linguistik Paa bagian ini pnulis mlakukan pnghitungan nilai prcision, rcall, an rlativ utility ari hasil ringkasan ngan basis fitur linguistik an statistic yang tlah ijlaskan sjak awal paa pnlitian ini. Pringkasan ngan fitur statistik an linguistik tlah ijlaskan scara lngkap paa subbab.. Hasil ringkasan iprolh stlah mlakukan klasifikasi sprti yang ijlaskan paa subbab.. imana hasil ringkasan aalah kumpulan kalimat yang braa paa klas. F-scor an nilai rlativ utility yang maksimal ari pnlitian ini braa paa pngujian Uji. Nilai f-scor minimal braa paa pngujian Uji. Hasil lngkap ari pngujian fitur linguistik itunjukkan paa Tabl 6.. Tabl 6. mnunjukkan bahwa ratarata f-scor an rlativ utility paa pringkasan ngan fitur statistik an linguistik lbih rnah aripaa rata-rata f-scor an rlativ utility paa pringkasan statistik ngan sknario an pringkasan linguistik, ttapi lbih tinggi aripaa rata-rata f-scor an rlativ utility paa pringkasan statistik ngan sknario. Ini mnunjukkan bahwa kualitas pringkasan statistik an linguistik braa i posisi ktiga trbaik ari kmpat pnkatan pringkasan yang isbutkan paa kalimat sblum ini. Paa pringkasan ngan pnkatan statistik an linguistik, nilai f-scor an rlativ utility paa Uji sampai Uji kuivaln. Prbaan nilai f-scor an rlativ utility hanya trapat paa Uji, i mana slisih f-scor Uji paa Tabl 6. an 6. aalah 698 an slisih rlativ utility Uji paa Tabl 6. an 6. aalah 8. Slisih trsbut bukanlah nilai yang bsar, shingga pnulis mnganalisis bahwa kualitas hasil ringkasan ngan pnkatan linguistik mmiliki kualitas yang sama ngan pringkasan ngan pnkatan statistik an linguistik. Tabl.. Hasil Pngujian Pringkasan Statistik an Linguistik la Prcisi F- tiv call on scor Utili ty Uji.6 Uji... Uji Uji Uji
12 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr 8 atarata.6 8. KESIMPULAN AN SAAN.66 Kualitas hasil ringkasan mto Gaussian Naïv ays ngan fitur statistik an linguistik tiak lbih baik aripaa pringkasan mnggunakan mto Gaussian Naïv ays ngan fitur linguistik. i mana pringkasan mto Gaussian Naïv ays ngan fitur statistik an linguistik mmiliki nilai rata-rata f- scor 68 an rata- rata rlativ utility 66. Pringkasan ini mnggunakan fitur statistik an fitur linguistik, shingga pnulis brharap pnlitian ini bisa ikmbangkan ngan jumlah fitur linguistik yang lbih banyak. Pnggunaan ata uji juga prlu iprbarui ngan mnambahkan kalimat ringkasan agar pluang mnmukan kalimat ringkasan bsar. 6. AFTA PUSTAKA Abbasi-ghalhtaki,., Khotanlou, H. an Esmailpour, M., 6. Fuzzy volutionary cllular larning automata mol for txt summarization. Swarm an Evolutionary Computation, [onlin] pp. 6. abar, S.A. an Patil, P..,. Improving Prformanc of Txt Summarization. Procia Computr Scinc, [onlin] 6(Icict ), pp. 6. atcha, N.K., Aziz, N.A. an Shafi, S.I.,. CF as Fatur Extraction Appli for Suprvis Automatic Txt Summarization. Procia Tchnology, [onlin] (Ici), pp.6 6. as,.,. A Survy on Automatic Txt Summarization Singl-ocumnt Summarization. pp.. Emr, F., Akay,. an Yagr,.., 6. An ovrviw of mthos for linguistic summarization with fuzzy sts. Exprt Systms with Applications, [onlin] 6, pp.6. Griffis, J.C., Allnorfr, J.. an Szaflarski, J.P., 6. Voxl-bas Gaussian naïv ays classification of ischmic strok lsions in iniviual T-wight MI scans. Journal of Nuroscinc Mthos, [onlin], pp.9 8. Gupta, V., Scinc, C. an Lhal, G.S.,. A Survy of Txt Summarization Extractiv Tchniqus. (), pp Inrjt, M., 9. Summarization Evaluation: An Ovrviw. Pflg Zitschrift, 6(6), pp.. Klin, G., Hirschman, L., Firmin, T., igo, S., Mani, I. an Hous,., 998. Th TIPSTE SUMMAC Txt Summarization Evaluation. Mthos, pp. 8. Mhta, P., 6. From Extractiv to Abstractiv Summarization : A Journy. pp. 6. Munková,., Munk, M. an Vozár, M.,. pr-procssing valuation for txt mining: Transaction/squnc mol. Procia Computr Scinc, 8, pp.98. Nnkova, A. an McKown, K.,. Automatic Summarization. Founations an Trns in Information trival, [onlin] (), pp.. Olivira, H., Frrira,., Lima,., Lins,.., Fritas, F., iss, M. an Simsk, S.J., 6. Assssing shallow sntnc scoring tchniqus an combinations for singl an multi-ocumnt summarization. Exprt Systms with Applications, [onlin] 6, pp Salh, A., El, M. an Mnai,.,. Naı v ays classifirs for authorship attribution of Arabic txts. Journal of King Sau Univrsity - Computr an Information Scincs, [onlin] 6(), pp. 8. Shouzhong, T., 6. Mining microblog usr intrsts bas on Txtank with TF-IF factor. Th Journal of China Univrsitis of Posts an Tlcommunications, [onlin] (), pp. 6. Stinbrgr, J. an Jžk, K., 9. Evaluation masurs for txt summarization. Computing an Informatics, 8(), pp.. Tala, F.Z.,. A Stuy of Stmming Effcts on Information trival in ahasa Inonsia. M.Sc. Thsis, Appnix, pp, pp.9 6. Tayal, M.A., aghuwanshi, M.M. an Malik, L.G.,. ATSSC: vlopmnt of an approach bas on soft computing for txt summarization. Computr Spch & Languag, [onlin], pp.. Uysal, A.K. an Gunal, S.,. Th impact of prprocssing on txt classification.
