Perbandingan Inversi Least-Square dengan Levenberg- Marquardt pada Metode Geomagnet untuk Model Crustal Block

Ukuran: px
Mulai penontonan dengan halaman:

Download "Perbandingan Inversi Least-Square dengan Levenberg- Marquardt pada Metode Geomagnet untuk Model Crustal Block"

Transkripsi

1 PROSIDING SKF 6 Perbadiga Iversi Least-Square dega Leveberg- Marquardt pada Metode Geoaget utuk Model Crustal Block Uar Said a, Mohaad eriyato b, da Wahyu Srigutoo c Laboratoriu Fisika Bui, Kelopok Keilua Fisika Bui da Siste Kopleks, Fakultas Mateatika da Ilu Pegetahua Ala, Istitut Tekologi Badug, Jl. Gaesha o. Badug, Idoesia, 43 a saidu3694@gail.co correspodig author b heriyato37@gail.co c wahyu@fi.itb.ac.id Abstrak Metode geoaget erupaka etode geofisika yag eafaatka iforasi perbedaa agetisasi batua bawah perukaa bui. Metode geoaget uu diguaka pada eksplorasi awal pecaria suber paasbui atau juga peetaa sesar/pataha di bawah perukaa. Salah satu etode iversi yag serig diguaka dala pegolaha data geoaget adalah iversi Least-Square LS da Leveberg- Marquardt LM. Tujua peelitia ii adalah ebadigka iversi LS dega LM dala hal keakurata peetua paraeter odel berdasarka error root-ea-square rs da bayakya iterasi. Data yag diguaka berupa data sitetik da beroise dari odel crustal block. asil dari peelitia ii eujuka bahwa kedua iversi ii sagat bergatug terhadap tebaka odel awal da LM juga bergatug terhadap faktor redaa λ. Iversi LS lebih baik diguaka utuk data tapa oise dega error rs-ya sebesar. -. Data dega tabaha oise sebesar 5% da %, iversi LM lebih efektif da baik daripada LS, dega error rs-ya sebesar da Keywords: Geoaget, least-square, leveberg-arquardt, crustal block, oise PENDAULUAN Geofisika erupaka satu cabag ilu yag epelajari bui egguaka prisip-prisip fisika. Peelitia geofisika ditujuka utuk egetahui kodisi bawah perukaa bui elalui pegukurapegukura yag dilakuka di atas perukaa bui. Pegukura ii keudia ditafsirka sebagaiaa sifatsifat da kodisi di bawah perukaa. Metode geofisika terbagi ejadi dua kategori, geofisika aktif da geofisika pasif. Metode pasif dilakuka dega egukur respo alai yag dihasilka oleh bui seperti eda elektroagetik, aget bui, potesial bui, gravitasi bui, gepa bui da lai sebagaiya. Sedagka etode aktif dilakuka dega ebuat gaggua buata keudia diukur respos terhadap gaggua tersebut []. Salah satu bagia terpetig dala geofisika adalah proses eafsirka respo/data yag bergatug dega kodisi da sifat fisis batua bawah perukaa, atau yag dikeal dega proses iterpretasi. Iterpretasi data dapat dilakuka secara kualitatif ataupu kuatitatif. Iterpretasi kualitatif dilakuka dega cara egaati pola data atau aoali yag diperoleh. Aoali dega pola tertetu berasosiasi dega suber aoali bawah perukaa dega geoetri tertetu. ubuga atara pola aoali dega paraeter odel diperoleh dari peruusa sederhaa. asil dari iterpretasi kualitatif ecakup perkiraa posisi, ukura, da kedalaa beda yag eibulka aoali tersebut. Sedagka iterpretasi kuatitatif dilakuka elalui peodela kedepa da iversi. Dala hal ii, odel ISBN: Deseber 6 433

2 PROSIDING SKF 6 erepresetasi keadaa geologi bawah perukaa dega besara fisis da geoetri tertetu variasi spasial. Model sederhaa dipilih agar perasalaha dapat disederhaaka da respo/data dapat dihitug secara ateatis dega eafaatka teori fisika. Metode geoaget erupaka etode geofisika pasif yag didasarka pada sifat keageta batua sehigga sesitivitas etode ii bergatug pada kotras agetisasi bawah perukaa. Magetasi bui ditetuka oleh eda aget bui yag terdiri dari 3 bagia, yaitu eda utaa, eda luar da aoali eda agetik. Meda utaa ditibulka dari eda aget utaa yag dihasilka oleh bui, eda luar berasal dari pegaruh luar bui yag erupaka hasil dari ioisasi di atosfer yag ditibulka oleh siar ultraviolet da atahari. Sedagka aoali eda agetik erupaka terget dari pegukura geoaget, karea eda aoali ii berasosiasi dega besarya itesitas agetisasi dari suatu batua. Besar aoali ii berkisar ilai ratusa sapai ribua T ao Tesla. Secara garis besar aoali ii disebabka oleh eda agetik reae da eda aget iduksi [3]. Tujua peelitia ii adalah ebadigka iversi least-square LS da Leveberg-Marquardt LM pada etode geoaget. METODE PENELITIAN Peelitia ii egguaka data sitetik yag diperoleh dari odel uji crustal block dega posisi da ukura geoetri beda aoali agetikya ditetapka pada suatu ilai tertetu. Data sitetik ii keudia divariasika dega eberika tabaha oise sebesar 5% da %. Keudia dilakuka iversi LS da LM terhadap ketiga data tersebut. Pebuata progra peodela kedepa, iversi LS, da LM dilakuka pada software MATLAB MathWorks. Peodela Kedepa Model Crustal Block Peodela kedepa erupaka suatu proses perhituga data yag secara teoritis aka teraati di perukaa bui jika diketahui harga paraeter odel tertetu bawah perukaa. Ilustrasiya ditujuka pada Gabar. di bawah ii: Gabar. Ilustrasi peodela kedepa Pada peelitia ii diguaka odel uji crustal block yag geoetriya sudah ditetapka [3]. Gabar. Model crustal block Berdasarka Gabar. diatas, peruusa aoali agetik di setiap titik pegukura adalah sebagai berikut: ISBN: Deseber 6 434

3 PROSIDING SKF Deseber 6 4 3, M B Diaa ilai,, 3, 4 adalah sebagai berikut: ta c ; ta c 3 ta c ; 4 ta c diaa adalah pajag pegukura eter, berupa posisi tegah beda aoali eter, c adalah pajag setegah block eter, diubah ejadi L, diaa L = c. Keudia sebagai kedalaa aoali bagia sisi atas eter, adalah kedalaa aoali bagia sisi bawah eter, da M = kotras agetisasi ao Tesla. Iversi Iversi erupaka suatu etode ateatis da statistik utuk eperoleh iforasi yag bergua egeai suatu siste fisika berdasarka observasi terhadap siste tersebut []. Siste fisika bersesuaia dega feoea yag aka ditijau, sedagka hasil observasiya bersesuaia dega data, hasil iforasi yag igi diperoleh erupaka suatu paraeter odel yag sesaui dega siste fisis yag ada [4]. Ilustrasi peodela iversi dituuka pada Gabar. 3 di bawah ii: Gabar 3. Ilustrasi iversi ubuga atara data/respo dega paraeter odel adalah liier, aka tetapi perasalaha dala geofisika kebayaka berupa o-liier [,4]. d diaa d adalah data/respo, eujukka paraeter odel/odel, da adalah fugsi peodela kedepa yag eghubugka data/respo da paraeter odel secara o-liier. Iversi Least-Square LS Persaaa iteratif iversi LS [,4] sebagai berikut: T T d J J J obs 3 Dega dobs adalah data lapaga atau sitetik da J erupaka atriks Jacobi pada iterasi ke-. M M N N i i J 4 ISBN:

4 PROSIDING SKF 6 diaa i berasosiasi pada pegukura ke-i, N adalah bayak titik pegukura da M berupa bayak paraeter odel. Iversi Leveberg-Marquardt LM T T J J I J d 5 obs diaa adalah paraeter odel iterasi ke-, I disebut atriks idetitas, da adalah faktor redaa yag ilaiya dipilih dega coba-coba sapai edapatka ilai yag sesuai. Error root-ea-square error rs dipilih sebagai paraeter yag diguaka utuk egukur seberapa besar kesalaha yag diiliki data perhituga dega data pegaata. Peruusa error rs sebagai berikut: N i i d obs dcal i error _ rs N 6 asil dari error rs ii diguaka utuk egaalisis kesesuaia atara data observasi d obs da data perhituga d cal, seaki error rs-ya kecil aka seaki akurat pula kesesuaia dataya. Gabar 4. Algorita iversi o-liier Gabar. 4 ejelaska alur proses iversi o-liier. Model awal dipilih tidak jauh dari paraeter odel sebearya odel uji, utuk eghasilka solusi yag koverge. Pada bagia odifikasi odel, utuk iversi LS δ = sedagka utuk LM δ = λi. Paraeter δ yag ebedaka iversi keduaya. Seetara tol adalah tolerasi, dala peelitia ii ditetuka sebesar -. ASIL DAN PEMBAASAN Peodela Kedepa Model Crustal Block Pegukura dilakuka pada litasa arah sepajag eter da spasi pegukura sebesar eter. Tabel. Tabel paraeter odel utuk peodela kedepa No Paraeter Model ISBN: Deseber 6 436

5 PROSIDING SKF 6 M T L Sehigga diperoleh data sitetik hasil peodela kedepa sebagai berikut: d c b a Gabar 6. asil peodela kedepa dega odel uji crustal block. a odel bawah perukaa b Data sitetik tapa oise c Noise 5% da d Noise %. Peabaha oise dilakuka dega cara eabahka asig-asig data tapa oise dega 5% atau % dari asig-asig data tersebut, sehigga pada Gabar. 6c da 6d terlihat ada data yag berubah ilaiya dari data sitetik data tapa oise. Peabaha oise ii bertujua utuk ebuat data sitetik berperilaku seperti data lapaga tidak ideal/bayak oise, keudia juga utuk eguji ketahaa etode iversi yag dipilih terhadap data yag epuyai oise. Iversi asil iversi LS da LM pada data sitetik tapa oise sebagai berikut: ISBN: Deseber 6 437

6 PROSIDING SKF 6 a b Gabar 7. asil iversi a LS da b LM dega λ = - pada data sitetik tapa oise. Tabel. Perbadiga hasil iversi LS da LM pada data sitetik tapa oise. asil Iversi Model Uji LM LS λ = - λ = - λ3 = -7 M T L 9.99 Iterasi Error rs Iversi dilakuka utuk data tapa oise da data dega tabaha oise. Iversi yag diterapka berupa iversi LS da LM, dega paraeter odel awal adalah M = 45 T, =, = 3, =, da L = 5. Utuk iversi LS dapat dilihat pada tabel, ilai error rs-ya sebesar. -, sedagka iversi LM eghasilka error rs =. -8 dega ilai λ = - da -7 keudia utuk λ = - ilai error rs =. -6. Sehigga utuk data tapa oise, iversi LS lebih baik dibadig LM dega berdasarka error rs yag diperoleh. LM terkadag eberi hasil iversi yag baik asalka peiliha λ -ya tepat, dala kasus ii λ > -7. Nau dala peiliha λ serigkali eaka waktu laa sehigga waktu koputasi kurag efisie. asil peodela iversiya ditujuka pada Gabar 7 di atas. a b Gabar 8. asil iversi a LS da b LM dega λ = - pada data oise 5%. Tabel 3. Perbadiga hasil iversi LS da LM pada data oise 5%. asil Iversi Model Uji LS LM ISBN: Deseber 6 438

7 PROSIDING SKF 6 λ = - λ = - λ3 = -9 M T L.. Iterasi Error rs Data dega tabaha oise sebesar 5%, hasilya dapat dilihat pada Gabar. 8 da tabel 3. Nilai error rs pada asig-asig iversi hapir saa yaitu pada orde -5. Aka tetapi jika diperhatika asigasig paraeter odel, iversi LM lebih baik dibadig LS. Misal paraeter odel kedalaa, utuk LM eghasilka =.89 da = 4., hasil ii lebih edekati ilai paraeter odel sebearya yaitu = 3 da = 4, daripada LS yag eghasilka =.6 da = 4.5. al ii eujukka iversi LM lebih baik dega λ lebih besar dari -. a b Gabar 9. asil iversi a LS da b LM dega λ = - pada data oise %. Tabel 4. Perbadiga hasil iversi LS da LM pada data oise %. asil Iversi Model Uji LM LS λ = - λ = - λ3 = -9 λ4 = -5 M T L Iterasi Error rs Data dega tabaha oise % eghasilka odel iversi seperti ditujuka pada Gabar. 9, terlihat bahwa iversi LS eghasilka error rs sebesar , sedagka LM eghasilka error rs sebesar utuk λ = -9. Berdasarka hasil error rs-ya, kedua iversi tersebut saa baikya dala eetuka paraeter odel. Aka tetapi, jika diperhatika asig-asig paraeter odel, aka LM lebih baik diguaka utuk data dega oise % daripada iversi LS. Paraeter odel M, pada LS eghasilka ilai 5.8 T, sedagka LM eghasilka ilai 564. T utuk λ = -. asil iversi LM ii lebih edekati M yag sebearya yaitu 6 T, begitupu utuk paraeter odel laiya yag eujukka iversi LM lebih edekati ilai sebearya dibadig iversi LS. asil iversi LM da LS sagat bergatug terhadap tebaka awal. Apabila tebaka awal tidak terlalu dekat dega paraeter odel sebearya aka iversi LS aka eghasilka solusi iversi yag diverge atau euju tak higga atau tak defiisi. Nau utuk LM aka tergatug juga terhadap faktor redaa, jadi tidak lagsug eghasilka solusi diverge seperti LS. Pada kedua data beroise tersebut, iversi LM ISBN: Deseber 6 439

8 PROSIDING SKF 6 lebih baik dibadig LS. al ii terjadi ketika peiliha λ-ya tepat. Ketika peiliha λ tepat aka persaaa iteratif 5 aka eghasilka solusi iversi yag koverge da dekat dega ilai paraeter odel sebearya. Pada peelitia ii, paraeter bayakya iterasi tidak bisa diaalisis lebih lajut utuk ebadigka iversi LS da LM. al ii terjadi karea dala proses perhituga iversi, bayakya iterasi selalu berilai, ilai ii sebearya batas aksiu iterasi yag apu dijalaka oleh progra. KESIMPULAN. Data tapa oise iversi LS lebih baik da cepat dibadig iversi LM dala eetuka paraeter odel. LM tergatug ilai λ yag diberika. Pada data tapa oise, LM baik utuk λ > -7. Solusi iversi LS da LM sagat bergatug dega tebaka paraeter odel awal.. Data dega oise 5% iversi LM dega error rs lebih baik dala eetuka paraeter odel dibadig iversi LS. asil LM sagat baik ketika egguaka λ > -. Sedagka pada iversi LS error rsya berilai Iversi LM lebih efektif utuk diguaka pada data beroise dega eperhitugka ilai λ yag diguaka. Tetapi utuk data yag teratur data tapa oise aka iversi LS lebih efektif dibadig iversi LM yag harus diatur terlebih dahulu λ -ya supaya eghasilka ilai yag sesuai. Sehigga hasil iversi LM sagat bergatug dega ilai λ yag dipilih. REFERENSI. W. M. Telford, et all, Applied Geophysics Ed. Cabridge Uiversity Press, Melboure 99. W. Meke, Geophysical Data Aalysis: Discrete Iverse Theory. Acadeic Press, New York W. Lowrie, Fudaetal of Geophysics Ed. Cabridge Uiversity Press, New York Gradis, Pegatar Peodela Iversi Geofisika. AGI, CV. Bui Pritig, Badug 9 ISBN: Deseber 6 44

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI 5 I PENDAHULUAN Latar Belakag Persaaa diferesial adalah suatu persaaa ag egadug sebuah fugsi ag tak diketahui dega satu atau lebih turuaa [Stewart, 3] Persaaa diferesial dapat dibedaka eurut ordea, salah

Lebih terperinci

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN Siste idetifikasi daerah rawa bajir ebutuhka adaya data spasial yag diolah dega eafaatka tekologi Siste

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN Persoala trasportasi yag serig ucul dala kehidupa sehari-hari, erupaka gologa tersediri dala persoala progra liier. Maka etode traportasi ii juga dapat diguaka utuk eyelesaika beberapa

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

Sekolah Olimpiade Fisika

Sekolah Olimpiade Fisika SOLUSI SIMULASI OLIMPIADE FISIKA SMA Agustus 06 TINGKAT KABUPATEN/KOTA Waktu : 3 ja Sekolah Olipiade Fisika davitsipayug.co Sekolah Olipiade Fisika davitsipayug.co davitsipayug@gail.co. Dua orag aak earik

Lebih terperinci

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali) DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,

Lebih terperinci

LEMBAR KERJA SISWA 5

LEMBAR KERJA SISWA 5 94 LEMBAR KERJA SISWA 5 Mata Pelajara Kelas/Seester Materi Pokok Subateri Pokok Alokasi Waktu : Kiia : XI/gajil : Laju Reaksi : Orde Reaksi : 2 x 45 eit Stadar Kopetesi 3. Meahai Kietika Reaksi, Kesetibaga

Lebih terperinci

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V LAJU REAKSI STANDART KOMPETENSI; Meahai kietika reaksi, kesetibaga kiia, da faktor-faktor yag berpegaruh, serta peerapaya dala kehidupa sehari-hari KOMPETENSI DASAR; Medeskripsika pegertia laju reaksi

Lebih terperinci

Bab III Metoda Taguchi

Bab 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 terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. 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 terperinci

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka. MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH Warsito Progra Studi Mateatika FMIPA Uiversitas Terbuka warsito@ut.ac.id Abstrak Peyelesaia pertidaksaaa ( x- a, a Î R adalah x a (egguaka

Lebih terperinci

Definisi 2.3 : Jika max min E(X,Y) = min

Definisi 2.3 : Jika max min E(X,Y) = min Teori Peraia 22 Peelitia Operasioal II Defiisi 23 : Jika ax i E(X,Y) = z y i y ax E(X,Y) =E(x 0, y 0 ), aka (x 0, y 0 ) didefiisika z sebagai strategi uri dari peraia itu dega x 0 sebagai strategi optiu

Lebih terperinci

METODE 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 7/4/2012 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 terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

BAB 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 terperinci

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov Vol. 3, No., 85-9, Juli 6 Peerapa Teorea Perro-Frobeius pada Peetua Distribusi Stasioer Ratai Markov Jusawati Massalesse Abstrak Perilaku suatu ratai Markov setelah berala ukup laa dapat diketahui elalui

Lebih terperinci

Perbaikan Bagan Kendali Pergerakan Data (Data Driven)

Perbaikan Bagan Kendali Pergerakan Data (Data Driven) Bab 3 Perbaika Baga Kedali Pergeraka Data Data Drive) 3.1 Pedahulua Baga kedali klasik utuk eoitorig rataa didasarka pada asusi keorala. Ketika syarat keorala tidak dipeuhi, baga kedali klasik ii tidak

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Jural Mateatika Muri da Terapa Vol 4 No Deseber : - 3 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Muhaad Ahsar Kari, Dewi Sri Susati, da Nurul Huda Progra Studi Mateatika Uiversitas Labug Magkurat Jl

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB 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 terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

τ = r x F KESETIMBANGAN

τ = r x F KESETIMBANGAN KESETIMBG Moe Gaa ( τ ) Moe gaa atau torsi adalah besara ag dapat eebabka beda berotasi atau berputar. Besar oe gaa didefiisika sebagai hasil kali atara gaa ag bekerja dega lega. Moe gaa terasuk dala besara

Lebih terperinci

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD Jailah * Firdaus Sigit Sugiarto Mahasiwa Progra S Mateatika Dose Jurusa Mateatika Fakultas Mateatika

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA 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 terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 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 terperinci

Bab 3 Metode Interpolasi

Bab 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 terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Pendahuluan. Tujuan MODUL

Pendahuluan. Tujuan MODUL DATABASE Etity Relasiosip Diagra Satrio Agug W, Ari Kusyati da Mahedra Data Tekik Iforatika, Fakultas Tekik, Uiversitas Brawijaya, Eail : iforatika@ub.ac.id Pedahulua Etity Relasioalship Diagra adalah

Lebih terperinci

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +K Oleh : MOHAMMAD IQBAL 1 0 100 01 Pebibig : Drs. Suhud Wahyudi, M.Si. 1900109 198701 1 001 ABSTRAK Graph adalah hipua

Lebih terperinci

PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI BPK RI PERWAKILAN JAWA BARAT DENGAN METODE CLUSTERING

PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI BPK RI PERWAKILAN JAWA BARAT DENGAN METODE CLUSTERING PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI BPK RI PERWAKILAN JAWA BARAT DENGAN METODE CLUSTERING Moicha Dwayai, Mahedrawati da Nur Iriawa Progra Studi Magister Maajee Tekologi-ITS Jurusa Maajee Tekologi

Lebih terperinci

Bab II Landasan Teori

Bab II Landasan Teori 4 Bab II Ladasa Teori II. Aalisis "Net Social Gai" (NSG) PT. Siar Asia Fortua sebagai suatu perusahaa tabag baha galia batugapig epuyai kotribusi positif terhadap peigkata pedapata jika ilai outputya lebih

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

Persamaan Non-Linear

Persamaan 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 terperinci

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme

Lebih terperinci

SINUSOIDAL WATER WAVE SINUSOIDAL WATER WAVE

SINUSOIDAL WATER WAVE SINUSOIDAL WATER WAVE SINUSOIDAL WATER WAVE SINUSOIDAL WATER WAVE Saa halya beda padat, cair juga epuyai gerak traslasioal, rotasioal, da osilasi. Gerak traslasioal dihasilka ketika air egalir, Gerak Rotasioal terjadi pada

Lebih terperinci

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1 Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga

Lebih terperinci

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN BAB III ANUITAS DNGAN BBRAPA KALI PMBAYARAN STAHUN TRHADAP TABUNGAN PNDIDIKAN. Tabuga Pedidika Aak Tabuga erupaka salah satu produk yag ditawarka oleh bak utuk eyipa uag. Utuk epersiapka daa pedidika aak,

Lebih terperinci

Karakteristik Dinamik Elemen Sistem Pengukuran

Karakteristik Dinamik Elemen Sistem Pengukuran Karakteristik Diamik Eleme Sistem Pegukura Kompetesi, RP, Materi Kompetesi yag diharapka: Mahasiswa mampu merumuskaka karakteristik diamik eleme sistem pegukura Racaga Pembelajara: Miggu ke Kemampua Akhir

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

PENGANTAR MODEL LINEAR Oleh: Suryana

PENGANTAR MODEL LINEAR Oleh: Suryana PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel

Lebih terperinci

SIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON

SIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON J. Math. ad Its Appl. ISSN: 829-605X Vol. 2, No., Mei 205, 3-22 SIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON Farida Agustii Widjajati, Marselly Dia Saputri 2, Nur Asiyah 3,2,3

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI 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 terperinci

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar

Lebih terperinci

DERET TAK HINGGA (INFITITE SERIES)

DERET TAK HINGGA (INFITITE SERIES) MATEMATIKA II DERET TAK HINGGA (INFITITE SERIES) sugegpb.lecture.ub.ac.id aada.lecture.ub.ac.id BARISAN Barisa merupaka kumpula suatu bilaga (atau betuk aljabar) yag disusu sehigga membetuk suku-suku yag

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PEMAMPATAN DAN REKONSTRUKSI CITRA BERWARNA 24-BIT MENGGUNAKAN ANALISIS KOMPONEN UTAMA (PCA) Rofi Yuliansyah 1, Budi Setiyono 2, R.

PEMAMPATAN DAN REKONSTRUKSI CITRA BERWARNA 24-BIT MENGGUNAKAN ANALISIS KOMPONEN UTAMA (PCA) Rofi Yuliansyah 1, Budi Setiyono 2, R. PEMAMPAAN AN REKONSRUKSI CIRA BERWARNA 4-BI MENGGUNAKAN ANALISIS KOMPONEN UAMA (PCA) Rofi Yuliasyah, Budi Setiyoo, R Rizal Isato Abstrak - Selaa ii peelitia egeai peapata da rekostruksi citra digital asih

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

Pemodelan Variasi Nilai Percepatan Gravitasi di Daerah Khatulistiwa dengan Menggunakan Metode Gauss-Newton Suwanti a, Joko Sampurno a*, Azrul Azwar a

Pemodelan Variasi Nilai Percepatan Gravitasi di Daerah Khatulistiwa dengan Menggunakan Metode Gauss-Newton Suwanti a, Joko Sampurno a*, Azrul Azwar a POSITRON, Vol. VI, No. 1 (16), Hal. 1-7 ISSN : 31-497 Pemodela Variasi Nilai Percepata Gravitasi di Daerah Khatulistiwa dega Megguaka Metode Gauss-Newto Suwati a, Joko Sampuro a*, Azrul Azwar a a Prodi

Lebih terperinci

STATISTIKA DAN PELUANG BAB III STATISTIKA

STATISTIKA DAN PELUANG BAB III STATISTIKA Matematika Kelas IX Semester BAB Statistika STATISTIKA DAN PELUANG BAB III STATISTIKA A. Statistika Pegertia Statistika Statistika adalah ilmu yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis

Lebih terperinci

ANALISIS SPEKTRUM FREKUENSI NON-LINEAR SINYAL TUTUR DENGAN ALIH RAGAM FOURIER CEPAT

ANALISIS SPEKTRUM FREKUENSI NON-LINEAR SINYAL TUTUR DENGAN ALIH RAGAM FOURIER CEPAT ISS: 693-693 5 AALISIS SPEKTRUM FREKUESI O-LIEAR SIYAL TUTUR DEGA ALIH RAGAM FOURIER CEPAT Sala Abd. Cadu, Prayoto 2, Adhi Susato 3, Kirbai Sri Brotopuspito 4,3 Jurusa Tekik Elektro Fakultas Tekik Uiversitas

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN 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 terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB 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 terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan 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 terperinci

PRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN :

PRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN : Estimasi Curah Huja di Kota Potiaak Megguaka Metode Propagasi Balik Berdasarka Parameter Cuaca da Suhu Permukaa Laut Ika Oktaviaigsih a, Muliadi b*, Apriasyah c a Prodi Fisika, b Prodi Geofisika, c Prodi

Lebih terperinci

Probabilitas dan Statistika Korelasi dan Regresi. Adam Hendra Brata

Probabilitas dan Statistika Korelasi dan Regresi. Adam Hendra Brata Probabilitas da Statistika da Adam Hedra Brata Dua Peubah Acak dua perubah acah X da Y dega rata-rata da diberika oleh rumus : E(XY) - - - Sifat Sifat Sifat kovariasi utuk X da Y diskrit : f(, ) f(, )

Lebih terperinci

BAB IV PENELITIAN. menggunakan sensor mekanik limit switch sebagai mekanis hitungnya

BAB IV PENELITIAN. menggunakan sensor mekanik limit switch sebagai mekanis hitungnya BAB IV PENELITIAN 4.1 Spesifikasi Alat Coloy couter didesai khusus agar diperutuka bagi user utuk membatu meghitug sekaligus megaalisa jumlah media dega megguaka sesor mekaik limit switch sebagai mekais

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. 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 terperinci

BAB 3 METODE PENELITIAN

BAB 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 terperinci

BAB 2 SISTEM DETEKSI DAN PENGHITUNG OBYEK

BAB 2 SISTEM DETEKSI DAN PENGHITUNG OBYEK BAB 2 SISTEM DETEKSI DAN PENGHITUNG OBYEK Bab ii ebahas egeai aalisis siste yag dibutuhka, keudia arsitektur siste, serta tahapa deteksi da peghitug obyek. Pada tahapa deteksi obyek, terdapat beberapa

Lebih terperinci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

Kompleksitas 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 terperinci

Definisi Integral Tentu

Definisi 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 terperinci

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

Kata kunci: jarak tempuh, komponen estimasi statistik, routing S-shape, return strategy

Kata kunci: jarak tempuh, komponen estimasi statistik, routing S-shape, return strategy Estiasi Jarak Tepuh Order Pickig Maual Dega Metode Aalitik di PT GMS Agug Chadra Fakultas Tekik, Jurusa Tekik Idustri, Uiversitas Mercubuaa Jl. Raya Meruya Selata o.0, Kebaga, Jakarta Barat 650 Surel:

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

OPTIMASI PRODUKSI PIPA STAINLESS STEEL INDUSTRI di P.T. X

OPTIMASI PRODUKSI PIPA STAINLESS STEEL INDUSTRI di P.T. X Prosidig Seiar Nasioal Maajee Tekologi IV Progra Studi MMT-ITS, Surabaya 5 Agustus 2006 OPTIMASI PRODUKSI PIPA STAINLESS STEEL INDUSTRI di P.T. X 1 Dely, 2 Bobby Oedy P. Soepagkat, 2 Nurhadi Siswato 1

Lebih terperinci

1 Departemen Statistika FMIPA IPB

1 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351) 1 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Metode Noparametrik Skala Pegukura Metode Noparameterik Uji Hipotesis

Lebih terperinci

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi, 7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung 42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera

Lebih terperinci

Analisis Hubungan Kluster Industri dengan Penentuan Lokasi Pelabuhan: Studi Kasus Pantai Utara Pulau Jawa

Analisis Hubungan Kluster Industri dengan Penentuan Lokasi Pelabuhan: Studi Kasus Pantai Utara Pulau Jawa JURNAL TEKNIK POMITS Vol., No., (0) -5 Aalisis Hubuga Kluster Idustri dega Peetua Lokasi Pelabuha: Studi Kasus Patai Utara Pulau Jawa Maulaa Prasetya Sibolo, Tri Achadi Jurusa Tekik Perkapala, Fakultas

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

OBJEK DAN METODE PENELITIAN. Objek ternak yang digunakan adalah itik Damiaking jantan dan betina

OBJEK DAN METODE PENELITIAN. Objek ternak yang digunakan adalah itik Damiaking jantan dan betina 1 III OBJEK DAN METODE PENELITIAN 3.1. Objek da Perlegkapa Peelitia 3.1.1. Objek Peelitia Objek terak yag diguaka adalah itik Damiakig jata da betia produktif dega umur lebih dari 7 bula di Kampug Teras

Lebih terperinci

BAB 2 DASAR TEORI. 2.1 Probabilitas

BAB 2 DASAR TEORI. 2.1 Probabilitas BAB DASAR TEORI. Probabilitas Probabilitas epuyai bayak persaaa seperti keugkia, kesepata da kecederuga. Probabilitas eujukka keugkia terjadiya suatu peristiwa yag bersifat acak. Suatu peristiwa disebut

Lebih terperinci

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization)

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization) Prosidig Seirata FMIP Uiversitas Lapug, Optiisasi Terpadu Persoala Ivetori da Persoala Trasfortasi dega Metode ITIO ( Ivetory Trasfortatio Itegrated Optiizatio) T.P.Nababa, Sukato, Karida Puspita N Jurusa

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

Penerapan Fuzzy Analytical Network Process Dalam Menentukan Prioritas Pemeliharaan Jalan

Penerapan Fuzzy Analytical Network Process Dalam Menentukan Prioritas Pemeliharaan Jalan JURNAL SAINS DAN SENI POMITS Vol., No., (203) -6 Peerapa Fuzzy Aalytical Network Process Dala Meetuka Prioritas Peeliharaa Jala Mais Oktavia, I Gusti Ngurah Rai Usadha Jurusa Mateatika, Fakultas Mateatika

Lebih terperinci

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai 37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi

Lebih terperinci

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1 BARISAN DAN DERET 05//06 Matematika Tekik BARISAN Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 05//06 Matematika Tekik Barisa Tak Higga Secara sederhaa, barisa merupaka

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN 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 terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab

BAB 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 terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

Lebih terperinci

ANALISIS APROKSIMASI FUNGSI DENGAN METODE MINIMUM NORM PADA RUANG HILBERT

ANALISIS APROKSIMASI FUNGSI DENGAN METODE MINIMUM NORM PADA RUANG HILBERT ANALISIS APROKSIMASI FUNGSI DENGAN METODE MINIMUM NORM PADA RUANG HILBERT C[a b] (STUDI KASUS : FUNGSI TRANSENDEN) (Skripsi) Oleh: Tika Kristi FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

Meetuka Parameter Model Cauchy utuk A (1,587) Kosta Baha Polistirea Dzarril Maulidiyah 1, D. J. Djoko H Satjojo 1, Mauludi A Pamugkas 1, Ubaidillah 1 1) Jurusa Fisika FMIPA Uiv. Brawijaya Email: mdzarril@gmail.com

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI 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 terperinci

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit

Lebih terperinci

Bab 3 MODEL-MODEL UNTUK SISTEM DAN SINYAL

Bab 3 MODEL-MODEL UNTUK SISTEM DAN SINYAL Bab 3 MODEL-MODEL UNTUK SISTEM DAN SINYAL 3. Tipe-tipe model Model matematika da model siyal Model matematika adalah deskripsi sistem dimaa hubuga atara variael da siyal model diyataka dalam betuk-betuk

Lebih terperinci

ANALISIS KARAKTERISTIK RAGAM GELOMBANG YANG DIHASILKAN RESONATOR LASER (LIGHT RADIATION ) DENGAN HERMIT GAUSSIAN MODE

ANALISIS KARAKTERISTIK RAGAM GELOMBANG YANG DIHASILKAN RESONATOR LASER (LIGHT RADIATION ) DENGAN HERMIT GAUSSIAN MODE http://doi.org/10.1009/spektra Volue 1 Noor 1, Agustus 016 p-issn: 541-3384 e-issn: 541-339 DOI: doi.org/10.1009/spektra.011.1 ANALISIS KARAKTERISTIK RAGAM GELOMBANG YANG DIHASILKAN RESONATOR LASER (LIGHT

Lebih terperinci

PENGEMBANGAN ALGORITMA CROSS ENTROPY DALAM PENYELESAIAN TRAVELING PURCHASER PROBLEM

PENGEMBANGAN ALGORITMA CROSS ENTROPY DALAM PENYELESAIAN TRAVELING PURCHASER PROBLEM PENGEMBANGAN ALGORITMA CROSS ENTROPY DALAM PENYELESAIAN TRAVELING PURCHASER PROBLEM Citra Maharai, Budi Satosa Jurusa Tekik Idustri Istitut Tekologi Sepuluh Nopeber (ITS) Surabaya Kapus ITS Sukolilo Surabaya

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler

Lebih terperinci