RANCANGAN PROSES TRAINING UNTUK MENDUKUNG PENENTUAN KUALITAS AIR MINUM KEMASAN
|
|
- Hengki Rachman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 RANCANGAN PROSES TRAINING UNTUK MENDUKUNG PENENTUAN KUALITAS AIR MINUM KEMASAN Erfant Fatkhyah Jurusan Teknk Informatka, Fakultas Teknolog Industr, Insttut Sans & Teknolog AKPRIND Yogyakarta Emal: ABSTRAK Ar mnum kemasan harus memenuh standar baku yang telah dtentukan Penentuan kualtas ar mnum kemasan salah satunya menggunakan metode jarngan syaraf truan yang d dalamnya terdapat proses tranng dan proses penentuan kualtas ar mnum kemasan tersebut Peneltan n memaparkan rancangan proses tranng, hasl dar proses tranng berupa bobot akhr, bobot akhr n yang dpergunakan dalam proses penentuan kualtas ar mnum kemasan Proses tranng dlakukan dengan nla α dan θ yang berbeda-beda Dar proses tranng yang dlakukan, dperoleh bobot akhr yang dapat dgunakan pada proses untuk menentukan kualtas ar mnum kemasan yang sesua dengan standar baku mutu ar mnum kemasan Ar mnum kemasan dnyatakan layak untuk dkemas dan dkonsums apabla memenuh standar baku mutu ar mnum kemasan Kata kunc : proses tranng, ar mnum kemasan, jarngan syaraf truan PENDAHULUAN Kebutuhan ar mnum kemasan sudah menjad kebutuhan pokok bag masyarakat, terutama masyarakat perkotaan Berbaga merek ar mnum kemasan dapat menjad plhan bag masyarakat dalam memlh dan mengkonsums ar mnum kemasan tersebut, tetap tdak semua ar mnum kemasan termasuk kategor ar mnum yang sehat dan aman, ar mnum kemasan yang sehat dan aman harus memenuh standar baku mutu ar mnum yang dcek secara berkala Standar baku mutu ar mnum merupakan standar dalam menentukan kualtas ar mnum kemasan yang sehat dan aman untuk dkonsums Proses pengolahan ar mnum kemasan melalu tahapan yang sudah dtentukan oleh prosedur pengolahan ar mnum kemasan Unsur-unsur dalam ar dukur dan dcek, kemudan dproses sesua ketentuan pemrosesan ar mnum kemasan dan dkemas dalam kemasan yang sesua ketentuan kemasan ar mnum, sehngga menghaslkan ar mnum kemasan yang berkualtas Salah satu cara membantu proses penentuan kualtas ar mnum kemasan adalah dengan menggunakan model jarngan syaraf truan, yang d dalamnya terdapat proses tranng dan proses penentuan ar mnum kemasan Proses tranng n sangat bermanfaat untuk proses selanjutnya, karena proses tranng menghaslkan bobot akhr yang akan dpaka pada proses penentuan kualtas ar mnum kemasan Peneltan n hanya membahas rancangan proses tranng yang dpergunakan dalam model jarngan syaraf truan Pada proses tranng terdapat pemasukan data unsur-unsur dalam ar, normalsas, dan feedfoward yang akhrnya dperoleh bobot akhr, yang akan dpergunakan dalam proses penentuan Peneltan n bertujuan membuat rancangan proses tranng yang merupakan salah satu proses dalam metode jarngan syaraf truan untuk penentuan kualtas ar mnum dalam kemasan Peneltan n menggunakan beberapa tahapan dalam membuat rancangan proses tranng, yatu: preprocessng, yatu menyapkan data yang terdr dar 20 (dua puluh) unsur yang terkandung dalam ar (TDs, PH, Kekeruhan ar, warna ar, bau ar, rasa ar, Bes, Mangan, zat organk, Fluorda, Boron, Arsen, Bakter bentuk Kol, Salmonella, Ntrat, Ntrt, Tmbal, Kadmum, Sellenum, dan Klor bebas), lalu dlakukan normalsas data yang memetakan data menjad nla antara 0 dan 1 Tahapan selanjutnya membuat arstektur proses tranng dengan metode sngle layer perceptron, menentukan nput, bobot awal, learnng rate, threshold dan target Pembuatan dagram alr data merupakan tahapan berkutnya, dan terakhr merancang antar muka untuk proses tranng tersebut Peneltan-peneltan yang mendukung rset rancangan proses tranng untuk mendukung penentuan kualtas ar mnum kemasan adalah mplementas Jarngan Syaraf Truan Mult-Layer Perceptron Feedfoward dengan Hdden Layer Tunggal pada prakraan cuaca (Ukkas, 2005), peneltan tentang jarngan syaraf truan prakraan cuaca n menggunakan mult-layer perceptron feedfoward dengan algortma pembelajaran yang dgunakan adalah propagas balk dan adanya proses pembelajaran (tranng) dlakukan dengan metode terbmbng (supervsed learnng) dengan parameter B-294
2 berupa data-data cuaca selama kurun waktu tertentu Proses pembelajaran n dlakukan berulangulang (teras) pada objek nput yang dplh, sehngga suatu saat pada proses pembelajaran apabla telah dperoleh nla output dar nput-nput dengan target nla yang dberkan, maka pembelajaran dhentkan Bustam, dkk (2006) menelt permukaan ar setap harnya d sunga bedup, Sarawak, dengan menggunakan metode Mult Layer Perceptron (MLP) Neural Networks dan Probablstc Neural Networks (PNN), metode n dgunakan untuk mengklasfkaskan kualtas ar dengan contoh d tempat dan waktu yang berbeda, ada 7 (tujuh) tempat d jalur utama sunga, dambl d saat ar rendah, normal dan tngg dalam kurun waktu , dkelompokkan dalam 5 (lma) klas dengan faktor yang dukur DO, COD, NH 2, Hydroxy benzene, CN, As, Hg, Cr +6,Pb dan Cd Peneltan lan tentang predks parameter kualtas ar sunga Johor yang dlakukan oleh Najah, dkk (2009), dengan parameter conductvty, Total Dssolved Sold (TDs), Turbdty dan total sold, dengan menggunakan metode MLP (Mult Layer Perceptron) Peneltan-peneltan d atas, memperlhatkan bahwa dalam model jarngan syaraf truan terdapat proses tranng yang dapat dgunakan untuk mendukung metode perceptron dalam mempredks atau mendeteks maupun mengdentfkas suatu permasalahan yang nantnya dapat dambl kesmpulan atau solus METODE Proses tranng dalam peneltan n menggunakan model jarngan syaraf truan dengan metode sngle layer perceptron yang dpaka untuk mendukung penentuan kualtas ar dalam kemasan, bahwa ar mnum tersebut nantnya dapat danggap layak untuk dkemas atau tdak layak dkemas Input proses tranng berupa 20 (dua puluh) unsur-unsur ar dan output berupa bobot akhr yang dpergunakan pada proses selanjutnya yatu proses penentuan Salah satu model Jarngan Syaraf Truan yang serng dgunakan untuk pembelajaran adalah metode perceptron, yang merupakan metode pembelajaran dengan pengawasan dalam sstem jarngan syaraf Metode pelathan perceptron merupakan suatu metode pelathan yang lebh kuat dar metode Hebb Prosedur dalam pelathan tersebut terutama dalam teras dapat membuat output dar bobot menjad konvergen (Fausett, 1994) Model jarngan terdr atas beberapa unt nput (dtambah sebuah bas), dan memlk sebuah unt output Hanya fungs aktvas bukan suatu fungs bner (atau bpolar), tetap memlk kemungknan nla -1, 0 atau 1 Metode perceptron secara umum adalah salah satu model dalam jarngan syaraf truan dengan lapsan tunggal (sngle layer) yang bobot-bobot dan basnya dapat dlath untuk menghaslkan vektor nput yang bersesuaan Metode perceptron termasuk dalam salah satu bentuk model jarngan syaraf truan yang sederhana Metode perceptron basanya dgunakan untuk mengklasfkaskan suatu tpe pola tertentu yang serng dkenal dengan stlah pemsahan secara lnear Pada dasarnya metode perceptron pada model jarngan syaraf dengan satu lapsan memlk bobot yang bsa datur dengan suatu nla ambang Algortma yang dgunakan oleh aturan perceptron n akan mengatur parameterparameter bebasnya melalu proses pembelajaran Fungs aktvas dbuat sedemkan rupa sehngga terjad pembatasan antara daerah postf dan daerah negatf Teknk pelathan yang akan dgunakan basanya dsebut the perceptron learnng rate Metode n banyak yang memanfaatkannya, karena kemampuannya dalam melakukan generalsas dar vektor-vektor lathannya, lalu bekerja dengan koneks-koneks tersebar secara acak Metode perceptron menghtung output yang dhaslkannya menggunakan persamaan berkut n : x * w b 0 (1) Keterangan : x adalah vektor nput yang dmasukkan ke dalam jarngan w adalah vektor bobot b adalah bas Arstektur jarngan syaraf truan sngle layer perceptron, yang terdr dar lapsan nput, bobot, maupun lapsan output Pada peneltan n jumlah nput ada 20 node dan 1 node output B-295
3 x 1 w 1 x 2 w 2 x 3 w 3 y x 4 w 4 w 20 x 20 Nla Input Lapsan Input Lapsan Output Nla Outpu Gambar 1 Arstektur jarngan syaraf truan sngle layer perceptron Algortma pelathan perceptron adalah msalkan s sebaga vektor masukan, t adalah target keluaran, α adalah learnng rate, θ adalah nla threshold (Krstanto, 2004) Adapun algortma untuk pelathan perceptron sebaga berkut : Langkah 0 : Insalsas semua bobot dan bas (umumnya w=b=0) Set laju pembelajaran α ( 0 < α 1) (untuk penyederhanaan set α =1) Langkah 1 : Selama konds berhent benla FALSE atau selama ada elemen vektor masukan yang respon unt keluarannya tdak sama dengan target (y t), lakukan langkahlangkah 2 6 Langkah 2 : Untuk setap pasangan (s, t), kerjakan langkah 3 5 Pada langkah n epoh = epoh + 1 Epoh akan berhent jka y = t Langkah 3 : Set aktvas unt masukan x = s ( = 1,, n) Langkah 4 : Htung respon untuk unt output : net x w b (2) 1 jka net > f(x) = 0 jka - net (3) -1 jka net Langkah 5 : Perbak bobot dan bas pola jka terjad kesalahan, jka y t, maka : w ( baru) w ( lama) * t * x (4) b ( baru) b( lama) * t Jka tdak, maka : w ( baru) w ( lama) (5) b( baru) b( lama) Langkah 6 : Test konds berhent, jka tdak terjad perubahan bobot pada epoh tersebut, maka konds berhent akan bernla TRUE, namun jka mash terjad perubahan, maka konds berhent akan bernla FALSE Ar mnum kemasan yang sehat dapat dlhat secara fsk, kma dan mkrobolog Secara fsk, ar yang sehat dapat dlhat dar kejernhannya, ar tdak berbau, dan ar tdak berasa, sedangkan secara kmaw, ar mnum kemasan yang sehat memlk kadar ph-nya netral dan kandungan mneralmneralnya terbatas dan secara mkrobolog, ar mnum kemasn yang sehat tdak mengandung E col B-296
4 dan salmonela Pengukuran kualtas ar mnum kemasan menggunakan alat yang sesua untuk masngmasng unsur dalam ar mnum kemasan tersebut, msalnya untuk mengetahu TDs pada ar dgunakan alat yang dnamakan TDs meter, untuk mengetahu PH atau keasaman/kebasaan ar dapat dukur dengan menggunakan alat pengukur PH dgtal, dan sebaganya Unsur-unsur yang terkandung dalam ar jumlahnya cukup banyak, hanya saja untuk mendapatkan kualtas ar mnum kemasan yang bak terdapat 34 (tga puluh empat) unsur-unsur ar yang harus sesua dengan standar baku mutu ar mnum Pada peneltan n dambl 20 (dua puluh) unsur-unsur ar saja yang harus sesua dengan SNI (Standar Nasonal Indonesa) dengan pertmbangan bahwa ke-20 (kedua puluh) unsur-unsur tersebut mendukung karakterstk ar d wlayah DIY (sumber ar mnum kemasan dalam peneltan berada d wlayah Sleman), 20 (dua puluh) unsur-unsur ar mnum tersebut adalah: keadaan secara fsk ada 3 krtera uj, yatu: bau, rasa, dan warna, PH, kekeruhan, zat yang terlarut (TDs/Total Dssolved sold), zat Organk (angka KM n O 4 ), Ntrat (sebaga NO 3 ) dan Ntrt (sebaga NO 2 ), Fluorda (F), Bes (Fe), Mangan (Mn), Klor bebas (Cl 2 ), Boron (B), Selenum (Se), Tmbal (Pb), Kadmum (Cd), Cemaran Arsen, serta cemaran mkroba, yang hanya dambl 2 krtera uj, yatu: bakter bentuk kol dan salmonella PEMBAHASAN Analsa proses proses tranng ada beberapa langkah, yatu: langkah pertama: sebelum ke proses tranng terlebh dahulu data dnormalsas, tahap n menjalankan transformas data dalam bentuk normalsas ke nla spesfk dalam batas nla 0 dan 1 Semua data dtransformas, kecual bau ar, rasa ar, dan salmonella, karena nla data tersebut hanya 0 dan 1, nla 0 untuk berbau, berasa dan postf (ada salmonella), sedangkan nla 1 untuk tdak berbau, tdak berasa, dan negatf (tdak ada salmonella) Proses transformas n serng dsebut dengan pemetaan yang bertujuan agar konvergens lebh cepat tercapa, jka nla rata-rata dar nput data tranng mendekat nol Pemetaan n dlakukan untuk menyapkan nput dan target dengan menggunakan mn-max normalzaton Cara mn-max normalsas dplh, agar data berada pada nterval 0-1, hal n berkatan dengan fungs aktvas yang dgunakan yatu fungs threshold bpolar Data-data yang ada dalam faktor tersebut sebelum menjad nput pada jarngan terlebh dahulu dlakukan normalsas, agar data-data tersebut berada pada nterval 0-1 Cara n dsarankan oleh LeCun, dkk (1998), yang menunjukkan bahwa konvergens umumnya akan lebh cepat tercapa jka nla rata-rata dar nput data tranng mendekat nol Rumus mn-max normalzaton sepert yang dperkenalkan oleh Berry dan Lnnof (2000), dengan rumus d bawah n : N Mn N ' ( New _ Max New _ Mn) New _ Mn (6) Max Mn Keterangan : N : nla pemetaan N : nla orgnal Mn : nla batas terendah Max : nla batas tertngg New_Max : nla batas terbesar dalam pemetaan New_Mn : nla batas terkecl dalam pemetaan Langkah kedua: settng nla awal untuk bas, bobot, learnng rate, dan threshold Langkah ketga: proses feedfoward, menghtung respon untuk unt output Langkah keempat: proses perceptron, memperbak bobot dan bas sampa tercapa konds y = t Bobot akhr akan dpergunakan pada proses penentuan kualtas Proses tranng jarngan dmula dengan melakukan data pre-processng untuk mempersapkan data tranng ke dalam bentuk data nput yang sap dmasukkan ke dalam jarngan Selanjutnya nsalsas parameter-parameter Fungs aktvas yang dgunakan adalah fungs threshold bpolar yang nlanya berada pada nterval [-1,1] Hasl normalsas data nput dperoleh dengan B-297
5 menggunakan rumus mn-max normalzaton Selanjutnya jarngan dlath dengan menggunakan parameter yang telah dtentukan Proses tranng merupakan proses teras dan peng-update-an bobot yang terus berjalan apabla output tdak sama dengan target (y t) Proses pelathan dmula dengan pembacaan nsalsas bobot Data ar yang telah dnormalsas kemudan dlath secara feedfoward (umpan maju), sampa teras berhent yatu pada saat output sama dengan target (y = t) Proses n dlakukan secara berulang hngga konds berhent bernla true (tdak terjad perubahan bobot) Nla bobot akhr yang dperoleh selanjutnya dgunakan pada proses penentuan Proses tranng dawal dengan normalsas data nput ke dalam nterval [0,1], selanjutnya dproses secara umpan maju (feedforward) oleh jarngan, sehngga menghaslkan suatu output Error yang dperoleh dar selsh antara output jarngan dengan data target kemudan dperceptron hngga menghaslkan suatu bobot baru Proses peng-update-an bobot berlangsung hngga selama output tdak sama dengan target Dagram alr data (DFD) untuk proses tranng dapat dlhat pada gambar 2 User 11 Normalsa s data tranng Range [0,1] 12 feed forward Nla bobot Fle bobot 13 Perceptron Bobot baru Fle bobot Bobot akhr Gambar 2 Data Flow Dagram Proses Tranng Rancangan user nterface merupakan bagan yang sangat pentng, karena software yang memlk knerja handal tetap tdak famlar, maka software tersebut akan tdak banyak berguna Desan antar muka proses tranng kualtas ar mnum kemasan dkembangkan pada perangkat lunak menggunakan sstem yang user frendly Aplkas untuk jarngan syaraf truan model perceptron n sudah berbass GUI, d dalamnya terdapat con-con yang dapat mempermudah user dalam pemakaan aplkas dan membuat menark aplkas perangkat lunak n Antar muka jendela proses tranng dapat dlhat pada gambar 3, bers tamplan data awal, tamplan hasl normalsas, tamplan hasl proses tranng, serta tamplan komentar pendukung Rancangan antar muka settng dapat dlhat pada gambar 4, yang merupakan antar muka sebelum proses jarngan syaraf truan, dpergunakan untuk menyettng awal nla bas, learnng rate, dan threshold B-298
6 Data tranng Hasl normalsas Hasl normalsas Hasl tranng Komentar pendukung Gambar 3 Rancangan antar muka jendela proses Bas : Learnng rate : Threshold : OK Batal Gambar 4 Rancangan antar muka settng KESIMPULAN Rancangan proses tranng untuk mendukung penentuan kualtas ar mnum kemasan n mash berupa konsep, yang selanjutnya dapat dsusun dengan bahasa pemrograman, sehngga dapat berfungs dengan bak dan mendukung proses penentuan kualtas ar mnum kemasan secara menyeluruh Peneltan n hanya rancangan proses tranng, sehngga mash dapat dkembangkan ke rancangan proses penentuan, sehngga menjad satu kesatuan aplkas yang lengkap DAFTAR PUSTAKA Bustam, RA, Bessah, N, Muhammad MS, 2006, Artfcal Neural Network for Daly Water Level Estmaton, Engneerng e-transacton, Unversty of Malaya vol 1, No 1 March 2006 pp 7-12 Fausett, L, 1994, Fundamentals of Neural Networks Archtectures, Algorthms, and Applcatons, Prentce Hall Inc, New Jersey Krstanto A, 2004, Jarngan Syaraf Truan (Konsep Dasar, Algortma dan Aplkas), Penerbt Gava Meda, Yogyakarta Kusumadew, S, 2003, Artfcal Intellgence (Teknk dan Aplkasnya), Graha Ilmu, Yogyakarta Le Cun, Y, Bottou, L, Orr, GB, Muller, K R, 1998 Effcent BackProp, Neural Networks: trcks of the trade, Sprnger, akses 30 maret 2011 Najah, A, Elshafe, A, Karm, O A, Jaffar, O, 2009, Predcton of Johor Rver Water Qualty Parameters Usng Artfcal Neural Networks, European Journal of Scentfc Research, ISSN X Vol 28 No 3 (2009), pp , EuroJournals Publshng, Inc, akses 5 Januar 2010 Ukkas, M I, 2005, Implementas Jarngan Syaraf Truan Mult-Layer Perceptron Feedfoward dengan Hdden Layer Tunggal pada prakraan cuaca,tess, Program Stud Ilmu Komputer FMIPA UGM, Yogyakarta B-299
BAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciPENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE
1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN UNTUK MENDETEKSI POSISI WAJAH MANUSIA PADA CITRA DIGITAL
Semnar Nasonal Aplkas Teknolog Informas 2005 (SNATI 2005) ISBN: 979-756-061-6 Yogyakarta, 18 Jun 2005 PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MENDETEKSI POSISI WAJAH MANUSIA PADA CITRA DIGITAL Setyo Nugroho
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih terperinciAnalitik Data Tingkat Lanjut (Regresi)
0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciIDENTIFIKASI POLA SIDIK JARI DENGAN JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY
Anfudn Azz dan Tanzl Kurnawan, Identfkas Pola Jar IDENTIFIKASI POLA SIDIK JARI DENGAN JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY (Frnger Prnt Pattern Identfcaton by Bdrectonal Assocatve Memory
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON
STMIK AMIKOM Yogyakarta, 6-8 Februar 2015 PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1), I Dewa Gede Ra Mardana 2), Sandy Wrakusuma 3) 1), 2), 3)
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciJaringan Syaraf Tiruan (Artificial Neural Networks)
Jarngan Syaraf Truan (Artfcal Neural Networks) BAB I PENDAHULUAN. Searah JST JST : merupakan cabang dar Kecerdasan Buatan (Artfcal Intellgence ) JST : menru cara kera otak mahluk hdup yatu sel syaraf (neuron)
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBab III Analisis dan Rancangan Sistem Kompresi Kalimat
Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciPengenalan Tanda Tangan Dengan Metode Principal Component Analysis (PCA) Dan Jaringan Syaraf Tiruan (JST)
1 Pengenalan Tanda Tangan Dengan Metode Prncpal Component Analyss (PCA) Dan Jarngan Syaraf Truan (JST) Hann Prastka 1, Rahmat Suhatman 2, Warna Nengsh 3 Program Stud Teknk Informatka dan Multmeda, Polteknk
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON
PENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1) Sandy Wrakusuma 2) 1) S1 Sstem Komputer, STIKOM Surabaya, emal: madha@stkom.edu 2) S1
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada
BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciMatematika Eigenface Menggunakan Metrik Euclidean
Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciBAB 3 METODOLOGI PERANCANGAN
9 BAB 3 METODOLOGI PERANCANGAN Bab n bers penjelasan mengena langkah-langkah perhtungan serta prosedurprosedur yang dgunakan untuk menemukan solus atas rumusan masalah pada Bab. Dalam bab n juga akan dtamplkan
Lebih terperinciBAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciUKURAN LOKASI, VARIASI & BENTUK KURVA
UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciMETODE PENELITIAN. dalam penelitian ini adalah siswa kelas XI IPA 2 Tahun Pelajaran
III. METODE PENELITIAN A. Settng Peneltan Peneltan n menggunakan data kuanttatf dengan jens Peneltan Tndakan Kelas (PTK). Peneltan n dlaksanakan d SMAN 1 Bandar Lampung yang beralamat d jalan Jend. Sudrman
Lebih terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciPEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)
PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciSistem Pengenalan Wicara Otomatis Menggunakan Discrete Wavelet Neural Network (DWNN)
Sstem Wcara Otomats Menggunakan Dscrete Wavelet Neural Network (DWNN) Yunus Wcaksono S 1, Djoko Purwanto 2, Agus Sgt Pramono 3 1,2 Program Stud Teknk Elektro Insttut Teknolog Sepuluh Nopember Surabaya
Lebih terperinciSUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD
SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya
Lebih terperinciPENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD
Semnar Nasonal Sstem dan Informatka 2007; Bal, 6 November 2007 PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Nur Hasanah ) Istkhomah 2) Taufq Hdayat 3) Sr Kusumadew 4) Jurusan
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciHybrid intelligent system adalah kombinasi lebih dari dua teknologi cerdas.
Teny Handhayan Pendahuluan Hybrd ntellgent system adalah kombnas lebh dar dua teknolog cerdas. Contohnya kombnas Neural Network dengan Fuzzy membentuk Neuro-fuzzy system Perbandngan Expert Systems, Fuzzy
Lebih terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciBAB III METODOLOGI PENELITIAN. bulan November 2011 dan direncanakan selesai pada bulan Mei 2012.
BAB III METODOLOGI PENELITIAN 1.1. Tempat dan waktu Peneltan Peneltan dlakukan pada Perusahaan Daerah Ar Mnum Kabupaten Gorontalo yang beralamat d jalan Gunung Bolyohuto No. 390 Kelurahan Bolhuangga Kecamatan
Lebih terperinciBAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA
BAB ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA.1 Pendahuluan Pada sstem tga fasa, rak arus keluaran nverter pada beban dengan koneks delta dan wye memlk hubungan yang
Lebih terperinciPertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012
Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar
Lebih terperinciSISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS
SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciPengenalan Pola Senyum Menggunakan Backpropagation Berbasis Ekstraksi Fitur Principal Component Analysis (PCA)
Pengenalan Pola Senyum Menggunakan Backpropagaton Berbass Ekstraks Ftur Prncpal Component Analyss (PCA) Rma Tr Wahyunngrum 1, Rza Mashta Wat 2, Aer Rachmad 3 Program Stud Teknk Informatka, Unverstas Trunojoyo
Lebih terperinci