13 Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr 9 Information Procssing an Managmnt, [onlin] (), pp.. Zhang, W. an Gao, F.,. Procia Enginring An Improvmnt to Naiv ays for Txt Classification. [onlin], pp.6 6.
Penerapan Algoritma RSA dan CBC (Chiper Block Chaining) untuk Enkripsi-Dekripsi Citra Digital
Pnrapan Algoritma RSA an CBC (Chipr Block Chaining) untuk - Citra Digital Muhamma Hilmi Asyrofi an 13515083 1 Program Stui Tknik Informatika Skolah Tknik Elktro an Informatika Institut Tknologi Banung,
Lebih terperinciPenggunaan Metode User Centered Design (UCD) dalam Perancangan Ulang Web Portal Jurusan Psikologi FISIP Universitas Brawijaya
Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr -ISSN: 24-964X Vol. 2, No. 7, Juli 21, hlm. 244-24 http://j-ptiik.ub.ac.i Pnggunaan Mto Usr Cntr Dsign (UCD) alam Prancangan Ulang Wb Portal Jurusan
Lebih terperinciSolusi Persamaan Schrodinger 1-dimensi untuk Potensial Deng Fan MenggunakanKonstruksi Supersimetri
ISSN: 57-533X Solusi Prsamaan Shroingr 1-imnsi untuk Potnsial Dng Fan MnggunakanKonstruksi Suprsimtri 1. Wahyulianti, A. Suparmi, C. Cari 1, Program Stui Ilmu Fisika Pasasarjana Univrsitas Sblas Mart,
Lebih terperinci1. Proses Normalisasi
BAB IV PEMBAHASAN A. Pr-Procssing Pross pngolahan signal PCG sblum dilakukan kstaksi dan klasifikasi adalah pr-procssing. Signal PCG untuk data training dan data tsting trdapat dalam lampiran 5 (halaman
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.
6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi
Lebih terperinciESTIMASI PARAMETER PADA KENDALI ADAPTIF DENGAN METODA LEAST SQUARE. Iskandar Aziz Dosen Fakultas Teknik Universitas Almuslim ABSTRAK
ESIMASI ARAMEER ADA KENDALI ADAIF DENGAN MEODA LEAS SQUARE Iskanar Aziz Dosn Fakultas knik Univrsitas Almuslim ABSRAK Estimasi paramtr alam kontrol aaptif sangat pnting mngingat prinsip bahwa hasil stimasi
Lebih terperinci23. FUNGSI EKSPONENSIAL
BAB III FUNGSI-FUNGSI ELEMENTER Paa bagian ini kita slalu mmprtimbangkan fungsi lmntr yang iplajari alam kalkulus an mnfinisikan hubungannya ngan fungsi ari suatu variabl komplks. Khususnya, kita finisikan
Lebih terperinciAplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan
Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam
Lebih terperinciANALISIS SAMBUNGAN PAKU
4 ANALISIS SAMBUNGAN PAKU Alat sambung paku masih sring ijumpai paa struktur atap, ining, atau paa struktur rangka rumah. Tbal kayu yang isambung biasanya tiak trlalu tbal brkisar antara 0 mm sampai ngan
Lebih terperinciUJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)
UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan
Lebih terperinciDebuging Program dengan EasyCase
Modul asyc 1 Dbuging Program dngan EasyCas Di susun Olh : Di dukung olh : Portal dukasi Indonsia Opn Knowlodg and Education http://ok.or.id Modul asyc 2 KATA PENGANTAR Puji syukur kpada guru sjatiku Gusti
Lebih terperinciFUNGSI EKSPONEN, TRIGONOMETRI DAN HYPERBOLIK BAB I FUNGSI EKSPONEN
BAB I FUNGSI EKSPONEN Dfinisi Fungsi ksponn aalah fungsi f yang mnntukan k. Rumusnya ialah f(. Fungsi ksponn ngan pubah bbas + yi ( an y bilangan ral aalah (cos y + i sin y. Dari finisi ini, jika : y 0
Lebih terperinciANALISIS STABILITAS MODEL PERSAMAAN DIFERENSIAL PADA INTERAKSI DUA POPULASI DENGAN FAKTOR LOGISTIK
ANALISIS STABILITAS MODEL PERSAMAAN DIFERENSIAL PADA INTERAKSI DUA POPULASI DENGAN FAKTOR LOGISTIK Supani 1 Astrak Prsaingan khiupan i alam apat ikatgorikan ua jnis yaitu prtama prsaingan antara ua spsis
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian
Lebih terperinciPERANCANGAN KOMUNIKASI WIRELESS ANTAR MIKROKONTROLER PADA SISTEM KENDALI OTOMATIS
