PENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG 1 METER (001S)
|
|
- Ridwan Sudirman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG METER (00S) Ahmad Muhtarom Jurusa Tekik Sipil, Uiversitas Sriwijaya, Jl. Raya Palembag-Prabumulih KM.3 Ideralaya Oga Ilir ABSTRAK Peelitia ii bertujua utuk memprediksi tegaga-tegaga maksimum yag terjadi pada balok kastela bukaa heksagoal betag meter (BKBH-M) megguaka Artificial Neural Network. Metode kerja dari Artificial Neural Network dalam peelitia ii adalah meghasilka suatu persamaa matematis yag diguaka sebagai prediksi. Fugsi matematis didapatka dari hasil geeralisasi data output target tegaga tarik, tegaga teka da tegaga geser maksimum dari BKBH-M hasil pegujia da studi parameter megguaka metode eleme higga. Dari hasil peelitia didapatka rasio perbadiga output prediksi dega output target adalah tegaga tarik 0.99 ( : ), tegaga teka 0,99 ( : ), da tegaga geser.06 (33.73 : 33.30). Hasil peelitia meujukka bahwa Artificial Neural Network dapat diguaka utuk memprediksi tegaga pada balok kastela bukaa heksagoal betag meter. Kata kuci: Artificial eural etwork, tegaga, balok kastela. PENDAHULUAN Dasar dari pemiliha material baja dalam bidag kostruksi adalah utuk medapatka suatu struktur yag kuat, riga, lagsig da cepat dalam pelaksaaa. Betuk peampag baja yag palig bayak diguaka adalah profil I WF, dimaa profil tersebut merupaka betuk peampag yag palig kuat, efisie da stabil. Salah satu tekologi yag memodifikasi baja profil I WF dalam suatu struktur adalah balok baja kastela. Sistem pembuata balok kastela adalah pemotoga pada bagia bada balok baja profil I dega pola zigzag, kemudia kedua potoga tersebut diagkat da disatuka dega pegelasa. Modifikasi ii membuat tiggi balok lebih tiggi dari tiggi awal. Salah satu cotoh sistem pembuata balok kastela dapat dilihat pada Gambar di bawah ii : Gambar. Pola potoga da peggabuga balok kastela (Boyer, 964) Kelebiha yag dimiliki balok kastela dibadigka dega balok baja I WF biasa adalah kapasitas mome letur yag lebih besar karea peambaha tiggi balok tapa meambah berat sediri, ilai artistik yag lebih idah da lubag-lubag dalam balok kastela tersebut bisa dimafaatka utuk istalasi mekaikal-elektrikal. Selai memiliki kelebiha balok kastela juga memiliki kelemaha yaitu terhadap gaya geser da tekuk (bucklig) akibat modifikasi tersebut. Utuk mereduksi kelemaha tersebut harus dilakuka pemiliha dimesi lubag heksagoal yag optimal sesuai dega kodisi racaga yag kita igika. Kriteria kodisi yag palig serig diguaka dalam suatu aalisis struktur balok baja adalah deformasi da tegaga yag terjadi. Uiversitas Sebelas Maret (UNS) - Surakarta, 4-6 Oktober 03 S -
2 Utuk medapatka prediksi kodisi tersebut diperluka suatu metode pedekata yag bisa megakomodasi batasa-batasa kodisi tersebut. Salah satu pedekata secara logika yag bayak diguaka dalam bidag tekik adalah pedekata Artificial Neural Network. Pedekata ii dibuat megadopsi dari sistem saraf biologi pada otak mausia yag dijadika sebagai pembadig dasar sistem. Sistem kerjaya adalah dega cara iterasi coba-badig, dimaa cara tersebut adalah dasar model simulasi utuk medapatka fugsi matematis yag diguaka dalam prediksi kodisi yag kita igika. Dega kemampua memprediksi tersebut maka peulis megguaka Artificial Neural Network sebagai metode utuk melakuka prediksi tegaga yag terjadi pada berbagai variasi dimesi lubag balok kastela dega bukaa heksagoal utuk betag meter. Meurut Schalkoff (996) persamaa umum Artificial Neural Network adalah : Dega Y = Output, Y f W. X ) () ( W = Bobot (kostata), X = Iput parameter, f = Fugsi trasfer (Sigmoid). Gambar. Sistematika Artificial Neural Network (Aderso da McNeill, 99). METODOLOGI PENELITIAN Lagkah-lagkah dalam peelitia ii adalah :. Membuat program aplikasi megguaka pedekata Artificial Neural Network dega model Backpropagatio megguaka program Borlad Delphi 7.. Megguaka data sekuder iput berupa variasi dimesi lubag balok kastela bukaa heksagoal betag meter (BKBH-M) yag ada di pasara da data sekuder berupa output target tegaga tarik maksimum, tegaga teka maksimum da tegaga geser maksimum yag terjadi hasil aalisis metode eleme higga (Muhtarom, 0). Data sekuder parameter iput da output target (Muhtarom, 0) dapat dilihat pada Gambar 3 da Tabel di bawah ii : Gambar 3. Parameter iput dimesi lubag bkbh-m (muhtarom, 0) Dari parameter iput di atas maka diguaka persamaa Artificial Neural Network : S - Uiversitas Sebelas Maret (UNS) - Surakarta, 4-6 Oktober 03
3 Y Y f W. X ) () t ( Dega Y = Output target yag dipasag ( max yag terjadi), t Y = Output aktual, W = Bobot (kostata), X = Iput parameter : X = Tiggi lubag (ds), X = Tiggi stem (dt), X = Lebar web post 3 (c), X 4 = Lebar lubag (a), X = Tiggi balok awal (h), 5 X = Lebar balok kastela (b), 6 X = Tebal fles (tf), 7 X = Tebal web (tw), 8 9 Sigmoid) X = Beba (P), X = Betag balok (L), f = Fugsi trasfer yag diguaka (Fugsi 0 Tabel. Data sekuder berupa iput da output target yag diguaka (Muhtarom, 0) No. INPUT OUTPUT TARGET Variasi X X X3 X4 X5 X6 X7 X8 X9 X0 tarik max teka max geser max (mm) (mm) (mm) (mm) (mm) (mm) (mm) (mm) (kn) (m) (MPa) (MPa) (MPa) 54,00 35,50 38,50 44,66 50,00 75,00 7,00 5,00 400,04 38,00 43,00 340,00 05,00 60,00 6,5 30,45 50,00 75,00 7,00 5,00 400,05 478,00 459,00 45, ,00 60,00 3,50 36,75 50,00 75,00 7,00 5, ,99 379,00 403,00 39, ,00 60,00 4,00 4,00 50,00 75,00 7,00 5,00 400,05 478,00 486,00 37, ,00 37,50 37,50 43,50 50,00 75,00 7,00 5,00 400,0 54,00 59,00 334, ,00 37,50 45,00 5,50 50,00 75,00 7,00 5,00 400,0 577,00 583,00 338, ,00 37,50 60,00 60,00 50,00 75,00 7,00 5,00 400,0 356,00 358,00 9, ,00 5,00 48,75 56,55 50,00 75,00 7,00 5,00 400,0 704,00 74,00 436, ,00 5,00 58,50 68,50 50,00 75,00 7,00 5,00 400,07 446,00 449,00 90, ,00 5,00 78,00 78,00 50,00 75,00 7,00 5,00 400,0 567,00 550,00 96,00 3. Melakuka proses komputasi program aplikasi Artificial Neural Network dega memasag output target berupa tegaga tarik maksimum, tegaga teka maksimum da tegaga geser maksimum sebagai pembadig hasil sistem. Sistem jariga Artificial Neural Network yag diguaka dalam peelitia ii dapat dilihat pada Gambar 4 di bawah ii : Gambar 4. Sistem jariga Artificial Neural Network yag diguaka dalam peelitia ii 4. Medapatka fugsi matematis dari hasil komputasi program aplikasi. Uiversitas Sebelas Maret (UNS) - Surakarta, 4-6 Oktober 03 S - 3
