Evaluasi Algoritme HASIL DAN PEMBAHASAN Penggunaan Cronjob Memasukkan Link ke Frontier Pemberhentian Crawling
|
|
- Sonny Hardja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 selajutaya yag aka dikujugi. Pada kajia kali ii startig URL yag diguaka yaitu Kata kuci pada kajia kali ii adalah pertaia agriculture tai petai padi jagug agri agribisis, dega tujua utuk medapatka halama web yag berhubuga dega pertaia. 2. Memasukka lik ke frotier Frotier adalah daftar URL yag belum dikujugi oleh web crawler (uvisited pages). Berdasarka termiologi graf, frotier adalah sebuah ode yag belum diekspa (uexpaded odes). Atura pada frotier tidak boleh ada duplikasi URL, utuk memastikaya diguaka pegeceka secara kueri basis data. Memasukka lik ke frotier adalah proses memasukka setiap lik yag didapat dari startig URL atau lik dari sebuah halama web. Implemetasi frotier pada kajia ii yaitu megguaka basis data, racaga struktur tabel pada basis data dapat dilihat di Lampira Pegeceka pemberhetia crawlig Pemberhetia crawlig dilakuka jika total halama web yag dikujugi mecapai total maksimum yag ditetuka, atau jika frotier telah mecapai batas maksimum dalam sebuah peyimpaa. 4. Megambil lik dari frotier berdasarka algoritme crawler Megambil lik dari frotier berdasarka atura dari setiap algoritme yaitu algoritme breadth first, breadth first with time costrait, best first, da page rak. 5. Fetch Fetch adalah proses megujugi da megambil isi halama web. 6. Parsig Parsig adalah proses megekstrak lik da kata atau frase dari sebuah halama web. Pada tahapa ii dilakuka pegeceka apakah sebuah kata atau frase termasuk stop list, jika stop list maka tidak dimasukka dalam peyimpaa. Pada peelia ii megguaka stop list Bahasa Idoesia da Bahasa Iggris, alasa megguaka stop list Bahasa Iggris dikareaka beberapa dokume web berbahasa Idoesia megguaka istilah Bahasa Iggris. Daftar stop list Bahasa Idoesia da Bahasa Iggris dapat dilihat pada Lampira Pegideksa Hasil dari tahapa fetch, dihitug bobot setiap kata atau frase yag didapat dega term frequecy (tf), kata atau frase da bobotya disimpa dalam basis data. Evaluasi Algoritme Evaluasi algoritme merupaka proses evaluasi terhadap algoritme web crawer yag telah diimplemetasika. Evaluasi dilakuka dega tiga cara yaitu : 1. Meghitug ilai precisio utuk setiap algoritme. 2. Meghitug kompleksitas utuk setiap algoritme. 3. Meghitug rata-rata fetch time sebayak dua puluh iterasi utuk setiap algoritme. HASIL DAN PEMBAHASAN Pegguaa Crojob Crojob adalah aplikasi yag diguaka utuk pejadwala, sehigga memugkika peggua melakuka eksekusi aplikasi atau script program sesuai dega waktu yag telah ditetuka. Pada peelita ii diguaka aplikasi crojob yag sudah terkofigurasi lagsug dega Cpael pada sebuah hostig. Tujua dari pegguaa crojob adalah utuk megatur proses crawlig sesuai dega waktu yag ditetuka. Memasukka Lik ke Frotier Utuk medapatka lik dari dokume HTML yaitu dega megambil semua tag hyperliks. Lik yag bear (valid) harus memeuhi atura sebagai berikut : 1. Sebuah lik dega ilai atribut href tidak boleh berilai #. 2. Atribut href dari tidak megadug ekstesi file yag telah dijelaska pada ruag ligkup. Pemberhetia Crawlig Pemberhetia crawlig yaitu memberi ilai kotata MAX_PAGES pada setiap algoritme dega ilai tertetu, pada kajia ii megguaka ilai kostata sepuluh. Tujua dari pemberhetia crawlig yaitu agar 6