Konfrnsi Nasional Sistm an Informatika 2010; Bali, Novmbr 13, 2010 PERANCANGAN KOMUNIKASI WIREESS ANTAR MIKROKONTROER PAA SISTEM KENAI OTOMATIS ssy Novita an Acp Yuhana Jurusan Fisika FMIPA Univrsitas
Lebih terperinciBAB I METODE NUMERIK SECARA UMUM
BAB I METODE NUMERIK SECARA UMUM Aplikasi modl matmatika banyak muncul dalam brbagai disiplin ilmu pngtahuan, sprti isika, kimia, konomi, prsoalan rkayasa (tknik msin, sipil, lktro). Modl matmatika yang
Lebih terperinciINERSIA Vol. V No. 1, Maret 2013 KORELASI ANTARA CBR RENDAMAN DENGAN PARAMETER FISIS PADA MATERIAL TIMBUNAN REKLAMASI LOKAL SAMARINDA
KORELASI ANTARA RENDAMAN DENGAN PARAMETER FISIS PADA MATERIAL TIMBUNAN REKLAMASI LOKAL SAMARINDA Kukuh Prihatin Staff Pngajar Politknik Ngri Samarina Jurusan tknik Sipil ABSTRACT Lan vlopmnt with rclamation
Lebih terperinciPENENTUAN NILAI e/m ELEKTRON
Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga
Lebih terperinciELEKTROMAGNETIKA TERAPAN
KTROMAGNTIKA TRAPAN GOMBANG INTAS MDIUM D W I A N D I N U R M A N T R I S U N A N G S U N A R YA H A S A N A H P U T R I AT I K N O V I A N T I POKOK BAHASAN PNDAHUUAN KOFISIN PANTU, KOFISIN TRUS, DAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Blakang Di dalam dunia bisnis yang smakin ktat saat ini prusahaan dituntut untuk mmiliki banyak kunggulan komptitif agar dapat brsaing dngan yang lainnya. Maka dari itu, prusahaan
Lebih terperinciAnalisis Rangkaian Listrik
Sudaryatno Sudirham Analisis Rangkaian Listrik Mnggunakan Transformasi Fourir - Sudaryatno Sudirham, Analisis Rangkaian Listrik (4) BAB Analisis Rangkaian Mnggunakan Transformasi Fourir Dngan pmbahasan
Lebih terperinciBAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan
BAB 3 METODOLOGI PERANCANGAN 3.1 Input Data Citra Wajah Pada pnlitian ini, digunakan sbanyak 525 citra ajah yang trdiri dari 35 orang. Stiap orang diambil sampl sbanyak 15 citra ajah dngan pncahayaan yang
Lebih terperinciSISTEM KONTROL FUZZY SLIDING MODE PADA TRAYEKTORI TEMPERATUR FURNACE
JURNAL LOGIC. VOL. 3. NO.. MARET 03 7 ITEM KONTROL FUY LIDING MODE PADA TRAYEKTORI TEMPERATUR FURNACE I Ktut Darminta an I Nyoman ukarma Jurusan Tknik Elktro, Politknik Ngri Bali Bukit Jimbaran, P.O. Box
Lebih terperinciModifikasi Analytic Network Process Untuk Rekomendasi Pemilihan Handphone
Modifikasi Analytic Ntwork Procss Untuk Rkomndasi Pmilihan Handphon Fry Dwi Hrmawan Jurusan Informatika Fakultas MIPA, Univrsitas Sblas Mart Surakarta frydh@yahoocom Ristu Saptono Jurusan Informatika Fakultas
Lebih terperincimodel pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag
Modl Modl Pngukuran dalam Pmodlan Prsamaan Struktural Wahyu Widhiarso Fakultas Psikologi UGM Tulisan ini akan mmbahas bbrapa modl dalam SEM yang unik. Dikatakan unik karna jarang dipakai. Tulisan hanya
Lebih terperinciPenentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang
Pnntuan Lot Siz Pmsanan Bahan Baku Dngan Batasan Kapasitas Gudang Dana Marstiya Utama 1 Abstract. This papr xplains th problm o dtrmining th lot siz o ordring raw matrials with warhous capacity limitation
Lebih terperinciIntegral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma
Modul Intgral Fungsi Eksponn, Fungsi Trigonomtri, Fungsi Logaritma Dr. Subanar D PENDAHULUAN alam mata kuliah Kalkulus I Anda tlah mngnal bahwa intgrasi adalah pross balikan dari difrnsiasi. Jadi untuk
Lebih terperinciFUNGSI DOMINASI ROMAWI PADA LINE GRAPH
Bultin Ilmiah Mat. Stat. dan Trapannya (Bimastr) Volum 04, No. 2 (2015), hal 119 126. FUNGSI DOMINASI ROMAWI PADA LINE GRAPH Ysi Januarti, Mariatul Kiftiah, Nilamsari Kusumastuti INTISARI Himpunan D disbut
Lebih terperinciPELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN
JIMT ol. 9 No. 1 Juni 01 (Hal. 16 8) Jurnal Ilmiah Matmatika dan Trapan ISSN : 450 766X PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN Nurainun 1, S. Musdalifah,