4 Hasil yag didapatka dari hasil komputasi simulasi Artificial Neural Network adalah fugsi matematis dari geeralisasi tegaga maksimum yag terjadi. Fugsi matematis tersebut adalah : dimaa: Z X. W Z 7 7 f ( X. W [7,] f ( X X. W [7,] [,] 8. W [,] [8,] 8 [8,] Y f Z. W Z. W ) (3) [,] 9 [,] 9 [9,] ( [,] [,] W[0, ] [9,] 3 X 3 [3,] 0 X. W [3,] Dega V da W = Kostata yag didapat dari simulasi 0 [0,]. W 4 [0,] [4,] W 4 [0,] ) [4,] W [0,] ) 5 5 [5,] [5,] 6 6 [6,] 5. Megguaka fugsi matematis tersebut utuk memprediksi tegaga tarik maksimum, tegaga teka maksimum da tegaga geser maksimum yag aka terjadi pada balok kastela bukaa heksagoal betag meter (BKBH-M). [6,] (4) (5) 3. HASIL DAN PEMBAHASAN Persamaa matematis yag didapatka dari hasil komputasi program Artificial Neural Network dimasukka data iput yag sama dega simulasi awal utuk medapatka hasil prediksi tegaga-tegaga maksimum yag terjadi pada balok kastela bukaa heksagoal betag meter (BKBH-M). Hasil prediksi tegaga-tegaga maksimum tersebut dapat dilihat pada Tabel. di bawah ii : Tabel. Hasil prediksi tegaga-tegaga maksimum megguaka program Artificial Neural Network No. INPUT OUTPUT ANN Variasi X X X3 X4 X5 X6 X7 X8 X9 X0 tarik max teka max geser max (mm) (mm) (mm) (mm) (mm) (mm) (mm) (mm) (kn) (m) (MPa) (MPa) (MPa) 54,00 35,50 38,50 44,66 50,00 75,00 7,00 5,00 400,04 504,94 58,7 40,8 05,00 60,00 6,5 30,45 50,00 75,00 7,00 5,00 400,05 448,9 463,44 440,4 3 05,00 60,00 3,50 36,75 50,00 75,00 7,00 5, ,99 439,09 444,98 383, ,00 60,00 4,00 4,00 50,00 75,00 7,00 5,00 400,05 48,36 40,3 39, ,00 37,50 37,50 43,50 50,00 75,00 7,00 5,00 400,0 499, 53, 405, ,00 37,50 45,00 5,50 50,00 75,00 7,00 5,00 400,0 476,38 493,98 35, ,00 37,50 60,00 60,00 50,00 75,00 7,00 5,00 400,0 453, 458,8 40,0 8 95,00 5,00 48,75 56,55 50,00 75,00 7,00 5,00 400,0 58,5 59,69 370,3 9 95,00 5,00 58,50 68,50 50,00 75,00 7,00 5,00 400,07 534,6 545,8 68, ,00 5,00 78,00 78,00 50,00 75,00 7,00 5,00 400,0 489,8 494,37 7,0 Prediksi Tarik Hasil prediksi tegaga tarik maksimum yag terjadi pada BKBH-M megguaka metode Artificial Neural Network (ANN) dibadigka dega output target hasil aalisis Metode Eleme Higga (MEH) dapat dilihat pada Tabel 3. da Gambar 5. Prediksi Teka Hasil prediksi tegaga teka maksimum yag terjadi pada BKBH-M megguaka metode Artificial Neural Network (ANN) dibadigka dega output target hasil aalisis Metode Eleme Higga (MEH) dapat dilihat pada Tabel 4. da Gambar 6. Tabel 3. Perbadiga ilai tegaga tarik megguaka MEH da ANN S - 4 Uiversitas Sebelas Maret (UNS) - Surakarta, 4-6 Oktober 03
5 No. Yt (MEH) Y (ANN) Variasi tarik (MPa) tarik (MPa) 38,00 504,94 478,00 448, ,00 439, ,00 48, ,00 499, 6 577,00 476, ,00 453, 8 704,00 58, ,00 534, ,00 489,8 4890, ,5 Rata-rata 489,00 485,4509 Gambar 5. Grafik perbadiga ilai tegaga tarik megguaka MEH da ANN Tabel 4. Perbadiga ilai tegaga teka megguaka MEH da ANN No. Yt (MEH) Y (ANN) Variasi teka (MPa) teka (MPa) 43,00 58,7 459,00 463, ,00 444, ,00 40,3 5 59,00 53, 6 583,00 493, ,00 458,8 8 74,00 59, ,00 545, ,00 494, , ,97 Rata-rata 496,40 496,3967 Uiversitas Sebelas Maret (UNS) - Surakarta, 4-6 Oktober 03 S - 5
6 Gambar 6. Grafik perbadiga ilai tegaga teka megguaka MEH da ANN Prediksi Geser Hasil prediksi tegaga geser maksimum yag terjadi pada BKBH-M megguaka metode Artificial Neural Network (ANN) dibadigka dega output target hasil aalisis Metode Eleme Higga (MEH) dapat dilihat pada Tabel 5. da Gambar 7. Tabel 5. Perbadiga ilai tegaga geser megguaka MEH da ANN No. Yt (MEH) Y (ANN) Variasi geser (MPa) geser (MPa) 340,00 40,8 45,00 440,4 3 39,00 383, ,00 39, ,00 405, ,00 35,33 7 9,00 40, ,00 370,3 9 90,00 68, ,00 7,0 333,00 337,30 Rata-rata 33,30 33,73 Gambar 7. Grafik perbadiga ilai tegaga geser megguaka MEH da ANN S - 6 Uiversitas Sebelas Maret (UNS) - Surakarta, 4-6 Oktober 03
7 Rasio Perbadiga Dari hasil perbadiga tegaga-tegaga maksimum pada BKBH-M dari output target hasil aalisis metode eleme higga (MEH) dega hasil prediksi megguaka Artificial Neural Network (ANN) didapatka rasio perbadiga yag dapat dilihat pada Tabel 6. di bawah ii : Tabel 6. Rasio Perbadiga ilai tegaga-tegagahasil output MEH da ANN No. Jeis Batasa Rata-rata Rata-rata Output MEH Output ANN Rasio () () (3) (4) (5) = (4)/(3) tarik 489,00 485,45 0,9974 teka 496,40 496,40 0, geser 33,30 33,73,060 Rata-rata,085 Dari rasio perbadiga tegaga-tegaga output target hasil aalisis metode eleme higga (MEH) dega hasil prediksi megguaka Artificial Neural Network (ANN) di atas dapat dilihat bahwa fugsi matematis yag dihasilka dari program aplikasi megguaka Artificial Neural Network (ANN) bisa diguaka utuk memprediksi tegaga-tegaga maksimum yag terjadi pada BKBH-M. 4. KESIMPULAN Dari hasil pembahasa maka dapat ditarik kesimpula sebagai berikut :. Dari hasil perbadiga tegaga-tegaga hasil prediksi megguaka Artificial Neural Network (ANN) dega output target hasil aalisis metode eleme higga (MEH) didapat hasilya adalah medekati, dimaa rasio perbadiga output prediksi dega output target adalah tegaga tarik 0.99 ( : ), tegaga teka 0,99 ( : ), da tegaga geser.06 (33.73 : 33.30). Sehigga metode Artificial Neural Network dapat diguaka utuk memprediksi tegaga pada balok kastela bukaa heksagoal betag meter. Bedasarka studi parameter dimesi lubag heksagoal didapatka hasil bahwa semaki tiggi lubag da lebar lubag atau web post maka semaki besar tegaga tarik da teka yag terjadi. 3. Bedasarka studi parameter dimesi lubag heksagoal didapatka hasil bahwa semaki kecil rasio lubag yag dibuat maka semaki kecil tegaga geser yag terjadi di bagia web balok. DAFTAR PUSTAKA Amayreh, L. ad Saka, M.P. (005). Failure Load of Castellated Beams Usig Artificial Neural Networks. Asia Joural of Civil Egieerig (Buildig & Housig), Vol.6, No. -, pp Aderso, D. ad McNeill, G. (99). Artificial Neural Network Techology. Kama Scieces Corporatio, New York. Blodgett. O.W. (98). Desig of Welded Structures. The-James F. Licol Arc Weldig Foudatio, Vol. 4, Clevelad, Ohio. Boyer J.P. (964), Castellated Beams-New Developmets, AISC Natioal Egieerig Coferece, Omaha. Jamil, M., Zai, M. ad Basri, H.B. (009), Neural Network Simulator Model For Optimizatio i High Performace Cocrete Mix Desig. Europea Joural of Sciecetific Research, Vol. 34, No., pp Muhtarom, A. (0). Optimasi Dimesi Lubag Heksagoal Balok Kastela Betag Pedek Dega Metode Artificial Neural Network. Tesis. Program Studi S Tekik Sipil Uiversitas Gadjah Mada, Yogyakarta. Salmo, C.G. (996). Struktur Baja Desai da Perilaku. Gramedia, Jakarta. Schalkoff, J.R. (996). Artificial Neural Network. McGraw-Hill Iteratioal Editios, Computer Sciece Series, Clemso Uiversity. Setiawa, A. (008). Perecaaa Struktur Baja Dega metode LRFD. Erlagga, Jakarta. Siag, J.J. (005). Jariga Saraf Tirua da Pemrogramaya Megguaka Matlab. Adi, Yogyakarta. Suharjato (005). Optimasi Betuk da Ukura Lubag Cellular Balok Baja Profil I dega Bukaa pada Bada Sederhaa di Daerah Stabilitas Elastis dega Beba Gravitasi. Disertasi. Program studi S3 Tekik Sipil Uiversitas Dipoegoro, Semarag. Suhedro, B. (000). Metode Eleme Higga da Aplikasiya. Uiversitas Gadjah Mada, Yogyakarta. Uiversitas Sebelas Maret (UNS) - Surakarta, 4-6 Oktober 03 S - 7
BAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciBAB V PERENCANAAN PELAT LANTAI
GROUP BAB V PRNCANAAN PLAT LANTA 5. Perecaaa Pelat Latai Perecaaa pelat latai seluruhya megguaka beto bertulag dega mutu beto f c = 0 MPa da baja utuk tulaga megguaka mutu baja fy = 40 MPa. Asumsi perhituga
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciBAB VI KESIMPULAN DAN SARAN
96 BAB I KESIPUAN AN SARAN I1 Kesimpula Berdasarka hasil pegujia, aalisis, da studi kasus utuk megetahui kekuata da desai pelat komposit beto-dek metal diperoleh kesimpula sebagai berikut: 1 Jika meurut
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun
47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciPENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD
Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),
Lebih terperinciANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG
ANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG Agam Rido Priawa¹, Ir. Mahfudz Shidiq, M.T. ², Hadi Suyoo, S.T., M.T., Ph.D.³ ¹Mahasiswa Jurusa Tekik Elektro, ² ³Dose Jurusa
Lebih terperinciPENGARUH JENIS TUMPUAN TERHADAP FREKUENSI PRIBADI PADA GETARAN BALOK LENTUR
PENGARUH JENIS TUMPUAN TERHADAP FREKUENSI PRIBADI PADA GETARAN BALOK LENTUR Naharuddi 1 1 Staf Pegajar Jurusa Tekik Mesi, Utad Abstrak. Tujua peelitia ii adalah utuk meetuka ilai frekuesi pribadi getara
Lebih terperinciSTUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN
STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii
Lebih terperinciPENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT
Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 02, No. 1(2013), hal 1-6. PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Demag, Helmi, Evi Noviai INTISARI Permasalaha di bidag tekik
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciKata kunci: Critical speed, whirling, rotasi, poros.
Proceedig Semiar Nasioal Tahua Tekik Mesi XIV (SNTTM XIV) Bajarmasi, 7-8 Oktober 015 Aalisa Efek Whirlig pada Poros karea Pegaruh Letak Beba da Massa terhadap Putara Kritis Moch. Solichi 1,a *, Harus Laksaa
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciPENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES
Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciBAB III METOE PENELITIAN. penelitian ini, hanya menggunakan kelas eksperimen tanpa adanya kelas
BAB III METOE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia eksperime. Karea pada peelitia ii, haya megguaka kelas eksperime tapa adaya kelas cotrol. Peelitia ii megguaka pedekata kuatitatif.
Lebih terperinciStudi Plasma Immersion Ion Implantation (PIII) dengan menggunakan Target Tak Planar
JURNAL FISIKA DAN APLIKASINYA VOLUME 6, NOMOR JUNI,1 Studi Plasma Immersio Io Implatatio PIII dega megguaka Target Tak Plaar Yoyok Cahyoo Jurusa Fisika, FMIPA-Istitut Tekologi Sepuluh Nopember ITS Kampus
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinciAplikasi Pengenalan Pola pada Citra Bola Sebagai Dasar Pengendalian Gerakan Robot
Jural Emitor Vol.16 No. 02 ISSN 1411-8890 Aplikasi Pegeala Pola pada Citra Bola Sebagai Dasar Pegedalia Geraka Robot Ratasari Nur Rohmah Jurusa Tekik Elektro Uiversitas Muhammadiyah Surakarta (UMS) Surakarta,
Lebih terperinciIII PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah
III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka
Lebih terperinciPENGARUH PEMAKAIAN LIMBAH STYROFOAM TERHADAP KUAT TEKAN DAN BERAT BATAKO
Widya Tekika Vol.1 No.1; Maret 01 ISSN 1411 0660 : 1-7 PENGARUH PEMAKAIAN LIMBAH STYROFOAM TERHADAP KUAT TEKAN DAN BERAT BATAKO Abdul Halim 1) ABSTRAK Material tembok yag serig diguaka adalah batu bata,
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciBAB IV METODOLOGI PENELITIAN
BAB IV ETODOLOGI PENELITIAN IV Lagkah-Lagkah Aalisis Struktur yag aka ijaika moel alam peelitia ii aalah struktur bagua latai a latai, yag iasumsika terbuat ari baja Struktur terlebih ahulu imoel ega megguaka
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciAPLIKASI MODEL ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK PERAMALAN PASANG SURUT DI AIR LAUT (study kasus Pelabuhan Tanjung Buton Siak)
APLIKASI MODEL ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK PERAMALAN PASANG SURUT DI AIR LAUT (study kasus Pelabuha Tajug Buto Siak) Fitria Sari Mahasiswa Jurusa Tekik Sipil S1 Fakultas Tekik Uiversitas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciSidang Tugas Akhir Teknik Manufaktur
Sidag Tugas Akhir Tekik Maufaktur Aplikasi pegguaa Metode Butterorth Lopass Filter dega Edge Detectio Ca-Roberts utuk megetahui Karakteristik stress-strai Material berbasis Image Processig Oleh : HANIF
Lebih terperinciMakalah Seminar Tugas Akhir
Makalah Semiar Tugas Akhir Peraaga Pegukur Volume Besi Megguaka Metode Iterpolasi Berbasis Mikrokotroler ATMega8535 Awaludi Aziz [], Trias Adromeda,ST,MT [], Darjat,ST,MT [] Jurusa Tekik Elektro Fakultas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciBAB IV ANALISIS DATA PENELITIAN. Data yang digunakan untuk mengevaluasi Gardu Induk Bandar Sribhawono
38 BAB IV ANALISIS DATA PENELITIAN.1 Data Peelitia Data yag diguaka utuk megevaluasi Gardu Iduk Badar Sribhawoo 8 tahu medatag adalah data pemakaia eergi listrik tahu 2013 sampai 2016 pada trasformator
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciPenyelesaian Persamaan Non Linier
Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBeberapa metode pengembangan sistem : a. Metode pengembangan Evolusioner
PENDEKATAN PENGEMBANGAN SISTEM Beberapa metode pegembaga sistem : a. Metode pegembaga Evolusioer b. Metode pegembaga Re-usable c. Metode Prototypig d. Metode Pegembaga berorietasi objek a. METODE PENGEMBANGAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
Lebih terperinciEVALUASI KINERJA BANGUNAN DENGAN KETIDAKBERATURAN SUDUT DALAM YANG DIRENCANAKAN SECARA DIRECT DISPLACEMENT BASED DESIGN
EVALUASI KINERJA BANGUNAN DENGAN KETIDAKBERATURAN SUDUT DALAM YANG DIRENCANAKAN SECARA DIRECT DISPLACEMENT BASED DESIGN Michael, Ady,Ima Muljati da Bejami Lumatara ABSTRAK : Sesuai dega SNI 7-, Force Based
Lebih terperinci3 PERANCANGAN PELAT LENTUR Pelat letur merupaka salah satu eleme petig dari struktur bagua gedug. Pada umumya bagua gedug tersusu dari pelat latai, balok aak, balok iduk, kolom,da podasi. Idealisasi pelat
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI0939 APLIKASI PERBAIKAN KONTRAS PADA CITRA RADIOGRAFI GIGI MENGGUNAKAN KOMBINASI METODE HISTOGRAM EQUALIZATION DAN FAST GRAY LEVEL GROUPING (Kata kuci: Fast gray level groupig,
Lebih terperinciBAB II TEORI MOTOR LANGKAH
BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag
Lebih terperinciAnalisis dan Visualisasi Representasi Deret Fourier Gelombang Sinyal Periodik Menggunakan MATLAB
ELECRICIAN Jural Rekayasa da ekologi Elektro Aalisis da Visualisasi Represetasi Deret Fourier Gelombag Siyal Periodik Megguaka MALAB Ahmad Saudi Samosir Jurusa ekik Elektro Uiversitas Lampug, Badar Lampug
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciAji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru
Jural Matematika Muri da Terapa εpsilo Vol.8 No.2 (24) Hal. 39-45 APLIKASI METODE DEKOMPOSISI ADOMIAN UNTUK MENENTUKAN FORMULA TRANSFORMASI LAPLACE Aji Wiratama, Yui Yulida, Thresye Program Studi Matematika
Lebih terperinciANALISIS INTENSITAS HUJAN DI STASIUN KALIBAWANG KABUPATEN KULONPROGO
ANALISIS INTENSITAS HUJAN DI STASIUN KALIBAWANG KABUPATEN KULONPROGO Titiek Widyasari 1 1 Program Studi Tekik Sipil, Uiversitas Jaabadra Yogyakarta, Jl. Tetara Rakyat Mataram 55 57 Yogyakarta Email: myso_jayastu@yahoo.co.id
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciAbstrak. Kata Kunci: motor DC kompon, posisi sikat. 1. Pendahuluan. 2. Motor DC Penguatan Kompon
ANALSS PERBANDNGAN PENGARUH POSS SKAT TERHADAP EFSENS DAN TORS MOTOR DC PENGUATAN KOMPON PANJANG DENGAN MOTOR DC PENGUATAN KOMPON PENDEK (Aplikasi pada Laboratorium Koversi Eergi Listrik FTUSU) Rizky Hardiasyah,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilakukan pada PT Gapura Angkasa khususnya sistem
BAB III METODOLOGI PENELITIAN A. Waktu da Tempat Peelitia Peelitia ii dilakuka pada PT Gapura Agkasa khususya sistem peagaa bagasi di Termial 2 Gate D da E Badara Iterasioal Soekaro-Hatta, Cegkareg, Jakarta
Lebih terperinciSISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB
ISSN: 1693-6930 211 SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB M. Riza Ferdiasyah, Kartika Firdausy, Tole Sutiko Program Studi Tekik Elektro, Uiversitas Ahmad Dahla Kampus III
Lebih terperinciBAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit
BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
Lebih terperinci3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder
3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciIII. MATERI DAN METODE PENELITIAN. Penelitian telah dilakukan pada bulan November - Desember 2013 di
III. MATERI DAN METODE PENELITIAN 3.. Waktu da Tempat Peelitia telah dilakuka pada bula November - Desember 203 di peteraka Kambig yag ada di Kota Pekabaru Provisi Riau. 3.2. Alat da Baha Materi yag diguaka
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperincisimulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai
37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciAPLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS
APLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS Idah Ayustia, Aa Islamiyati, Raupog Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK
Lebih terperinciStudi Kasus Optimasi Proses Sizing Benang di P.T. XYZ
Studi Kasus Optimasi Proses Sizig Beag di P.T. XYZ Didik Wahjudi Dose Jurusa Tekik Mesi-Fakultas Tekologi Idustri, Uiversitas Kriste Petra Ceter for Quality Improvemet Jl. Siwalakerto -, Surabaya 609 dwahjudi@peter.petra.ac.id
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciLaboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung
Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciMETODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar
III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa
Lebih terperinciI. PENDAHULUAN II. LANDASAN TEORI
I PENDAHULUAN 1 Latar belakag Model pertumbuha Solow-Swa (the Solow-Swa growth model) atau disebut juga model eoklasik (the eo-classical model) pertama kali dikembagka pada tahu 195 oleh Robert Solow da
Lebih terperinciPengaturan Level Ketinggian Air Menggunakan Kontrol PID
Pegatura Level Ketiggia Air Megguaka Kotrol PID [Thiag et al.] Pegatura Level Ketiggia Air Megguaka Kotrol PID Thiag, Yohaes TDS, Adre Mulya Fakultas Tekologi Idustri, Jurusa Tekik Elektro, Uiversitas
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciSTATISTIKA NON PARAMETRIK
. PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha
Lebih terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciFAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB
Prosidig Semiar Nasioal Matematika da Pidika Matematika (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Matematika Terapa, hal. 1-5 FAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI III.1 Peambaga Teks (Text Miig) Text Miig memiliki defiisi meambag data yag berupa teks dimaa sumber data biasaya didapatka dari dokume, da tujuaya adalah mecari kata-kata yag dapat
Lebih terperinci