BAB 4 IMPLEMENTASI DAN EVALUASI. hardware yang digunakan, perangkat lunak, perangkat pembangun dan tools yang

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 4 IMPLEMENTASI DAN EVALUASI. hardware yang digunakan, perangkat lunak, perangkat pembangun dan tools yang"

Transkripsi

1 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Lngkungan Implmntas Pada pmbahasan lngkungan mplmntas mlput pmbahasan spsfkas hadwa yang dgunakan, pangkat lunak, pangkat pmbangun dan tools yang dgunakan untuk mmbuat sstm stganogaphy Hadwa Sstm aplkas stganogaphy dbuat dngan pangkat kas dngan spsfkas sbaga bkut : Systm modl Bos Pocssso Mmoy : Phonx ROM BIOS PLUS vson 1.10 A05 : V 1.00 PARTTBL : Intl Co (Tm)2 duo CPU 2 Ghz. : 2038 MB RAM DctX Vson : DctX 9.0c Nama : Mobl Intl 965 Expss Chpst Famly Chp Typ : SS 661FX Rv. 01 DAC Typ Sha Mmoy : Intnal : 384 MB Dsplay Mod : 1280 x 800 ( 32 Bt ) ( 60 Hz ).

2 Softwa Sstm aplkas stganogaphy dbuat dngan pangkat lunak dan pangkat pmbangun dan aplkas pmbantu ( tools) dbawah n : Sstm Opas : Mcosoft Wndows XP Pof SP 3. Pangkat pmbangun : Mcosoft Vsual C Aplkas pmbantu : Photoshop 2.0. Ivanvw Mcosoft Wod. Pant. Mcosoft Excl. Matlab Implmntas Aplkas Pada bab mplmntas aplkas akan mlput pmbahasan tntang anta muka sstm stganogaphy dan bagamana poss da aplkas sstm stganogaphy Anta Muka Pada sub-bab n mlput pmbahasan mnu utama dan poss da sstm stganogaphy.

3 Mnu Utama Gamba 4.1 Mnu Utama Sstm Stganogaphy Pada gamba 4.1 mnamplkan tamplan mnu utama sstm aplkas stganogaphy, dmana dtamplkan tombol nput fl tks, tombol nput BMP, tombol ncod yang mupakan ksatuan untuk mlakukan poss ncod. Tombol dcod, pogss ba, tombol about dan tombol clos. Pada mnu utama hanya dapat mngakss tombol nput fl tks pada ncod dkanakan data/tks blum d nput shngga tdak dapat mlakukan poss nput BMP dan ncod.

4 Mngnput Fl Tks Gamba 4.2 Mnu Input Fl Tks Pada gamba 4.2 mnamplkan poss da tombol nput fl tks, fungs n untuk mngnputkan fl tks. Fl tks tsbut sudah dbuat dngan aplkas pngolah kata tlbh dahulu dan dsmpan sbaga fomat.txt ( ASCII cod ), dan dambl da mda pnympanan Mngnput Kata Sand Gamba 4.3 Mnu Input Kata Sand

5 72 Pada gamba 4.3 mnamplkan poss da fungs nput kata sand, stlah fl tks dambl, maka langkah bkutnya adalah mngnputkan kata sand sbanyak 6 kaakt dngan fomat alphanumk dan blaku cas snstv, kmudan konfmas ulang kata sand Rpot Tks Gamba 4.4 Mnu Rpot Tks Pada gamba 4.4 mnjlaskan, Rpot da tks dan kata sand yang tlah dnput tlah bhasl dnput.

6 Mnu Input BMP Gamba 4.5 Mnu Input BMP Pada gamba 4.5 mnjlaskan pada tombol nput BMP sudah dapat dposs, dkanakan tlah mlakukan poss nput fl tks Mngnput Fl Imag BMP Gamba 4.6 Mnu Input Fl Imag

7 74 Pada gamba 4.6 mnjlaskan pada tombol nput BMP, fungs n untuk mngnputkan fl mag BMP dan dambl da mda pnympanan. Valdas hanya fl mag dngan fomat BMP saja dan ukuan da fl mag BMP Poss Encod Gamba 4.7 Mnu Encod Pada gamba 4.7 mnjlaskan pada tombol ncod sudah dapat dposs, dkanakan tlah mlakukan poss nput fl tks dan Input BMP. Pada saat tombol poss ncod dlakukan maka fungs n akan mlakukan poss pnyspan da stap byt fl tks ddalam byt cov mag, dan kmudan dsmpan sbaga stgo mag.