Lebih terperinciBab 6 Sumber dan Perambatan Galat
Mtod Pnlitian Suradi Sirgar Bab 6 Sumbr dan Prambatan Galat 6. Sumbr galat. Data masukan, misal hasil pngukuran (galat bawaan). Slama komputasi (galat pross), galat ang timbul akibat komputasi 3. Galat
Lebih terperinciANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER
Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti
Lebih terperinciAnalisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang
Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil
Lebih terperinciRANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED)
RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED) Winny Friska Uli,Ali Hanafiah Ramb Konsntrasi Tknik Tlkomunikasi, Dpartmn Tknik Elktro Fakultas
Lebih terperinciMODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL
ISSN : 407 846 -ISSN : 460 846 MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL Chrish Rikardo *, Taufik Limansyah, Dharma Lsmono Magistr Tknik Industri,
Lebih terperinciPenggunaan Algoritma RSA dengan Metode The Sieve of Eratosthenes dalam Enkripsi dan Deskripsi Pengiriman
Pnggunaan Algoritma RSA dngan Mtod Th Siv of Eratosthns dalam Enkripsi dan Dskripsi Pngiriman Email Muhammad Safri Lubis Jurusan Tknologi Informasi Fak. Ilmu Komputr dan Tknologi Informasi, USU Mdan, Indonsia
Lebih terperinciSTRUKTUR DAN KOMPOSISI TANAH
STRUKTUR DAN KOMPOSISI TANAH 2.1 Pnahuluan Tanah truun ari butiran tanah atau partikl lainnya an rongga-rongga atau pori i antara partikl butiran tanah. Rongga-rongga trii bagian atau luruhnya ngan air
Lebih terperinciMETODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT
METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR E. Yuliani, M. Imran, S. Putra Mahasiswa Program Studi S Matmatika Laboratorium Matmatika Trapan, Jurusan
Lebih terperinciPENENTUAN FLUKS NEUTRON PADA KOLOM IRRADIASI SISTEM TRANSFER PNEUMATIK PASCA PENGGANTIAN BAHAN BAKAR
PROSIDIN SEMINAR PENELITIAN DAN PENELOLAAN PERANKAT NUKLIR Pusat Tknologi Akslrator an Pross Bahan Yogyakarta, 7 Juli 011 PENENTUAN FLUKS NEUTRON PADA KOLOM IRRADIASI SISTEM TRANSFER PNEUMATIK PASCA PENANTIAN
Lebih terperinciPertemuan XIV, XV VII. Garis Pengaruh
ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui
Lebih terperinci3. Prosesor dibuat oleh beberapa pengembang, seperti a. Microsoft b. Linux c. AMD d. Modem e. Scanner
SOAL DAN JAWABAN TES ONLINE KOMPETENSI DASAR I 1. Yang mrupakan alat masukan ari komputr aalah sagai rikut, kuali : a. Mous. Kyoar. Sannr. Mom. Joystik 2. Prinsip krja komputr apat igamarkan sagai rikut
Lebih terperinciTURUNAN RANGKUMAN MATERI. '( x) lim. '( x) lim lim 0. Turunan fungsi f(x) terhadap x didefinisikan sebagai berikut. f (x+h) f (x) x x + h
TURUNAN RANGKUMAN MATERI Turunan fungsi f() traap ifinisikan sbagai brikut f f ( ) f ( ) '( ) lim 0 f (+) f () + Scara gomtri turunan fungsi i = mrupakan grain/kmiringan kurva fungsi trsbut i =. Torma:
Lebih terperinciOleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,
Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV
Lebih terperinciSIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE
SIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE Fabio Dwi Bagus Irawan 1,a, Cahyo Budiyantoro 1,b, Thoharudin 1,c 1 Program Studi Tknik Msin, Fakultas Tknik, Univrsitas
Lebih terperinciROKET AIR SMA NEGERI 21 MAKASSAR
ALAT PERAGA FISIKA ROKET AIR SMA NEGERI 21 MAKASSAR I. PENDAHULUAN 1. Latar Blakang Trkadang di waktu snggang srang siswa tatkala kbanyakan mrka mnggunakannya untuk brmalas-malasan, mlakukan hal yang tak
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
IV SI D EMS 4 Mol Mikroskopik Jalur unggal Mol mikroskopik mrupakan suatu mol yang mnskripsikan tingka laku pngnara mobil scara iniiu paa brbagai macam situasi alam brknara i jalan raya aa mol mikroskopik
Lebih terperinciEnsembel Kanonik Klasik
nsmbl Kanonik Klasik Mnghitung Banyak Status Kaaan Sistm Misal aa ua sistm A an B yang bolh brtukar nrgi tai tiak bolh tukar artikl. Misal status kaaan an nrgi masing-masing sistm aalah sbb: Status A nrgi
Lebih terperinciII. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf
II. LANDASAN TEORI 2.1 Konsp Dasar Graf Pada bagian ini akan dibrikan konsp dasar graf dan dimnsi partisi graf yang digunakan sbagai landasan tori pada pnlitian ini. Tori dasar mngnai graf yang akan digunakan
Lebih terperinciOnline Jurnal of Natural Science, Vol.3(1): ISSN: March 2014
Onlin Jurnal of Natural Scinc, ol.3(1): 65-74 ISSN: 338-0950 March 014 PELABELAN TOTAL SISI AJAIB SUPER (TSAS) PADA GABUNGAN GRAF ULAT BULU DAN BIPARTITE LENGKAP I W. Sudarsana 1, Fitria and S. Musdalifah
Lebih terperinciPENGARUH KUALITAS SISTEM, KUALITAS INFORMASI DAN PENGGUNAAN NYATA TERHADAP KEPUASAN PEMAKAI LAPORAN KEUANGAN
PENGARUH KUALITAS SISTEM, KUALITAS INFORMASI DAN PENGGUNAAN NYATA TERHADAP KEPUASAN PEMAKAI LAPORAN KEUANGAN (Stui Paa Satuan Krja Prangkat Darah Pmrintah Provinsi Jambi) Tumarni 1) 1) Fakultas Ekonomi
Lebih terperinciMETODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT
METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Yuli Syafti Purnama Mahasiswa Program Studi S Matmatika Fakultas Matmatika dan Ilmu Pngtahuan Alam Univrsitas Riau Kampus
Lebih terperinciKAJIAN STRUKTUR EKONOMI KABUPATEN BEKASI
AJIAN STRUTUR EONOMI ABUPATEN BEASI Olh : Yuhka Sunaya, Ina Hlna Agustina Prgram Stui Prncanaan Wilayah an ta, Fakultas Tknik, Univrsitas Islam Banung Jl. Tamansari N. Banung, Prgram Stui Prncanaan Wilayah
Lebih terperinciBAB IV TURUNAN FUNGSI. Setelah mengikuti pokok bahasan ini mahasiswa diharapkan mampu menentukan turunan fungsi yang diberikan.
BAB IV TURUNAN FUNGSI Sla kia mmbaas i an kkoninuan fungsi paa bab sblumna, kia akan mmbaas nang urunan ang konspna ikmbangkan ari konsp i Pmbaasan urunan ibagi mnjai ua bagian, bagian prama mmbaas pngrian,
Lebih terperinciMINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN
Artikl Skripsi MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN SKRIPSI Diajukan Untuk Mmnuhi Sbagian Syarat Guna Mmprolh Glar Sarjana Pndidikan (S.Pd.) Pada Jurusan
Lebih terperinciUJI PERFORMANCE MEJA GETAR SATU DERAJAT KEBEBASAN DENGAN METODE STFT
UJI PERFORMANCE MEJA GETAR SATU DERAJAT KEBEBASAN DENGAN METODE STFT Jhon Malta (1) (1) Laboratorium Dinamika Struktur Jurusan Tknik Msin Fakultas Tknik Univrsitas Andalas, Padang. Email: jhonmalta@ft.unand.ac.id
Lebih terperinciDEFINISI. Pohon adalah graf tak-berarah terhubung yang tidak mengandung sirkuit. pohon pohon bukan pohon bukan pohon 2
1 POHON DEFINISI Pohon aalah graf tak-rarah trhuung yang tiak mnganung sirkuit a a a a f f f f pohon pohon ukan pohon ukan pohon 2 Hutan (forst) aalah - kumpulan pohon yang saling lpas, atau - graf tiak
Lebih terperinci1. Diberikan fungsi permintaan dan penawaran sebuah barang, Q 25 2Q
Matmatika Ekonomi I Jawaban Tuga I Matmatika Ekonomi I. Dibrikan fungi prmintaan an pnawaran buah barang, 0 ngan,, an brturut-turut aalah harga (alam rupiah), kuantita (jumlah) prmintaan an kuantita pnawaran.
Lebih terperinciAplikasi Media Pembelajaran Budidaya Ikan Gurame Berbasis Web Guna Mendukung Desa Pintar
Aplikasi Mdia Pmblajaran Budidaya Ikan Guram Brbasis Wb Guna Mndukung Dsa Pintar Mardiyono, Dwi Irvan Rosadi Jurusan Tknik Elktro Politknik Ngri Smarang E-mail : mardiyono@polins.ac.id, dwiirvanrosadi@gmail.com
Lebih terperinciPENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC (STUDI KASUS: PT.
Bultin Ilmiah Math. Stat. dan Trapannya (Bimastr) Volum 04, No. 3 (2015), hal 295 304. PENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC (STUDI KASUS: PT. Wicaksana Ovrsas
Lebih terperinciBAB II TINJAUAN PUSTAKA. berbagai macam seperti gambar dibawah (Troitsky M.S, 1990).
BAB II TINJAUAN USTAKA 2.1 Struktur Rangka Baja Extrnal rstrssing Scara toritis pningkatan kkuatan pada rangka baja untuk jmbatan dapat dilakukan dngan pmasangan prkuatan pratkan kstrnal pada rangka trsbut.
Lebih terperinciPresentasi 2. Isi: Solusi Persamaan Diferensial pada Saluran Transmisi
Prsntasi Isi: Solusi Prsamaan Difrnsial pada Saluran Transmisi Rprsntasi sinyal dalam bntuk phasor Pmikiran Dasar Sinyal harmonis mudah untuk diturunkan dan diintgralkan Smua sinyal fungsi waktu bisa dirprsntasikan
Lebih terperinciPembahasan Soal. Pak Anang SELEKSI MASUK UNIVERSITAS INDONESIA. Disertai TRIK SUPERKILAT dan LOGIKA PRAKTIS. Disusun Oleh :
Pmbahasan Soal SELEKSI MASUK UNIVERSITAS INDONESIA Disrtai TRIK SUPERKILAT dan LOGIKA PRAKTIS Disusun Olh : Pak Anang Kumpulan SMART SOLUTION dan TRIK SUPERKILAT Pmbahasan Soal SIMAK UI 2011 Matmatika
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI Pada bab ini akan diuraikan mngnai tori dan trminologi graph, yaitu bntuk-bntuk khusus suatu graph. Di sini uga akan dilaskan mngnai minimum spanning tr, pmrograman 0-, dan aplikasi
Lebih terperinciMuatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu
Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 7
Mata Kuliah : Matmatika Diskrit Program Studi : Tknik Informatika Minggu k : 7 MATRIK GRAPH Sbuah graph dapat kita sajikan dalam bntuk matrik, yaitu : a. Matrik titik (Adjacnt Matrix) b. Matrik rusuk (Edg
Lebih terperinciANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI
Analisa Pngaruh Pack Carburizing Mnggunakan Arang Mlanding (Mas ad dkk.) ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Mas ad,
Lebih terperinciHUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS
18Novmbr 17 Tma 7: Ilmu-Ilmu Murni (Matmatika, Fisika, Kimia dan Biologi) HUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS Olh Agung Prabowo
Lebih terperinciRELEVANSI SIKAP ILMIAH SISWA DENGAN KONSEP HAKIKAT SAINS DALAM PELAKSANAAN PERCOBAAN PADA PEMBELAJARAN IPA DI SDN KOTA BANDA ACEH
70 RELEVANSI SIKAP ILMIAH SISWA DENGAN KONSEP HAKIKAT SAINS DALAM PELAKSANAAN PERCOBAAN PADA PEMBELAJARAN IPA DI SDN KOTA BANDA ACEH Olh Sardinah, Tursinawati, dan Anita Noviyanti Abstrak: Hakikat sains
Lebih terperinciAlur Berpikir Materi dan Metode Kaderisasi dalam Sebuah Organisasi di ITB dengan Metode Graf Berarah
Alur Brpikir Matri an Mto Karisasi alam Suah Organisasi i ITB ngan Mto Gra Brarah Muhamma Ikhsan (1351106) Program Stui Tknik Inormatika Skolah Tknik Elktro an Inormatika Institut Tknologi Banung, Jl.
Lebih terperinciMODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa
Lebih terperinciMODEL SISTEM PRODUKSI PEMASOK PRODUSEN DALAM LINGKUNGAN JIT DENGAN MEMPERTIMBANGKAN PRODUK NON-CONFORMING DAN GARANSI PRODUK
Simposium Nasional RAI XII - 3 FT UMS ISSN 4-96 MOEL SISTEM ROUKSI EMASOK ROUSEN ALAM LINGKUNGAN JIT ENGAN MEMERTIMBANGKAN ROUK NON-CONFORMING AN GARANSI ROUK Slamt Stio igati, Agustinus Gatot Bintoro
Lebih terperinciBAB IV DATA DAN ANALISA
BAB IV DATA DAN ANALISA Pngujian yang dilakukan brupa pngujian masa hidup (lifim) cahaya dari 0 uni lampu DC 4,8 Vol olh hardwar yang lah dirancang. Hasil pngujian ini akan dianalisa raa-raa lifim µ dari
Lebih terperinciGAMBARAN PELATIHAN KETERAMPILAN OTOMOTIF DI BALAI LATIHAN KERJA INDUSTRI (BLKI), KOTA PADANG. Bobby Satria
GAMBARAN PELATIHAN KETERAMPILAN OTOMOTIF DI BALAI LATIHAN KERJA INDUSTRI (BLKI), KOTA PADANG Bobby Satria Program Studi Pndidikan Luar Skolah FIP Univrsitas Ngri Padang Email: satriab234@yahoo.co.id Absract
Lebih terperinciANALISIS PERPINDAHAN PANAS KONVEKSI PAKSA NANOFLUIDA AIR-Al2O3 DALAM SUB-BULUH VERTIKAL SEGIENAM
ISSN : 2355-9365 -Procding of Enginring : Vol.4, No.1 April 2017 Pag 632 Abstrak ANALISIS PERPINDAHAN PANAS KONVEKSI PAKSA NANOFLUIDA AIR-Al2O3 DALAM SUB-BULUH VERTIKAL SEGIENAM FORCED CONVECTION HEAT
Lebih terperinciDeret Fourier, Transformasi Fourier dan DFT
Drt Fourir, Transformasi Fourir dan DFT A. Drt Fourir Drt fourir adalah drt yang digunakan dalam bidang rkayasa. Drt ini prtama kali ditmukan olh sorang ilmuan prancis Jan-Baptist Josph Fourir (1768-18).