2 algoritme crawlig tidak jala terus meerus yag aka meyebabka membebai server. Megambil Lik dari Frotier Berdasarka Algoritme Crawler Proses ii merupaka pokok dari algoritme crawler yag diguaka utuk meetuka lik maa saja yag didahuluka utuk dikujugi. Berikut ii pejelasa proses pegambila lik dari frotier berdasarka algoritme : 1. Breadth first Proses peetua lik yag didahuluka utuk dikujugi sagat sederhaa yaitu megguaka kosep FIFO, jika lik yag terlebih dahulu masuk ke frotier maka aka dikujugi terlebih dahulu. 2. Breadth first with time costrait Proses peetua lik yag didahuluka pada algoritme ii sama persis dega algoritme breadth first. Pada algoritme ii terdapat pegecualia dega melakuka pegeceka, yaitu selisih atar waktu sekarag (ow) dega waktu terakhir sebuah lik dikujugi, selisih waktu tersebut harus memeuhi time threshold yag ditetuka. Pada peelitia ii time threshold yag diguaka yaitu 24 jam (86400 detik), dega alasa karea rata-rata sebuah halama web diperbaharui dalam waktu sehari semalam. 3. Best first Proses peetua lik yag didahuluka utuk dikujugi dega megguaka ilai cosie similarity. Nilai cosie similarity sebuah halama web dihitug berdasarka kata kuci yag diberika, ilai yag didapat aka diberika pada setiap lik yag ada pada halama web tersebut. Utuk melihat algoritme cosie similarity da perhituga ilai cosie similarity secara maual pada sebuah halama web dapat dilihat pada Lampira Page rak Proses peetua lik yag didahuluka utuk dikujugi megguaka dua pedekata, yaitu ilai cosie similarity atau ilai page rak dari sebuah halama web. Pertimbaga ilai cosie similarity diguaka haya pada iterasi satu sampai lima, karea pada iterasi tersebut ilai page rak belum dihitug. Fetch Ketetua proses algoritme page rak pada web crawler yaitu sebagai berikut : a) Jika jumlah halama web kelipata dari lima, maka dilakuka perhituga ilai page rak utuk setiap lik yag didapat dari frotier. b) Utuk meetuka liks yag aka dihitug ilai page rak-ya, yaitu dega megambil beberapa lik dari frotier yag memiliki ilai cosie similarity tertiggi. c) liks yag diambil dari frotier yaitu sepuluh, dega pertimbaga jumlah MAX_PAGES sama dega sepuluh, jadi peetua lik yag didahuluka utuk dikujugi pada iterasi berikutya tetap megguaka ilai page rak. d) Proses selajutya yaitu medapatka lik keluar (out lik) dari setiap lik yag diambil dari frotier. Setelah diperoleh lik keluar, maka dilakuka proses perhituga ilai page rak. Algoritme page rak da implemetasi page rak megguaka bahasa pemrograma PHP dapat dilihat pada Lampira 4. Implemetasi fetch megguaka library PHP (Cliet URL) merupaka sebuah library yag memugkika utuk terhubug da berkomuikasi atar berbagai macam tipe server dega berbagai macam protokol, salah satuya adalah HTTP. Halama HTML yag didapat disimpa ke dalam basis data, kemudia aka diguaka utuk proses parsig. Parsig Utuk medapatka kata atau frase pada halama web dilakuka pemrosesa HTML. Tujua pemrosesa HTML yaitu agar karakterkarakter khusus serta ilai di dalam tag style da tag script tidak dihitug sebagai kata atau frase. Proses utuk medapatka kata atau frase yag bear (valid) dari sebuah halama HTML, dilakuka dega megguaka regular expressio, yaitu meggati karakter-karakter khusus, tag style da tag script dega karakter kosog atau spasi. Implemetasi regular expressio dega megguaka bahasa pemrograma PHP da karekter-karakter khusus yag harus disarig dapat dilihat pada Lampira 5. 7
3 Pegideksa Setelah proses parsig selesai, maka proses selajutya yaitu pegideksa. Tabel 2 meujukka rekapitulasi lima kata atau frase palig bayak terdapat pada halama web, yag didapat dari proses pegideksa. Tabel 2 Rekapitulasi lima kata atau frase palig bayak terdapat pada halama web. Breadth First Kata Dokume pertaia berita biro idoesia asioal Total lik : 1617 Total lik yag dikujugi : Total lik yag belum dikujugi : 1417 Breadth First with Costrait Kata Dokume pertaia berita biro iformasi idoesia Total lik : 1612 Total lik yag dikujugi : Total lik yag belum dikujugi : 1412 Best First Kata Dokume pertaia berita idoesia biro taama Total lik : 1646 Total lik yag dikujugi : Total lik yag belum dikujugi : 1446 Page Rak Kata Dokume pertaia gorotalo provisi dias berita Total lik : 1659 Total lik yag dikujugi : Total lik yag belum dikujugi : 1459 Tabel 3 meujukka rekapitulasi kata atau frase sesuai dega kata kuci. Pada Tabel 3 terlihat bahwa kata Pertaia mempuyai jumlah dokume palig bayak utuk setiap algoritme. Tabel 3 Rekapitulasi kata atau frase sesuai dega kata kuci. Breadth First Kata Dokume pertaia agriculture tai petai padi jagug agri 7 6 agribisis Breadth First with Costrait Kata pertaia agriculture tai petai padi jagug agri 7 6 agribisis Best First Dokume Kata pertaia agriculture tai petai padi jagug agri 3 3 agribisis Page Rak Dokume Kata pertaia agriculture tai petai padi jagug agri 1 1 agribisis Dokume 8
4 Tabel 4 meujukka peluag kata kuci per algoritme. Peluag dihitug dega membagi atara jumlah dokume kata atau frase dega total dokume yag didapat. Pada Tabel 4 terlihat bahwa rata-rata peluag algoritme page rak lebih baik dibadig dega ketiga algoritme laiya yaitu 0,437. tidak megguaka ilai estimasi meujukka semaki besar iterasi maka ilai cosie similarity meuju ke ol. Tabel 4 Peluag kata kuci per algoritme. pertaia agriculture tai petai padi jagug agri agribisis Rata-rata Peluag Algoritma ke ,690 0,760 0,790 0,805 0,175 0,250 0,150 0,390 0,435 0,480 0,490 0,640 0,290 0,380 0,285 0,485 0,205 0,300 0,350 0,385 0,105 0,135 0,130 0,420 0,030 0,030 0,015 0,005 0,450 0,620 0,365 0,365 0,298 0,369 0,322 0,437 Gambar 10 Grafik ilai cosie similarity algoritme breadth first. Keteraga : (1) Breadth First, (2) Breadth First with Costrait, (3) Best First, da (4) Page Rak. Evaluasi Algoritme Evaluasi algoritme megguaka beberapa pedekata yaitu : 1. Nilai Precisio Utuk medapatka halama web yag releva sesuai dega kata kuci dilakuka secara maual, yaitu dega membuka setiap halama web yag didapat, kemudia dilihat apakah releva atau tidak dega kata kuci. Tabel 5 meujukka ilai precisio utuk setiap algoritme, data metah setiap algoritme utuk meghasilka ilai precisio dapat dilihat pada Lampira 6. Berdasarka evaluasi ilai precisio, terlihat bahwa algoritme yag mempertimbagka ilai estimasi atara kata kuci dega halama web lebih baik dibadigka dega algoritme yag tidak mempertimbagka ilai estimasi. Gambar 11 Grafik ilai cosie similarity algoritme breadth first with time costrait. Gambar 12 Grafik ilai cosie similarity algoritme best first. Tabel 5 Perbadiga ilai precisio. Algoritme Halama Releva Precisio 0,255 0,295 0,370 0,395 Keteraga : (1) Breadth First, (2) Breadth First with Costrait, (3) Best First, da (4) Page Rak. Gambar 10 sampai dega Gambar 13 meujukka grafik hubuga atara ilai cosie similarity dega uruta halama web yag dikujugi. Algoritme breadth first yag Gambar 13 Grafik ilai cosie similarity algoritme page rak 9