8 Rpot Encod Gamba 4.8 Mnu Rpot Poss Encod Pada gamba 4.8 mnjlaskan pot da poss ncod yang tlah dlakukan, dmana sblumnya tlah mlakukan poss pngnputan tks, pngkodan dan pngnputan mag BMP Poss Dcod Gamba 4.9 Mnu Poss Dcod

9 76 Pada gamba 4.9 mnggambakan poss da tombol dcod, fungs n untuk mnamplkan psan yang dsmpan pada stgo mag, tlbh dulu stgo mag dpanggl da mda pnympanan dan mmasukkan kata sand sbaga konfmas Poss Aplkas Langkah-langkah poss dalam sstm aplkas stganogaphy adalah : 1. Mngnputkan fl tks, kmudan sstm mmbaca ukuan fl tks. 2. Mngnputkan kata sand dan konfmas ulang kata sand, aga tdak tjad ksalahan nput. 4. Mngnput fl mag BMP, kmudan mmbaca ukuan fl mag BMP. 5. Mlakukan poss ncod, sstm akan mlakukan poss Haa Wavlt dan 1-LSB shngga cov mag mnjad stgo mag ( Pnyspan tks pada mag ). 6. Poss dcod, sstm akan mngkonfmas kata sand, apabla kata sand tlah ssua maka sstm akan mngambl atau mmanggl fl stgo mag da mda pmympanan dan muncul tks ahasa yang tlah dsmbunykan. 4.3 Pngujan Pngujan yang akan djalankan adalah mlakukan pncanaan pngujan pada stap fungs sstm aplkas stganogaphy, pngujan sstm dngan mnggunakan sampl cov mag dngan fomat gayscal, ndxd colo dan RGB colo.

10 Pncanaan Pngujan Pncanaan pngujan sstm stganogaphy mlput pngujan, pngujan sstm pada mag htam puth, pngujan sstm pada mag bwana, pngujan thadap stgo mag yang djadkan cov mag dan stgo mag Pngujan Sstm Aplkas Stganogaphy : Tabl 4.1 pngujan pada sstm stganogaphy Objk yang duj Tombol nput fl txt Pngujan Konds nput : tks bsa dnput dalam bntuk.txt. Pngcualan khusus : hanya fl tks tanpa fomat dan mndukung kaakt ASCII. Pngnputan kata sand Konds nput. Nla 6 stng kaakt ( syaat : bupa alpanumk dan mngnal huuf kaptal dan huuf bukan kaptal ). Tombol nput fl BMP Konds nput. Nla fl BMP [ ukuan fl ]. Pngculan khusus : hanya fl mag dngan fomat BMP. Tombol Encod Konds nput. Mngandung pntah poss ncod. ( pnymbunyan fl tks k dalam cov mag ). Syaat khusus : fl tks sudah dnput dan sudah db kata sand, sta mag BMP sudah dnput. Pngcualan khusus : poss akan bjalan jka ukuan cov mag lbh bsa da ukuan fl tks.

11 78 Tombol Dcod Konds nput. St - mngandung pntah dcod ( pngmbalan psan yamg tsmbuny pada stgo mag ). Syaat khusus : psan ahasa tsmbuny dapat dlhat dan dbaca kmbal dngan mngnputkan kata sand yang bna. Pada tabl 4.1 mmplhatkan pngujan sstm bdasakan fungs-fungs da mnu sstm stganogaphy, bdasakan tamplan dan pfoma sstm. Objk yang duj mlput pngujan fungs da tombol nput fl tks, fungs da mnu pngnputan kata sand, fungs da tombol nput BMP, fungs da tombol poss ncod dan fungs da tombol poss dcod Pngujan Sstm Dngan Cov Imag Htam Puth ( Gayscal ) : Tabl 4.2 Pngujan Dngan Cov Imag Htam Puth I F l I m a g Imag_o.BMP ( Gayscal ) Imag_stgo.BMP ( Gayscal )

12 79 P o p t s H s t o g a m

13 80 Tabl 4.3 Pngujan Dngan Cov Imag Htam Puth II F l I m a g Wa_gy.BMP ( gayscal ) Wa_gy_stgo.BMP ( Gayscal ) P o p t s

14 81 H s t o g a m Pada tabl 4.2 dan 4.3 sstm aplkas stganogaphy yang dgunakan adalah mag dngan fomat gayscal ( 256 wana 8 bpp ), pada stgo mag untuk ukuan fl, solus sta dp pada masng masng fl tdak tjad pubahan, ttap tjad pubahan gafk wana yang dtunjukan pada gafk hstogam. Scaa kasat mata tdak akan dapat dbdakan mag yang tlah mngalam pnyspan txt dngan mag aslnya.

