PEMODELAN TRAFIK UNTUK JARINGAN WIRELESS

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMODELAN TRAFIK UNTUK JARINGAN WIRELESS"

Transkripsi

1 BB VI PEMODELN RFI UNU JRINGN WIRELESS eori trafi yang diembangan untu jaringan wireline ternyata tida dapat langsung diapliasian untu jaringan wireless seluler. Pada jaringanjaringan untu teleomuniasi mobile, anal-anal yang berbeda dimunginan untu digunaan dan di-release beberapa ali untu suatu panggilan tertentu. Fenomena ini terait dengan topologi seluler dari jaringan mobile dan wireless, dimana setiap sel merupaan sebuah zone layanan dengan apasitas terbatas. Dalam hal ini, perlu didefinisian suatu handover atau handoff sebagai suatu proses yang mengerjaan suatu onesi outgoing dari satu sel e satu sel lain yang bertetangga. Ini mengandung pengertian bahwa ada aloasi resoures pada sel target baru dengan menggunaan suatu algoritma tertentu dan merelease resoures pada sel yang ditinggalan. Jia tersedia suatu anal yang idle pada sel target, handover panggilan dapat dilauan bagi user yang melauan panggilan tersebut. Jia tida, maa proses handover aan di-drop. Sehingga, suatu anal dalam jaringan wireless seluler dapat digunaan oleh suatu edatangan panggilan baru atau panggilan handover. Juga, suatu anal dapat di-release oleh arena berahirnya suatu panggilan atau arena ada proses pemindahan panggilan dari satu sel e sel-sel tetangganya. 6. Jaringan Wireless Seluler dengan Satu ipe rafi Untu penyederhanaan, aan dibahas terlebih dahulu analisa untu jaringan wireless seluler dengan satu tipe trafi (elas trafi tunggal) saja. Pada pembahasan beriutnya, baru aan dianalisa model trafi untu jaringan mobile multimedia. Pada jaringan seluler, parameter-parameter trafi terait dengan parameter mobility, seperti eepatan dari pergeraan pelanggan dan arateristi perpindahan merea dalam suatu sel. Pada jaringan wireline, parameter performansi yang perlu diperhatian adalah proses edatangan panggilan, proses berahirnya panggilan, dan bloing. Sedang untu analisa jaringan wireless seluler, perlu ditambahan UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman

2 parameter-parameter yang spesifi pada sistem wireless berupa fenomena handover seperti watu penduduan anal rata-rata, intensitas panggilan baru dan handover serta probabilitas bloing panggilan baru dan panggilan handover. Parameter terahir didefinisian sebagai level QoS pada jaringan. Untu analisa, aan digunaan senario sederhana beriut: pelangganpelanggan pada suatu sel tertentu menginisiasi panggilan-panggilan baru sebagai suatu proses Poisson pada rate λ = λ n dan tida menerima panggilan handover. Jadi fungsi distribusi untu edatangan panggilan-panggilan baru t adalah p n (t) = ne n. Dalam hal ini, pelanggan-pelanggan diperenanan untu melauan handover e sel-sel tetangganya. Diasumsian bahwa jumlah pelanggan dalam suatu sel adalah N>>, dimana adalah jumlah anal tersedia pada sel, sehingga panggilan-panggilan yang berasal dari pelanggan-pelanggan lain yang berbeda dapat dianggap tida saling berhubungan (independent). Juga diasumsian bahwa setiap pelanggan mobile pada sel originating dapat menyelesaian panggilannya dalam sel tersebut atau melauan handover e suatu sel tetangganya setelah periode watu tertentu seara distribusi esponensial dengan nilai rata-rata (mean value) masing-masing /µ dan /µ h. Selanjutnya, suatu panggilan on-going (baru atau handover) menuntasan layanan yang diterima pada rate µ dan pelanggan pasangannya pada sel tujuan dengan rate µ h. hirnya aan didapat rate terminasi panggilan total dalam sel sebagai µ = µ + µ h... (6-) Dengan menggunaan hasil penelitian Little untu asus panggilanpanggilan baru pada sel yang diamati, maa intensitas trafi dapat dinyataan dengan = λ / µ. Dengan menggunaan sistem antrian M/M//, dan anal mengiuti pola blo all leared (etia semua anal sibu, panggilan yang datang aan di blo atau dihilangan), maa dapat dialulasi probabilitas bloing untu panggilan-panggilan baru dengan menggunaan formula Erlang-B sebagai beriut : P Bn =!... (6-2) i i i! rafi yang diolah dalam sel dapat dialulasi dengan Y = ( PBn )... (6-3) UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 2

3 an tetapi harus diperhatian juga bahwa pada sistem seluler dimunginan adanya panggilan-panggilan handover e suatu sel, sehingga formula Erlang-B sederhana tida dapat diapliasian seara langsung. Proses handover sendiri dapat dianggap sebagai suatu proses Poisson dengan intensitas rata-rata λ h, sehingga total intensitas edatangan panggilan menjadi λ = λ n + λ h... (6-4) rafi efetif yang ditawaran dinyataan dengan e suatu sel seara umum dapat e = n h... (6-5) h Handover sendiri buan merupaan suatu proses yang independent. Proses tersebut tergantung pada edatangan-edatangan panggilan baru pada sel-sel dari jaringan mobile. Jia P B merupaan probabilitas bloing eseluruhan dari suatu sel (termasu bloing terhadap panggilan baru dan handover), maa trafi yang dapat diolah/dimuat pada sel adalah Y = ( PB )... (6-6) Jia dianggap terjadi eseimbangan pada suatu sel, intensitas handover dari sel yang diamati terhadap sel-sel tetanggannya aan sama dengan intensitas handover yang datang e sel tersebut dari sel-sel lainnya. Sehingga dapat ditulis sebagai λ h = ( P... (6-7) n h P B ). h B Dengan menggunaan dua persamaan terahir, setelah penurunan beberapa langah matematis sederhana, aan didapat trafi efetif yang ditawaran e suatu sel menjadi e = n P h B... (6-8) Jia rate handover dari suatu sel sama dengan atau lebih rendah dari rate berahirnya (ompletion) panggilan dan probabilitas bloing-nya eil, maa seara ira-ira dapat dialulasi trafi efetif yang ditawaran e sel dengan UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 3

4 menggunaan e λ n / µ. Jia tida ada permintaan penduduan anal untu handover, probabilitas bloing panggilan baru P B aan sama dengan probabilitas bloing panggilan handover dan dapat dialulasi dengan menggunaan formula Erlang-B dan trafi efetif yang ditawaran, sebagai beriut : P B = P Bn = P Bh = e!... (6-9) i e i i! dimana adalah jumlah anal dalam sel. 6.. Model naliti Seperti sudah dijelasan terdahulu, parameter trafi pada sistem mobile terait erat dengan parameter mobilitasnya, seperti eepatan, posisi inisial dalam sel, dan arah dari pergeraan/perpindahan, yang seluruhnya dimodelan sebagai variabel random. gar dapat melauan analisa trafi dari jaringan mobile, maa perlu dianalisa parameter trafi dan performansi beriut : watu penduduan anal rata-rata h, intensitas handover, probabilitas bloing panggilan baru P Bn, probabilitas bloing panggilan handover P Bh, jumlah ratarata dari handover per panggilan, dan probabilitas dropping panggilan P D. Probabilitas bloing panggilan mengau pada bloing panggilan-panggilan baru pada suatu sel. Probabilitas dropping mengau pada terminasi yang dipasaan (fored) untu suatu panggilan yang sudah terbangun (on-going) diarenaan tida tersedianya resoures pada sel-sel tetangga pada saat handover. Handover merupaan ejadian has pada suatu lingungan wireless. etia suatu panggilan handover mengalami blo, maa onesi on-going aan di drop. Drop panggilan ini aan mengurangi durasi panggilan rata-rata. Dengan demiian, dapat didefinisian suatu durasi panggilan efetif sebagai /µ e, dimana µ e = µ + P B µ h... (6-) UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 4

5 dengan µ dan µ h masing-masing adalah rate terminasi panggilan dan rate handover. Dengan memperhatian suatu sistem dengan dua sel, dimana dimunginan terjadinya pertuaran handover antara satu dengan lainnya. emudian dinotasian p(n, n 2 ) sebagai distribusi probabilitas gabungan etia anal-anal n sibu pada sel pertama dan anal-anal n 2 sibu pada sel edua. Maa diagram ondisi untu senario ini adalah seperti diperlihatan pada gambar 6.. Jia diasumsian C merupaan apasitas anal pada sel dan C 2 merupaan apasitas anal pada sel 2, untu n i = {,,..., C i }, i =,2, maa λ n2 p(n, n 2 -) + λ n p(n -, n 2 ) + (n 2 +) µ h2 p(n -, n 2 +) + (n 2 +) µ 2 p(n, n 2 +) + (n +) µ p(n +, n 2 ) + (n +) µ h p(n +, n 2 -) = [ n µ + n 2 µ 2 + n µ h + n 2 µ h2 + λ n + λ n2 ] p(n, n 2 )... (6-) n -, n 2 - n -, n 2 n -, n 2 + λ n n µ n µ h (n 2 +)µ h n, n 2 - λ n n, n 2 λ n n, n 2 + n 2 µ (n 2 +)µ (n +)µ h λ n (n +)µ n 2 µ h n +, n 2 - n +, n 2 n +, n 2 + Gambar 6. Diagram ondisi Marov untu senario dua sel. UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 5

6 yang menggambaran persamaan sistem (C +)(C 2 + ). Dengan memeahan persamaan tersebut, maa aan didapat distribusi probabilitas gabungan. Untu ondisi esetimbangan, etia tida terjadi handover, distribusi ondisi dapat dinyataan dengan p(n, n 2 ) = n n2 2 p n!! n2 dengan ρ = λ /µ & ρ 2 = λ 2 /µ 2... (6-2) etapi jia ada handover, pendeatan di atas menjadi tida efisien. Jumlah rata-rata handover per panggilan merupaan suatu parameter yang signifian untu mendapatan performansi dari sistem mobile. Jia P[H=j] menyataan probabilitas bahwa terjadi j handover per panggilan, maa jumlah rata-rata handover per panggilan adalah j E[H] = H j jp... (6-3) Jia P n merupaan probabilitas bahwa suatu panggilan baru aan memerluan setidanya satu ali handover sebelum terminasi, dan P h merupaan probabilitas bahwa suatu panggilan setelah berhasil handover setidanya aan memerluan satu ali handover lagi sebelum terminasi, serta P Fh merupaan probabilitas bahwa suatu perobaan handover aan gagal (fail). Maa dapat dialulasi P[H=j] : P[H=] = (- P n ) + P n P Fh P[H=] = P n (- P Fh )( - P h + P h P Fh )... P[H=j] = P n (- P Fh )[ P h ( - P Fh )] j- ( - P h + P h P Fh )... (6-4) Dengan memasuan persamaan (6-4) e (6-3) aan didapat espresi untu jumlah rata-rata handover per panggilan sebagai beriut : E[H] = Pn ( PFh ) P ( P ) h Fh... (6-5) Probabilitas P n dan P h sendiri dapat dialulasi menggunaan hubungan beriut : UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 6

7 P n = P[ > n ] = e t f n ( t) dt... (6-6) P h = P[ > h ] = e t f ( t) dt... (6-7) h Dimana f n dan f h masing-masing merupaan fungsi distribusi probabilitas untu watu penduduan sel panggilan baru n dan watu penduduan sel panggilan handover h. Probabilitas panggilan dropping adalah probabilitas suatu panggilan yang tida mengalami blo terpasa diterminasi arena tida adanya resoures yang bebas di sel target pada sat melauan suatu handover. Probabilitas suatu panggilan yang sudah melauan handover sebanya H ali sebelum mengalami drop adalah : P D [H] = - (- P Fh ) H... (6-8) Sehingga probabilitas panggilan mengalami dropping adalah i i P D = ( ) PH i P... (6-8) Fh dimana P[H=i] merupaan probabilitas bahwa panggilan telah mengalami i ali handover selama durasi panggilan. Lebih jauh, jia diasumsian bahwa watu penduduan anal adalah terdistribusi esponensial dengan rata-rata h (misal jumlah handover per panggilan mengiuti proses Poisson), maa dapat ditulis P[H] = x P[ H x] e dx H! x H e h x / h x e dx... (6-9) dimana P[H t] adalah probabilitas bahwa telah terjadi H ali handover etia watu penduduannya adalah t. Jia disisipan persamaan (6-9) e (6-8), aan didapat x P D = H h x / h x ( PFh ) e e dx... (6-2) H H! H UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 7

8 Lebih jauh, jia dilauan perubahan orde penjumlahan dan integrasi, dan dengan menggunaan espansi fungsi esponensial, aan didapat ( PFh / h ) x x / h x P D = e e e dx... (6-2) hirnya, dari persamaan (6-2) aan diperoleh hubungan untu probabilitas panggilan dropping P D : h PFh P D =... (6-22) P P h Fh h Fh Persamaan terahir menunjuan hubungan antara probabilitas panggilan dropping P D dengan probabilitas bloing handover P Fh. Saling etergantungan antara dua parameter ini merupaan fundamental untu analisa trafi dari suatu jaringan mobile. 6.2 Jaringan Mobile Multimedia Jaringan untu omuniasi mobile, selain memberi layanan tradisional suara, juga memberian layanan-layanan multimedia tambahan. ernyata implementasi layanan multimedia pada jaringan mobile memunulan problemproblem baru pada perenanaannya, hususnya perenanaan sistem. Operator perlu memberian QoS tertentu untu layanan-layanan multimedia yang ditawaran. Pada jaringan IP mobile multimedia, pelanggan dapat meminta bandwidth yang berbeda dengan elas trafi yang berbeda-beda. Juga elaselas yang berbeda aan mempunyai parameter-parameter trafi yang berbeda, seperti intensitas panggilan baru dan durasi dari panggilan (all) atau session. Untu membuat perenanaan jaringan mobile multimedia yang tepat, maa perlu dibuat suatu eranga analiti untu trafi yang diharapan. Biasanya digunaan suatu pendeatan analiti untu periode watu selama satu hari dengan beban trafi tertinggi pada jaringan atau pada suatu lin tertentu (pada jaringan iruit swithed, biasanya digunaan periode watu jam sibu). Pada jaringan-jaringan seluler, biasanya dilauan penguuran QoS dengan probabilitas bloing panggilan baru dan panggilan yang di drop. gar penjelasan analisa aloasi resoures dan bloing/dropping panggilan dapat digunaan, aan lebih mudah jia dilauan pembagian terhadap bandwidth yang tersedia menjadi anal-anal logia. loasi anal-anal logia dapat UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 8

9 dilauan seara stati [fixed hannel alloation (FC)] atau sear dinami [dynami hannel alloation (DC)]. Pada pembahasan beriut aan digunaan asumsi dengan menggunaan aloasi fixed dari anal-anal logia pada jaringan ases wireless Jaringan Mobile Multimedia dengan Deterministi Resoure Reservation (DRR) Untu analisa ini, diasumsian tida ada handover atau panggilan baru yang antri. Jia ada suatu panggilan yang mengalami blo, panggilan tersebut aan dihilangan dari sistem. Lebih jauh aan digunaan asumsi C sebagai apasitas dari suatu sel (ontoh: lin ases wireless) dibagi menjadi suatu set anal logia i, dimana i =,2,..., N. Juga diasumsian bahwa aloasi resoures adalah deterministi (ontoh: perubahan resoures yang dialoasian pada suatu sel tunggal tida diperbolehan). Panggilan-panggilan dari pelanggan-pelanggan yang berbeda saling tida beraitan (independent). sumsi ini digunaan dalam hal dimana jumlah pelanggan dalam suatu sel beberapa ali lebih besar dari jumlah anal logial yang tersedia pada sel tersebut, dan biasanya ini digunaan pada jaringan teleomuniasi mobile. Diasumsian juga bahwa jaringan mempunyai elas trafi yang berbeda. edatangan semua panggilan juga diasumsian mengiuti proses Poisson. Begitu juga, durasi panggilan terdistribusi seara esponensial untu semua elas trafi. Dalam hal ini, proses edatangan panggilan untu suatu tipe trafi adalah mengiuti proses Poisson dengan rate λ dan watu durasi panggilan adalah terdistribusi esponensial dengan rata-rata /µ. Semua panggilan dari suatu elas yang sama memerluan besaran bandwidth yang sama sebesar b. Dalam hal tida ada resoures yang bebas pada sel yang melauan inisiasi panggilan, panggilan aan di blo. Di sini diasumsian bahwa jumlah dari pelanggan dalam sel uup besar, sehingga jumlah onesi ongoing tida mempengaruhi intensitas panggilan baru dan handover. Utilisasi dari resoures dapat dialulasi sebagai suatu relasi antara watu rata-rata aloasi resoures dan apasitas sel. Dengan memperhatian QoS, suatu uuran ualitas yang penting bagi pelanggan mobile adalah probabilitas eberhasilan mengatasi terjadinya blo pada saat handover. Bagi pelanggan-pelanggan mobile, dropping pada suatu UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 9

10 panggilan ongoing adalah suatu yang tida diharapan. Dropping panggilan, seara langsung terait dengan probabilitas bloing handover. Jia sistem tida lagi memunginan untu proses handover, maa probabilitas bloing dari handover aan sama dengan probabilitas bloing panggilan baru (P Bn = P Fh ). Jumlah rata-rata handover per panggilan dapat dialulasi menggunaan persamaan (6-5), yang diapliasian untu tipe trafi tertentu, atau dapat dialulasi dengan membagi watu drasi panggilan rata-rata dan watu penduduan anal rata-rata h (dalam sel) : E[H] = H =, h,... (6-23) h, Untu memperoleh efisiensi jaringan wireless, perlu dipertimbangan suatu sistem dimana resoures untu suatu panggilan handover sudah terlebih dahulu dipersiapan di semua sel yang aan diunjungi oleh suatu pelanggan mobile selama dalam pemanggilan. Dan dalam hal ini, perlu diasumsian juga bahwa suatu pelanggan mobile tida aan memasui sel yang sama lebih dari satu ali sepanjang durasi pemanggilannya. Jia suatu panggilan tipe mempunyai handover H, maa jumlah sel yang diunjunginya adalah H +. Jia diasumsian edatangan handover sebagai suatu proses Poisson selama durasi panggilan, maa jumlah rata-rata handover dapat dialulasi sebagai H =, / h,, dimana, dan h, adalah rata-rata durasi panggilan dan watu penduduan anal untu suatu trafi tipe. Dalam analisa ini diasumsian bahwa resoures telah dipersiapan seara deterministi di semua sel yang aan diunjungi selama watu pemanggilan (all). Jia bandwidth rata-rata yang diperluan per panggilan dari trafi tipe adalah b, maa rata-rata total bandwidth yang harus disiapan untu handover selama durasi edatangan dari panggilan harus menjadi B = b,... (6-23) h, Jia rata-rata jumlah pelanggan per sel adalah N, dan ρ = λ /µ adalah trafi yang ditawaran per pelanggan mobile dari panggilan tipe, maa total rata-rata bandwidth yang digunaan dalam sistem diberian dengan b N b... (6-24) UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman

11 Dengan menggunaan persamaan (6-23) dan (6-24), aan diperoleh bahwa total bandwidth yang dipersiapan untu handover dalam sistem adalah B N... (6-25), B N b h, Jaringan Mobile Multimedia dengan Statisti Loal dmission Control (SLC) Pada strategi admission ontrol, suatu panggilan diputusan diterima atau di tola berdasaran pada informasi etersediaan resoures dalam sel dimana panggilan baru atau handover melauan permintaan ijin (admission), tanpa adanya informasi etersediaan resoures pada sel tetangga. lgoritma ini paling sederhana untu diimplementasian, dan arenanya saat ini paling sering digunaan pada sistem mobile. Beriut aan dianalisa statistial loal admission ontrol pada jaringan mobile dengan tipe trafi multiple. Untu itu diasumsian bahwa bai untu panggilan baru mau pun handover, edatangannya mengiuti proses Poisson. arena pelanggan lebih sensitif terhadap adanya dropping dari panggilan yang sudah berlangsung (sedang berlangsung), maa biasanya digunaan probabilitas bloing handover sebagai suatu yang sangat perlu diperhatian pada algoritma admission ontrol. ujuannya adalah untu mendapatan strategi yang memberian efisiensi masimum. Dalam analisa aan digunaan sistem yang mempunyai tipe trafi. otal inoming trafi pada suatu sel adalah merupaan penjumlahan edatangan panggilan baru dan handover. ataan, M, merupaan jumlah dari sel tetangga yang aan diobservasi. Jia digunaan model sel hesagonal, maa setiap sel aan mempunyai enam tetangga. Jumlah tetangga dalam hal ini sebenarnya tergantung pada onfigurasi jaringan dan tida harus dibatasi enam (dalam jaringan nyata, operator sesuler dapat saja mendefinisian bahwa sel tetangga tanpa ada border joint). Jia dinotasian rate penerimaan panggilan dari trafi tipe adalah a (), dimana merupaan jumlah dari anal logia yang dialoasian (misal bandwidth). emudian h () menyataan rate inoming handover etia anal logia dalam sel sibu. Maa jia diasumsian terjadi UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman

12 eseimbangan dari inoming dan outgoing handover untu suatu sel yang diberian, persamaannya dapat ditulis sebagai a () + h () =... (6-26) h, Jumlah anal logia yang sibu adalah suatu variabel yang tergantung pada watu. an tetapi trafi umulatif per elas nya tisa berubah seara drastis pada suatu interval watu yang lebih pende, dalam isaran deti atau menit. Sebalinya dimensioning dan perenanaan suatu jaringan resoures aan merupaan egiatan yang tida mungin. Dalam jaringan teleomuniasi tradisional, dimensioning dibentu untu menangani jam tersibu dalam suatu hari. Pendeatan ini harus memperhatian hal tersebut, jia harus memberian layanan dengan QoS yang diinginan selama jam dengan intensitas trafi tertinggi (misal dalam jam sibu), sehingga dapat diharapan bahwa paling tida QoS yang sama atau lebih bai dapat diberian selama interval dengan intensitas trafi lebih rendah. Pada jaringan mobile multimedia, untu setiap tipe trafi yang berbeda diperluan bandwidth yang berbeda pula. Inilah perbedaan utama antara jaringan mobile multimedia dengan tradisional. Disni, dalam suatu lingungan multimedia perenanaan jaringan harus memperhatian periode watu dengan volume trafi tertinggi. Periode watu ini dalam suatu jaringan multimedia dienal sebagai busiest traffi period (BP). otal jumlah anal logia yang sibu adalah jumlah anal-anal logia yang dialoasian untu semua tipe trafi : =... (6-27) dimana merupaan jumlah anal yang dialoasian selama BP dari trafi tipe. alulasi rate inoming handover untu trafi tipe dilauan dengan menggunaan relasi beriut : M h (t) = h ( ) i, i t... (6-28) dimana h,i merupaan intensitas handover dari sel tetangga i, dengan i =,2,..., M, e sel yang diobservasi. Jia a i (t) merupaan notasi dari jumlah UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 2

13 pelanggan atif pada saat t di sel i, maa intensitas inoming handover dari sel tetangga i dapat dialulasi dengan h,i (t) = (... (6-29) a, i t) Ph, M h, dimana P h, adalah probabilitas bahwa suatu panggilan atif aan melauan sediitnya satu ali lagi handover sebelum panggilan tersebut terminasi, seperti diberian beriut P h, = x, h P [ t x] e dx... (6-3) h, dimana P [t>x] merupaan probabilitas bahwa suatu panggilan dari trafi tipe aan tetap atif sampai watu x. Dengan mensolusian integral pada persamaan (6-3), aan didapat P h, = x x h, e e dx h, h,... (6-3) Dengan menyisipan persamaan (6-3) e perasamaan (6-29), dan emudian e persamaan (6-28), aan didapat persamaan untu intensitas inoming handover untu trafi tipe sebagai beriut h (t) = M i a, i ( t) M h, ( h, )... (6-32) Probabilitas bloing handover sama dengan probabilitas bahwa semua anal logia dalam sel sibu. Dinyataan dengan persamaan P Fh = C 2 C! i C i! i i i! i 2... (6-33) dimana adalah threshold untu handover. Sedang probabilitas bloing panggilan baru adalah UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 3

14 P Bn = C j i i! C j! i i j i! i 2... (6-34) dengan j merupaan jumlah anal yang dialoasian pada sistem 6.3 rafi Pada Jaringan Mobile Multilass Pada suatu jaringan mobile multilass, harus diperhatian beberapa elas trafi yang mempunyai parameter-parameter trafi yang berbeda, seperti proses edatangan panggilan, durasi panggilan, dan ebutuhan bandwidth, ditawaran e suatu group dari anal logia. Pendeatan ini harus memperhatian terutama layanan-layan real time, dimana harus dialoasian bandwidth tertentu yang harus dibagi menjadi anal-anal logia. Pada lingungan multilass, harus dilauan pembatasan jumlah dari panggilan simultan untu setiap elas trafi. arenanya harus didefinisian batasan elas untu panggilan-panggilan dari elas dengan relasi beriut : < i < < C, =,2,...,... (6-35) C... (6-36) dimana i adalah jumlah panggilan simultan dari elas trafi, adalah batas jumlah anal yang dapat dialoasian untu elas tersebut pada saat bersamaan, C jumlah anal total dalam sel, dan adalah jumlah elas trafi pliasi Formula Erlang B Multidimensional Pada Jaringan Mobile Pendeatan aan dilauan dengan memperhatian suatu elompo anal logia pada suatu sel. Diasumsian bahwa semua panggilan (panggilan baru dan handover dari semua elas trafi) adalah mengiuti model proses Poisson. Dengan notasi λ n, dan λ h, sebagai rate edatangan panggilan baru dan rate inoming handover dari elas trafi. Juga diasumsian semua durasi panggilan untu setiap elas trafi terdistribusi seara esponensial. Selanjutnya, dinotasian µ, dan µ, sebagai rate berahirnya panggilan dan rate inoming handover untu elas trafi. Suatu asumsi lain yang sangat UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 4

15 penting pada asus ini adalah bahwa semua elas trafi membutuhan jumlah anal logia yang sama per panggilannya (satu anal per panggilan). an didapat batasan-batasan beriut : < i < < C, =,2,..., i C... (6-37) dimana i adalah jumlah panggilan dari elas. Proses edatangan total adalah suatu superposisi dari proses Poisson untu elas-elas trafi yang berbeda. Sehingga ini juga merupaan suatu proses Poisson dengan rate edatangan total pada sel : n, h,... (6-38) Watu penduduan total (anal) terdistribusi seara hyper-esponensial sebagai j F(t) = j jt e...(6-39) dimana λ = λ n, + λ h, dan µ = µ n, + µ h, masing-masing adalah rate edatangan panggilan dan rate perpindahan panggilan dari elas trafi. Sedang watu penduduan total adalah h, total j j j j j j j j... (6-4) dimana j merupaan trafi yang ditawaran dari elas j, sedang adalah trafi yang ditawaran total e sel. Suatu ontoh diagram ondisi Marov untu = 2 diperlihatan pada gambar 6.2. Jia p(n,n 2,..., n ) merupaan probabilitas ondisi dari sistem dengan panggilan ongoing n dari elas, panggilan n dari elas 2,..., panggilan ongoing n dari elas. arena panggilan-panggilan tida bergantung pada elas-elas trafi yang berbeda, maa dapat diperoleh UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 5

16 ,C λ 2 Cµ 2 λ,c-,c- µ λ 2 λ 2 (C-)µ 2 (C-)µ 2 λ 2 3µ 2 λ λ 2 3µ 2 λ,2,2 2,2 λ µ 2µ 3µ λ 2 2µ 2 λ 2 2µ 2 λ 2 2µ 2 λ λ λ,, 2, µ 2µ 3µ λ 2 µ 2 λ 2 µ 2 λ 2 µ 2 λ λ λ,, 2, µ 2µ 3µ λ (C-)µ λ C-, λ 2 µ 2 (C-)µ λ C-, C, µ Gambar 6.2. Diagram ondisi Marov 2 dimensi untu dua elas trafi. p(n,n 2,..., n ) = p(n ) p(n 2 )... p(n ) = n n2 2 Q... n! n! 2 n n!... (6-4) dimana Q adalah onstanta normalisasi. Dengan espansi binomial dari proses Poisson, aan diperoleh : p(n + n n = n) = 2... Q n! n n Q n!... (6-42) Q C n (6-43) n n! UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 6

17 Dari persamaan (6-42) didapat suatu relasi reursif untu probabilitas ondisi sebagai beriut : p(n) = p( n ) n... (6-44) Jia tida ditetapan guard hannel untu panggilan handover, maa probabilitas bloing dari sel dengan anal logia sebanya C dapat dialulasi dengan P B = p n, n,..., n ) ( 2 Jia ditetapan guard hannel untu panggilan handover pada suatu sel, maa probabilitas bloing untu panggilan handover dan panggilan baru dapat dialulasi dengan persamaan (6-33) dan (6-34). UNJNI/REYS RFI ELEOMUNISI/BB VI Halaman 7

MODEL SISTEM ANTRIAN

MODEL SISTEM ANTRIAN BB V MODEL SISTEM TRI ada teori antrian, suatu model antrian digunaan untu memperiraan suatu situasi antrian sesungguhnya, sehingga elauan antrian dapat dianalisa secara matemati. Dengan model sistem antrian

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO 1 Selvia Hana, Tohap Manurung 1 Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Abstra Antrian merupaan

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

3. Sebaran Peluang Diskrit

3. Sebaran Peluang Diskrit 3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( ) PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.

Lebih terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro

Lebih terperinci

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

BAB III MODEL KANAL WIRELESS

BAB III MODEL KANAL WIRELESS BAB III MODEL KANAL WIRELESS Pemahaman mengenai anal wireless merupaan bagian poo dari pemahaman tentang operasi, desain dan analisis dari setiap sistem wireless secara eseluruhan, seperti pada sistem

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB IV APLIKASI PADA MATRIKS STOKASTIK BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii

Lebih terperinci

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain 8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil

Lebih terperinci

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan

Lebih terperinci

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing . DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

RINGKASAN SKRIPSI MODUL PERKALIAN RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau

Lebih terperinci

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA Ruhana Khabibah, Hery Tri Sutanto 2, Yuliani Puji Astuti 3 Jurusan Matematia, Faultas Matematia dan Ilmu

Lebih terperinci

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa 187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this

Lebih terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.

Lebih terperinci

ANALISIS KONTRIBUSI TEKNIK ALOKASI KANAL DDCA/PC DALAM MENEKAN PROBABILITAS KEGAGALAN PANGGILAN DAN MENINGKATKAN KAPASITAS SISTEM PADA CDMA

ANALISIS KONTRIBUSI TEKNIK ALOKASI KANAL DDCA/PC DALAM MENEKAN PROBABILITAS KEGAGALAN PANGGILAN DAN MENINGKATKAN KAPASITAS SISTEM PADA CDMA 1 ANALISIS KONTRIBUSI TEKNIK ALOKASI KANAL DDCA/PC DALAM MENEKAN PROBABILITAS KEGAGALAN PANGGILAN DAN MENINGKATKAN KAPASITAS SISTEM PADA CDMA Yuni Mariana, L2F099654 Jurusan Teni Eletro, Faultas Teni,

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE

Lebih terperinci

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001

Lebih terperinci

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id

Lebih terperinci

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1. Distribusi Seragam Diskrit

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1. Distribusi Seragam Diskrit DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1 TI2131 TEORI PROBABILITAS MINGGU KE-9 Distribusi Seragam Disrit Jia sebuah variabel random X mengambil nilai x 1, x 2,, x dengan probabilitas yang sama, maa distribusi

Lebih terperinci

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining

Lebih terperinci

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA 94 IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA Yudhi Purwananto 1, Diana Purwitasari 2, Agung Wahyu Wibowo Jurusan Teni Informatia, Institut Tenologi Sepuluh Nopember

Lebih terperinci

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU MDEL MATEMATIKA KNSENTRASI KSIGEN TERLARUT PADA EKSISTEM PERAIRAN DANAU Sutimin Jurusan Matematia, FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto SH Tembalang, Semarang 5075 E-mail: su_timin@yanoo.com

Lebih terperinci

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

4. 1 Spesifikasi Keadaan dari Sebuah Sistem Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti

Lebih terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman. JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses

Lebih terperinci

KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012

KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012 KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB Konsep Kinetia/ Laju Reasi Laju reasi menyataan laju perubahan onsentrasi zat-zat omponen reasi setiap satuan watu: V [ M ] t Laju pengurangan onsentrasi

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT. BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas

Lebih terperinci

TEORI KINETIKA REAKSI KIMIA

TEORI KINETIKA REAKSI KIMIA TORI KINTIK RKSI KII da (dua) pendeatan teoreti untu menjelasan ecepatan reasi, yaitu: () Teori tumbuan (collision theory) () Teori eadaan transisi (transition-state theory) atau teori omples atif atau

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT)

MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) Asmara Iriani Tarigan (asmara@ut.ac.id) Sitta Alief Farihati Jurusan Matematia

Lebih terperinci

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU Wahyudi 1, Adhi Susanto 2, Sasongo P. Hadi 2, Wahyu Widada 3 1 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Tembalang,

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER

BAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER BAB III MENYELESAIKAN MASALAH REGRESI YANG TIAK LINIER ENGAN ANALISIS REGRESI FOURIER 3.1 Pengantar Model ARIMA digunaan untu analisis data deret watu pada ategori data berala tunggal, atau sering diategorian

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

BAB III HASIL DAN PEMBAHASAN

BAB III HASIL DAN PEMBAHASAN 15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

SATUAN ACARA PERKULIAHAN ( SAP ) SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan

Lebih terperinci

TUGAS I RANCANGAN PERCOBAAN BAB I

TUGAS I RANCANGAN PERCOBAAN BAB I TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data

Lebih terperinci

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY Jurnal Manti Penusa Vol No Desember ISSN 88-9 ANALISIS EPUASAN ONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAET (URIR DENGAN MENGGUNAAN METODE TOPSIS FUZZY Desi Vinsensia Program Studi Teni Informatia

Lebih terperinci

BAB II DASAR TEORI. II.1. Pendahuluan

BAB II DASAR TEORI. II.1. Pendahuluan BAB II DASAR EORI II.1. Pendahuluan Pada bab ini pertama-tama aan dijelasan secara singat apa yang dimasud dengan target tracing dalam sistem Radar. Di dalam sebuah sistem Radar ada beberapa proses yang

Lebih terperinci

III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT

III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah

Lebih terperinci

Agar Xn berperilaku acak yang dapat dipertanggungjawabkan :

Agar Xn berperilaku acak yang dapat dipertanggungjawabkan : ara memperoleh data Zaman dahulu, dgn cara : 1. Melempar dadu 2. Mengoco artu Zaman modern (>1940), dgn cara membentu bilangan aca secara numeri/ aritmati(menggunaan omputer), disebut Pseudo Random Number

Lebih terperinci

Neural Network menyerupai otak manusia dalam dua hal, yaitu:

Neural Network menyerupai otak manusia dalam dua hal, yaitu: 2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat

Lebih terperinci

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar

Lebih terperinci

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah

Lebih terperinci

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR) Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS

Lebih terperinci

UNIVERSITAS INDONESIA MODEL MATEMATIKA PENYEBARAN INFEKSI HIV PADA KOMUNITAS IDU TESIS IFFATUL MARDHIYAH

UNIVERSITAS INDONESIA MODEL MATEMATIKA PENYEBARAN INFEKSI HIV PADA KOMUNITAS IDU TESIS IFFATUL MARDHIYAH UNVERTA NDONEA MODEL MATEMATKA PENYEBARAN NFEK HV PADA KOMUNTA DU TE FFATUL MARDHYAH 678633 FAKULTA MATEMATKA DAN LMU PENGETAHUAN ALAM PROGRAM TUD MATEMATKA DEPOK JUN Model matematia... ffatul Mardhiyah

Lebih terperinci

PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER

PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya

Lebih terperinci

JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA

JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,

Lebih terperinci

Keragaman Struktur Tegakan Hutan Alam Sekunder The Variability of Stand Structure of Logged-over Natural Forest

Keragaman Struktur Tegakan Hutan Alam Sekunder The Variability of Stand Structure of Logged-over Natural Forest JMHT Vol. XIV, (2): 81-87, Agustus 28 ISSN: 215-157X Keragaman Strutur Tegaan Hutan Alam Seunder The Variability of Stand Structure of Logged-over Natural Forest Abstract Muhdin 1*, Endang Suhendang 1,

Lebih terperinci

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:

Lebih terperinci

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : 1207 100 011 Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA

IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA Seminar Nasional Informatia 2009 (semnasif 2009) ISSN: 1979-2328 UPN Veteran Yogyaarta, 23 Mei 2009 IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA

Lebih terperinci

VI. PEMILIHAN MODA (Modal Split/Choice)

VI. PEMILIHAN MODA (Modal Split/Choice) VI. PEMILIHAN MODA (Modal Split/Choice) 6.. UMUM Tujuan: Mengetahui proporsi pengaloasian perjalanan e berbagai moda transportasi. Ada dua emunginan situasi yang dihadapi dalam meramal pemilihan moda:

Lebih terperinci