Lebih terperinciTINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER
TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER HannaA Parhusip Cntr of Applid Mathmatics Program Studi Matmatika Industri dan Statistika Fakultas Sains dan Matmatika Univrsitas Kristn Sata
Lebih terperinciVI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH
VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH.. Faktor-Faktor yang Mmpngaruhi Produktivitas Cabai Mrah dan Nilai Elastisitas Input trhadap Produktivitas...
Lebih terperinciBAB 2 LANDASAN TEORI
6 A ANDAAN TEORI Pngrtian MM Multi vl Markting MM adalah salah satu contoh unit usaha yang brpola bisnis unik, yang sdang brkmbang di dalam bidang pnjualan barangbarang kbutuhan manusia, mulai brupaya
Lebih terperinciPENGENALAN ANGKA MELALUI PERMAINAN DADU DALAM PEMBELAJARAN MATEMATIKA PADA ANAK USIA 5-6 TAHUN
PENGENALAN ANGKA MELALUI PERMAINAN DADU DALAM PEMBELAJARAN MATEMATIKA PADA ANAK USIA 5-6 TAHUN Mlania, Masluyah Suib, Dsni Yuniarni Pndidikan Guru Pndidikan Anak Usia Dini FKIP Untan, Pontianak Email :
Lebih terperinciPENERAPAN MIN PLUS ALGEBRA PADA PENENTUAN RUTE TERCEPAT DISTRIBUSI SUSU
J. Math. and Its ppl. E-ISSN: 2579-8936 P-ISSN: 829-605X Vol. 4, No. 2, Dsmbr 207, 5-24 PENERPN MIN PLUS LGEBR PD PENENTUN RUTE TERCEPT DISTRIBUSI SUSU Vivi Suwanti, Poht Bintoto 2, Riski Nur Istiqomah
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network
JURNAL SAINS DAN SENI ITS Vol., No., (Spt. 202) ISSN: 230-928X D-36 Pmodlan Faktor-faktor yang Mmpngaruhi Prstasi Mahasiswa Pasca Sarjana ITS dngan Rgrsi Logistik dan Nural Ntwork Wijdani Anindya Hadi
Lebih terperinciIV. Konsolidasi. Pertemuan VII
Prtmuan VII IV. Konsolidasi IV. Pndahuluan. Konsolidasi adalah pross brkurangnya volum atau brkurangnya rongga pori dari tanah jnuh brpmabilitas rndah akibat pmbbanan. Pross ini trjadi jika tanah jnuh
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA. Klasifikasi Partikl Alam smsta mnganung brbagai maam partikl yang mmbangun brbagai zat yang trkanung i alamnya. Dalam prkmbangannya tlah itmukan bgitu banyak partikl yang mmnuhi
Lebih terperinciImplementasi Pemodelan Multi Kriteria (PMK) Pada Sistem Pendukung Keputusan Pengujian Mutu Ban Sepeda Motor
Implmntasi Pmodlan Multi Kritria (PMK) Pada Sistm Pndukung Kputusan Pngujian Mutu Ban Spda Motor Muliadi Muliadiaziz@yahoo.com Abstract This rsarch to dvlop a dsign dcision support systm with built tst
Lebih terperinciANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI
ANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI 03-1726-2012 Hotma L Purba Jurusan Tknik Sipil,Univrsitas Sriwijaya Korspondnsi pnulis : hotmapurba@hotmail.com
Lebih terperinciBAB II TEORI DASAR 2.1 Pengertian Pasang Surut
BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,
Lebih terperinciEVALUASI DAYA GABUNG PERSILANGAN JAGUNG DENGAN METODE DIALLEL
EVALUASI DAYA GABUNG PERSILANGAN JAGUNG DENGAN ETODE DIALLEL Hruna Tanty athmatics & Statistics Dpartmnt, School of Computr Scinc, Binus Univrsity Jl. K. H. Syahdan No. 9 Palmrah Jakarta Barat 11480 hrunatanty@yahoo.com
Lebih terperinciBAB II TINJAUAN KEPUSTAKAAN
BAB II TINJAUAN KEPUTAKAAN II.1 PENDAHULUAN Yild lin adalah suatu pmcahan yang dapat digunakan dalam plat bton dimana trjadinya tgangan llh dan rotasi scara plastis muncul. Tori ini dapat digunakan dalam
Lebih terperinciApartemen Holland Village Cempaka Putih
Cmpaka Putih Awal tahun 2013 ini, Lippo Group kmbali mmprsmbahkan proyk apa trbarunya i Cmpaka Putih, Jakarta Pusat ngan nama rtt stlah sukss ggarap Kmang an St. Moritz. Proyk trbaru ari Lippo Hom ini
Lebih terperinciPERANCANGAN BANDSTOP FILTER (BSF) DENGAN ALGORITMA GENETIK
Vol.6 No.. Agustus 04 Jurnal Momntum ISSN : 693-75X PERANCANGAN BANDSTOP FILTER (BSF) DENGAN ALGORITMA GENETIK Olh: Muhammad Anwar Dosn Jurusan Tknik Elktronika Univrsitas Ngri Padang Abstract A study
Lebih terperinciBAB 2 DISTRIBUSI INDUK DAN DISTRIBUSI SAMPEL
BAB DISTRIBUSI IDUK DA DISTRIBUSI SAMEL.. EDAHULUA Jika suatu bsaran mmiliki nilai ssungguhnya sdangkan hasil ukurnya adalah maka kita mngharapkan hasil pngamatan mndkati, namun knyataannya tidak slalu
Lebih terperinciPERKEMBANGAN TEORI ATOM & PENEMUAN PROTON, NEUTRON, ELEKTRON. Putri Anjarsari, S.Si., M.Pd
PERKEMBANGAN TEORI ATOM & PENEMUAN PROTON, NEUTRON, ELEKTRON Putri Anjarsari, S.Si., M.Pd putri_anjarsari@uny.ac.id PERKEMBANGAN TEORI ATOM Dmokritus Dalton Thomson Ruthrford Bohr Mkanika glombang Dmokritus
Lebih terperinciPENGEMBANGAN BAHAN AJAR FISIKA BERBASIS MASALAH UNTUK MENUMBUHKAN HIGHER ORDER THINKING SKILL (HOTS) SISWA KELAS X POKOK BAHASAN FLUIDA STATIS
PENGEMBANGAN BAHAN AJAR FISIKA BERBASIS MASALAH UNTUK MENUMBUHKAN HIGHER ORDER THINKING SKILL (HOTS) SISWA KELAS X POKOK BAHASAN FLUIDA STATIS Siti Ainur Rohmah, Sutarman dan Lia Yuliati Jurusan Fisika,
Lebih terperinciINFLUENCE OF LIMES COLUMN VARIATION DISTANCE IN SOFT CLAY STABILIZATION A REVIEW OF INDEX COMPRESSION (Cc) PARAMATER
INFLUENCE OF LIMES COLUMN VARIATION DISTANCE IN SOFT CLAY STABILIZATION A REVIEW OF INDEX COMPRESSION (Cc) PARAMATER PENGARUH VARIASI JARAK KOLOM KAPUR DALAM STABILISASI LEMPUNG LUNAK PADA TINJAUAN NILAI
Lebih terperinci8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik
8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna
Lebih terperinciPENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA
PENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 211 PERNYATAAN
Lebih terperinciBAB I PENDAHULUAN 1.1.Latar Belakang
BAB I PENDAHULUAN 1.1.Latar Blakang Sarana dan prasarana transportasi di suatu ngara mmpunyai pranan yang sangat pnting dalam pngmbangan suatu kawasan trtntu, baik konomi, sosial, budaya dan sbagainya.
Lebih terperinciBAB V DISTRIBUSI PROBABILITAS DISKRIT
BAB V DISTRIBUSI ROBABILITAS DISKRIT 5.. Distribusi Uniform Disrit Bila variabl aca X mmilii nilai,,... dngan probabilitas yang sama, maa distribusi uniform disrit dinyataan sbagai: f (, ) ;,,... paramtr
Lebih terperinciPELABELAN PRIME CORDIAL UNTUK GRAF BUKU DAN GRAF MATAHARI YANG DIPERUMUM
JIMT Vol. 4 No. Juni 07 (Hal 56-69) ISSN : 450 766X PELABELAN PRIME CORDIAL UNTUK GRAF BUKU DAN GRAF MATAHARI YANG DIPERUMUM S.Pranata, I. W. Sudarsana dan S.Musdalifah 3,,3 Program Studi Matmatika Jurusan
Lebih terperinciPENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENGKLASIFIKASIAN STATUS GIZI SKRIPSI. Oleh: INDA SAFITRI NIM
PENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENGKLASIFIKASIAN STATUS GIZI SKRIPSI Olh: INDA SAFITRI NIM. 065009 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM
Lebih terperinciPENDEKATAN NUMERIK FUNGSI GAMMA UNTUK PERHITUNGAN LEVY FLIGHT PADA ALGORITMA CUCKOO SEARCH
Sminar Nasional Matmatika dan Aplikasinya, Oktobr 07 PENDEKATAN NUMERIK FUNGSI GAMMA UNTUK PERHITUNGAN LEVY FLIGHT PADA ALGORITMA CUCKOO SEARCH Eto Wuryanto ), Dyah Hrawati ), Kartono 3), Rimuljo Hradi
Lebih terperinci