15 Pngujan Sstm Dngan Cov Imag Bwana Jns Indxd Colo: Tabl 4.4 Pngujan Dngan Cov Imag Bwana Jns Indxd Colo I F l I m a g Pgasus_O.BMP ( Indxd Colo ) Pgasus_Stgo.BMP ( Indxd Colo ) P o p t s

16 83 H s t o g a m Tabl 4.5 Pngujan Dngan Cov Imag BwanaJns Indxd Colo II F l I m a g Buah_asl.BMP ( Indxd Colo ) Buah_stgo.BMP ( Indxd Colo )

17 84 P o p t s H s t o g a m

18 85 Pada tabl 4.4 dan 4.5 pada pngujan kdua, dlalakukan pngujan cov mag dngan jns ndxd colo ( 256 wana 8 bpp ). Ukuan solus, dp dan ukuan cov mag tdak tjad pubahan, ttap tjad pubahan tjad pada gafk hstogam dan sdkt kusakan gamba pada bagan bawah mag tsbut Pngujan Sstm Dngan Cov Imag Bwana Jns RGB Colo : Tabl 4.6 Pngujan Dngan Cov Imag Bwana Jns RGB Colo I F l I m a g Imag_O.BMP (RGB Colo) Imag_Stgo.BMP (RGB Colo)

19 86 P o p t s H s t o g a m

20 87 Tabl 4.7 Pngujan Dngan Cov Imag Bwana Jns RGB Colo II F l I m a g Pmandangan.BMP (RGB Colo) Pmandangan_Stgo.BMP (RGB Colo) P o p t s

21 88 H s t o g a m Pada tabl 4.6 dan 4.7 pngujan ktga sstm aplkas stganogaphy, yang dgunakan adalah cov mag jns RGB colo (16,7 juta wana 24bpp). Dmana ukuan solus, dp dan ukuan cov mag, hstogam dan stgo mag tdak tjad pubahan scaa kasat mata, yang jlas tlhat pubahan adalah pada unk colos Tabl Data Hasl Dsajkan tabl-tabl da data hasl pngujan yang tlah dlakukan.dmana Input sbaga cov mag, output sbaga stgo mag. Tabl 4.8 Data Hasl Pngujan

22 89 Hasl Bhasl Bhasl Bhasl Bhasl Bhasl Bhasl PSNR 53, , , , , ,06365 MSE 0, , , , , ,0509 Stgo Imag Sz Tks 790byts 790byts 790byts 790byts 790byts 790byts Sz Imag KB 162KB KB KB 1.20MB 802KB Nama Imag Imag_gayscal _stgo.bmp Wa_gay _stgo.bmp Pgasus_ stgo.bmp Buah_stgo.BMP Imag_stgo.BMP Pmandagan_ Stgo.BMP Cov Imag Sz Tks 790byts 790byts 790byts 790byts 790byts 790byts Sz Imag KB 162KB KB KB 1.20MB 802KB Nama Imag Imag_ gayscal.bmp Wa_gay.BMP Pgasus_o.BMP Buah_asl.BMP Imag_o.BMP Pmandagan.BMP

23 90 Da hasl pada tabl 4.8, dapat dsmpulkan bahwa hasl da nput ( cov mag ) dan output ( stgo mag ) tdak mngalam pubahan scaa ukuan solus, dp dan ukuan cov mag. Pada mag fomat gayscal ( 256 wana 8bpp ) hanya tjad pubahan pada gafk hstogam, dan pada fomat ndxd colo ( 256 wana 24bpp ) mngalam sdkt kusakan pada hasl stgo mag, sdangkan mag pada fomat RGB colo ( 16.7juta wana 24bpp ) tjad pubahan pada unk wana. Pada fomat ndxd colo hanya mndukung 8 bt p pxl dan jns mag dngan fomat RGB Colo mndukung 24bt ppxl, smakn banyak bt yang dgunakan maka tamplan wana smakn banyak dan hasl mag lbh tajam mnybabkan fl yang dsmbunykan makn tdak tlhat olh kasat mata. Da hasl pngujan mans squa os ( MSE ) kbhaslan pogam adalah 100% - 1,75% = 98,25% dan da Pak Sgnal to Nos Rato ( PSNR ) Scaa total kbhaslan pogam bada d 55,2db atau mag tsbut bkualtas bak Analsa Hasl Pngujan Analsa Hasl da pngujan sstm aplkas stganogaphy da pngujanpngujan yang tlah dlakukan : 1. Cov mag yang sudah mngalam poss ncod pada sstm dbandngkan dngan cov mag yang asl tdak mngalam pubahan pada ukuan fl, dan ukuan solus. Kana ddalam sstm stganogaphy hanya mlakukan poss pnyspan pada LSB da stuktu cov mag dan bukan mubah stuktu ukuan dan solus cov mag.

24 91 2. Cov mag dngan fomat gayscal 8-bt mndukung untuk poss dalam sstm stganogaphy, dmana pada Pada ukuan fl, dp dan solus tdak mngalam pubahan, pubahan tjad hanya pada gafk hstogam, ttap fomat ndxd colo kuang mndukung untuk stganogaphy dkanakan mash tlhat sdkt kusakan pada mag dan tjad pubahan pada hstogam. Pada ukuan fl, dp dan solus tdak mngalam pubahan. Sdangkan pada fomat RGB Colo 24-bt sangat mndukung untuk poss dalam sstm stganogaphy, dmana pada ukuan fl, dp, hstogam dan solus tdak mngalam pubahan, pubahan tjad hanya pada unk colos. 3. Fl mag slalu haus bukuan lbh bsa da ukuan fl tks, kana fl mag mupakan wadah untuk pnyspan fl tks tsbut. Jka ukuan psan tks mlbh kapastas ukuan pada cov mag maka poss da ncod tda bsa djalankan, maka pada saat poss dcod djalankan akan gagal dan muncul psan ksalahan. 4. Tngkat kbhaslan pogam scaa mans squa os ( MSE ) adalah 98.25%, dan scaa Pak Sgnal to Nos Rato ( PSNR ) kualtas gamba bada pada 55,2db atau kualtas mag bak.

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms

Lebih terperinci

INTERFERENSI DAN DIFRAKSI

INTERFERENSI DAN DIFRAKSI ITRFRSI DA DIFRAKSI Mata Kulah: Glombang & Optk Dosn: Andhy Stawan andhystawan DIFRAKSI CLAH TUGGAL DA KISI andhystawan B. Dfaks Dfaks mupan gjala pmblon (pnybaan) glombang kt mnjala mlalu clah smpt atau

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB LANDASAN TEORI Pada bab n akan duakan bbapa konsp dan mtod yang mnjad dasa pnulsan tugas akh n. Bbapa konsp dan mtod tsbut alah pnclan, tata caa mndtks pnclan, mtod OLS, mnntukan ata-ata kuadat tkcl

Lebih terperinci

VIII. KELEMBAGAAN PENGELOLAAN ENERGI

VIII. KELEMBAGAAN PENGELOLAAN ENERGI VIII. KELEMBAGAAN PENGELOLAAN ENERGI Kondisi obyktif pnglolaan ngi di Nusa Pnida dapat dikmukakan bdasakan tahapan pnglolaan yang mliputi tahap pncanaan, plaksanaan, dan pngndalian. Pada tahap pncanaan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini. BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan

Lebih terperinci

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu

Lebih terperinci

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi.

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi. BAB 3 Ksamaan Matks Kovaans Bagan n akan mmahas tntang ngujan hotss ksamaan matks kovaans. 3. Uj Ksamaan Dua Matks Kovaans 3.. Ukuan Pnyaan Multvaat ( X ( ( Msalkan X suatu vkto acak d mana X dan X masngmasng

Lebih terperinci

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns

Lebih terperinci

ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL TERMODIFIKASI

ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL TERMODIFIKASI ESIMSI PMEE DI DISIBUSI WEIBULL EMODIFIKSI Nama Mahasswa : mboo Puto NP : 48 Juusan : Matmatka FMIP-IS Dosn Pmbmbng : Ds. Fada gustn Wdjajat, MS bstak Sahan dan Zanudn (8) mmpknalkan gnalsas da dstbus

Lebih terperinci

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada

Lebih terperinci

LISTRIK STATIS - HUKUM COULOMB Oleh Suparno, PhD

LISTRIK STATIS - HUKUM COULOMB Oleh Suparno, PhD LISTRIK STATIS - HUKUM COULOMB Olh Supano, PhD Sfat-sfat Muatan Bla sbuah ss dgosok-gosokkan pada ambut, lalu ddkatkan kpada sphan ktas kcl-kcl, maka sphan ktas tu akan ttak dan mlkat pada ss. Pstwa n

Lebih terperinci

PENGUAT GANDENGAN DC

PENGUAT GANDENGAN DC 4 PNGUAT GANDNGAN DC Dalam paktk basanya untuk mmplh suatu pnguatan yang cukup bsa, dapat dlakukan dngan mnggandng bbapa pnguat atau basa dknal dngan pnguat btngkat. Untuk mnjaga aga tgangan panja (bas)

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

INTERFERENSI DAN DIFRAKSI. Mata Kuliah: Gelombang & Optik Dosen: Andhy Setiawan

INTERFERENSI DAN DIFRAKSI. Mata Kuliah: Gelombang & Optik Dosen: Andhy Setiawan TRFRS DA DFRAKS Maa Kulah: Glombang & Opk Dosn: Anhy Sawan A. nfns nfns mupakan ppauan ua aau lbh glombang sbaga akba blakunya pnsp supposss. nfns ja bla glombang glombang sbu kohn, yau mmpunya pbaan fas

Lebih terperinci

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka

Lebih terperinci

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN ANALISIS TINGKAT KESEHATAN BANK PADA PD BPR BKK KENDAL DENGAN METODE RGEC TAHUN 2009 2012 NABELLA ROSALIANA Unvrstas Dan Nuswantoro Smarang E-mal: nabllarosalana@gmalcom ABSTRACT Th bankng ndustry s fnancal

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

Hubungan antara K dengan koefisien fugasitas:

Hubungan antara K dengan koefisien fugasitas: Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

BAB IV HASIL PENELITIAN

BAB IV HASIL PENELITIAN 6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka

Lebih terperinci

APLIKASI METODE ELEMEN HINGGA PADA PEMODELAN TABUNG AKSELERATOR MESIN BERKAS ELEKTRON 300 KEV

APLIKASI METODE ELEMEN HINGGA PADA PEMODELAN TABUNG AKSELERATOR MESIN BERKAS ELEKTRON 300 KEV Volum 5, Oktob 0 ISSN 4-49 TABUNG AKSELERATOR MESIN BERKAS ELEKTRON 00 KEV Bayu Dgantaa, Dw Pyantoo, Panowo Pogam Stud Elktomkank, Juusan Tknofska Nukl, STTN-BATAN Jl. Babasa Kotak Pos 60/YKBB Yogyakata

Lebih terperinci

REKONSTRUKSI CITRA PADA SUPER RESOLUSI MENGGUNAKAN PROJECTION ONTO CONVEX SETS

REKONSTRUKSI CITRA PADA SUPER RESOLUSI MENGGUNAKAN PROJECTION ONTO CONVEX SETS REKONSTRUKSI CITRA PADA SUPER RESOLUSI MENGGUNAKAN PROJECTION ONTO CONVEX SETS Nama Mahasswa : Achmad Bryand NRP : 1207 100 006 Jurusan : Matematka FMIPA-ITS Dosen Pembmbng : 1. Dr. Imam Mukhlash, S.S,

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka

Lebih terperinci

Analisis Variansi Multivariat

Analisis Variansi Multivariat Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

ELEKTRONIKA DASAR. Petemuan Ke-9 Pemodelan BJT. ALFITH, S.Pd,M.Pd

ELEKTRONIKA DASAR. Petemuan Ke-9 Pemodelan BJT. ALFITH, S.Pd,M.Pd EEKTONIK DS Ptmuan K-9 Pmdlan JT FITH, S.Pd,M.Pd 2 Pnguat JT satu tngkat Stuktu dasa amba mnunjukkan angkaan dasa pnguat JT dngan pmban bas dngan aus yang knstan. Yang plu dphatkan adalah mmlh yang bsa

Lebih terperinci

Perbandingan Penggunaan Beberapa Metode Deteksi Tepi Pada Pengolahan Citra Radiologi Fraktur Tulang

Perbandingan Penggunaan Beberapa Metode Deteksi Tepi Pada Pengolahan Citra Radiologi Fraktur Tulang PRISMA FISIKA, Vol. V,. 3 (4), Hal. 7- ISSN : 337-84 Perbandngan Penggunaan Beberapa Metode Deteks Tep Pada Pengolahan Ctra Radolog Fraktur Tulang Ray Andre Junor a, Nurhasanah a*, Iklas Sanubary a a Prod

Lebih terperinci

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type)

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type) TEKNOLOGI DI INDUSTRI (SENIATI) 216 ISSN : 285-4218 Aplkas BPF (Band Pass Fltr) Dgtal Untuk Pndtksan Snyal AFSK (Ampltudo Shft Kyng) Pada Prant RTTY (Rado Tl Typ) Achmad Stawan 1,*, Kusno Suryad 1 1 Tknk

Lebih terperinci

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

Lebih terperinci

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB Semnar Nasonal Teknolog 007 (SNT 007) ISSN : 1978 9777 Yogakarta, 4 November 007 IMPEMENTASI INTERPOASI AGRANGE UNTUK PREDIKSI NIAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATAB Krsnawat STMIK AMIKOM Yogakarta

Lebih terperinci

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE

PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE 1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.

Lebih terperinci

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.

Lebih terperinci

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan Catatan Kulah 3 Memaham dan Menganalsa Optmas dengan Kendala Ketdaksamaan. Interpretas Konds Kuhn Tucker Asumskan masalah yang dhadap adalah masalah produks. Secara umum, persoalan maksmsas keuntungan

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

Debuging Program dengan EasyCase

Debuging 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 terperinci

ANALISA KINERJA COOLING TOWER INDUCED DRAFT TIPE LBC-W 300 TERHADAP PENGARUH PANAS RADIASI MATAHARI

ANALISA KINERJA COOLING TOWER INDUCED DRAFT TIPE LBC-W 300 TERHADAP PENGARUH PANAS RADIASI MATAHARI TUGAS AKHIR ANALISA KINERJA COOLING TOWER INDUCED DRAFT TIPE LBC-W 300 TERHADAP PENGARUH PANAS RADIASI MATAHARI Oleh: Nmas Puspto Pratw Dosen Pembmbng : Dr.Gunawan Nugroho, S.T,M.T Nur Lala Hamdah, ST.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan

Lebih terperinci

8.1 NILAI EIGEN DAN VEKTOR EIGEN

8.1 NILAI EIGEN DAN VEKTOR EIGEN RUANG EIGEN Masalah nilai dan vko ign banyak skali dijumpai dalam bidang kayasa, spi maslah ksabilan sism, opimasi dngan SVD, kompsi pada pngolahan cia, dan lain-lain. Unuk lbih mmahami masalah nilai dan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity 37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

KEPUTUSAN MENTERI NEGARA LINGKUNGAN HIDUP NOMOR : 115 TAHUN 2003 TENTANG PEDOMAN PENENTUAN STATUS MUTU AIR MENTERI NEGARA LINGKUNGAN HIDUP,

KEPUTUSAN MENTERI NEGARA LINGKUNGAN HIDUP NOMOR : 115 TAHUN 2003 TENTANG PEDOMAN PENENTUAN STATUS MUTU AIR MENTERI NEGARA LINGKUNGAN HIDUP, S A L I N A N KEPUTUSAN MENTERI NEGARA LINGKUNGAN HIDUP NOMOR : 115 TAHUN 003 TENTANG PEDOMAN PENENTUAN STATUS MUTU AIR MENTERI NEGARA LINGKUNGAN HIDUP, Menmbang : bahwa untuk melaksanakan ketentuan Pasal

Lebih terperinci

BAB IV FUNGSI KOMPLEKS

BAB IV FUNGSI KOMPLEKS 47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas

Lebih terperinci

BAB 2 LANDASAN TEORI. fungsi f(x,y), dimana x dan y merupakan spatial koordinat, dan tingkatan aplitude

BAB 2 LANDASAN TEORI. fungsi f(x,y), dimana x dan y merupakan spatial koordinat, dan tingkatan aplitude BAB 2 LANDASAN TEORI 2.1 Ctra Menurut Gonzales (2004, p1) Ctra bsa djelaskan sebaga 2 dmens dar fungs f(x,y), dmana x dan y merupakan spatal koordnat, dan tngkatan apltude pada poss n dsebut dengan ntenstas

Lebih terperinci

Jurnal Inovasi Pembelajaran Fisika (INPAFI)

Jurnal Inovasi Pembelajaran Fisika (INPAFI) Jurnal Inovas Pmblajaran Fska (INPAFI) Avalabl onln http://jurnal.unmd.ac.d/01/ndx.php/npaf -ssn 59-5, p-ssn 337-6 IMPLEMENTASI PEDAGOGICAL CONTENT KNOWLEDGE (PCK) DALAM PEMBELAJARAN SAINTIFIK UNTUK MENINGKATKAN

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

Metode Penelitian. 2.1 Pengukuran Curah Hujan

Metode Penelitian. 2.1 Pengukuran Curah Hujan II. etode Peneltan. Pengukuran Curah Hujan Pengukuran curah hujan dlakukan d dalam lngkungan kampus ITS Surabaya menggunakan alat ukur dsdrometer optk yang dletakkan datas atap gedung Teknk esn ITS. Dsdrometer

Lebih terperinci

PENERAPAN PERSAMAAN SCHRODINGER PADA PERMASALAHAN PARTIKEL BEBAS DALAM RUANG TIGA DIMENSI

PENERAPAN PERSAMAAN SCHRODINGER PADA PERMASALAHAN PARTIKEL BEBAS DALAM RUANG TIGA DIMENSI 76 PNAPAN PSAMAAN SHODING PADA PMASALAHAN PATIKL BBAS DALAM UANG TIGA DIMNSI A Patl Bbas Dala Koonat atsus :,,,, 6,, 6 Substtusan saaan 6 ala saaan 6, olh: + + 63 ngan: h K 64 Slanjutna ua uas s63 asng-asng

Lebih terperinci

FACE RECOGNITION MENGGUNAKAN METODE ALGORITMA VIOLA JONES DALAM PENERAPAN COMPUTER VISION

FACE RECOGNITION MENGGUNAKAN METODE ALGORITMA VIOLA JONES DALAM PENERAPAN COMPUTER VISION FCE RECOGTO MEGGUK METODE LGORTM VOL JOES DLM PEERP COMPUTER VSO Pareza lam Jusa, S.Kom, M.Kom STKOM Dnamka Bangsa Jamb,Teknk nformatka E-mal: parezaalam@stkom-db.ac.d BSTRK Deteks wajah merupakan suatu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 1.1 Model Pengembangan Peneltan n merupakan jens peneltan pengembangan yang dkenal dengan stlah Research and Development ( R& D ). Menurut Sukmadnata (2005:164), peneltan pengembangan

Lebih terperinci

BAB 3 GAMBARAN UMUM TEMPAT RISET

BAB 3 GAMBARAN UMUM TEMPAT RISET BAB 3 GAMBARAN UMUM TEMPAT RISET 3. Sejarah dan Kegatan Operasonal Perusahaan 8 3.. Sejarah Perkemangan Kantor Perwaklan Bank Indonesa Wlayah I (Sumut & Aceh) 8 3. Struktur Organsas dan Deskrps Tugas Kantor

Lebih terperinci

METODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID

METODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID METODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID Fersa Setyanngrum 1, Kartka Frdausy 2 Program Stud Teknk Elektro, Fakultas Teknolog Industr, Unverstas Ahmad Dahlan Jl. Prof. Dr. Soepomo,

Lebih terperinci

BAB IV IMPLEMENTASI DAN PEMBAHASAN

BAB IV IMPLEMENTASI DAN PEMBAHASAN BAB IV IMPLEMENTASI DAN PEMBAHASAN 4.1 Tinjauan Perangkat Lunak Berikut adalah spesifikasi yang digunakan dalam pembangunan dan penyelesaian aplikasi stegorijndael adalah sebagai berikut. a. Perangkat

Lebih terperinci

Gelombang Datar Lintas Medium

Gelombang Datar Lintas Medium Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp

Lebih terperinci

(DS.2) MENENTUKAN STATISTIK PENGUJIAN UNTUK EKSPERIMEN FAKTORIAL DENGAN DUA KALI PEMBATASAN PENGACAKAN (Studi kasus untuk Desain Split Plot)

(DS.2) MENENTUKAN STATISTIK PENGUJIAN UNTUK EKSPERIMEN FAKTORIAL DENGAN DUA KALI PEMBATASAN PENGACAKAN (Studi kasus untuk Desain Split Plot) (DS.) MENENTUKAN STATISTIK PENGUJIAN UNTUK EKSPERIMEN FAKTORIAL DENGAN DUA KALI PEMBATASAN PENGACAKAN (Stud kasus untuk Desan Splt Plot) Sr Mulyan Sanro Dra, M.Stat, Enny Supartn Dra, MS. Jurusan Statstka

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

PENGURUTAN DATA. A. Tujuan

PENGURUTAN DATA. A. Tujuan PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan

Lebih terperinci

Matematika Eigenface Menggunakan Metrik Euclidean

Matematika Eigenface Menggunakan Metrik Euclidean Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

Preferensi untuk alternatif A i diberikan

Preferensi untuk alternatif A i diberikan Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka

Lebih terperinci

Post test (Treatment) Y 1 X Y 2

Post test (Treatment) Y 1 X Y 2 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl

Lebih terperinci

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

Perbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB

Perbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Perbakan Unjuk Kerja Sstem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Endryansyah Penddkan Teknk Elektro, Jurusan Teknk Elektro,

Lebih terperinci

Metode Ekstraksi Data Untuk Pengenalan Huruf Dan Angka Tulisan Tangan Dengan Menggunakan Jaringan Syaraf Buatan Propagasi Balik

Metode Ekstraksi Data Untuk Pengenalan Huruf Dan Angka Tulisan Tangan Dengan Menggunakan Jaringan Syaraf Buatan Propagasi Balik Porceedng of Semanr on Intellgent Technology and Its Applcatons (SITIA 2002) Insttut Teknolog Sepuluh Nopember, Surabaya, May 7 th, 2002 Metode Ekstraks Data Untuk Pengenalan Huruf Dan Angka Tulsan Tangan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

PERBANDINGAN KINERJA CITRA WATERMARKING DENGAN MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN DISCRETE COSINUS TRANSFORM (DCT)

PERBANDINGAN KINERJA CITRA WATERMARKING DENGAN MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN DISCRETE COSINUS TRANSFORM (DCT) 36 PERBANDINGAN KINERJA CITRA WATERMARKING DENGAN MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN DISCRETE COSINUS TRANSFORM (DCT) (Baharuddn) *) ABSTRACT The Research we propose s to compare watermarkng

Lebih terperinci

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

Dr. NINDYO CAHYO KRESNANTO. Blog.: nindyocahyokresnanto.wordpress.com .: -

Dr. NINDYO CAHYO KRESNANTO. Blog.: nindyocahyokresnanto.wordpress.com  .: - 1 Dr. NINDYO CAHYO KRESNANTO Blog.: nndyocahyokresnanto.wordpress.com Emal.: nndyo_ck@yahoo.co.d - nndyo_ck@staff.janabadra.ac.d 2 Nndyo Cahyo Kresnanto FT Unverstas Janabadra YK 3 Model adalah merupakan

Lebih terperinci

DETEKSI WAJAH MENGGUNAKAN INFORMASI WARNA KULIT DENGAN METODE LEVEL SET Rudy Adipranata 1, Ibnu Gunawan 2

DETEKSI WAJAH MENGGUNAKAN INFORMASI WARNA KULIT DENGAN METODE LEVEL SET Rudy Adipranata 1, Ibnu Gunawan 2 DETEKSI WAJAH MENGGUNAKAN INFORMASI WARNA KULIT DENGAN METODE LEVEL SET Rudy Adpranata, Ibnu Gunawan Abstract: The development of technologes n vdeo codng and transmsson, the ncreasng of multmeda data

Lebih terperinci

MODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA

MODEL OPTIMASI PERENCANAAN INVESTASI GALANGAN KAPAL DENGAN PENDEKATAN PROGRAMASI TUJUAN GANDA MAKARA, TEKOLOGI, VOL. 6, O. 3, DESEMBER 2002 MODEL OPTIMASI PERECAAA IVESTASI GALAGA KAPAL DEGA PEDEKATA PROGRAMASI TUJUA GADA Al Azhar Jurusan Teknk Perkapalan, Insttut Teknolog Adh Tama Surabaya Jl.

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada

Lebih terperinci

PERBANDINGAN FIELD STRENGTH UPPER DAN COMBINED ANTENNA PADA TRANSMISI TV 7 SURABAYA

PERBANDINGAN FIELD STRENGTH UPPER DAN COMBINED ANTENNA PADA TRANSMISI TV 7 SURABAYA TESLA Vol. 8 No. 2, 51 60 (Oktob 2006) Junal Tknik Elkto PERBANDINGAN FIELD STRENGTH DAN ANTENNA PADA TRANSMISI TV 7 SURABAYA Inda Sujati 1), Endah Styaningsih 2) dan Stvani Hmawan 3) Abstact It has bn

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci