LAMPIRAN A. Code Program. A1. Source Code Program. A2. Fungsi Tuncnormrnd. Universitas Sumatera Utara
|
|
- Lanny Dharmawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 LAMPIRAN A Code Program A1. Source Code Program A2. Fungsi Tuncnormrnd
2 Lampiran A / Code Program 1/10 A.1 Source Code Program tic; clear all; clc; close all; s = 1;% Jumlah simulasi N = 2000; % jlh titik sampel %koordinat BTS D = 1000*sqrt(3); % jarak antara BTS berdekatan adalah.2000 meter X_BTS = [2000-D*sin(60*pi/180) ]; Y_BTS = [1+D/2 1 1+D]; ds = 1; % meter % Jarak Interval Sample 1 meter theta = 20; % sudut arah pergerakan MS dari BTS1 % Koordinat awal MS xk =[500*ones(s,1) zeros(s,n-1)];%sb-x yk = [500*ones(s,1) zeros(s,n-1)];%sb-y %Jarak awal MS terhadap BTS (2000,0) d1k=[sqrt((x_bts(1)-500)^2+(y_bts(1)-500)^2)*ones(s,1) zeros(s,n- 1)]; d2k=[sqrt((x_bts(2)-500)^2+(y_bts(2)-500)^2)*ones(s,1) zeros(s,n- 1)]; d3k=[sqrt((x_bts(3)-500)^2+(y_bts(3)-500)^2)*ones(s,1) zeros(s,n- 1)]; for j = 1:s for k = 2:N xk(j,k) = xk(j,k-1)+ds*cos(theta*pi/180); yk(j,k) = yk(j,k-1)+ds*sin(theta*pi/180); d1k(j,k)=sqrt((x_bts(1)-xk(j,k)).^2+(y_bts(1)-yk(j,k)).^2); d2k(j,k)=sqrt((x_bts(2)-xk(j,k)).^2+(y_bts(2)-yk(j,k)).^2); d3k(j,k)=sqrt((x_bts(3)-xk(j,k)).^2+(y_bts(3)-yk(j,k)).^2); %% menentukan model shadowing--dist. lognormal mu=0;%mean tho=[3:12];%variansi v= 20;%kecepatan MS (m/s) ts= 0.5;%waktu sampling (s) di=30;%korelasi jarak ai=exp(-v*ts/di);%koefisien korelasi K1=105; %dbm;% konstanta pathloss K2=30; %dbm;% konstanta eksponen pathloss %truncated normal random mu1=0;% mean tho1=1;% variansi xlo=-0.5;% batas bawah xhi=0.5;% batas atas % fungsi truncated normal random [F1,F2,F3]=truncnormrnd(s,N,mu1,tho1,xlo,xhi); % auto regresive -1
3 Lampiran A / Code Program 2/10 ZBTS1=[ai*ones(s,1) zeros(s,n-1)]; ZBTS2=[ai*ones(s,1) zeros(s,n-1)]; ZBTS3=[ai*ones(s,1) zeros(s,n-1)]; % kuat sinyal terima pada posisi awal S1(:,1)= K1-K2.*log10(d1k(:,1))+ ZBTS1(:,1); S2(:,1)= K1-K2.*log10(d2k(:,1))+ ZBTS2(:,1); S3(:,1)= K1-K2.*log10(d3k(:,1))+ ZBTS3(:,1); % ruang matriks untuk kuat sinyal S1=[S1(:,1).*ones(s,1) zeros(s,n-1)]; S2=[S2(:,1).*ones(s,1) zeros(s,n-1)]; S3=[S3(:,1).*ones(s,1) zeros(s,n-1)]; C=[0.0045,0.025,0.1,0.65]; for g=1:length(c) for var_tho=1:length(tho) for cc=1:s for dd=2:n ZBTS1(cc,dd)=ai*ZBTS1(cc,dd-1)+tho(var_tho)*sqrt(1- ai^2)*f1(cc,dd); ZBTS2(cc,dd)=ai*ZBTS2(cc,dd-1)+tho(var_tho)*sqrt(1- ai^2)*f2(cc,dd); ZBTS3(cc,dd)=ai*ZBTS3(cc,dd-1)+tho(var_tho)*sqrt(1- ai^2)*f3(cc,dd); for ddd=2:n % kuat sinyal terima S1(cc,ddd)= K1-K2.*log10(d1k(cc,ddd))+ ZBTS1(cc,ddd); S2(cc,ddd)= K1-K2.*log10(d2k(cc,ddd))+ ZBTS2(cc,ddd); S3(cc,ddd)= K1-K2.*log10(d3k(cc,ddd))+ ZBTS3(cc,ddd); S_123= [ S1; S2; S3]; %% Merata-ratakan kuat sinyal ds = 1;%jarak setiap sampling (m) dav = 10;% panjang rata-rata window S1_rata=[S1(:,1) zeros(s,n-1)]; S2_rata=[S2(:,1) zeros(s,n-1)]; S3_rata=[S3(:,1) zeros(s,n-1)]; b=exp(-ds/dav); for e=1:s for f=2:n %% merata-ratakan sinyal dengan metode eksponensial untuk memperhalus %% komponen sinyal shadowing yang berfluktuasi %%================================================================ %Sinyal 1 S1_rata(e,f)=exp(-(ds/dav)).*S1_rata(e,f-1)+(1-exp(- (ds/dav)))...
4 Lampiran A / Code Program 3/10.*S1(e,f); %Sinyal 2 S2_rata(e,f)=exp(-(ds/dav)).*S2_rata(e,f-1)+(1-exp(- (ds/dav)))....*s2(e,f); %Sinyal 3 S3_rata(e,f)=exp(-(ds/dav)).*S3_rata(e,f-1)+(1-exp(- (ds/dav)))....*s3(e,f); %%================================================================ S123_rata = [S1_rata;S2_rata;S3_rata]; S11_rata_eks(e,f)=(K1-K2*log10(d1k(e,f)))+ai.*(S1(e,f-1)-(K1- K2*log10(d1k(e,f-1)))); S22_rata_eks(e,f)=(K1-K2*log10(d2k(e,f)))+ai.*(S2(e,f-1)-(K1- K2*log10(d2k(e,f-1)))); S33_rata_eks(e,f)=(K1-K2*log10(d3k(e,f)))+ai.*(S3(e,f-1)-(K1- K2*log10(d3k(e,f-1)))); %================================================================= %ekspektasi==> mean dari Si & Si_rata S1_rata_eks(e,f)=b.*S1_rata(e,f-1)+(1-b).*(ai.*S1(e,f-1)+... (1-ai)*K1-K2*log10(d1k(e,f)./(d1k(e,f-1).^ai))); S2_rata_eks(e,f)=b.*S2_rata(e,f-1)+(1-b).*(ai.*S2(e,f-1)+... (1-ai)*K1-K2*log10(d2k(e,f)./(d2k(e,f-1).^ai))); S3_rata_eks(e,f)=b.*S3_rata(e,f-1)+(1-b).*(ai.*S3(e,f-1)+... (1-ai)*K1-K2*log10(d3k(e,f)./(d3k(e,f-1).^ai))); %================================================================= %================================================================= %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%% Metode Suboptimal SDH %%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Smin = 0; %dbm; varians_kuadrat(var_tho)=tho(var_tho)*sqrt((1-(ai^2)).*(1- (b.^2)));% variansi sinyal rata-rata for v=1:s for u=1:n-1 Z1(v,u)=qfunc((S1_rata_eks(v,u+1)- Smin)./(varians_kuadrat(var_tho))); Z2(v,u)=qfunc((S2_rata_eks(v,u+1)- Smin)./(varians_kuadrat(var_tho))); Z3(v,u)=qfunc((S3_rata_eks(v,u+1)- Smin)./(varians_kuadrat(var_tho))); % nilai cost (c)
5 Lampiran A / Code Program 4/10 % C=[1,0.95,0.85,0.75,0.65,0.55,0.45,0.35,0.25,0.13,0.1,0.06,0.04,0. 025,0.01,0.007,0.0045]; BTS= [1;2;3]; Z= [Z1(:,1) zeros(s,n-1)]; S_SDH=[S1(:,1) zeros(s,n-1)]; S_rata_SDH=[S1_rata(:,1) zeros(s,n-1)]; BTS_kontrol_SDH=[BTS(1)*ones(s,1) zeros(s,n-1)]; handoff = 1; % terjadi handoff tidak_handoff = 0; % tidak terjadi handoff Uk_SDH=zeros(s,N); delay_sdh=[]; S_mean_SDH= [S1_rata_eks(:,1) zeros(s,n-1)]; for h=1:s for i=2:n %(titik sampel) if i<=3 S_SDH(h,i)=S1(h,i); S_rata_SDH(h,i)=S1_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(1); Uk_SDH(h,i)=[tidak_handoff]; delay_sdh(h,i)=d1k(h,i); S_mean_SDH(h,i)= S11_rata_eks(h,i); %% keadaan sebelumnya BTS1 yang melayani MS if BTS_kontrol_SDH(h,i-1)==BTS(1) if S_rata_SDH(h,(i-3:i-1))<Smin & S1_rata(h,i)<Smin continue; if Z1(h,i-1)>Z2(h,i-1)+C(g) && Z2(h,i- 1)+C(g)<Z3(h,i-1)+C(g) S_SDH(h,i)=S2(h,i); S_rata_SDH(h,i)=S2_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(2); Uk_SDH(h,i)=[handoff]; delay_sdh(h,i)=d2k(h,i); S_mean_SDH(h,i)= S22_rata_eks(h,i); if Z1(h,i-1)>Z3(h,i-1)+C(g) && Z2(h,i- 1)+C(g)>Z3(h,i-1)+C(g) S_SDH(h,i)=S3(h,i); S_rata_SDH(h,i)=S3_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(3); Uk_SDH(h,i)=[handoff]; delay_sdh(h,i)=d3k(h,i); S_mean_SDH(h,i)= S33_rata_eks(h,i); S_SDH(h,i)=S1(h,i); S_rata_SDH(h,i)=S1_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(1); Uk_SDH(h,i)=[tidak_handoff];
6 Lampiran A / Code Program 5/10 delay_sdh(h,i)=d1k(h,i); S_mean_SDH(h,i)= S11_rata_eks(h,i); %% keadaan sebelumnya BTS2 yang melayani MS if BTS_kontrol_SDH(h,i-1)==BTS(2) if S_rata_SDH(h,(i-3:i-1))<Smin & S2_rata(h,i)<Smin continue; if Z2(h,i-1)>Z1(h,i-1)+C(g) && Z1(h,i- 1)+C(g)<Z3(h,i-1)+C(g) S_SDH(h,i)=S1(h,i); S_rata_SDH(h,i)=S1_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(1); Uk_SDH(h,i)=[handoff]; delay_sdh(h,i)=d1k(h,i); S_mean_SDH(h,i)= S11_rata_eks(h,i); if Z2(h,i-1)>Z3(h,i-1)+C(g) && Z1(h,i- 1)+C(g)>Z3(h,i-1)+C(g) S_SDH(h,i)=S3(h,i); S_rata_SDH(h,i)=S3_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(3); Uk_SDH(h,i)=[handoff]; delay_sdh(h,i)=d3k(h,i); S_mean_SDH(h,i)= S33_rata_eks(h,i); S_SDH(h,i)=S2(h,i); S_rata_SDH(h,i)=S2_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(2); Uk_SDH(h,i)=[tidak_handoff]; delay_sdh(h,i)=d2k(h,i); S_mean_SDH(h,i)= S22_rata_eks(h,i); %% keadaan sebelumnya BTS3 yang melayani MS if BTS_kontrol_SDH(h,i-1)==BTS(3) if S_rata_SDH(h,(i-3:i-1))<Smin & S3_rata(h,i)<Smin continue; if Z3(h,i-1)>Z1(h,i-1)+C(g) && Z1(h,i- 1)+C(g)<Z2(h,i-1)+C(g) S_SDH(h,i)=S1(h,i); S_rata_SDH(h,i)=S1_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(1); Uk_SDH(h,i)=[handoff]; delay_sdh(h,i)=d1k(h,i); S_mean_SDH(h,i)= S11_rata_eks(h,i); if Z3(h,i-1)>Z2(h,i-1)+C(g) && Z1(h,i- 1)+C(g)>Z2(h,i-1)+C(g) S_SDH(h,i)=S2(h,i); S_rata_SDH(h,i)=S2_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(2); Uk_SDH(h,i)=[handoff];
7 Lampiran A / Code Program 6/10 delay_sdh(h,i)=d2k(h,i); S_mean_SDH(h,i)= S22_rata_eks(h,i); S_SDH(h,i)=S3(h,i); S_rata_SDH(h,i)=S3_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(3); Uk_SDH(h,i)=[tidak_handoff]; delay_sdh(h,i)=d3k(h,i); S_mean_SDH(h,i)= S33_rata_eks(h,i); %% memilih kuat sinyal BTS terbaik ketika sebelumnya drop %% terjadi if (S1_rata(h,i) > Smin) & (S1_rata(h,i) > S2_rata(h,i)) & (S1_rata(h,i) > S3_rata(h,i)) S_SDH(h,i)=S1(h,i); S_rata_SDH(h,i)=S1_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(1); Uk_SDH(h,i)=[tidak_handoff]; delay_sdh(h,i)=d1k(h,i); S_mean_SDH(h,i)= S11_rata_eks(h,i); if (S2_rata(h,i) > Smin) & (S1_rata(h,i) < S2_rata(h,i)) & (S2_rata(h,i) > S3_rata(h,i)) S_SDH(h,i)=S2(h,i); S_rata_SDH(h,i)=S2_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(2); Uk_SDH(h,i)=[tidak_handoff]; delay_sdh(h,i)=d2k(h,i); S_mean_SDH(h,i)= S22_rata_eks(h,i); if (S3_rata(h,i) > Smin) & (S1_rata(h,i) < S3_rata(h,i)) & (S2_rata(h,i) < S3_rata(h,i)) S_SDH(h,i)=S3(h,i); S_rata_SDH(h,i)=S3_rata(h,i); BTS_kontrol_SDH(h,i)=BTS(3); Uk_SDH(h,i)=[tidak_handoff]; delay_sdh(h,i)=d3k(h,i); S_mean_SDH(h,i)= S33_rata_eks(h,i); continue; std1(var_tho)=tho(var_tho).*sqrt((1-(ai^2))); delay_sdho=(delay_sdh>(d*sqrt(3)/2)); Prob_Sdrop_SDH=qfunc((S_mean_SDH-Smin)./std1(var_tho)); %=================================================================
8 Lampiran A / Code Program 7/10 Uk_SDH_rata(var_tho,:)=1/s*sum(sum(Uk_SDH')); delay_sdh_rata(var_tho,:)=1/s*sum(sum(delay_sdho')); Prob_Sdrop_SDH_rata(var_tho,:)= 1/s*sum(mean(Prob_Sdrop_SDH')); Uk_SDH_rata_tho(:,g)=[Uk_SDH_rata]; delay_sdh_rata_tho(:,g)=[delay_sdh_rata]; Prob_Sdrop_SDH_rata_tho(:,g)=[Prob_Sdrop_SDH_rata]; %================================================================= %================================================================= %Posisi MS terhadap BTS figure(1) % posisi BTS t = linspace(0, 2*pi,7); a1 = X_BTS(1)+ (1000)*cos(t);a2 = X_BTS(2)+ (1000)*cos(t);a3 = X_BTS(3)+ (1000)*cos(t); b1 = Y_BTS(1)+ (1000)*sin(t);b2 = Y_BTS(2)+ (1000)*sin(t);b3 = Y_BTS(3)+ (1000)*sin(t); plot(a1,b1,'-b',a2,b2,'-r',a3,b3,'-g') hold on; plot(x_bts(1),y_bts(1),'bp',x_bts(2),y_bts(2),'rh',x_bts(3),y_bts( 3),'g*'); hold on; plot(xk,yk) grid on; %Bentuk level sinyal MS yang diproses tanpa metode rata-rata eksponensial figure(2) % posisi BTS plot(s1, 'b'); hold on; plot(s2(1,:), 'r'); hold on; plot(s3(1,:), 'g'); xlabel('sample ke-'); ylabel('level sinyal (db)'); leg('sinyal1','sinyal2','sinyal3'); grid on; %Bentuk level sinyal dari MS yang diproses dengan metode eksponensial figure(3) % posisi BTS plot(s1_rata(1,:), 'b'); hold on; plot(s2_rata(1,:), 'r');
9 Lampiran A / Code Program 8/10 hold on; plot(s3_rata(1,:), 'g'); xlabel('sample ke-'); ylabel('level sinyal (db)'); leg('sinyal rata-rata1','sinyal rata-rata2','sinyal ratarata3'); grid on; %pengaruh standar deviasi shadow fading terhadap jumlah sinyal degradasi figure(4) plot(tho,[prob_sdrop_sdh_rata_tho]); xlabel('tho (db)'); ylabel('sinyal Degradasi (db)'); leg('c = ','c = 0.025','c = 0.1','c = 0.65'); grid on; %variansi standar deviasi shadow fading dengan jumlah handoff figure(5) plot(tho,[uk_sdh_rata_tho]) xlabel('tho (db)'); ylabel('jumlah Handoff'); leg('c = ','c = 0.025','c = 0.1','c = 0.65'); grid on; %pengaruh standar deviasi shadow fading dengan delay figure(6) plot(tho,[delay_sdh_rata_tho]) xlabel('tho (db)'); ylabel('delay Rata-rata (m)'); leg('c = ','c = 0.025','c = 0.1','c = 0.65'); grid on; toc;
10 Lampiran A / Code Program 9/10 A.2 Fungsi Truncnormrnd function [F1,F2,F3]=truncnormrnd(s,N,mu1,tho1,xlo,xhi) % truncnormrnd: truncated normal deviate generator % usage:z=truncnormrnd(n,mu1,tho1,xlo,xhi) % % (assumes the statistics toolbox, its easy % to do witho1ut that toolbox tho1ugh) % % arguments: (input) % N - size of the resulting array of deviates % (note, if N is a scalar, then the result will be NxN.) % mu1 - scalar - Mean of underlying normal distribution % tho1 - scalar - Standard deviation of underlying normal distribution % xlo - scalar - Low truncation point, if any % xhi - scalar - High truncation point, if any % % arguments: (output) % z - array of truncated normal deviates, size(z)==n % defaults if (nargin<2) isempty(mu1) mu1=0; if (nargin<3) isempty(tho1) tho1=0; if (nargin<4) isempty(xlo) xlo=-inf; plo=0; plo=normcdf((xlo-mu1)/tho1); if (nargin<5) isempty(xhi) xhi=inf; phi=1; phi=normcdf((xhi-mu1)/tho1); % test if trunation points are reversed if xlo>xhi error 'mu1st have xlo <= xhi if both provided' % generate uniform [0,1] random deviates % r=rand(n); r1=rand(s,n); r2=rand(s,n); r3=rand(s,n); % scale to [plo,phi] % r=plo+(phi-plo)*r; r1=plo+(phi-plo)*r1; r2=plo+(phi-plo)*r2; r3=plo+(phi-plo)*r3;
11 Lampiran A / Code Program 10/10 % Invert through standard normal % F=norminv(r); F1=norminv(r1); F2=norminv(r2); F3=norminv(r3); % apply shift and scale % F=mu1+F*tho1; F1=mu1+F1*tho1; F2=mu1+F2*tho1; F3=mu1+F3*tho1;
12 LAMPIRAN B DATA HASIL SIMULASI B.1 Tabel variasi standar deviasi shadow fading dengan cost(c) terhadap parameter jumlah sinyal degradasi. B.2 Tabel variasi standar deviasi shadow fading dengan cost(c) terhadap parameter jumlah handoff. B.3 Tabel variasi standar deviasi shadow fading dengan cost(c) terhadap parameter delay.
13 Lampiran B / Data Hasil Simulasi 1/3 B1. Tabel variasi standar deviasi shadow fading dengan cost(c) terhadap parameter jumlah sinyal degradasi Lampiran B / Data Hasil Simulasi 2/3 B2. Tabel variasi standar deviasi shadow fading dengan cost(c) terhadap parameter jumlah handoff
14 Lampiran B / Data Hasil Simulasi 3/3 B3. Tabel variasi standar deviasi shadow fading dengan cost(c) terhadap parameter delay
15 LAMPIRAN C Flow Chart C.1 Flow Chart Evaluasi Metode Handoff C.2 Flow Chart Proses Handoff
16
17
PENGARUH STANDAR DEVIASI SHADOW FADING TERHADAP KINERJA ALGORITMA SUBOPTIMAL SIGNAL DEGRADATION HANDOFF (SDH)
PENGARUH STANDAR DEVIASI SHADOW FADING TERHADAP KINERJA ALGORITMA SUBOPTIMAL SIGNAL DEGRADATION HANDOFF (SDH) Mediska Simanjuntak, Maksum Pinem Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro
Lebih terperinciANALISIS HANDOFF JARINGAN UMTS DENGAN MODEL PENYISIPAN WLAN PADA PERBATASAN DUA BASE STATION UMTS
ANALISIS HANDOFF JARINGAN UMTS DENGAN MODEL PENYISIPAN WLAN PADA PERBATASAN DUA BASE STATION UMTS Selfi Sinaga, Maksum Pinem Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik
Lebih terperinciBAB I PENDAHULUAN. sinyal paling tinggi. Metode ini memperlihatkan banyaknya handover yang tidak
BAB I PENDAHULUAN 1.1 Latar Belakang Algoritma handover paling sederhana adalah algoritma berdasarkan kekuatan sinyal dimana algoritma ini bekerja berdasarkan tes kekuatan sinyal yang relatif terhadap
Lebih terperinciBAB II PROPAGASI SINYAL. kondisi dari komunikasi seluler yaitu path loss, shadowing dan multipath fading.
BAB II PROPAGASI SINYAL 2.1 Umum Kondisi komunikasi seluler sulit diprediksi, karena bergerak dari satu sel ke sel yang lain. Secara umum terdapat 3 komponen propagasi yang menggambarkan kondisi dari komunikasi
Lebih terperinciBAB IV ANALISA DAN HASIL
BAB IV ANALISA DAN HASIL Pengukuran dilakukan untuk memverifikasi hasil simulasi tersebut apakah telah sesuai ketika diterapkan pada lingkungan yang sebenarnya. 4.1 Tempat Pengukuran Sebelum dilakukan
Lebih terperinciEVALUASI PARAMETER TRADEOFF HANDOFF PADA METODE THRESHOLD DENGAN HISTERESIS ADAPTIF
EVALUASI PARAMETER TRADEOFF HANDOFF PADA METODE THRESHOLD DENGAN HISTERESIS ADAPTIF Leonardo Siregar (1), Maksum Pinem (2) Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciUNJUK KERJA ALGORITMA HARD HANDOFF TERHADAP VARIASI KECEPATAN MOBILE STATION
UNJUK KERJA ALGORITMA HARD HANDOFF TERHADAP VARIASI KECEPATAN MOBILE STATION MAKSUM PINEM Departemen Teknik Elektro, Fakultas Teknik Universitas Sumatera Utara, Medan e-mail : maksum.pinem@gmail.com ABSTRAK-
Lebih terperinciSTUDI SISTEM VERTICAL HANDOVER PADA JARINGAN WIRELESS HETEROGEN MENGGUNAKAN ALGORITMA ADAPTIVE LIFETIME BASED
STUDI SISTEM VERTICAL HANDOVER PADA JARINGAN WIRELESS HETEROGEN MENGGUNAKAN ALGORITMA ADAPTIVE LIFETIME BASED Daniel Hermanto Marpaung, Maksum Pinem Konsentrasi Teknik Telekomunikasi, Departemen Teknik
Lebih terperinciANALISIS EKSPONEN PATH LOSS DENGAN MEMBANDINGKAN METODE HISTERESIS ADAPTIF DAN METODE HISTERESIS TETAP
ANALISIS EKSPONEN PATH LOSS DENGAN MEMBANDINGKAN METODE HISTERESIS ADAPTIF DAN METODE HISTERESIS TETAP Mutiara W. Sitopu Dosen Pembimbing : Maksum Pinem,ST,MT Konsentrasi Teknik Telekomunikasi, Program
Lebih terperinciLAMPIRAN A. File ini merupakan fungsi utama untuk menjalankan simulasi standar IS-95 untuk forward link.
LAMPIRAN A Berikut ini adalah dokumentasi kode program yang ditulis pada MATLAB versi 7.0.1 yang terdiri dari beberapa file atau fungsi untuk menjalankan simulasi ini. Pada umumnya setiap studi kasus terdiri
Lebih terperinciBAB 2 DASAR TEORI. Sistem telekomunikasi yang cocok untuk mendukung sistem komunikasi
BAB 2 DASAR TEORI 2.1 Konsep Seluler Sistem telekomunikasi yang cocok untuk mendukung sistem komunikasi bergerak adalah sistem komunikasi tanpa kabel (wireless) yaitu sistem komunikasi radio lengkap dengan
Lebih terperinciThe Central Limit Theorem
Kesumawati Prodi Statistika FMIPA-UII March 30, 2015 Sifat-Sifat Distribusi Sampel Sifat-sifat dari distribusi sampel tersebut dikenal dengan Central Limit Theorem 1. Bentuk distribusi dari rata-rata sampel
Lebih terperinciDEPARTEMEN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA MEDAN 2011
TUGAS AKHIR PENGARUH PARAMETER PROPAGASI TERHADAP KINERJA ALGORITMA SOFT HANDOFF Oleh : YOSUA ELIASTA GINTING NIM : 070402024 Tugas akhir ini diajukan untuk memenuhi persyaratan dalam menyelesaikan pendidikan
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. 4.1 Analisis Data Laporan Keuangan PT Mayora Indah Tbk. Tabel. 4.1 Data Laporan Keuangan PT Mayora Indah Tbk.
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analisis Data Laporan Keuangan PT Mayora Indah Tbk. Berikut adalah data laporan keuangan PT Mayora Indah Tbk (dalam juta Rupiah), selama tahun 2007 sampai dengan 2010.
Lebih terperinciTeknik Transmisi Seluler (DTG3G3)
Teknik Transmisi Seluler (DTG3G3) Yuyun Siti Rohmah, ST.,MT Dadan Nur Ramadan,S.Pd,MT Tri Nopiani Damayanti,ST.,MT Suci Aulia,ST.,MT KLASIFIKASI DAN PARAMETER SINYAL PADA SELULER Wireless Propagation Radio
Lebih terperinciBAB IV ANALISIS DATA. hipotesis-hipotesis penelitian yang telah dirumuskan dalam BAB I yaitu efektif
76 BAB IV ANALISIS DATA Analisis data hasil penelitian dimaksudkan untuk mengetahui kebenaran hipotesis-hipotesis penelitian yang telah dirumuskan dalam BAB I yaitu efektif atau tidaknya Bimbingan dan
Lebih terperinciApa itu suatu Hypothesis?
Chapter 7 Student Lecture Notes 7-1 Dasar Dasar Hipotesis Apa itu suatu Hypothesis? Hypothesis adalah suatu pernyataan (asumsi) tentang parameter populasi I nyatakan rata-rata IPK kelas ini = 3.5! Contoh
Lebih terperinciLAMPIRAN A LISTING PROGRAM
LAMPIRAN A LISTING PROGRAM Program simulasi untuk melihat diperlukan channel coding. %Program memplot Distribusi level tegangan kanal bit pada kanal AWGN. %Untuk nilai Eb/N0 = 20dB clear; clc; clf; N =
Lebih terperinciANALISA KINERJA MPEG-4 VIDEO STREAMING PADA JARINGAN HSDPA
ANALISA KINERJA MPEG-4 VIDEO STREAMING PADA JARINGAN HSDPA Oleh: Fanny Nurindra P 2203 109 017 Dosen pembimbing : Dr.Ir.Achmad Affandi, DEA Ir.Djoko Suprajitno Rahardjo, MT Latar Belakang 3GPP Release
Lebih terperincifading konstan untuk setiap user dengan asumsi perpindahan mobile station relatif
BAB IV ANALISIS DAN PEMBAHASAN Dalam simulasi ini digunakan power control dengan pendekatan strength based dan SIR based. Simulasi diasumsikan dilakukan pada suatu sistem sel tunggal dan tipe sel yang
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Pendahuluan Pada bab ini akan diuraikan hasil simulasi pengaruh K - factor pada kondisi kanal yang terpengaruh Delay spread maupun kondisi kanal yang dipengaruhi oleh frekuensi
Lebih terperinciANALISIS PENINGKATAN KINERJA SOFT HANDOFF TIGA BTS DENGAN MENGGUNAKAN MODEL PROPAGASI OKUMURA
SINGUDA ENSIKOM VOL. 6 NO.2 /February ANALISIS PENINGKATAN KINERJA SOFT HANDOFF TIGA BTS DENGAN MENGGUNAKAN MODEL PROPAGASI OKUMURA Ari Purwanto, Maksum Pinem Konsentrasi Teknik Telekomunikasi, Departemen
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciPanduan Praktikum S1 Elins Eksp. Kontrol Digital 1
1 Sistem Kontrol Digital Eksperimen 1 : Pengenalan Matlab dan Simulink pada Sistem Kontrol Digital Tujuan : Memperkenalkan Matlab, Simulink dan Control System Toolbox yang digunakan untuk mensimulasikan
Lebih terperinciBAB IV ANALISIS DATA. penelitian dimaksudkan untuk mengetahui ada tidaknya pengaruh Bimbingan
BAB IV ANALISIS DATA Dari beberapa pembahasan yang sudah di paparkan oleh peneliti, maka langkah selanjutnya adalah menganalisis data hasil penelitian. Analisis data hasil penelitian dimaksudkan untuk
Lebih terperinciPenggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi
Jurnal Gradien Vol.3 No.2 Juli 2007 : 247-251 Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Syamsul
Lebih terperinciBAB IV ANALISA HASIL PENELITIAN
BAB IV ANALISA HASIL PENELITIAN 4.. Prosedur Penelitian. 4... Tahap Persiapan Menyiapkan alat-alat dan bahan yang digunakan untuk melakukan eksperimen. Yaitu ampere meter, volt meter, function generator,
Lebih terperinciBAB I PENDAHULUAN. Code Division Multiple Access (CDMA) merupakan metode akses kanal
BAB I PENDAHULUAN 1.1 Latar Belakang Code Division Multiple Access (CDMA) merupakan metode akses kanal yang digunakan oleh berbagai macam teknologi komunikasi seluler. Salah satu fasilitas dalam komunikasi
Lebih terperinciSOAL DETECT UTS GENAP 2014/2015. Quality Control
SOAL DETECT UTS GENAP 2014/2015 Quality Control 1. a. Buat peta kendali dan R! b. Buat revisi peta kendali jika dibutuhkan! c. Diketahui spesifikasi produk adalah 171 ± 11. Jika produk di bawah LSL maka
Lebih terperinciBAB III PERANCANGAN SISTEM DAN SIMULASI
BAB III PERANCANGAN SISTEM DAN SIMULASI Pada Tugas Akhir ini akan dianalisis sistem Direct Sequence CDMA dengan menggunakan kode penebar yang berbeda-beda dengan simulasi menggunakan program Matlab. Oleh
Lebih terperinciIMPLEMENTASI MODULASI DAN DEMODULASI GMSK PADA DSK TMS320C6416T
IMPLEMENTASI MODULASI DAN DEMODULASI GMSK PADA DSK TMS320C6416T 22 11 106 032 ADITYA SUKMANA Pembimbing 1 Pembimbing 2 : Dr. Ir. Suwadi, M.T : Ir. Titiek Suryani, M.T Latar Belakang 1 2 1 1 Mempelajari
Lebih terperinciEVALUASI KINERJA ALGORITMA HISTERESIS HARD HANDOFF PADA SISTEM SELULER
EVALUASI KINERJA ALGORITMA HISTERESIS HARD HANDOFF PADA SISTEM SELULER Rudolf Parulian Gurning, Maksum Pinem Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera
Lebih terperinciMA3081 STATISTIKA MATEMATIK(A) Bab 2: Distribusi Samp
MA3081 STATISTIKA MATEMATIK(A) Bab 2: We love Statistics Pengantar Parameter adalah... ...suatu karakteristik dari populasi. Statistik adalah... ...suatu karakteristik dari sampel. Statistik adalah fungsi
Lebih terperinciBAB IV PEMODELAN SIMULASI
BAB IV PEMODELAN SIMULASI Pada tugas akhir ini akan dilakukan beberapa jenis simulasi yang bertujuan untuk mengetahui kinerja dari sebagian sistem Mobile WiMAX dengan menggunakan model kanal SUI. Parameter-parameter
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih terperinciMODUL 5 EKSTRAKSI CIRI SINYAL WICARA
MODUL 5 EKSTRAKSI CIRI SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan estimasi frekuensi fundamental sinyal wicara dari pengamatan spektrumnya dan bentuk gelombangnya - Mahasiswa mampu menggambarkan
Lebih terperinciStatistik Bisnis. Week 9 Confidence Interval Estimation
Statistik Bisnis Week 9 Confidence Interval Estimation Agenda Time Activity 20 minutes Point and Interval Estimate 40 minutes Confidence Interval Estimate for the Mean ( Known) 40 minutes Confidence Interval
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada sistem CDMA pengendalian daya baik pada Mobile Station (MS) maupun Base Station (BS) harus dilakukan dengan baik mengingat semua user pada CDMA mengggunakan
Lebih terperinciLAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA. Disusun Oleh : Inggi Rizki Fatryana ( )
LAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA Disusun Oleh : Inggi Rizki Fatryana (1210147002) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya 2014-2015
Lebih terperinciSISTEM PENGOLAHAN ISYARAT
TKE 243 SISTEM PENGOLAHAN ISYARAT Kuliah 1 Filter Digital Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta 29 1 KULIAH 1
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
JURNAL TEKNIK POMITS Vol. 2, No. 2, (213) ISSN: 2337-3539 (231-9271 Print) A-288 Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi, Wirawan,
Lebih terperinciBAB IV ANALISIS DATA. Kebajikan Anak-Anak Yatim Kuching, Sarawak, Malaysia. sampel berpasangan. Prosedur Paired Samples Uji T digunakan untuk
85 BAB IV ANALISIS DATA Analisis data hasil penelitian dimaksudkan untuk mengetahui kebenaran hipotesis-hipotesis penelitian yang telah dirumuskan dalam BAB I yaitu pengaruh atau tidaknya Bimbingan Dan
Lebih terperinciSOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA
SOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA 1304405027 JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA JIMBARAN 2015 Rancang Filter low pass digital IIR Butterworth
Lebih terperinciBAB III METODOLOGI PENELITIAN. Langkah perancangan yang akan dilakukan adalah sebagai berikut: produksi pada departemen plastik
BAB III METODOLOGI PENELITIAN 3.1 Langkah Perancangan Langkah perancangan yang akan dilakukan adalah sebagai berikut: a. Melakukan studi literatur sejumlah buku yang berkaitan dengan preventive maintenance.
Lebih terperinciBab 2 LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
Bab 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciUJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR
PYTHAGORAS, 6(2): 161-166 Oktober 2017 ISSN Cetak: 2301-5314 UJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR Hermansah
Lebih terperinciSTATISTIKA II IT
STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang
Lebih terperinciharga rata-rata dimana harga tersebut dipengaruhi oleh jumlah barang yang diperoleh pada masing-masing harganya, dengan demikian diperlukah juga
BAB IV ANALISA HASIL DAN PEMBAH ASAN A. DESKRIPSI DATA 1. Metode Persediaan rata-rata Dalam penelitian ini yang menjadi variabel bebas (X) adalah metode persediaan rata-rata yaitu : metode yang didasarkan
Lebih terperinciSebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor
Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran normal menjadi syarat untuk dilakukan Analisis varian,
Lebih terperinciBab 2 LANDASAN TEORI
9 Bab 2 LANDASAN TEORI 21 Uji Kecukupan Sampel Dalam melakukan penelitian yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel Pengujian
Lebih terperinciBAB II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi
BAB II KAJIAN PUSTAKA A. Rancangan Percobaan Rancangan percobaan dapat diartikan sebagai serangkaian uji dimana perubahan yang berarti dilakukan pada variabel dari suatu proses atau sistem sehingga dapat
Lebih terperinciBAB III METODOLOGI PERHITUNGAN
BAB III METODOLOGI PERHITUNGAN Pada bab ini menguraikan langkah-langkah sistematis yang dilakukan dalam perhitungan. Metodologi merupakan kerangka dasar dari tahapan penyelesaian tugas akhir. Metodologi
Lebih terperinciBAB IV HASIL SIMULASI DAN ANALISA
BAB IV HASIL SIMULASI DAN ANALISA Analisa kinerja sistem DS-CDMA dilakukan dengan membandingkan grafik BER terhadap SNR dipenerima. Hal-hal yang akan dianalisis adalah sebagai berikut: 1. Kinerja sistem
Lebih terperinciSIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING
SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING PENGANTAR Simulasi Monte Carlo didefinisikan sebagai semua teknik sampling statistik yang digunakan untuk memperkirakan solusi
Lebih terperinciPRAKTIKUM ANALISIS DATA EKSPLORATIF
LAPORAN PRAKTIKUM ANALISIS DATA EKSPLORATIF Oleh: GEMPUR SAFAR (10877) PROGRAM STUDI STATISTIKA Asisten SIGIT SAMAPTAAJI BAGUS PRAMULYA Dosen Dra. SRIHARYATMI KARTIKO, M.Sc. LABORATORIUM KOMPUTASI MATEMATIKA
Lebih terperinciLAMPIRAN. LAMPIRAN A Data Sheet FR4. Universitas Sumatera Utara
LAMPIRAN LAMPIRAN A Data Sheet FR4 LAMPIRAN B Lampiran B-1 clc clear all %Menghitung Impedansi Karakteristik, Konstanta Redaman, Dan Konstanta Fasa H=[0.10 0.15 0.20 0.25 0.30 0.36 0.51 0.71 0.76]%Tebal
Lebih terperinciSTATISTIK PERTEMUAN VII
STATISTIK PERTEMUAN VII Distribusi Sampling Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, pada statistik
Lebih terperinciLOGO IMPLEMENTASI MODULASI DAN DEMODULASI M-ARY QAM PADA DSK TMS320C6416T
IMPLEMENTASI MODULASI DAN DEMODULASI M-ARY QAM PADA DSK TMS320C6416T 2210106006 ANGGA YUDA PRASETYA Pembimbing 1 Pembimbing 2 : Dr. Ir. Suwadi, MT : Ir. Titik Suryani, MT Latar Belakang 1 2 Perkembangan
Lebih terperinciBAB II PEMODELAN PROPAGASI. Kondisi komunikasi seluler sulit diprediksi, karena bergerak dari satu sel
BAB II PEMODELAN PROPAGASI 2.1 Umum Kondisi komunikasi seluler sulit diprediksi, karena bergerak dari satu sel ke sel yang lain. Secara umum terdapat 3 komponen propagasi yang menggambarkan kondisi dari
Lebih terperinciEstimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. April 5, 2016 TJ (SU) Estimasi dan Confidence Interval April 2016 1 / 30 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
Lebih terperinciPERCOBAAN SINTESIS DAN ANALISIS ISYARAT (SIMULASI) (Oleh : Sumarna, Lab-Elins, Jurdik Fisika FMIPA UNY)
PERCOBAAN SINTESIS DAN ANALISIS ISYARAT (SIMULASI) (Oleh : Sumarna, Lab-Elins, Jurdik Fisika FMIPA UNY) E-mail : sumarna@uny.ac.id Tujuan : 1. Mengkonstruksi sinyal kompleks dengan MATLAB. 2. Memahami
Lebih terperinciLAMPIRAN A SKALA PENELITIAN
51 LAMPIRAN A SKALA PENELITIAN 52 A 1 SKALA PERILAKU MEMBELI DAGING SAPI IMPOR 53 SKALA PERILAKU MEMBELI DAGING SAPI IMPOR No Pernyataan Jawaban 1 Dalam 1 bulan berapa kali anda membeli di CV RAB : a.
Lebih terperinciKEPERCAYAAN DIRI. Corrected Item-Total Correlation
LAMPIRAN 61 KEPERCAYAAN DIRI PUTARAN 1 N % Cases Valid 60 100.0 Excluded( a) 0.0 Total 60 100.0 a Listwise deletion based on all variables in the procedure. Reliability Statistics Alpha N of Items.756
Lebih terperinciLAPORAN PRAKTIKUM 8 & 9 STATISTIKA TENTANG UJI HIPOTESIS (Z OR T) DAN UJI RERATA (STUDENT T)
LAPORAN PRAKTIKUM 8 & 9 STATISTIKA TENTANG UJI HIPOTESIS (Z OR T) DAN UJI RERATA (STUDENT T) STATISTIKA DISUSUN OLEH : MELINA KRISNAWATI 12.12.0328 SI 12 F JURUSAN SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN
Lebih terperinciBAB III PERANCANGAN MODEL KANAL DAN SIMULASI POWER CONTROL DENGAN MENGGUNAKAN DIVERSITAS ANTENA
BAB III PERANCANGAN MODEL KANAL DAN SIMULASI POWER CONTROL DENGAN MENGGUNAKAN DIVERSITAS ANTENA 3.1 Simulasi Kanal Fading Rayleigh Proses simulasi yang digunakan untuk memodelkan kanal fading diambil dari
Lebih terperinciPERCOBAAN I PEMODELAN SYSTEM
PERCOBAAN I PEMODELAN SYSTEM. TUJUAN. Mahasiswa dapat menyatakan konsep dasar mengenai feedback control / kontrol loop tertutup. 2. Mahasiswa dapat membedakan sensor dan aktuator. 3. Mahasiswa dapat menjelaskan
Lebih terperinciSTATISTIKA DESKRIPTIF
STATISTIKA DESKRIPTIF 1 Statistika deskriptif berkaitan dengan penerapan metode statistika untuk mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara deskriptif. Statistika inferensia
Lebih terperinciLampiran 1. Kuesioner Self Efficacy (I) dan Persepsi Manajemen Perusahaan (II) Pendidikan terakhir : SMA / D3 / S1 / S2 / S3 / Lainnya,.
Lampiran 1. Kuesioner Self Efficacy (I) dan Persepsi Manajemen Perusahaan (II) IDENTITAS RESPONDEN Nama (boleh samaran) : Jenis Kelamin : P / L Usia :. Tahun Pendidikan terakhir : SMA / D3 / S1 / S2 /
Lebih terperinciPemodelan Markov untuk kanal HF Availability pada Link Malang-Surabaya
Pemodelan Markov untuk kanal HF Availability pada Link Malang-Surabaya Arif Fathoni #1, Wismanu Susetyo #2, Gamantyo Hendrantoro #3 Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember Surabaya Kampus
Lebih terperinciPENGENALAN ALAT HITUNG: KALKULATOR DAN FUNGSI KALKULATOR PADA PROGRAM R STATISTIKA
Praktikum Perancangan Percobaan 1 PRAKTIKUM 1 PENGENALAN ALAT HITUNG: KALKULATOR DAN FUNGSI KALKULATOR PADA PROGRAM R STATISTIKA A. Tujuan Instruksional Khusus Mahasiswa diharapkan mampu: a. Menggunakan
Lebih terperinci4. BILANGAN ACAK dan Pembangkitannya
4. BILANGAN ACAK dan Pembangkitannya 4.1. Pengantar Bilangan Acak Bilangan acak merupakan suatu besaran dasar dalam modeling dan teknikteknik simulasi. Pada modeling dan simulasi banyak sekali memanfaatkan
Lebih terperinciAnalisa Regresi Dua Variabel: Estimasi
Analisa Regresi Dua Variabel: Estimasi Tjipto Juwono, Ph.D. April 22, 2016 TJ (SU) Analisa Regresi Dua Variabel: Estimasi April 2016 1 / 26 PRF vs SRF Apa Perbedaan PRF dan SRF Population Regression Function
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI. Sistem Pendulum Terbalik Dalam penelitian ini diperhatikan sistem pendulum terbalik seperti pada Gambar di mana sebuah pendulum terbalik dimuat dalam motor yang bisa digerakkan.
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
PRESENTASI TUGAS AKHIR Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi 228175 Dosen Pembimbing Dr. Ir Wirawan, DEA. Ir. Endang Widjiati,
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Berdasarkan nilai pada masing-masing variabel dapat diketahui nilai penelitian seperti nilai minimum, maksimum, mean dan standard deviasi dari
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE. Oleh : DEWI SETYA KUSUMAWARDANI
SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE Oleh : DEWI SETYA KUSUMAWARDANI 24010210120007 Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciBAB I PENDAHULUAN. handoff pada jaringan 3G (third generation), para pengguna sudah dapat merasakan
BAB I PENDAHULUAN I.1 Latar Belakang Manajemen mobilitas merupakan sebuah tantangan yang besar bagi jaringan akses radio pada masa ini dan masa yang akan datang. Dengan implementasi soft handoff pada jaringan
Lebih terperinciBAB IV HASIL SIMULASI DAN ANALISIS
BAB IV HASIL SIMULASI DAN ANALISIS Simulasi ini bertujuan untuk meneliti Turbo Coding dalam hal Bit Error Rate (). Pada bagian ini akan ditunjukkan pengaruh jumlah shift register, interleaver, jumlah iterasi
Lebih terperinciANALISIS MODEL PROPAGASI PATH LOSS SEMI- DETERMINISTIK UNTUK APLIKASI TRIPLE BAND DI DAERAH URBAN METROPOLITAN CENTRE
ANALISIS MODEL PROPAGASI PATH LOSS SEMI- DETERMINISTIK UNTUK APLIKASI TRIPLE BAND DI DAERAH URBAN METROPOLITAN CENTRE Nining Triana, Maksum Pinem Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro
Lebih terperinciPAIRED-SAMPLES T TEST
PAIRED-SAMPLES T TEST Bab ini menjelaskan tentang: Pengertian dasar prosedur Paired-Samples T Test Contoh studi kasus Paired-Samples T Test Langkah melakukan prosedur Paired-Samples T Test Teknik membaca
Lebih terperinciSimulasi Monte-Carlo. Tom Huber, Erma Suryani, Pemodelan & Simulasi Wikipedia.
Simulasi Monte-Carlo Tom Huber, http://physics.gac.edu/~huber/envision/instruct/montecar.html Erma Suryani, Pemodelan & Simulasi Wikipedia.org Simulasi Monte Carlo Menggunakan bilangan random Simulasi
Lebih terperinciFPM PADA KELUARGA EKSPONENSIAL BENTUK KONONIK
FPM PADA KELUARGA EKSPONENSIAL BENTUK KONONIK Oleh : Entit Puspita Jurusan Pendidikan Matematika Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam Universitas Pendidikan Indonesia ABSTRACT We can
Lebih terperinciEstimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. June 2017 TJ (SU) Estimasi dan Confidence Interval June 2017 1 / 31 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data
Lebih terperinciPEMODELAN KANAL KOMUNIKASI AKUSTIK PADA PERAIRAN DANGKAL
PEMODELAN KANAL KOMUNIKASI AKUSTIK PADA PERAIRAN DANGKAL Taufani Rizal Nofriansyah NRP. 2207 100 004 Dosen Pembimbing : Dr. Ir. Wirawan, DEA Ir. Endang Widjiati, M.Eng.Sc Latar Belakang Kondisi perairan
Lebih terperinciBAB IV ANALISIS DATA. Data yang digunakan dalam tugas akhir ini adalah data eksplorasi
BAB IV ANALISIS DATA 4. DATA Data yang digunakan dalam tugas akhir ini adalah data eksplorasi kandungan cadangan bauksit di daerah penambangan bauksit di Mempawah pada blok AIII-h5 sebanyak 8 titik eksplorasi.
Lebih terperinciLAMPIRAN A: SKALA PENELITIAN A-1 Skala Dukungan Sosial Orangtua
LAMPIRAN LAMPIRAN A: SKALA PENELITIAN A-1 Skala Dukungan Sosial Orangtua Kelas : No. Absen : PETUNJUK PENGISIAN Di halaman berikut ada beberapa pernyataan yang akan Anda jawab. Sebelum Anda menjawab, ada
Lebih terperinciStatistik Non Parametrik
Statistik Non Parametrik STATISTIK PARAMETRIK DAN NON PARAMETRIK Statistik parametrik, didasarkan asumsi : - sampel random diambil dari populasi normal atau - ukuran sampel besar atau - sampel berasal
Lebih terperinciBAB III METODOLOGI. 3.1 Data. Data yang digunakan dalam studi ini meliputi :
BAB III METODOLOGI 3.1 Data Data yang digunakan dalam studi ini meliputi : Data citra satelit NOAA Citra Satelit NOAA yang digunakan merupakan hasil olahan yang menampilkan tampakan pewarnaan laut untuk
Lebih terperinciObjective PT3163-HANDOUT-SISK OMBER
Objective Setelah mengikuti dan mempelajari modul ini siswa diharapkan memahami ; faktor-faktor yang dapat menentukan kapasitas jaringan CDMA, mekanisme pengaturan daya up-link dan mekanisme pengalihan
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Data Hasil Pengujian Pengujian yang dilakukan menguji masa hidup baterai dengan alat uji masa hidup baterai yang telah dirancang dan dimplementasikan. Pengujian dilakukan
Lebih terperinciBAB 4 ANALISIS. Tabel 4.1 Offset GPS-Kamera dalam Sistem Koordinat Kamera
BAB 4 ANALISIS Pada bab ini dipaparkan analisis dari hasil pengolahan data dan juga proses yang dilakukan pada penelitian kali ini. Analisis akan mencakup kelebihan dan kekurangan dari metode yang digunakan,
Lebih terperinciLAMPIRAN A: M-FILE MATLAB
LAMPIRAN A: M-FILE MATLAB % gambar4_1.m %rand('state',state0); randn('state',state1); state0 = rand('state'); state1 = randn('state'); nu = 16; tlh_mid = 32; tlh_local = 6; scatterers decay = 2; % panjang
Lebih terperinciBAB III MODEL SISTEM CLOSED-LOOP POWER CONTROL PADA CDMA
SIR dipakai untuk mengestimasi kondisi kanal dan selanjutnya sebagai informasi feedback pada closed-loop power control berbasis SIR untuk menentukan besar update daya pancar MS. Oleh karena itu, akurasi
Lebih terperinciTabel 6. Nilai Parameter Hasil Pengolahan Data
Lampiran 1 Tabel 6. Nilai Parameter Hasil Pengolahan Data Parameter Hasil Pengukuran Pantai Baron Kukup Sepanjang Drini Krakal Ngandong Sundak Sudut Lereng Gisik Pantai (δ) 4.86 6.74 21.28 10.00 10.25
Lebih terperinciKUESIONER PENGARUH BAURAN PEMASARAN TERHADAP KEPUTUSAN PEMBELIAN PADA TOKO BUKU GRAMEDIA SANTIKA DYANDRA MEDAN
Lampiran 1 KUESIONER PENGARUH BAURAN PEMASARAN TERHADAP KEPUTUSAN PEMBELIAN PADA TOKO BUKU GRAMEDIA SANTIKA DYANDRA MEDAN Identitas Responden Nama : Umur : Jenis Kelamin : Perempuan/ Laki-laki Pendidikan
Lebih terperinciBAB 3 PERUMUSAN PENELITIAN. Signal. Sparse Coding. Reconstruction. Reconstructed. Assessment
BAB PERUMUSAN PENELITIAN.1 Blok Diagram Signal Sparse Coding Dictionary Reconstruction Reconstructed Signal Assessment Gambar.1 Blok Diagram secara Umum Secara umum tujuan penelitian ini akan mencari dictionary
Lebih terperinciUJI HIPOTESA PERBEDAAN. t-test
UJI HIPOTESA PERBEDAAN t-test T-test Digunakan untuk menguji hipotesa komparatif (uji perbedaan) Digunakan untuk sample kecil & varian populasi tidak diketahui Merupakan salah satu tehnik statistik parametrik
Lebih terperinciESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS
ESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS Asep Solih A* Abstrak Dalam analisis data seringkali peneliti ingin mengetahui karakteristik data penelitian seperti jenis distribusi,
Lebih terperinciBAB IV ANALISIS DAN HASIL PENELITIAN Analisis Hasil Pengukuran di Area Sekitar UMY
BAB IV ANALISIS DAN HASIL PENELITIAN 4.1. Analisis Hasil Pengukuran di Area Sekitar UMY Pengukuran dilakukan menggunakan metode drive test jaringan guna mengetahui optimal atau tidaknya jaringan provider
Lebih terperinci