BAB 3 ANALISIS DAN PERANCANGAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 3 ANALISIS DAN PERANCANGAN"

Transkripsi

1 21 BAB 3 ANALISIS DAN PERANCANGAN 3.1 Aalisis Sistem Aalisis sistem adalah sebuah tekik pemecaha masalah dimaa sistem diuraika mejadi kompoe-kompee dega tujua utuk mempelajari kierja masigmasig kompoe tersebut dalam mecapai tujua sistem. Tahapa ii dilakuka agar pada saat proses peracaga aplikasi tidak terjadi kesalaha da sistem dapat berjala sesuai dega tujua utama. Ada dua tahapa aalisis dalam tugas akhir ii yaitu aalisis masalah da aalisis persyarata. Aalisis masalah utuk memahami kelayaka masalah da aalisis persyarata utuk mejelaska fugsifugsi yag ditawarka da mampu dikerjaka oleh sistem Aalisis Masalah Aalisis masalah merupaka proses megidetifikasi sebab da akibat dibaguya sebuah sistem agar sistem yag aka dibagu tersebut dapat berjala sebagaimaa mestiya sesuai dega tujua dari sistem itu. Selama ii jika seseorag igi megetahui bahasa Idoesia-Arab,media yag diguaka utuk memperlacar peguasaa kosakataya adalah melalui kamus. Aplikasi kamus didalam Smartphoe tidak mecari kata secara maual. Tetapi dega adaya fasilitas pecaria pada aplikasi kamus tersebut mempermudah user medapatka kata yag igi dicariya. Dega memafaatka salah satu dari Algoritma Strig Matchig seperti Algoritma Not So Naive da Algoritma Two Way, maka mempermudah da mempercepat pecaria kata dalam kamus. Pecaria kata adalah masalah yag aka diselesaika dega megguaka sistem ii. Utuk megidetifikasi masalah tersebut diguaka diagram Ishikawa (fishboe diagram). Diagram Ishikawa berbetuk seperti ika yag strukturya terdiri dari kepala ika (fish s head) da tulag-tulag ika (fish s boes). Nama atau judul dari masalah yag diidetifikasi terletak pada bagia kepala ika. Sedagka tulag-tulag ika meggambarka peyebab- Uiversitas Sumatera Utara

2 22 peyebab masalah tersebut. Diagram Ishikawa pada sistem ii dapat dilihat pada Gambar 3.1 METODE USER Sulit meemuka metode Utuk Strig Matchig Megguaka dua metode dalam suatu sistem pecaria Belum ada aplikasi berbasis adroid yag megkombiasika dua algoritma strig matchig yag dipilih Tidak ada software yag sesuai utuk pecaria kata User membutuhka media yag praktis utuk mecari kata Membutuhk a proses lama Melakuka pecaria kata secara maual User masih sulit utuk melakuka pecaria kata dikamus dega waktu yag cepat Sistem pecaria dega megguaka algoritma Not So Naive da Two Way MACHINE MATERIAL Gambar 3.1 Diagram Ishikawa Pada Gambar 3.1 dapat dilihat bahwa terdapat empat kategori peyebab masalah pada peelitia pecaria kata pada kamus dega Algoritma Not So Naive da Algoritma Two Way yag digambarka dega tada paah yag megarah ke tulag utama, yaitu berkaita dega peggua yaitu membutuhka media yag praktis utuk mecari kata bahasa Idoesia-Arab di kamus dega waktu yag cepat, semetara kamus masih berbetuk buku cetak da masih melakuka pecaria secara maual. Media da alat sagat sulit utuk dibawa kemaa-maa oleh user da tidak dapat di-update setiap saat sesuai dega kebutuha da perkembaga saat ii. Media da alat yag terlibat belum ada megguaka algoritma strig matchig Not So Naive da Two Way. Metode masih dilakuka secara maual da metode pecaria kata pada kamus Bahasa Idoesia-Arab belum ada diguaka. Maka utuk megatasi masalah tersebut peulis beriisiatif utuk membuat aplikasi kamus pada platform Adroid yag Bahasa Idoesia- Arab megguaka algoritma Not So Naive da Two Way. Uiversitas Sumatera Utara

3 Aalisis Persyarata Utuk membagu sebuah sistem, perlu dilakuka sebuah tahap aalisis persyarata. Terdapat dua bagia pada aalisis persyarata, yaitu persyarata fugsioal da persyarata o-fugsioal. Persyarata fugsioal medeskripsika aktivitas yag disediaka suatu sistem. Sedagka Persyarata ofugsioal medeskripsika fitur, karakteristik da batasa laiya Persyarata Fugsioal Persyarata fugsioal disii medeskripsika tetag sistem yag disediaka. Terdapat beberapa hal yag mejadi persyarata fugsioal pada Aplikasi Kamus Bahasa Idoesia-Arab, atara lai : 1. Sistem melakuka pecocoka strig melalui kata yag di iput oleh peggua. 2. Sistem dapat meghasilka kata terjemaha dari iputa yag dicari dega megguaka Algoritma Not So Naive da Algoritma Two Way 3. Sistem meerima iputa dari user haya berupa betuk kata. 4. Sistem meampilka hasil pecaria haya berupa betuk kata Persyarata No-Fugsioal Persyarata o fugsioal sistem merupaka karakteristik atau batasa yag meetuka kepuasa pada sebuah sistem seperti kierja, kemudaha peggua, biaya, da kemampua sistem bekerja tapa meggaggu fugsioalitas sistem laiya. Terdapat beberapa persyarata o-fugsioal yag harus dipeuhi diataraya : 1. Performa Sistem yag aka dibagu harus dapat meampilka hasil pecaria yag sesuai dega apa yag dicari. 2. Mudah diguaka Sistem yag aka dibagu harus mudah diguaka (user friedly), artiya sistem ii aka mudah diguaka oleh user dega tampila yag sederhaa da dapat dimegerti. Uiversitas Sumatera Utara