5 Pada peelitia ii dihitug juga ilai ratarata cosie similarty terhadap dua ratus dokume yag dikumpulka. Hasil yag didapat utuk algoritme page rak, breadth first with time costrait, best first da breadth first da yaitu masig-masig 0,175, 0,146, 0,143 da 0, Kompleksitas Algoritme a. Breadth first Perhituga kompleksitas algoritme breadth first sebagai berikut : Breadth-First(startig_urls) { for each lik (startig_urls) { equeue(frotier, lik); while (visited < MAX_PAGES ){ lik=dequeue_lik(frotier); page=fetch(lik); equeue(frotier, extract_liks(page)); ed_time; T() = = O( 2 ) Jadi, kompleksitas algoritme breadth first yaitu O( 2 ). b. Breadth first with time costrait 3 Perhituga kompleksitas algoritme breadth first with time costrait sebagai berikut : Breadth-First(startig_urls) { for each lik (startig_urls) { equeue(frotier, lik); url = first(frotier); while (visited < MAX_PAGES){ if(now()- timelastaccesstoserver(url) > timethereshld){ page = fetch(url); equeue(frotier, extract_liks(page)); url = first(frotier); ed_time; else{ url = extelemet(frotier); T 1 () = = O( 2 ) T 2 () = = O() Jadi, kompleksitas algoritme breadth first with time costrait yaitu O( 2 ) atau O(). O( 2 ) yaitu worst case, terjadi saat pegeceka time threshold terpeuhi. O() yaitu best case, terjadi saat pegeceka time threshold tidak terpeuhi. c. Best first Perhituga kompleksitas algoritme best first sebagai berikut : BestFirst(keyword,startig_urls){ for each lik (startig_urls) { equeue(frotier,lik, 1); while (visited < MAX_PAGES){ lik=dequeue_top_lik( frotier); page = fetch(lik); score = sim(keyword, page); equeue(frotier, extract_liks(page), score); ed_time; 3 T() = (F()) dega F() merupaka fugsi kompleksitas utuk algoritme cosie similarity. Perhituga kompleksitas algoritme cosie similarity dapat dilihat pada Lampira 3, dega hasil sebagai berikut : F() = , maka T() = ( ) T() = = O( 2 ) Jadi, kompleksitas algoritme best first yaitu O( 2 ). (F())
6 d. Page rak Perhituga kompleksitas algoritme Page Rak sebagai berikut : PageRak (keyword,startig_url){ for each lik (startig_urls) { equeue(frotier, lik, 1); while (visited < MAX_PAGES){ if(multiplies-x (visited)){ for each lik (frotier){ PR(lik) = compute_score_pr; lik = dequeue_max_pr(frotier); if(lik ot foud){ lik = dequeuetoplik(frotier); page = fetch(lik); score = sim(topic, page); equeue(frotier, extract_liks(page),score); ed_time; T 1 () = (F()) dega F() merupaka fugsi kompleksitas utuk algoritme cosie similarity. Perhituga kompleksitas algoritme cosie similarity dapat dilihat pada Lampira 3, dega hasil sebagai berikut : F() = , maka T 1 () = ( ) T 1 () = = O( 2 ) T 2 () = T 1 () (G()) 2 dega G() merupaka fugsi kompleksitas utuk algoritme page rak. Perhituga kompleksitas algoritme page rak dapat dilihat pada Lampira 4, dega hasil sebagai berikut : G() = T 2 () = (G()) (G()) 2 T 2 () = Jadi, kompleksitas algoritme page rak adalah O( 2 ) atau O( 5 ). O( 2 ) yaitu best case, terjadi saat algoritme page rak tidak dijalaka. O( 5 ) adalah worst case, terjadi saat algoritme page rak dijalaka. (F()) Tabel 6 meujukka perbadiga kompleksitas algoritme crawler. Algoritme page rak meujukka ilai kompleksitas lebih tiggi dibadigka dega algoritme laiya, sehigga algoritme page rak membutuhka sumber daya komputer yag lebih baik. Tabel 6 Perbadiga kompleksitas. Algoritme Kompleksitas Breadth First O( 2 ) Breadth First with O( 2 ) Costrait Best First O( 2 ) Page Rak O( 5 ) 3. Fetch Fetch time adalah waktu yag dibutuhka suatu algoritme crawler utuk megujugi da megambil suatu halama web. Setiap itarasi yag meghasilka sepuluh halama web, kemudia dihitug ilai rata-rata fetch time. Tabel 7 meujukka rata-rata fetch time berdasarka uruta pegulaga utuk setiap algoritme web crawler dijalaka. Utuk setiap uruta pegulaga, terlihat bahwa algoritme page rak sebelas kali mecapai ilai terbesar dibadigka dega algoritme lai. Hal ii terjadi dikareaka proses perhituga ilai page rak membutuhka waktu. Selai itu, terlihat bahwa algoritme best first lebih stabil dibadig dega algoritme lai, karea tidak mecapai fetch time maksimum pada setiap iterasi. Pada iterasi ke sebelas sampai ke delapa belas, terlihat bahwa peigkata fetch time yag tiggi utuk algoritme breadth first da breadth first with time costrait. Hal ii terjadi karea akses ke server mulai melambat, atau akses ke halama web tersebut memag lambat. Setelah dilakuka pegeceka ulag dega data metah, yag meyebabka fetch time tiggi yaitu adaya kompoe flash dalam halama web tersebut. Tabel 7 Rata-rata fetch time. Rata-rata fetch time (detik) Uruta algoritma ke ,005 0,005 0,005 1, ,005 0,005 0,006 28,36 3 6,373 7,080 7,656 29,66 4 0,004 0,003 0,004 93,02 5 6,867 5,839 5,176 71, ,556 8,227 0,005 55, ,053 0,006 11,29 30,87 11
7 Rata-rata fetch time (detik) Uruta algoritma ke ,922 0,006 7,851 0, ,005 9,086 6,722 36, ,005 6,352 6,362 65, ,65 32,846 0,006 0, ,83 0,005 0,003 6, ,14 0,005 0,002 5, ,40 34,473 0,001 7, , ,34 0,003 1, , ,67 0,003 3, , ,22 402,4 81, , ,65 9,699 32, ,50 0,007 16,86 49, ,353 0,008 15,34 96,08 Keteraga : (1) Breadth First, (2) Breadth First with Costrait, (3) Best First, da (4) Page Rak. Cell dega latar hitam meujukka ilai terbesar utuk setiap iterasi per algoritme. Gambar 14 meujukka grafik hubuga atara uruta pegulaga web crawler dega rata-rata fetch time, dega data diambil dari Table 7. Gambar 14 Grafik rata-rata fetch time. Kesimpula KESIMPULAN DAN SARAN Hasil peelitia berdasarka ilai precisio da peluag kata kuci per algoritme meujukka bahwa algoritme page rak lebih baik dibadig dega algoritme laiya. Hasil peelitia berdasarka kompleksitas algoritme, meujukka bahwa algoritme page rak memiliki kompleksitas lebih tiggi dibadigka dega algoritme laiya. Selai itu, berdasarka rata-rata fetch time meujukka bahwa algoritme best first lebih stabil dibadig dega algoritme laiya. Sara 1. Implemetasi pada peelitia ii megguaka share hostig, sehigga tidak leluasa dalam megguaka resources server. Perlu adaya server tersediri utuk web crawler agar pegambila halama web lebih cepat. 2. Masih terdapat algoritme web crawler lai selai ke-4 algoritme yag telah dikaji pada peelitia ii, sehigga pada peelitia selajutya diharapka dapat megkaji algoritme web crawler yag lai. 3. Proses pegideksa masih megguaka metode sederhaa yaitu term frequecy (tf), diharapka pada peelitia selajutya megguaka metode pegideksa lai yag lebih baik. DAFTAR PUSTAKA Bri, Page The Aatomy of a Large- Scale Hypertextual Web Search Egie. htm. Corme et al. 2. Itroductio to Algorithms Secod Editio. Eglad. The MIT Press Cambridge. Maig et al. 9. Itroductio to Iformatio Retrieval. Eglad. Cambridge Uiversity Press. Meczer et al. 4. Topical Web Crawlers: Evaluatig Adaptive Algorithms. ACM Trasactios o Iteret Techology. IT.pdf. Romero T, Rafael. 6. Simulatio tool to study focused web crawlig strategies. pdf. Sriivasa. 4. Target Seekig Crawlers ad their Topical Performace. d?doi=
BAB 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 terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
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 terperinciBAB 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 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 terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
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. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
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 terperinciHASIL DAN PEMBAHASAN. Performance Model. Real System. Mangukur Utilisasi CPU dan Penggunaan memori. Menghitung Utilisasi CPU dan Penggunaan memori
Real System Pegukura Magukur Utilisasi CPU da Pegguaa memori Diterima? Ya Performace Model Kalkulasi Meghitug Utilisasi CPU da Pegguaa memori Tidak Kalibrasi Model Gambar 3 Cara utuk melakuka validasi
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
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
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 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. 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 terperinciBAB IV ANALISA DAN PERANCANGAN
4.1Aalisa Sistem Lama BAB IV ANALISA DAN PERANCANGAN Sistem yag ada di UIN SUSKA Riau dalam pegiformasia tetag kampus bagi calo mahasiswa biasaya dega melihat iformasi dari website resmi kampus UIN yag
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
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 terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciBAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab
BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.
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 terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
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 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 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 terperinciPERANCANGAN APLIKASI PEMBELAJARAN MUSEUM INTERAKTIF BERBASIS MOBILE DEVICE
Media Iformatika Vol. 0 No. 3 (20) PERANCANGAN APLIKASI PEMBELAJARAN MUSEUM INTERAKTIF BERBASIS MOBILE DEVICE Aa Hadiaa Sekolah Tiggi Maajeme Iformatika da Komputer LIKMI Jl. Ir. H. Djuada o.96 Badug 4032
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 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 V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
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 terperinciMateri 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya
Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka
Lebih terperinciGambar 4 Kompleksitas tahapan pada fungsi CG sekuensial.
Spesifikasi dari masig-masig komputer yag diguaka adalah: 1. Itel Petium Core 2 Duo ( 2,20 GHz). 2. DDR2 RAM 1024 MB. 3. Hard disk 80 GB. 4. Mouse da Keyboard. 5. LAN 100 Mbps. 6. Sistem operasi Liux (opesuse
Lebih terperinciLIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n
LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara
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 terperinciMETODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa
III. METODE PENELITIAN A. Lokasi da Waktu Peelitia Peelitia tetag Potesi Ekowisata Huta Magrove ii dilakuka di Desa Merak Belatug, Kecamata Kaliada, Kabupate Lampug Selata. Peelitia ii dilaksaaka atara
Lebih terperinciBAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain
BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciModul Klasifikasi Aduan dengan Pendekatan Kemiripan Teks pada Aplikasi Perangkat Bergerak Suara Warga (Surga) Kota Kediri
JURNAL TEKNIK ITS Vol. 5, No. 1, (2016) ISSN: 2337-3539 (2301-9271 Prit) A52 Modul Klasifikasi Adua dega Pedekata Kemiripa Teks pada Aplikasi Peragkat Bergerak Suara Warga (Surga) Kota Kediri Tegar Rachma
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
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
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam
19 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMP Negeri 1 Seputih Agug. Populasi dalam peelitia ii adalah seluruh siswa kelas VII SMP Negeri 1 Seputih Agug sebayak 248 siswa
Lebih terperinciSTUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP
STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP. (Tessa Vaia Soetato, et al.) STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN
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 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 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 terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
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 terperinciPERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER
ISSN : 2338-4018 PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER Agik Damai Istato (agik_damai@yahoo.co.id) Muhammad Hasbi (mhasbi@sius.ac.id)
Lebih terperinciKompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci
Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
Lebih terperinciAlgoritma Branch and Bound pada Permasalahan 0-1 Knapsack
Algoritma Brach ad Boud pada Permasalaha 0-1 Kapsack Sady Socrates (13508044) Program Studi Tekik Iformatika 2008, Istitut Tekologi Badug Jl. Gaesha 10, 40116 Badug e-mail: if18044@studets.if.itb.ac.id
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
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 terperinciSolusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP
( Metode Beda Higga ) December 9, 2013 Sebuah persamaa differesial apabila didiskritisasi dega metode beda higga aka mejadi sebuah persamaa beda. Jika persamaa differesial parsial mempuyai solusi eksak
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI Diajuka Utuk Memeuhi Sebagia Syarat Gua Memperoleh Gelar Sarjaa Komputer (S.Kom) Pada
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 terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciP r o s i d i n g 149
P r o s i d i g 149 PENGENDALIAN KUALITAS PRODUK KOPI TRADISIONAL DALAM RANGKA MENINGKATKAN KEPUASAN KONSUMEN Heptari Elita Dewi (1), Aisa Aprilia (2), Heru Satoso Hadi Subagyo (3) Fakultas Pertaia, Uiversitas
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciIII. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di
4 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah siswa kelas VIII (delapa) semester gajil di SMP Xaverius 4 Badar Lampug tahu ajara 0/0 yag berjumlah siswa terdiri dari
Lebih terperinciSecara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:
BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif
Lebih terperinciPersamaan Non-Linear
Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode
Lebih terperinciDefinisi Integral Tentu
Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.
Lebih terperinciAn = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3
SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
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 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 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT
Jural Iformatika Mulawarma Vol. 10 No. 2 September 2015 20 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT Necy Nurjaah 1), Zaial Arifi 2), Dya Marisa Khairia 3) 1,2,3)
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 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 terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciPemilihan Model Terbaik
Pemiliha Model Terbaik Hazmira Yozza Jur. Matematika FMIPA Uiv. Adalas Jadi bayak model yag mugki dibetuk Var. Bebas :,, 3 Model Maa Yag Mampu Mewakili Data 3,, 3, 3,, 3 + model akar, log, hasil kali,
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
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 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 terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciBAB III METODOLOGI PENELITIAN
38 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia adalah suatu cara ilmiah utuk medapatka data dega tujua tertetu. Peelitia yag megagkat judul Efektivitas Tekik Permaia Pioy Heyo dalam
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciKLASIFIKASI MUTASI JABATAN STRUKTURAL PEGAWAI NEGERI SIPIL MENGGUNAKAN METODE DECISION TREE
KLASIFIKASI MUTASI JABATAN STRUKTURAL PEGAWAI NEGERI SIPIL MENGGUNAKAN METODE DECISION TREE Yati, I Ketut Edy Purama, da Surya Sumpeo Tekik Elektro,Istitut Tekologi Sepuluh Nopember Alamat: Gedug B, C
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
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 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 terperinciBAB III OBYEK DAN METODE PENELITIAN
BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peelitia Meurut Sugiyoo (2010, hlm. 3) pegertia dari obyek peelitia adalah sasara ilmiah utuk medapatka data dega tujua da keguaa tertetu tetag sesuatu hal
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
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 terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinci