SISTEM PAKAR DIAGNOSA PENYAKIT BUAH NANAS MENGGUNAKAN ALGORITMA BAYES BERBASIS WEB
|
|
- Devi Jayadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Semiar Nasioal Tekologi Iformasi da Multimedia 2017 SISTEM PAKAR DIAGNOSA PENYAKIT BUAH NANAS MENGGUNAKAN ALGORITMA BAYES BERBASIS WEB hyrga Purama Dewa 1), Ade Pujiato 2), Muhhamad Hatta Putra 3) 1), 2, 3) Tekik Iformatika STMIK AMIKOM Yogyakarta Jl Rig road Utara, Codogcatur, Slema, Yogyakarta vhyrga.d@studets.amikom.ac.id 1), ade.pujiato@studets.amikom.ac.id 2), muhhamad.6898@studets.amikom.ac.id 3) Abstrak Sistem pakar adalah cabag kecerdasa buata yag megguaka pegetahua/ kowledge khusus utuk memecahka masalah pada level huma expert/pakar. Salah satu peerapa sistem pakar dalam bidag pertaia adalah utuk melakuka diagosa peyakit pada taama. Pada makalah ii dilakuka peracaga da pembuata sistem pakar yag diguaka utuk membatu meetuka diagosa suatu peyakit yag diawali dari gejala utama peyakit pada taama buah aas utuk meetuka sara atau solusi pegobata kepada para petai buah aas. Masalah ketidakpastia pegetahua dalam sistem pakar ii diatasi dega megguaka metode probabilitas Bayesia. Proses peetua diagosa dalam sistem pakar ii diawali dega sesi kosultasi, dimaa sistem aka megajuka pertayaa-pertayaa yag releva kepada petai sesuai gejala utama peyakit taama buah aas. Hasil akhir dari peelitia ii adalah sebuah sistem pakar utuk melakuka diagosa peyakit pada taama buah aas beserta ilai probabilitas dari peyakit hasil diagosa, yag meujukka tigkat kepercayaa sistem terhadap peyakit tersebut da sara atau solusi pegobata kepada para petai buah aas. Kata kuci: Sistem pakar, bayesia, diagosa, buah aas 1. Pedahulua Buah aas atau pieapple merupaka salah satu taama buah yag memiliki daya tarik tersediri di masyarakat. Buahya yag lezat juga dapat disajika dalam berbagai macam acara. Rasa buah yag asam, mais, da meyegarka mejadika cita rasa yag khas pada buah ii. selai itu buah aas juga megadug berbagai kaduga zat yag berkhasiat sebagai obat. Karea rasa da khasiat tersebut yag membuat buah aas ii semaki dicari orag yag igi meikmati ataupu merasaka khasiat dari utuk kesehata meraka. Semaki bayakya permitaa terhadap buah ii memberika prospek usaha yag sagat mejajika utuk para petai buah di Idoesia. Peluag ii yag telah dimafaatka bayak petai lokal yag membudidayaka buah berbetuk uik ii. peaama suatu komoditas pertaia secara luas da mookultur berpeluag terjadiya gaggua suatu hama atau peyakit. Di beberapa egara produse buah aas dilaporka adaya beberapa hama da peyakit berbahaya yag dapat megacam produksi taama buah aas. Masalah gaggua hama atau peyakit tersebut juga dialami oleh petai buah aas di Idoesia. Utuk megatasi masalah ii umumya petai melakuka pegadalia secara kovesioal seperti megguaka pestisida secara itesif. Pegguaa pestisida secara berlebiha selai tidak efisie juga dapat meimbulka berbagai masalah yag lai seperti pecemara ligkuga da meuruka harga jual buah tersebut. Utuk megatasi permasalaha ii pera seorag pakar sagat diadalka utuk mediagosa da meetuka jeis peyakit serta memberika cara peaggulaga yag tepat utuk medapatka solusi terbaik utuk para petai. Namu keterbatasa yag dimiliki seorag ahli taama terkadag mejadi kedala bagi para petai yag aka melakuka kosultasi. Meskipu seorag pakar adalah orag yag ahli dalam bidagya, amu pada keyataaya seorag pakar mempuyai keterbatasa daya igat da stamia kerja. Selai itu ketiadaa pakar da mahalya biaya kosultasi disuatu daerah juga mejadi hambata utuk para petai dalam medapatka solusi utuk masalah yag meraka hadapi. Hal ii bisa berlajut pada kesalaha solusi yag diambil. Jika hal ii sampai terjadi dapat megakibatka suatu kejadia yag fatal terhadap taama seperti peurua kualitas buah ataupu terjadi gagal pae. Utuk megatasi masalah tersebut ditawarka pemafaata tekologi sebagai peggati pakar. Utuk megambil suatu keputusa yag bear pada sistem pakar, diperluka suatu metode yag dapat megatasi ketidakpastia data. Ketidakpastia dapat megakibatka data mejadi tidak legkap da tidak kosiste. Salah satu cara yag diguaka utuk
2 Semiar Nasioal Tekologi Iformasi da Multimedia 2017 megatasi ketidakpastia data adalah dega megguaka metode Bayes. Teori Bayes merupaka sebuah teorema dega dua peafsira berbeda. Dalam peafsira Bayes, teorema ii mayataka seberapa jauh derajat kepercayaa subjektif harus berubah secara rasioal ketika ada petujuk baru. Dalam peafsira frekuesi, feomea ii mejelaska represetasi ivers probabilitas dua kejadia. Berdasarka permasalaha yag mucul, dalam peelitia ii dibuat suatu sistem pakar dega judul SISTEM PAKAR DIAGNOSA PENYAKIT BUAH NANAS MENGGUNAKAN ALGORITMA BAYES BERBASIS WEB yag dapat membatu petai dalam medapatka solusi atau peyakit yag meyerag taama buah aas mereka tampa harus berkosultasi lagsug dega pakar da dapat membatu pakar dega cara meggatika pakar jika pakar sedag tidak ditempat. Output yag aka dihasilka dari sistem ii adalah jeis peyakit yag meyerag taama buah aas da solusi peaggulagaya. Adapu pakar yag mejadi rujuka dalam peelitia ii adalah Sugiasih yag mejabat sebagai Mador/Kepala di RPH Magua BDH Kuloprogo Batul KPH Yogyakarta. Sistem pakar adalah sistem yag berusaha megadopsi pegetahua mausia (Pakar) ke komputer, sehigga komputer dapat meyelesaika permasalaha tersebut layakya seorag pakar [1]. Sampai saat ii sudah bayak sistem pakar yag dibuat.kemampuaya utuk memberika keputusa seperti seorag pakar di dalam bidag tertetu merupaka salah satu hal yag diperluka oleh mausia dalam berbagai aspek kehidupa.sistem pakar dibuat pada domai pegetahua tertetu utuk suatu kepakara tertetu yag medekati kemampua mausia di salah satu bidag.sistem pakar mecoba mecari solusi yag memuaska sebagaimaa yag dilakuka seorag pakar. Ada beberapa pertimbaga megguaka sistem pakar. Dibawah ii sebagia dari pertimbaga yag utama : a. Membatu melestarika cagar alam pegetahua da keahlia pakar. b. Jika keahlia adalah lagka, mahal atau tak terbatas. c. Mudah diguaka walaupu buka seorag ahli. Teori Bayes merupaka kaidah yag memperbaiki atau merevisi suatu probabilitas dega cara memafaatka iformasi tambaha. Maksudya, dari probabilitas awal (prior probability) yag belum diperbaiki yag dirumuska berdasarka iformasi yag tersedia saat ii, kemudia dibetukla probabilitas berikutya (posterior probability) [4]. Rumus utuk probabilitas bersyarat P(Fi E) utuk sembarag kejadia E dalam algoritma Bayes dapat dituliska dega rumus 1 [2] : P(Fi E) = Keteraga : P(Fi E) P(E Fi) P(Fi) P(E) P(Fi)*P(E Fi) P(F1)*P(E F1)+P(F2)*P(E F2)+...+ P(F)*P(E F) : Probability) suatu hipotesis Fi terjadi jika diberika bukti (evidece) E terjadi : Probabilitas sebuah bukti E terjadi aka mempegaruhi hipotesis Fi : Probabilitas awal (priori) hipotesis Fi terjadi tapa memadag bukti apapu : Probabilitas awal (priori) bukti E terjadi tapa memadag hipotesis / bukti yag lai. Referesi pertama yag diguaka sebagai rujuka dalam peelitia ii adalah peelitia yag berjudul SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT IKAN BAWAL. Dalam peelitia ii dihadirka peracaga da pembuata sistem pakar utuk mediagosis peyakit yag biasa terjadi pada ika bawal. Sistem pakar ii megguaka algoritma tree da metode iferesi forward chaiig. Peggua melakuka iput berupa gejala-gejala, lalu sistem aka melakuka iferesi yag meghasilka kemugkia peyakit berserta cara meaggulagiya.. Perbedaa pada peelitia ii adalah sistem megguaka algoritma forward chaiig yag megharuska pembuat meuliska rule pecaria ruut maju seakurat mugki, da hasil diagosa yag kurag akurat [3]. Referesi kedua yag diguaka sebagai rujuka dalam peelitia ii adalah peelitia yag berjudul SISTEM PAKAR DETEKSI DINI PENYAKIT HERNIATED NUCLEUS PUPOSUS (HNP) BERBASIS WEB MENGGUNAKAN TEOREMA BAYES. Dalam peelitia ii dihadirka peracaga da pembuata sistem pakar utuk medeteksi dii peyakit HNP. Sistem pakar ii megguaka algoritma Bayes. Admi melakuka iput berupa peyakit da gejala-gejala, lalu sistem aka megiferesi sesuai kriteria yag ada pada data master sistem megguaka bobot ilai Bayes. Perbedaa pada peelitia ii adalah data peyakit pada sistem masih statis sehigga ketika mucul peyakit baru maka sistem tidak bisa meyimpa peyakit tersebut [4]. 2. Pembahasa Jeis Peyakit gaggua metal pada aak yag aka coba didiagosa dalam makalah ii ada 5, yaitu : Peyakit layu, busuk pagkal batag, atrakosa, busuk bakteri, da uret. Gejala dari masig-masig jeis peyakit gaggua metal pada aak tersebut dapat dilihat pada tabel 1. :
3 Semiar Nasioal Tekologi Iformasi da Multimedia 2017 Tabel 1. Gejala Masig-Masig Peyakit Taama Buah Naas No Gejala x1 x2 x3 x4 x5 1. DAUN MELENGKUNG 2. TERDAPAT KUTU PUTIH PADA AKAR 3. DAUN LAYU MENGUNING DAN MENGERING 4. PERTUMBUAH AKAR TERHENTI 5. AKAR MEMBUSUK 6. BUSUK PADA BAGIAN PANGKAL 7. DAUN BAGIAN BAWAH MENGUNING 8. PANGKAL BERWARNA COKLAT 9. DAUN BERCAK PUTIH KEKUNINGAN 10. BUAH MENGUNING LALU MENGHITAM 11. DAUN DAN BUAH MUDAH DICABUT 12. BAGIAN DAUN BERWARNA COKLAT 13. BAGIAN YANG MEMBUSUK BERBAU TIDAK SEDAP 14. PERTUMBUHA N TANAMAN TERHAMBAT 15. AKAR RUSAK 16. LUKA PADA PANGKAL 17. AKAR DAN TERDAPAT URET Keteraga : x1 x2 x3 x4 x5 = Peyakit Layu = Busuk Pagkal Batag = Atrakosa = Busuk Bakteri = Uret Jumlah luas laha taama buah aas pada perkebua Magua Yogyakarta seluah 1 hektar/10.000m2. Adapu ilai probabilitas awal (priori) masig-masig jeis peyakit yag terjadi tapa memadag bukti apapu (Fi) didapat dega meghitug luas laha kebu yag tekea peyakit dibagi dega jumlah semua data sample yag dilakuka. Nilai ii dapat dilihat di tabel 2. Tabel 2. Nilai Probabilitas awal masig-masig hipotesa No. Gejala Jumlah Pederita 1. Peyakit Layu H(Fi) % 2. Busuk Pagkal Batag % 3. Atrakosa 4. Busuk Bakteri 5. Uret % % % Sedagka utuk ilai probabilitas evidece pada setiap hipotesa didapat dega meghitug jumlah kemucula gejala dibagi dega jumlah hipotesa pada setiap jeis Peyakit yag aka dicari. Perhituga algoritma bayes ketika ada seorag pasie megalami dau meguig lalu megerig (E3) da dau bagia bawah meguig (E7) dapat dihitug dega cara : = (P(E3 Fx1) * P(E7 Fx1) * P(Fx1)) + P(E3 Fx2) * P(E7 Fx2) * P(Fx2)) + (P(E3 Fx3) * P(E7 Fx3) * P(Fx3)) + (P(E3 Fx4) * P(E7 Fx4) * P(Fx4)) + (P(E3 Fx5) * P(E7 Fx5) * P(Fx5)) + (P(E3 Fx6) * P(E7 Fx6) * P(Fx6)) = (0,9 x 0,06 x 0,8) + (0,9 x 0,8 x 0,72) + (0,9 x 0 x 0,76) + (0 x 0 x 0,6) + (0,87 x 0 x 0,4) = 0,5616 P(Fx1 E2,E7) = P(E3 Fx1) * P(E7 Fx1) * P(Fx1) Σ P(E6,E20 Fxk)* P(Fxk) = (0,9*0,06*0,08)/0,5616 = 0,
4 Semiar Nasioal Tekologi Iformasi da Multimedia 2017 P(Fx2 E2,E7) = P(E3 Fx2) * P(E7 Fx2) * P(Fx2) = (0,9*0,8*0,072)/0,5616 = 0,923 P(Fx3 E2,E7) = P(E3 Fx1) * P(E7 Fx3) * P(Fx3) = (0,9*0*0,76)/0,5616 = 0 P(Fx4 E2,E7) = P(E3 Fx4) * P(E7 Fx4) * P(Fx4) = (0*0*0,6)/0,5616 = 0 P(Fx5 E2,E7) = P(E3 Fx5) * P(E7 Fx5) * P(Fx5) = (0,87*0*0,4)/0,5616 = 0 Dari hasil perhituga tersebut, dapat diketahui Hipotesa (Jeis Peyakit) yag dialami oleh pederita berdasarka Evidece (Gejala) yag timbul saat ii, yaitu : Fx2 = Busuk Pagkal Batag 2.1 Atarmuka Aplikasi Tampila atar muka sistem pakar diagosa Peyakit Paru-Paru dapat dilihat pada gambar 1 sampai dega gambar 5. Gambar 1 adalah atarmuka atura/rule utuk meetuka peyakit berdasarka gejala Gambar 2 adalah atarmuka meu diagosa, dimaa peggua memilih gejala yag dialami. Gambar 3.Hasil diagosa da sara ditujukka di atarmuka. Gambar 1 Atura utuk meetuka peyakit berdasarka gejala Atarmuka bagi admi utuk dapat memberika rule/atura utuk meambah basis pegetahua (kowledge base) system pakar berdasarka ilai-ilai yag telah didapat atau diaalisa oleh pakarya. Atarmuka ii terletak pada meu admi seperti pada gambar 1. Cotoh berdasarka masalah tersebut diatas adalah : rule pada peyakit Uret dimaa gejala-gejalaya (Evide) meliputi : dau layu meguig da megerig (E3), pertumbuha akar terheti (E4), akar membusuk (E5), dau da buah mudah dicabut (E11), akar rusak (E15), luka pada pagkal batag (E16), akar da batag terdapat uret (E17). Sebagai cotoh pegguaa da hasil dari aplikasi ii, kami aka meerapka masalah yag telah dibahas sebelumya, yaitu : Petai megalami dau meguig lalu megerig (E3) da dau bagia bawah meguig (E7) pada taama buah aasya. Gambar 2 Meu Diagosa Meu Diagosa merupaka meu yag meyediaka beberapa piliha gejala yag sedag dialami oleh pederita/pasie sehigga atiya dapat di aalisa oleh
5 Semiar Nasioal Tekologi Iformasi da Multimedia 2017 aplikasi utuk memberika hasil berupa hipotesa (Jeis Peyakit) yag di derita. Meu terdapat pada meu user seperti pada gambar 2. Cotoh pasie megiputka Gejala dau meguig lalu megerig (E3) da dau bagia bawah meguig (E7). Biodata Peulis hyrga Purama Dewa. Saat ii mejadi Mahasiswa di STMIK AMIKOM Yogyakarta. Ade Pujiato. Saat ii mejadi Mahasiswa di STMIK AMIKOM Yogyakarta. Muhhamad Hatta Putra. Saat ii mejadi Mahasiswa di STMIK AMIKOM Yogyakarta. Gambar 3 Meu Hasil Diagosa da Sara Meu Hasil Diagosa merupaka meu yag memberika hasil atas evidece/gejala yag telah diiputka oleh petai/peggua sebelumya. Hasilya berupa diagosa Peyakit yag yag ada pada taama serta beberapa sara utuk dapat meaggulagi atau megobati peyakit pada taama tersebut seperti pada gambar 3. Cotoh Hasil Diagosa pasie megiputka Gejala dau meguig lalu megerig (E3) da dau bagia bawah meguig (E7) adalah Busuk Pagkal Batag. 3. Kesimpula Metode Bayes dapat diguaka utuk melakuka diagosa peyakit pada taama buah aasberdasarka gejala-gejala yag ada pada taama tersebut. Kebeara dari hasil output sistem ditetuka oleh ilai probabilitas hipotesa tapa memadag gejala apapu da ilai probabilitas kemucula evidece pada setiap hipotesa yag diiputka pada basis pegetahua. Daftar Pustaka [1] Kusrii Sistem Pakar Teori Da Aplikasi. Yogyakarta. Adi Offset. [2] Natalius, Samuel Metode Naive Bayes Classifer da Pegguaaya Pada Klasifikasi Dokume. Skripsi, Prodi Sistem da Tekologi Iformasi : Istitut Tekologi Badug. [3] Aziz, Abdul Sistem Pakar Utuk Mediagosa Peyakit Ika berbasis Web. Skripsi, Prodi Tekik Iformatika : STMIK Amikom Yogyakarta. [4] Gama, A. Adhitama Sistem Pakar Deteksi Dii Peyakit Heriated Nucleus Pulposus (HNP) Berbasis Web megguaka Teorema Bayes. Skripsi. Prodi Tekik Iformatika : STMIK AMIKOM Yogyakarta
6 Semiar Nasioal Tekologi Iformasi da Multimedia
SISTEM PAKAR DIAGNOSA PENYAKIT DIABETES MELITUS MENGGUNAKAN TEOREMA BAYES
SISTEM PAKAR DIAGNOSA PENYAKIT DIABETES MELITUS MENGGUNAKAN TEOREMA BAYES Cha Uswatu Khasaah 1), Nuzul Dwi Profesiigrum 2), Ade Pujiato 3) 1), 2, 3) Tekik Iformatika STMIK AMIKOM Yogyakarta Jl Rig Road
Lebih terperinciSISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT MENTAL PADA ANAK MENGGUNAKAN ALGORITMA BAYES
Semiar Nasioal Tekologi Iformasi da Multimedia 2016 SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT MENTAL PADA ANAK MENGGUNAKAN ALGORITMA BAYES Ade Pujiato 1), Ibu Titto Dessetiadi 2), M. Gustafiato Ardi 3) 1),
Lebih terperinciSISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PARU-PARU MENGGUNAKAN ALGORITMA BAYES
Semiar Nasioal Tekologi Iformasi da Multimedia 2016 SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PARU-PARU MENGGUNAKAN ALGORITMA BAYES Ibu Titto Dessetiadi 1), Ade Pujiato 2), M. Gustafiato Ardi 3) 1), 2, 3)
Lebih terperinciPERANCANGAN SISTEM PAKAR PENDETEKSI HAMA PADA TANAMAN ALPUKAT BERBASIS WEB MENGGUNAKAN TEOREMA BAYES NASKAH PUBLIKASI
PERANCANGAN SISTEM PAKAR PENDETEKSI HAMA PADA TANAMAN ALPUKAT BERBASIS WEB MENGGUNAKAN TEOREMA BAYES NASKAH PUBLIKASI diajuka oleh Iqbal Yudhawa 13.11.7091 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN
Lebih terperinciSistem Pakar Deteksi Diabetes Mellitus Menggunakan Metode Bayesian Berbasis Web
Sistem Deteksi Diabetes Mellitus Megguaka Metode Bayesia Berbasis Web Voy Pawaka Program Studi Tekik Iformatika Jurusa Tekik Elektro Fakultas Tekik Uiversitas Tajugpura e-mail: voypwk@gmail.com Abstrak
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 terperinciDIAGNOSA PENYAKIT TELINGA HIDUNG DAN TENGGOROKAN (THT) PADA ANAK DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS MOBILE ANDROID
DIAGNOSA PENYAKIT TELINGA HIDUNG DAN TENGGOROKAN (THT) PADA ANAK DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS MOBILE ANDROID [1] Dii Aggraii, [2] Bei Irawa, da [3] Tedy Rismawa [1] [2] [3] JurusaSistem Komputer,
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 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 terperinciSISTEM DIAGNOSA HAMA DAN PENYAKIT TANAMAN KOPI MENGGUNAKAN BACKWARD CHAINING
Semiar Nasioal Tekologi Iformasi da Multimedia 2015 STMIK AMIKOM Yogakarta, 6-8 Februari 2015 SISTEM DIAGNOSA HAMA DAN PENYAKIT TANAMAN KOPI MENGGUNAKAN BACKWARD CHAINING Agus Hariato 1), M. Muih D.W 2),
Lebih terperinciDiagnosa Jenis Tuberculosis Dengan Algoritma Bayes
Koferesi Nasioal Sistem & Iformatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Diagosa Jeis Tuberculosis Dega Algoritma Bayes Hartatik 1) STMIK AMIKOM Yogyakarta Jala Rig Road Utara Codog Catur Depok-Slema
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 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 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 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 terperinciIV. 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 terperinciProbabilitas dan Statistika Teorema Bayes. Adam Hendra Brata
robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah
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 III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat
38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata
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 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 terperinciAplikasi 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 terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciIII. 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 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
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 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 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 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 terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciBAB 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 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 terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciBAB 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 terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih 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 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 V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
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 terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
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 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 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 terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
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 terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB 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 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 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 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 terperinciBAB VIII KONSEP DASAR PROBABILITAS
BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada
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 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 terperinciBAB 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Dalam peelitia ii, pegambila da peroleha data dilakuka di UKM. Bakso Solo, Bakauhei, Lampug Selata. Utuk pegukura kualitas pelayaa, objek yag diteliti adalah
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 IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical
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 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 terperinciMETODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan
47 III. METODOLOGI PENELITIAN A. Metodelogi Peelitia Keberhasila dalam suatu peelitia sagat ditetuka oleh ketepata pegguaa metode peelitia. Oleh karea itu, metode yag aka diguaka haruslah sesuai dega data
Lebih terperincimempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.
Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah
Lebih terperinciHazmira 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 terperinciLaboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung
Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3
Lebih terperinciPENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES
Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN
Lebih 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 terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciBAB 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 terperinciMETODE PENELITIAN. 3.1 Kerangka Pemikiran
24 III. METODE PENELITIN 3.1 Keragka Pemikira BMT l-fath IKMI melakuka fugsi meyalurka daa dega melakuka pembiayaa kepada UMKM. Produk pembiayaa yag dimiliki BMT l-fath IKMI adalah Murabahah da Iarah.
Lebih terperinciIII. 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 terperinciMETODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar
III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa
Lebih terperinciBAB IV PENELITIAN Gambar Alat Untuk gambar alat dapat dilihat pada gambar 4.1. dibawah ini: Gambar 4.1. Modul Alat Tugas Akhir
43 BAB IV PENELITIAN 4.1. Spesifikasi Alat Nama Alat : Had dryer Dilegkapi Dega UV Steril da Pompa Caira Sabu Otomatis. Tegaga : 0 V Frekuesi : 50-60 Hz Daya : 350 Watt 4.. Gambar Alat Utuk gambar alat
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih 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 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Kegiata peelitia ii dilaksaaka pada bula Mei 2011 bertempat di Dusu Nusa Bakti, Kecamata Serawai da Dusu Natai Buga, Kecamata Melawi yag merupaka
Lebih terperinciTEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran
Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira
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 terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
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 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 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 terperinciBAB 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 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 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 terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
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 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. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih 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 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 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 terperinciKERANGKA ACUAN PROGRAM KESELAMATAN/KEAMANAN LABORATORIUM PUSKESMAS MUARA AMAN TIM MUTU (AKREDITASI)
KERANGKA ACUAN PROGRAM KESELAMATAN/KEAMANAN LABORATORIUM PUSKESMAS MUARA AMAN TIM MUTU (AKREDITASI) DINAS KESEHATAN KABUPATEN LEBONG PUSKESMAS MUARA AMAN Jala Lapaga Hatta No. 1 Keluraha Pasar Muara ama
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciPenarikan Sampel Acak Sederhana
Tekik Samplig Pearika Sampel Acak Sederhaa Hazmira Yozza- Jur. Matematika Uad 17/11/014 Tujua Pearika Sampel Megambil kesimpula megeai populasi berdasarka iformasi yag terkadug pada sampel Ukura sampel
Lebih terperinci