4 24 3. Hemat biaya Sistem yag dibagu tidak memerluka peragkat tambaha ataupu peragkat pedukug laiya yag dapat megeluarka biaya. 4. Kotrol Sistem yag dibagu mampu meampilka pesa ketika tidak ada iputa yag aka dicari. 5. Maajeme Kualitas Sistem yag aka dibagu harus memiliki kualitas yag baik yaitu tidak mempersulit user utuk melakuka pecaria kata. 3.2 Pemodela Pemodela sistem dilakuka utuk memperoleh gambara cara kerja sistem da tetag objek apa saja yag aka beriteraksi dega sistem, serta hal-hal apa saja yag harus dilakuka oleh sebuah sistem sehigga sistem dapat berfugsi dega baik sesuai dega keguaaya. Pada peelitia ii diguaka UML (Uified Modelig Laguage) sebagai bahasa pemodela utuk medesai da meracag aplikasi Kamus bahasa Idoesia-Arab. Model UML yag diguaka atara lai Use Case Diagram, Activity diagram, da Sequece diagram Use Case Diagram Use Case Diagram adalah sebuah diagram yag dapat merepresetasika iteraksi yag terjadi atara user dega sistem. Diagram use case ii medeskripsika siapa saja yag megguaka sistem da bagaimaa cara mereka beriteraksi dega sistem. Use Case Diagram dari sistem yag aka dibagu dapat ditujukka pada Gambar 3.2. Uiversitas Sumatera Utara

5 25 Gambar 3.2 Use Case Diagram Sistem Didalam use case diagram dapat digambarka bahwa terdapat 1(satu) orag aktor yag aka berpera yaitu user. Selajutya user harus memasukka iput berupa kata yag igi diterjemahka ke dalam search box. Selajutya user memilih Algoritma yag igi diguaka atara Algoritma Not So Naive da Algoritma Two Way. Setelah Algoritma dipilih lalu sistem aka melakuka pecaria da meampilka hasil pecaria kata. Pada Proses Meetuka tipe pecaria dapat diyataka dalam Tabel 3.1. Uiversitas Sumatera Utara

6 26 Tabel 3.1 Use Case Proses Iput Kata Name Actors Descriptio Basic Flow Iput kata User Usecase ii medeskripsika pegiputa kata yag igi dicari User megiput kata Alterate Flow - Pre Coditio Post Coditio User igi megiput kata User medapatka hasil pecaria kata Tabel 3.2 Use Case Algoritma Not So Naive Name Actors Algoritma Turbo Boyer Moore User Descriptio Usecase ii medeskripsika proses pecaria kata megguaka Algoritma Not So Naive Basic Flow Alterate Flow Pre Coditio Post Coditio User memilih Algoritma Not So Naive User memilih Algoritma Not So Naive User igi mecari kata Not So Naive User medapatka hasil pecaria kata Name Actors Descriptio Tabel 3.3 Use Case Proses Algoritma Two Way Algoritma Two Way User Use Case ii medeskripsika proses pecaria kata megguaka Algoritma Two Way Uiversitas Sumatera Utara

7 27 Basic Flow Alterate Flow Pre Coditio Post Coditio User memilih Algoritma Two Way User memilih Algoritma Two Way User igi mecari kata Two Way User medapatka hasil pecaria kata Activity Diagram Activity diagram adalah diagram aktivitas yag medeskripsika proses kerja dalam sebuah sistem yag sedag berjala. Activity diagram bertujua utuk membatu memahami keseluruha proses da meggambarka iteraksi atara beberapa Use Case Diagram. Activity diagram dari sistem yag aka dibagu dapat ditujukka pada Gambar 3.3. Gambar 3.3 Activity Diagram Sistem Gambar ii meujukka bahwa user melakuka iput kata lalu user memilih algoritma utuk pecaria kemudia sistem melakuka pemaggila fugsi algoritma yag telah dipilih da sistem meampilka hasil pecaria ke user Sequece Diagram Sequece diagram adalah suatu diagram yag meggambarka iteraksi atar objek pada sistem dalam sebuah uruta waktu atau ragkaia waktu. Sequece diagram dari sistem yag aka dibagu dapat ditujukka pada Gambar 3.4 Uiversitas Sumatera Utara

8 28 Gambar 3.4 Sequece Diagram Sistem Gambar ii meujukka bahwa user melakuka iput kata da pilih algoritma kemudia sistem aka melakuka pemaggila fugsi algoritma da sistem aka meampilka hasil pecaria. 3.3 Pseudocode Pseudocode Algoritma Not So Naive if (x[0] == x[1]) { k = 2; ell = 1; else { k = 1; ell = 2; j = 0; while (j <= - m) if (x[1]!= y[j + 1]) j += k; else { if (memcmp(x + 2, y + j + 2, m - 2) == 0 && x[0] == y[j]) OUTPUT(j); j += ell; Uiversitas Sumatera Utara

9 Pseudocode Algoritma Two Way it maxsuf(char *x, it m, it *p) { it ms, j, k; char a, b; ms = -1; j = 0; k = *p = 1; while (j + k < m) { a = x[j + k]; b = x[ms + k]; if (a < b) { j += k; k = 1; *p = j - ms; else if (a == b) if (k!= *p) ++k; else { j += *p; k = 1; else { /* a > b */ ms = j; j = ms + 1; k = *p = 1; retur(ms); it maxsuftilde(char *x, it m, it *p) { it ms, j, k; char a, b; ms = -1; j = 0; k = *p = 1; while (j + k < m) { a = x[j + k]; b = x[ms + k]; if (a > b) { j += k; k = 1; *p = j - ms; else if (a == b) if (k!= *p) ++k; else { j += *p; k = 1; Uiversitas Sumatera Utara

10 30 else { /* a < b */ ms = j; j = ms + 1; k = *p = 1; retur(ms); void TW(char *x, it m, char *y, it ) { it i, j, ell, memory, p, per, q; i = maxsuf(x, m, &p); j = maxsuftilde(x, m, &q); if (i > j) { ell = i; per = p; else { ell = j; per = q; if (memcmp(x, x + per, ell + 1) == 0) { j = 0; memory = -1; while (j <= - m) { i = MAX(ell, memory) + 1; while (i < m && x[i] == y[i + j]) ++i; if (i >= m) { i = ell; while (i > memory && x[i] == y[i + j]) --i; if (i <= memory) OUTPUT(j); j += per; memory = m - per - 1; else { j += (i - ell); memory = -1; else { per = MAX(ell + 1, m - ell - 1) + 1; j = 0; while (j <= - m) { i = ell + 1; while (i < m && x[i] == y[i + j]) ++i; if (i >= m) { i = ell; while (i >= 0 && x[i] == y[i + j]) --i; if (i < 0) OUTPUT(j); j += per; Uiversitas Sumatera Utara

11 31 else j += (i - ell); 3.4 Flowchart Flowchart merupaka gambar atau baga yag memperlihatka uruta da hubuga atar proses beserta peryataaya. Gambara ii diyataka dega simbol. Dega demikia setiap simbol meggambarka proses tertetu. Sedagka atara proses digambarka dega garis peghubug. Flowchart yag aka dibagu dapat ditujukka pada Gambar 3.5, 3.6, da 3.7 \ Mulai Masukka Patter Pilih algoritma pecaria Cocokka text dega algoritma yag dipilih Output Hasil Pecaria Selesai Gambar 3.5 Flowchart Gambara Umum Sistem Kamus Gambar 3.5 Meggambarka alur sistem secara umum pada kamus bahasa Idoesia-Arab, dimaa user memasukka iputa berupa text. Kemudia memilih algoritma pecaria yaitu algoritma Not So Naive atau algoritma Two Way. Cek patter dega text yag terdapat dalam database. Kemudia tampilka hasil pecaria. Uiversitas Sumatera Utara

12 32 Mulai Masukka Patter K=2,ell=1 Iya X[0]=X[1 Tidak K=1,ell=2 Substrig ada? Tidak Iya Cek substrig dari kiri ke kaa Geser substrig sebayak K Iya X[1]!=Y[j+1] Tidak Geser substrig sebayak ell Substrig cocok Output substrig cocok Output substrig tidak cocok Selesai Gambar 3.6 Flowchart Algoritma Not So Naive Gambar 3.6 mejelaska algoritma Not So Naive dimulai dega memasukka dega patter yag aka dicari. Proses pecaria dilakuka dega megecek substrig dari kiri ke kaa, Apabila X[1]!=Y[j+1] maka geser substrig sebayak k, apabila tidak maka geser substrig sebayak ell. X=patter, Y =Teks. Uiversitas Sumatera Utara

13 33 Mulai Masukka Strig Kuci (X) Strig Sumber(Y) Faktorisasi kuci mejadi awala da akhira Substrig ada? Tidak Ya Geser Substrig sebayak karakter yag cocok Geser Substrig sebayak satu Tidak Substrig sama dega awala? Ya Ya Cek karakter selajutya Tidak Substrig sama dega akhira? Strig kuci ditemuka Ya Selesai Strig kuci tidak ditemuka Gambar 3.7 Flowchart Algoritma Two Way Gambar 3.7 mejelaska algoritma Two way dimulai dega memasukka strig kuci da strig sumber. Kemudia Faktorisasi kuci mejadi awala da akhira. Cek jika substrig sama dega akhira maka strig kuci ditemuka, Uiversitas Sumatera Utara

14 34 jika substrig tidak sama dega akhira maka geser substrig sebayak karakter yag cocok. 3.5 Peracaga Atarmuka Sistem (Iterface) Proses peracaga atarmuka (iterface) sebuah sistem adalah proses yag cukup petig dalam peracaga sebuah sistem. Meracag atar muka merupaka bagia yag palig petig dari meracag sebuah sistem. Sebuah atar muka harus diracag dega memperhatika faktor peggua sehigga sistem yag dibagu dapat memberika keyamaa da kemudaha utuk diguaka oleh peggua Racaga Halama Splash Scree Halama Splash Scree merupaka halama yag pertama kali mucul pada saat sistem dibuka. Racaga Tampila Splash Scree dapat dilihat pada Gambar 3.8 Kamus Bahasa Idoesia Arab Gambar 3.8 Racaga Splash Scree Keteraga : 1. Splash Scree utuk meampilka loadig progress saat pertama kali membuka aplikasi. Uiversitas Sumatera Utara

15 Racaga Halama Utama Halama utama terdiri dari ImageView, Search,About da Exit. Adapu tampila dari halama utama dapat dilihat pada Gambar 3.9 KAMUS Bahasa Idoesia-Arab SEARCH ABOUT EXIT Gambar 3.9 Halama Utama Keteraga : 1. ImageView berisi Judul Aplikasi 2. Butto Searchmeampilka pecaria kata Politik 3. Butto About berisi judul da pembuat aplikasi 4. Butto Exit utuk megeluarka user dari aplikasi Uiversitas Sumatera Utara

16 Racaga Halama Search Halama Search berfugsi utuk melakuka pecaria kata pada kamus sesuai dega algoritma yag telah dipilih. Adapu tampila dari halama search dapat dilihat pada Gambar Pecaria 2 Not So Naive Two Way 3 Cari... 4 Cari 5 Gambar 3.10 Halama Search Gambar 3.10 Halama Search Keteraga : 1. Toolbar utuk meampilka judul halama 2. TabLayout utuk meampilka piliha algoritma pecaria 3. EditText utuk meampilka kata 4. Butto utuk mecari kata 5. ListView utuk meampilka hasil pecaria Uiversitas Sumatera Utara

17 Racaga Halama About Halama About berisi judul da ama dari pembuat Aplikasi. Adapu tampila dari halama search dapat dilihat pada Gambar Tetag PERBANDINGAN ALGORITMA NOT SO NAIVE DAN TWO WAY PADA KAMUS BAHASA INDONESIA-ARAB BERBASIS ANDROID SKRIPSI NURUL HASANAH Gambar 3.11 Halama About PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS Gambar ILMU 3.11 KOMPUTER Racaga DAN Tampila TEKNOLOGI Pecaria INFORMASI UNIVERSITAS SUMATERAUTARA 2017 Gambar 3.11 Halama About Keteraga : 1. Toolbar utuk meampilka judul halama 2. ImageView utuk meampilka judul da ama pembuat aplikasi Racaga Halama Exit Halama Exit berfugsi utuk megeluarka user dari aplikasi. Adapu tampila dari halama exit dapat dilihat pada Gambar 3.12 Uiversitas Sumatera Utara

18 38 1 Kofirmasi 2 Apa ada igi keluar? 3 4 Tidak Ya Gambar 3.12 Halama Exit Keteraga : 1. TextView utuk meampilka teks. 2. TextView utuk meampilka teks. 3. Butto utuk tidak keluar dari aplikasi. 4. Butto utuk keluar dari aplikasi. Uiversitas Sumatera Utara

19 39 BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Implemetasi Implemetasi sistem merupaka tahapa lajuta dari aalisis da peracaga sistem. Sistem ii dibagu dega megguaka bahasa pemrograma Java da megguaka Software Adroid Studio. Sistem ii diproses da dijalaka pada smarthphoe Samsug Galaxy J5. Pada sistem ii terdapat 6 tampila halama, yaitu Halama Splash Scree, Tampila Halama Utama, Halama Search, Halama About, Halama Fitur, Halama Exit Tampila Halama Splash Scree Halama Splash Scree merupaka halama yag pertama kali mucul pada saat sistem dibuka. Tampila Halama Splash Scree dapat dilihat pada Gambar 4.1 Gambar 4.1 Halama Splash Scree Uiversitas Sumatera Utara

20 Tampila Halama Utama Tampila halama utama berisi tetag meu Search, About da Exit. Dimaa pada meu Search, user bisa melakuka pecaria kata pada kamus bahasa Idoesia-Arab. Pada meu About, user bisa melihat judul da ama pembuat aplikasi. Adapu tampila halama utama aplikasi dapat dilihat pada Gambar 4.2. Gambar 4.2 Halama Utama Tampila Halama Search Tampila halama search berisi tetag algoritma pecaria kata pada kamus sesuai dega algoritma yag telah dipilih. Adapu tampila halama pecaria dapat dilihat pada Gambar 4.3. Pada halama ii, sebelum user melakuka pecaria, terlebih dahulu user memilih algoritma kemudia megklik butto cari. Setelah butto cari diklik maka hasil pecaria kata aka ditampilka da alert dialog ruig time. Uiversitas Sumatera Utara

21 41 Gambar 4.3 Halama Search Tampila Halama About Tampila halama about berisi tetag judul da ama pembuat aplikasi. Adapu tampila halama about dapat dilihat pada Gambar 4.4. Gambar 4.4 Halama About Uiversitas Sumatera Utara

22 Tampila Halama Profil Tampila halama Profil berfugsi utuk meampilka photo profil dari pembuat aplikasi. Adapu tampila dari halama Profil dapat dilihat pada Gambar 4.5. Gambar 4.5 Halama Profil Tampila Halama Exit Tampila halama exit berfugsi utuk megeluarka user dari aplikasi. Adapu tampila dari halama exit dapat dilihat pada Gambar 4.5. Gambar 4.6 Halama Exit Uiversitas Sumatera Utara

23 Tampila Hasil Pecaria Not So Naive Tampila teks da patter yaitu cocok apabila patter da teks cocok. Pada Gambar 4.7 dapat dilihat hasil pecaria kata pada kamus Bahasa Idoesia- Arab megguaka Algoritma Not So Naive. Gambar 4.7 Hasil Pecaria Kata Algoritma Not So Naive Gambar ii meujukka bahwa user memasukka teks yaitu maka ke aplikasi. Algoritma yag diguaka adalah algoritma Not So Naive. Aplikasi melakuka pecocoka strig da meampilka semua teks yag cocok dega database. Terdapat 2 kata maka dalam database. Terdapat toast yag meujukka kata ditemuka da ruig time yag diperluka utuk mecari kata maka adalah 43 ms. Tampila teks da patter yaitu tidak cocok apabila patter da teks tidak cocok. Pada Gambar 4.8 dapat dilihat hasil pecaria kata pada kamus bahasa Idoesia-Arab megguaka Algoritma Not So Naive. Uiversitas Sumatera Utara

24 44 Gambar 4.8 Hasil Pecaria Kata Algoritma Not So Naive Gambar ii meujukka bahwa user memasukka teks yaitu jaga ke aplikasi. Algoritma yag diguaka adalah algoritma Not So Naive. Aplikasi melakuka pecocoka strig da meampilka semua teks yag cocok dega database. Tidak terdapat kata jaga dalam database. Terdapat toast yag meujukka bahwa kata tidak ditemuka da ruig time yag diperluka utuk mecari kata jaga adalah 35 ms. 4.3 Aalisis Algoritma Two Way Tampila teks da patter yaitu cocok apabila patter da teks cocok. Pada Gambar 4.9 dapat dilihat hasil pecaria kata pada kamus bahasa Idoesia- Arab megguaka Algoritma Two Way Uiversitas Sumatera Utara

25 45 Gambar 4.9 Hasil Pecaria Kata Algoritma Two Way Gambar ii meujukka bahwa user memasukka teks yaitu maka ke aplikasi. Algoritma yag diguaka adalah algoritma Two Way. Aplikasi melakuka pecocoka strig da meampilka semua teks yag cocok dega database. Terdapat 2 kata maka dalam database. Terdapat toast yag meujukka kata ditemuka da ruig time yag diperluka utuk mecari kata maka adalah 50 ms. Tampila teks da patter yaitu tidak cocok apabila patter da teks tidak cocok. Pada Gambar 4.10 dapat dilihat hasil pecaria kata pada kamus bahasa Idoesia-Arab megguaka Algoritma Two Way Uiversitas Sumatera Utara

26 46 Gambar 4.10 Hasil Pecaria Kata Algoritma Two Way Gambar ii meujukka bahwa user memasukka teks yaitu jaga ke aplikasi. Algoritma yag diguaka adalah algoritma Two Way. Aplikasi melakuka pecocoka strig da meampilka semua teks yag cocok dega database. Tidak terdapat kata jaga dalam database. Terdapat toast yag meujukka bahwa kata tidak ditemuka da ruig time yag diperluka utuk mecari kata jaga adalah 37 ms Hasil Pegujia Hasil pegujia dari peelitia ii adalah Ruig time dari pecaria kata da jumlah kata yag ditemuka pada Algoritma Not So Naive da Algoritma Two Way yag dilakuka terhadap strig yag berbeda. Adapu hasil pegujia dari kedua Algoritma yag diguaka aka dijelaska pada Tabel 4.5 da Tabel 4.6. Uiversitas Sumatera Utara

27 47 Tabel 4.5 Hasil Pegujia Algoritma Not So Naive No Pola Ruig time (ms) Jumlah kata yag ditemuka Kejadia 1 Maka 43 2 Kata ditemuka 2 Apa Kata ditemuka 3 Ayah 42 3 Kata ditemuka 4 Ibu 42 8 Kata ditemuka 5 Mium 40 1 Kata ditemuka 6 Tidur 41 1 Kata ditemuka 7 Siapa 39 1 Kata ditemuka 8 Ada Kata ditemuka 9 jaga uha 45 0 Kata tidak ditemuka Kata tidak ditemuka Rata-rata 42 ms Tabel ii meujukka terdapat 10 pola pegujia pada Algoritma Not So Naive. Pada masig-masig pola terdapat ruig time dalam ms yag meujukka waktu pecaria kata. Terdapat 2 jeis kejadia pada masig-masig pola yaitu kata ditemuka atau kata tidak ditemuka. Dalam pegujia 10 pola, rata-rata ruig time utuk algoritma Not So Naive adalah 42 ms. Uiversitas Sumatera Utara

28 48 Tabel 4.6 Hasil Pegujia Algoritma Two Way No Pola Ruig Time (ms) Jumlah kata yag ditemuka Kejadia 1 Maka 50 2 Kata ditemuka 2 Apa Kata ditemuka 3 Ayah 54 3 Kata ditemuka 4 Ibu 50 8 Kata ditemuka 5 Mium 58 1 Kata ditemuka 6 Tidur 47 1 Kata ditemuka 7 Siapa 48 1 Kata ditemuka 8 Ada Kata ditemuka 9 jaga uha 52 0 Kata tidak ditemuka Kata tidak ditemuka Rata-rata 50 ms Tabel ii meujukka terdapat 10 pola pegujia pada Algoritma Two Way. Pada masig-masig pola terdapat ruig time dalam ms yag meujukka waktu pecaria kata. Terdapat 2 jeis kejadia pada masig-masig pola yaitu kata ditemuka atau kata tidak ditemuka. Dalam pegujia 10 pola, rata-rata ruig time utuk algoritma Two Way adalah 50 ms. Uiversitas Sumatera Utara

29 49 Dega diketahui kompleksitas waktu suatu algoritma maka efisiesi program berdasarka waktu dapat dibedaka meurut ruig time-ya rug time dari suatu algoritmaa adalah ukura waktu utuk melaksaaka suatu program sehiga meghasilka output pada satu kompiler da mesi eksekusi tertetu. Ruig time sebuah program tergatug beberapa faktor : 1) Iput Program. 2) Jumlah Database dalam suatu program. 3) Kualitas dari kompiler yag diguaka utuk kompilasi pada program. 4) kemampua da kecepata mesi yag diguaka utuk eksekusi program 5) kompleksitas algoritma Setelah medapatka Hasil Pegujia dari Tabel 4.5 da Tabel 4.6 maka dibuat grafik perbadiga hasil pegujia dari kedua Algoritma tersebut. Grafik dapat dilihat pada Gambar y Not So Naive Two Way x=patter y=ruig time x Gambar 4.11 Perbadiga Hasil Ruig Time Algoritma Not So Naive da Algoritma Two Way Uiversitas Sumatera Utara

30 50 Dari grafik diatas hasil ruig time tiap-tiap kata berbeda dalam suatu algoritma hal ii dikareaka iputa program da kemampua ataupu kecepata pada mesi yag diguaka utuk eksekusi program mempegaruhi kecepata ruig time. Dari grafik diatas dapat dijelaska bahwa Algoritma Not So Naive medapatka Hasil Ruig Time yag relatif redah dibadigka dega Algoritma Two Way. Artiya bahwa Algoritma Not So Naive lebih cepat utuk pecocoka kata dibadigka dega Algoritma Two Way Kompleksitas Algoritma Not So Naive Tabel 4.7 Kompleksitas hasil Algoritma Not So Naive kode Program Eksekusi void NSN(char *x, it m, char *y, it ) { 1 it j, k, ell; 1 if (x[0] == x[1]) { 1 k = 2; 1 ell = 1; 1 1 else { 1 k = 1; 1 ell = 2; 1 1 j = 0; 1 while (j <= - m) if (x[1]!= y[j + 1]) j += k; else { if (memcmp(x + 2, y + j + 2, m - 2) == 0 && x[0] == y[j]) OUTPUT(j); j += ell; Total Eksekusi Pada tabel ii meujukka kompleksitas algoritma yaitu Big O. Tiap-tiap baris dalam program di eksekusi utuk megetahui ilai Big O. Apabila tidak terdapat perulaga maka ilai eksekusi adalah 1, apabila terdapat perulaga maka ilai eksekusi adalah, da apabila terdapat perulaga dalam perulaga maka ilai eksekusi adalah pagkat jumlah perulaga yag ada dalam perulaga Uiversitas Sumatera Utara

31 51 tersebut. Dari tabel tersebet dapat diketahui kompleksitas algoritma Not So Naive tersebut adalah dega Kompleksitas = O () Kompleksitas Algoritma Two Way Tabel 4.8 Kompleksitas hasil Algoritma Two Way kode Program Eksekusi while (j + k < m) { a = x[j + k]; b = x[ms + k]; if (a < b) { j += k; k = 1; *p = j - ms; else if (a == b) if (k!= *p) ++k; else { j += *p; k = 1; else ms = j; j = ms + 1; k = *p = 1; retur(ms); 1 while (j + k < m) { a = x[j + k]; b = x[ms + k]; if (a > b) { j += k; k = 1; *p = j - ms; else if (a == b) if (k!= *p) ++k; else { j += *p; k = 1; else { ms = j; Uiversitas Sumatera Utara

32 52 j = ms + 1; k = *p = 1; retur(ms); 1 if (i > j) { 1 ell = i; 1 per = p; 1 else { ell = j; 1 per = q; 1 if (memcmp(x, x + per, ell + 1) == 0) { 1 j = 0; 1 memory = -1; 1 while (j <= - m) { i = MAX(ell, memory) + 1; while (i < m && x[i] == y[i + j]) 2 ++i; 2 if (i >= m) { i = ell; while (i > memory && x[i] == y[i + j]) 2 --i; 2 if (i <= memory) OUTPUT(j); j += per; memory = m - per - 1; else { j += (i - ell); memory = -1; else { 1 per = MAX(ell + 1, m - ell - 1) + 1; 1 j = 0; 1 while (j <= - m) { i = ell + 1; while (i < m && x[i] == y[i + j]) 2 ++i; 2 if (i >= m) { i = ell; while (i >= 0 && x[i] == y[i + j]) 2 --i; 2 if (i < 0) OUTPUT(j); j += per; else j += (i - ell); Total Eksekusi Uiversitas Sumatera Utara

33 53 Pada tabel ii meujukka kompleksitas algoritma yaitu Big O. Tiap-tiap baris dalam program di eksekusi utuk megetahui ilai Big O. Apabila tidak terdapat perulaga maka ilai eksekusi adalah 1, apabila terdapat perulaga maka ilai eksekusi adalah, da apabila terdapat perulaga dalam perulaga maka ilai eksekusi adalah pagkat jumlah perulaga yag ada dalam perulaga tersebut. Dari tabel tersebet dapat diketahui kompleksitas algoritma Two Way tersebut adalah dega kompleksitas = O () 2. Uiversitas Sumatera Utara

34 54 BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpula Berdasarka aalisis, peracaga da pegujia pada aplikasi kamus bahasa Idoesia-Arab dega megguaka algoritma Not So Naive da Two Way, maka diperoleh beberapa kesimpula : 5.2 Sara 1. Cara Kerja Algoritma Not So Naive memiliki fase pecaria megecek teks da pola dari kiri ke kaa. Algoritma Not So Naive aka megidetifiksi terlebih dahulu dua kasus yag dimaa di setiap akhir fase pecocoka pergesera dapat dilakuka sebayak 2 posisi ke kaa. 2. Cara Kerja Algoritma Two Way memiliki fase pecaria megecek teks da pola dari kiri ke kaa da kaa ke kiri. Apabila Substrig cocok maka geser substrig sebayak karakter yag cocok. Apabila Substrig tidak cocok maka geser substrig sebayak 1 kali. 3. Algoritma Not So Naive melakuka pecocoka kata dega lebih cepat bila dibadigka dega algoritma Two Way. Dalam pegujia 10 pola, rata-rata ruig time utuk Not So Naive adalah 42 ms sedagka Two Way 50 ms. 4. Hasil kompleksitas utuk algoritma Not So Naive adalah Big O() da kompleksitas utuk algoritma Two Way adalah Big O( 2 ). Adapu sara-sara yag dapat dipertimbagka utuk tahap pegembaga peelitia ii atara lai : 1. Pada tulisa bahasa arab sebaikya megeal huruf izaiyah terlebih dahulu. 2. Sistem ii sebaikya ditambahka meu baru yag dapat medegar bacaa arabya agar user megetahui cara bacaaya dega bear. 3. Sistem ii sebaikya ditambahka meu pegolaha data seperti meu edit, tambah da delete agar data dalam aplikasi semaki bayak. 4. Sistem ii sebaikya dibadigka dega beberapa algoritma Strig Matchig laiya, kemudia dibadigka dega algoritma sebelumya yag telah dahulu dibadigka. Uiversitas Sumatera Utara

BAB IV ANALISA DAN PERANCANGAN

BAB 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 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 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

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 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 terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Istalasi Software da Hardware Dalam pembuata program ii, peulis megguaka Microsoft Visual Studio 2008, utuk implemetasiya megguaka program Crystal Report 8 utuk membuat

Lebih terperinci

BAB IV ANALISIS KERJA PRAKTEK

BAB IV ANALISIS KERJA PRAKTEK BAB IV ANALISIS KERJA PRAKTEK 4.1. Aalisis Sistem 4.1.1. Aalisis Dokume Aalisis dokume bertujua utuk megetahui spesifikasi iformasi yag ada dalam sistem yag dipakai utuk dokume. Dokumedokume tersebut diataraya

Lebih terperinci

PERANCANGAN SITUS WEBSITE SISTEM PEMASARAN PADA PT. RADJAWALI MENGGUNAKAN BAHASA PEMROGRAM PHP DAN DATABASE MYSQL

PERANCANGAN SITUS WEBSITE SISTEM PEMASARAN PADA PT. RADJAWALI MENGGUNAKAN BAHASA PEMROGRAM PHP DAN DATABASE MYSQL Jural Sais da Tekologi Vol 7 o 2, Desember 207 PERANCANGAN SITUS WEBSITE SISTEM PEMASARAN PADA PT. RADJAWALI MENGGUNAKAN BAHASA PEMROGRAM PHP DAN DATABASE MYSQL Eko Amri Jaya Sistem Iformasi, Sekolah Tiggi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih 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

TINJAUAN PUSTAKA Pengertian

TINJAUAN 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 terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH 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 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 III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011. III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB 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 terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. 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 terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR DENGAN METODE WEIGHTED PRODUCT

SISTEM 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 terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih 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

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB 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 terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A. Jeis Peelitia BAB III METODE PENELITIAN Peelitia ii termasuk peelitia pegembaga (Developmet Research) karea peeliti igi megembagka peragkat pembelajara sub pokok bahasa bilaga. Peragkat pembelajara

Lebih terperinci

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar

METODE 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

HASIL DAN PEMBAHASAN Formulasi Perencanaan

HASIL DAN PEMBAHASAN Formulasi Perencanaan HASIL DAN PEMBAHASAN Formulasi Berdasarka hasil observasi da wawacara yag telah dilakuka, kebutuha iformasi terhadap kaleder akademik mejadi salah satu bagia yag petig pada Sistem Iformasi Maajeme Akademik,

Lebih terperinci

APLIKASI PENGOLAHAN DATA INVENTARIS KENDARAAN BERMOTOR PADA DINAS PENDAPATAN DAERAH KOTA PALEMBANG

APLIKASI PENGOLAHAN DATA INVENTARIS KENDARAAN BERMOTOR PADA DINAS PENDAPATAN DAERAH KOTA PALEMBANG APLIKASI PENGOLAHAN DATA INVENTARIS KENDARAAN BERMOTOR PADA DINAS PENDAPATAN DAERAH KOTA PALEMBANG Yuita Sari, Muhammad Sobri M.kom, Maria Ulfa M.kom Jurusa Maajeme Iformatika, Fakultas Vokasi, Uiversitas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata 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 terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

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 III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB 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 terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. 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 terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB 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 terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER

PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER ISSN : 2338-4018 PERANCANGAN DAN PEMBUATAN APLIKASI DECISION SUPPORT SYSTEM (DSS) UNTUK PREDIKSI PERMINTAAN KEBUTUHAN BERAS SECARA MULTIUSER Agik Damai Istato (agik_damai@yahoo.co.id) Muhammad Hasbi (mhasbi@sius.ac.id)

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi, BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. 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 terperinci

BAB III METODE PENELITIAN

BAB 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 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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

PERANCANGAN MOBILE APPLICATION UNTUK PENANGANAN TINDAK PIDANA PELANGGARAN LALU-LINTAS MENGGUNAKAN METODE RATIONAL UNIFIED PROCESS

PERANCANGAN MOBILE APPLICATION UNTUK PENANGANAN TINDAK PIDANA PELANGGARAN LALU-LINTAS MENGGUNAKAN METODE RATIONAL UNIFIED PROCESS Semiar Nasioal Tekologi Iformasi da Multimedia 2014 PERANCANGAN MOBILE APPLICATION UNTUK PENANGANAN TINDAK PIDANA PELANGGARAN LALU-LINTAS MENGGUNAKAN METODE RATIONAL UNIFIED PROCESS Tito Sugiharto 1),

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

Jl. HM Jhoni No 70 Medan, Indonesia Kata kunci: Transportasi, Metode RAD, Sistem Operasi Android dan Pemodelan UML

Jl. HM Jhoni No 70 Medan, Indonesia Kata kunci: Transportasi, Metode RAD, Sistem Operasi Android dan Pemodelan UML PERANCANGAN APLIKASI BOOKING TAXI SECARA ONLINE BERBASIS ANDROID Muhammad Syahputra 1 1 Mahasiswa Jurusa Tekik Iformatika Sekolah Tiggi Tekik Harapa Meda 2,3 Dose Jurusa Tekik Iformatika Sekolah Tiggi

Lebih terperinci

Beberapa metode pengembangan sistem : a. Metode pengembangan Evolusioner

Beberapa metode pengembangan sistem : a. Metode pengembangan Evolusioner PENDEKATAN PENGEMBANGAN SISTEM Beberapa metode pegembaga sistem : a. Metode pegembaga Evolusioer b. Metode pegembaga Re-usable c. Metode Prototypig d. Metode Pegembaga berorietasi objek a. METODE PENGEMBANGAN

Lebih terperinci

2.1 Gambaran Umum SMA Kemala Bhayangkari 1 Surabaya

2.1 Gambaran Umum SMA Kemala Bhayangkari 1 Surabaya BAB II GAMBARAN UMUM PERUSAHAAN. Gambara Umum SMA Kemala Bhayagkari Surabaya Sma Kemala Bhayagkari Surabaya yag terletak di jl. A.Yai o 30-3 Surabaya adalah suatu yayasa yag bergerak di pedidika. SMA Kemala

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 37 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii termasuk peelitia pegembaga, yaitu pegembaga buku teks matematika. Model pegembaga yag diguaka adalah model 4-D (four D models) dari Thigaraja

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

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci

BAB V METODOLOGI PENELITIAN

BAB 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 terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan 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 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

Perancangan Aplikasi Tari Bali Klasik Berbasis Web

Perancangan Aplikasi Tari Bali Klasik Berbasis Web Koferesi Nasioal Sistem & Iformatika 207 STMIK STIKOM Bali, 0 Agustus 207 Peracaga Aplikasi Bali Klasik Berbasis Web Nyoma Utami Jauhari ), Ni Luh Ayu Kartika Yuias S 2), Made Rudita 3) STIKOM Bali Jala

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

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Dalam peulisa Tugas Akhir ii, peulis melakuka studi literatur yaitu dega membaca berbagai pustaka, serta literatur lai yag ada kaitaya dega tulisa yag peulis kemukaka. Peeliti

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan oleh peneliti adalah jenis penelitian

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan oleh peneliti adalah jenis penelitian BAB III METODOLOGI PENELITIAN A. Jeis Racaga Peelitia Jeis peelitia yag diguaka oleh peeliti adalah jeis peelitia komparatif. Peeliti komparatif adalah sejeis peelitia deskriptif yag igi mecari jawaba

Lebih terperinci

PERANCANGAN DATABASE BUKU TAMU DAN SURAT MENYURAT PADA DINAS PEMBERDAYAAN MASYARAKAT DAN DESA KABUPATEN BOGOR

PERANCANGAN DATABASE BUKU TAMU DAN SURAT MENYURAT PADA DINAS PEMBERDAYAAN MASYARAKAT DAN DESA KABUPATEN BOGOR PERANCANGAN DATABASE BUKU TAMU DAN SURAT MENYURAT PADA DINAS PEMBERDAYAAN MASYARAKAT DAN DESA KABUPATEN BOGOR Marhaei, Yoki Saputra Prodi Sistem Iformasi Istitut Sais da Tekologi Nasioal (ISTN) Email :

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

Lebih terperinci

BAB III METODE PENELITIAN. pre test post test with control group. Penelitian ini berupaya untuk

BAB III METODE PENELITIAN. pre test post test with control group. Penelitian ini berupaya untuk BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii megguaka desai Eksperimet dega pedekata pre test post test with cotrol group. Peelitia ii berupaya utuk megugkapka hubuga sebab-akibat dega cara

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

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 26 BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Kegiata dilakuka di Divisi Tresuri Bak XYZ dari bula Jauari - April 2011. Pegambila data dilakuka di beberapa wilayah pemasara yaitu di wilayah Jakarta,

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. 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 terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. 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 terperinci

UNIVERSITAS BINA NUSANTARA. Program Ganda Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006

UNIVERSITAS BINA NUSANTARA. Program Ganda Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 UNIVERSITAS BINA NUSANTARA Program Gada 2005-2006 Skripsi Sarjaa Program Gada Semester Gajil 2005/2006 PEMBANGKITAN FRAKTALUNTUK MENINGKATKAN EFISIENSI KERJA DESAINER GRAFIS MENGGUNAKAN METODE NEWTON RAPHSON

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB 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 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

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia sikap kosume terhadap kopi ista Kopiko Brow Coffee ii dilakuka di Wilaah Depok. Pemiliha dilakuka secara segaja (Purposive) dega pertimbaga

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat

BAB 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 terperinci

PEMBANGUNAN APLIKASI PEMBELAJARAN BAHASA JEPANG PERSIAPAN UJI KEMAMPUAN JLPT (JAPANESE-LANGUAGE PROFICIENCY TEST) LEVEL N5 BERBASIS MOBILE ANDROID

PEMBANGUNAN APLIKASI PEMBELAJARAN BAHASA JEPANG PERSIAPAN UJI KEMAMPUAN JLPT (JAPANESE-LANGUAGE PROFICIENCY TEST) LEVEL N5 BERBASIS MOBILE ANDROID PEMBANGUNAN APLIKASI PEMBELAJARAN BAHASA JEPANG PERSIAPAN UJI KEMAMPUAN JLPT (JAPANESE-LANGUAGE PROFICIENCY TEST) LEVEL N5 BERBASIS MOBILE ANDROID Agus Soepriadi 1, Nisa Idriya Rahayu 2 12 STMIK BANDUNG

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB

SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB ISSN: 1693-6930 211 SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB M. Riza Ferdiasyah, Kartika Firdausy, Tole Sutiko Program Studi Tekik Elektro, Uiversitas Ahmad Dahla Kampus III

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

SISTEM INFORMASI PERSEWAAN PERALATAN PESTA MENGGUNAKAN SMS GATEWAY BERBASIS WEB PADA PERSEWAAN AR MUSIC DENGAN TAMBAHAN FITUR HELP DESK

SISTEM INFORMASI PERSEWAAN PERALATAN PESTA MENGGUNAKAN SMS GATEWAY BERBASIS WEB PADA PERSEWAAN AR MUSIC DENGAN TAMBAHAN FITUR HELP DESK Prosidig SENTIA 06 Politekik Negeri Malag Volume 8 ISSN: 085-347 SISTEM INFORMASI PERSEWAAN PERALATAN PESTA MENGGUNAKAN SMS GATEWAY BERBASIS WEB PADA PERSEWAAN AR MUSIC DENGAN TAMBAHAN FITUR HELP DESK

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Bab 3 Kerangka Pemecahan Masalah

Bab 3 Kerangka Pemecahan Masalah Bab 3 Keragka Pemecaha Masalah 3.1. Metode Pemecaha Masalah Peelitia ii disajika dalam lagkah-lagkah seperti ag terdapat pada gambar dibawah ii. Peajia secara sistematis dibuat agar masalah ag dikaji dalam

Lebih terperinci

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

BAB 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 terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB 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 terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

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

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki

METODE PENELITIAN. Ajaran dengan jumlah siswa 40 orang yang terdiri dari 19 siswa lakilaki 18 III. METODE PENELITIAN A. Subyek da Tempat Peelitia Subjek peelitia adalah siswa kelas X2 SMA Budaya Badar Lampug Tahu Ajara 2010-2011 dega jumlah siswa 40 orag yag terdiri dari 19 siswa lakilaki da

Lebih terperinci

ABSTRAK. Kata Kunci : Pendaftaran training, Framework

ABSTRAK. Kata Kunci : Pendaftaran training, Framework PERANGKAT LUNAK PENDAFTARAN TRAINING BERBASIS WEB Studi Kasus : PT IFORBIT MADYAN PERSADA BANDUNG Dady Akhmad Rahadiasyah 1, Adji Julio Maulaa 2 1,2 Program Studi Maajeme Iformatika PKN LPKIA Jl. Soekaro

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. 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 terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB 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 terperinci

Sistem Informasi Jasa Pemasangan Iklan Pada Harian Sinar Indonesia Baru

Sistem Informasi Jasa Pemasangan Iklan Pada Harian Sinar Indonesia Baru Sistem Iformasi Jasa Pemasaga Ikla Pada Haria Siar Idoesia Baru Hedry STMIK IBBI Jl. Sei Deli No. 18 Meda, Telp. 061-4567111 Fax. 061-4527548 e-mail: Hedry@gmail.com Abstrak Pada era globalisasi saat ii,

Lebih terperinci

Cara Pengisian Pada File Excel

Cara Pengisian Pada File Excel Cara Pegisia Pada ile Excel Pada tabel realisasi da keuaga ias Pekerjaa Umum Bia Marga Propisi Jawa Timur ii terdiri dari beberapa kolom seperti dibawah ii: atker Tahu Bula Adapu cara pegisia dari masig-masig

Lebih terperinci

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci