Forum Statistika dan Komputasi, April 2005, p: ISSN : Vol. 10 No. 1
|
|
- Vera Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Forum Statistia dan Komputasi, April 005, p: 3-37 PERBANDINGAN BEBERAPA METODE OPTIMASI DUAL RESPONSE SURFACE UNTUK MENGHASILKAN PRODUK YANG ROBUST SERTA PENGEMBANGANNYA UNTUK MENANGANI KASUS OPTIMASI MULTIPLE RESPONSE SURFACES Sony Sunaryo Jurusan Statistia, FMIPA ITS Abstra Produ yang robust (ooh) menurut filosofi Taguchi adalah produ yang nilai rata-rata arateristinya pada target yang diinginan dengan variasi ecil. Taguchi memperenalan suatu uuran yang disebut Signal-to-noise ratio yang mencerminan uuran perbandingan antara besar signal (yang dapat diteliti atau dapat didetesi) dengan besar noise (yang biasanya tida terdetesi atau dapat didetesi dengan biaya yang mahal) yang mempengaruhi hasil nilai respon (yang dalam hal ini adalah nilai arateristi ualitas yang diteliti). Maalah ini aan menunuan beberapa metode yang menggabungan filosofi Taguchi dengan metode respons surface tanpa melalui analisis terhadap Signal-to-noise ratio tetapi lewat optimasi Dual Response Surface, serta melihat perbandingannya antar metode dan pengembangannya edalam asus optimasi multiple response surfaces. Kata unci : Produ Robust, Dual Response Surface, multiple response surfaces PENDAHULUAN Produ yang robust (ooh) menurut filosofi Taguchi adalah produ yang nilai ratarata arateristinya pada target yang diinginan dengan variasi ecil. Kepuasan pelanggan yang optimum aan diperoleh dengan pembuatan produ yang nilai-nilai arateristinya onsisten dalam nilai target. Oleh arena itu menurut filosofi Taguchi dalam reayasa ualitas perlu dicari desain dan analisis yang meminimuman variasi diseitar nilai target, yang berarti produ tersebut robust. Untu memperoleh produ yang robust dalam menganalisa data, Taguchi memperenalan suatu uuran yang disebut Signal-to-noise ratio yang mencerminan uuran perbandingan antara besar signal (yang dapat diteliti atau dapat didetesi) dengan besar noise (yang biasanya tida terdetesi atau dapat didetesi dengan biaya yang mahal) yang mempengaruhi hasil nilai respon (yang dalam hal ini adalah nilai arateristi ualitas yang diteliti). Signal-to-noise ratio yang besar diharapan mencerminan pengaruh fator noise yang ecil sehingga nilai respon adalah robust terhadap fator-fator yang tida dapat diontrol. Sehingga harus dicari setting fator fator yang dapat diontrol dalam percobaan atau proses produsi yang memasimuman Signal-to-noise ratio ini. Sampai saat ini banya para statistiawan yang ternyata urang setuu dengan ebenaran analisis terhadap Signal-to-noise ratio ini, yaitu ternyata uuran Signal-to-noise ratio ini tida dapat bebas dari rata-rata respon, seperti yang diharapan oleh Taguchi. Sehingga diembangan penggunaan metode response surface untu optimasi yang dapat mencaup filosofi Taguchi untu menghasilan produ yang robust. Dalam paper ini aan ditunuan beberapa metode yang menggabungan filosofi Taguchi dengan metode respons surface tanpa melalui analisis terhadap Signal-to-noise ratio tetapi lewat optimasi Dual Response Surface, serta melihat perbandingannya antar metode dan pengembangannya edalam asus optimasi multiple response surface. Signal-to-noise ratio dari Taguchi Untu memperoleh produ yang variabilitasnya ecil, esperimen perlu dilauan pengulangan sediitnya dua ali, dengan tuuan agar eragamannya dapat dihitung. Taguchi mereomendasian uuran Signal-to-noise ratio yang tergantung pada permasalahannya (respon yang diinginan), yaitu : 1) Main ecil main bai (Smaller-thebetter). Pada situasi ini respon idealnya adalah nol, besarnya Signal-to-noise ratio adalah : = -10 Log 10 [ Mean of Sum of Squares of measured data] 1 n = -10 Log 10 [ ], n y i dimana n adalah umlah ulangan pada tiap tiap runs percobaan. Contoh : percobaan dengan respon adalah umlah cacat, eausan dan lain-lain. 3
2 Forum Statistia dan Komputasi, April 005, p: 3-37 ) Main besarl main bai (larger-thebetter). Pada situasi ini respon idealnya adalah ta terhingga, besarnya Signal-to-noise ratio adalah : = -10 Log 10 [ Mean of Sum of Squares of reciprocal measured data] 1 n = -10 Log 10 [ 1 / ] n dimana n adalah umlah ulangan pada tiap tiap runs percobaan. Kasus ini dapat dipandang sebagai asus husus dari situasi smaller-the-better yaitu responnya dibuat sebagai ebaliannya sehingga respon idealnya menadi nol. Contoh : percobaan dengan respon daya tahan hidup sebuah lampu. 3) Terbai pada nilai nominal (Nominal is the best) Pada situasi ini respon idealnya adalah nilai target tertentu, besarnya Signal-tonoise ratio adalah : Square of mean = 10 Log 10 [ ] Variance = 10 Log 10 y s dimana n adalah umlah ulangan pada tiap tiap runs percobaan. Contoh : Pada percobaan menentuan voltase batera,5 V. Optimasi dengan Dual Response Surface (DRS) Prosedur optimasi dual response surface dienalan oleh Myers & Carter (1973) yang emudian diperbaii oleh Vining & Myers (1990). Pada prosedur ini melauan optimasi terhadap respon primer dengan endala pendeatan respon sunder, dengan menggunaan metode pengali Lagrange untu menyelesaiannya. Hal ini dapat ditulisan modelnya sebagai beriut : Min (Max) Y primer X Kendala : Y sunder = Dimana adalah nilai spesifi. Penggabungan filosofi Taguchi dengan metode dual response surface ini dienalan oleh Vining & Myers (1990), yang pertama tama dibuat model empiri lewat response surface metodologi untu mean dan simpangan bau, emudian dari modelmodel response surface yang diperoleh dilauan optimasi secara simultan pada daerah tertentu dari x yang interest (X ). Model order untu mean dan simpangan bau adalah : y i ŷ = a 0 + i ŷ = b 0 + i a i ai b i bi x i + x i x x i + x i x a ii b ii x i + x i + Del Castillo & Montgomery (1993) menggunaan algoritma Generalized Reduced Gradient (GRG) untu mencari solusi dari dual response surface, yang tersedia pada beberapa paet software seperti Solver Microsoft Excel. Menurut Lin dan Tiu (1995) optimasi berdasaran penggunaan pengali lagrange mungin tida realisti, sehingga merea menyaranan untu meminimuman Mean Square Error, yaitu dalam bentu : Min MSE = ( ŷ - T ) + ŷ X Dimana T adalah nilai target respon yang diinginan. Copeland & Nelson (1996) mengriti bahwa metode dari Lin & Tiu tersebut tida memberi batasan sampai seauh mana nilai ŷ berbeda dari nilai target T. Sehingga merea menyaranan husus untu situasi nominal-thebest disaranan untu meminimuman ŷ +, dimana : = ( ŷ - T ) ia ( ŷ - T ) > = 0 ia ( ŷ - T ) < dimana adalah anga spesifi tertentu yang diinginan. Ames et al. (1997) menggunaan model Quality Loss Functions (QLP) untu optimasi multiple response surfaces secara simultan, yang dapat uga diterapan dalam dual response surface, modelnya adalah : Min QLP = m { i ( ŷ i - T i ) } Dimana ŷ I dan T i adalah dugaan respons dan nilai target untu riteria arateristi ualitas e-i. Ide terbaru dari Tang & Xu (00) dari Universitas Nasional Singapura membuat suatu prosedur atau sema optimasi yang dapat mencaup optimasi-optimasi metode sebelumnya dalam dual response surface, dan menggunaan Goal Programing untu merumusan dan meyelesaiannya. Bentu modelnya adalah : Minimuman : + Kendala : ŷ (x) - = T * ŷ (x) - = T * 33
3 Forum Statistia dan Komputasi, April 005, p: 3-37 dan masing-masing x x r atau x l x x u dan adalah variabel-variabel deviance yang berupa salar yang dapat bernilai + atau -, yang masing-masing menyataan simpangan dari ŷ dan ŷ,sedangan dan ( 0) adalah pembobot yang dapat didefinisian oleh peneliti. T * = { T *, T * ) adalah nilai ideal mean respon dan simpangan bau respon yang berhubungan dengan ŷ (x) = { ŷ (x), ŷ (x) } yang biasanya bentunya uadrati. Variabel x =[x 1,, x a ] adalah umpulan dari fator-fator ontrol yaitu fator-fator yang diteliti dan dapat diontrol dalam enyataannya. Bentu ruang solusi (solution space) dari fator-fator yang dapat diontrol tersebut dapat dibuat interest pada daerah bola (spherical) dengan ari-ari r atau dalam ruang rectanguler. Dalam tulisannya Tang & Xu (00) telah menunuan secara matematis bahwa beberapa metode dual response surface sebelumnya tercaup dalam model yang merea gunaan, sebagai misal : Formula dari Lin & Tiu (1995) adalah asus untu = = 1 dan T * =0. Formula Vining & Myers (1990) serta De Castillo & Montgomery (1993) adalah asus untu =0, = 1 dan T * =0 (Untu situasi respon Nominal-the-best), untu situasi Larger-the-better maa identi dengan =1, = 0 dan T * =T max. Sedangan untu situasi Smaller-the-better identi dengan asus =1, = 0 dan T * =T min. Formula Min QLP dari Ames et al (1997). Konstrain ditulis sebagai beriut = {( ŷ - T * ) / } dan = {( ŷ - T * ) / }, dimana nilai, 0 Untu menghitung dan menilai efe dari bobotbobot dan pada solusi ahir, maa digunaan analisis sensitivitas dengan mengambil ombinasi onves + =1 ( >0 dan >0). Sedangan untu mencari optimasinya merea menghitung untu ombinasi (, ) =(1/ T *, 1/ T * ); (1,1) dan (T *,T * ). CONTOH ANALISIS Data yang dianalisis dalam contoh ini adalah data dari buunya Box & Draper (1987).Tuuan esperimen adalah menganalisis efe dari peubah speed, pressure dan distance pada respon yang berupa perlauan mesin printer berwarna dengan tinta mere tertentu. Esperimen menggunaan desain 3 3 dengan ulangan 3 ali, sehingga total ada 81 runs percobaan. Berdasaran analisis dari Vining & Myers (1990) diperoleh persamaan response untu mean dan simpangan bau adalah : ŷ = 37, x ,4 x + 131,5 x x 1,4 x 9,1 x x 1 x + 75,5 x 1 x ,6 x x 3 ŷ = 34,9 + 11,5 x1 + 15,3 x + 9, x3 + 4, x1-1,3 x + 16,8 x3 + 7,7 x1 x + 5,1 x1 x3 + 14,1 x x3 Dengan nilai target mean dan simpangan bau adalah 500 dan 40 (berarti asus nominal-thebest). Metode analisis yang dibandingan dalam maalah ini adalah metode dari Vining & Myers (VM), metode dari Lin & Tiu (LT) dan metode dari Tang & Xu. Analisis Dual respons surface dengan metode dari Vining & Myers, model : Min ŷ Kendala : ŷ = T * Aan menadi : Min : 34,9 + 11,5 x ,3 x + 9, x 3 + 4, x 1 1,3 x + 16,8 x 3 + 7,7 x 1 x + 5,1 x 1 x ,1 x x 3 Kendala : 37, x ,4 x + 131,5 x x 1,4 x 9,1 x x 1 x + 75,5 x 1 x ,6 x x 3 = 500 Dengan menambah endala x x 3 dan menyelesaiannya dengan metode pengali lagrange diperoleh solusi optimum adalah : { ŷ (x), ŷ (x) } = (500; 40,65) untu x =(1,5719; -0,7; -0,0874) dan MSE=1634,68. Hasil ini ternyata sama dengan hasil penyelesaian dengan metode Tang & Xu (00) dengan mengambil =0,49 dan = 1 Penyelesain dengan metode Lin & Tiu (1995) model yang diminimuman adalah : Min MSE = ( ŷ - T ) + ŷ X Menadi Min MSE = (37, x ,4 x + 131,5 x x 1,4 x 9,1 x x 1 x + 75,5 x 1 x ,6 x x 3-500) + (34,9 + 11,5 x ,3 x + 9, x 3 + 4, x 1 1,3 x + 16,8 x 3 + 7,7 x 1 x + 5,1 x 1 x ,1 x x 3 ) Dengan endala: x x 3 Solusinya adalah : { ŷ (x), ŷ (x) } = (495,68; 40,0) untu x =(1,5651; -0,7373; -0,0883) dan MSE=1634,57. Hasil ini ternyata sama dengan hasil penyelesaian dengan metode Tang & Xu (00) dengan mengambil =0,5 dan = 0,5 34
4 Forum Statistia dan Komputasi, April 005, p: 3-37 Solusi dengan Tang & Xu (00) diperoleh model : Minimuman : + Kendala : ŷ (x) - = T * ŷ (x) - = T * untu x x 3 menadi : Minimuman : + Kendala : 37, x ,4 x + 131,5 x x 1,4 x 9,1 x x 1 x + 75,5 x 1 x ,6 x x 3 = ,9 + 11,5 x ,3 x + 9, x 3 + 4, x 1 1,3 x + 16,8 x 3 + 7,7 x 1 x + 5,1 x 1 x ,1 x x 3 - = 0 untu x x 3 Hasil analisis dengan metode Tang & Xu (00) untu target T * =(500;40), x x 3 untu beberapa efe dari ombinasi dan disaian pada Tabel 1. Sedangan ranguman hasil untu metode lainnya untu target T * =(500;40), x x 3 duan pada Tabel. Adapun solusi untu daerah -1 x 1 dengan penetapan T * =(500; 44,7) dengan metode Tang & Xu (00) dengan cara yang sama diperoleh hasil pada Tabel 3 dan solusi untu -1 x 1 dengan penetapan T * =(500; 44,7) dengan metode lain lihat Tabel 4. Tabel 1. Hasil analisis dengan metode Tang & Xu Y(x) x MSE Delta T * (, ) ( ŷ, ŷ ) (x 1, x, x 3) (, ) (500; 40) (1/500, 1/40) (499,9996; 40,6575) (1,5718;-0,74,-0,0867) 1653,03 (-0,39;6,987) (500; 40) (1, 1) (499,9308; 40,650) (1,5717;-0,76,-0,0868) 165,44 (-0,069;0,6501) (500; 40) (500, 40) (496,057, 40,379) (1,5664;-0,734,-0,0863) 1634,67 (-0,0079;0,0059) Tabel. Ranguman hasil untu metode selain VM&DM, LT Y(x) x MSE Metode ( ŷ, ŷ ) (x 1, x, x 3) (, ) ( Metode Tang&Xu) VM & DM (500;40,65) (1,5719;-0,70;-0,0874) 165,46 (0;1 ) LT (495,68; 40,0) (1,5651;-0,7373,-0,0883) 1634,57 (0,50;0,50) Tabel 3. Solusi untu daerah -1 x 1 dengan T * =(500; 44,7) Dengan metode Tang & Xu Y(x) x MSE Delta T * (, ) ( ŷ, ŷ ) (x 1, x, x 3) (, ) (500;44,7) (1/500;1/44,7) (499,9667;45,0937) (1;0,1183,-0,598) 033,44 (-16,65;16,7119) (500;44,7) (1; 1) (499,6639; 45,0574) (1;0,1157,-0,593) 030,9 (-0,3361;0,3374) (500;44,7) (500;44,7) (498,014;44,88) (1;0,1040;-0,575) 017,65 (-0,0036;0,0036) Tabel 4. Solusi untu daerah -1 x 1 dengan T * =(500; 44,7) Dengan metode VM&DM, LT Y(x) x MSE Metode ( ŷ, ŷ ) (x 1, x, x 3) (, ) ( Metode Tang&Xu) 35
5 Forum Statistia dan Komputasi, April 005, p: 3-37 VM & DM (500;45,097) (1;0,1184,-0,59) 033,74 (0;1 ) LT (494,44; 44,43) (1;0,07,-0,5) 005,14 (0,50;0,50) Perbandingan : Pendeatan dengan metode Lin & Tiu (LT) menghasilan MSE terecil bai dalam daerah x x 3 maupun dalam daerah -1 x 1, hal ini ternyata sama dengan hasil pada metode Tang & Xu (00) dengan mengambil bobot, dan sebesar 0,5 dengan T = 0. Metode pendeatan Vining & Myers (VM) serta Del Castillo & Montgomery (DM) memberian varian minimum, dan nilai target tercapai (yaitu 500), dan hasil ini sama dengan metode pendeatan dari Tang & Xu (00) dengan bobot, dan sebesar 0 dan 1 dengan T = 0. Berarti metode pendeatan dari Tang & Xu (00) lebih berlau umum arena mampu meneliti beberapa emunginan, dan. Tang & Xu (00) dalam papernya uga memberian contoh lain untu eadian respon main besar main bai dan main ecil main bai untu data yang sama seperti pada contoh diatas, dimana pada asus respon main besar main bai nilai target untu mean dibuat pada nilai masimum yang diinginan dan pada asus respon main ecil main bai nilai target mean dibuat minimum (nilai-nilai ini biasanya diberian sebelum esperimen dilauan sebagai informasi awal). Hasil analisis perbandingan terhadap metode metode lain ternyata metode Tang & Xu (00) tetap dapat mencaup solusi dari metode yang lain dengan memberi bobot bobot tertentu pada, dan. Serta dimunginan hasilnya lebih bai arena metode Tang & Xu (00) menilai untu, dan yang lain yang tida diteliti dalam metode yang lainnya. Metode Tang & Xu (00) uga tetap dapat dipaai walaupun model response surface diperoleh model yang sesuai tida dalam bentu orde bahan orde 1. Jadi dapat disimpulan metode yang diusulan oleh Tang & Xu (00) berlau lebih umum, dan dimunginan memberian hasil yang lebih bai dalam arti nilai target mean respon masih tercapai sedangan eragamannya minimum. tertentu tida hanya diinginan diameternya memenuhi standar (misal sebagai respon 1), tetapi respon-respon lain uga harus memenuhi standar yang diinginan. Berarti permasalahnnya bagaimana mencari setting fator-fator yang dapat diontrol (variabelvariabel x 1,, x n ) agar semua riteria respon dapat dipenuhi. Pada permasalahan optimasi multiple respon ini antara optimasi satu respon dengan respon yang lain mungin teradi ontradisi, dalam arti satu respon harus masimum tetapi yang lain harus minimum atau sebalinya. Dengan telah mempelaari metode Tang & Xu (00) diatas tida menadi masalah ia umlah respon yang dioptimuman lebih dari satu. Sebagai misal ia umlah respon yang dioptimuman ada 3, maa langah-langah yang perlu diambil adalah sebagai beriut : 1. Buat model pendeatan response surface pada masing-masing respon.. Buat model goal programming sebagai beriut : Minimuman : y1 + y + y3 Kendala : ŷ y1 (x) - y1 y1 = T y1 * ŷ y (x) - y * y = T y ŷ y3 (x) - y3 * y3 = T y3 Untu x x r atau x l x x u Dengan menghitung beberapa emunginan y1, y, dan y3 aan diperoleh solusi optimum bersama-samanya. Beberapa metode lain untu menyelesaian asus multiple response surface, yang tida dibahas dalam maalah ini adalah : 1. Opimasi multiple responses dengan pendeatan fungsi desirability yang dienalan oleh Derringer & Suich (1980).. Metode pendeatan Bayes untu optimasi multiple response surfaces oleh Quesada, et al. (004) IDE PENGEMBANGAN KE KASUS OPTIMASI MULTIPLE RESPONSE SURFACES Metode dual response surface yang dibahas diatas sebenarnya hanya dituuan untu mencari optimasi single responce surface, hanya diharapan ragam respon tersebut minimum. Pada asus-asus riil sering diumpai permasalahan mengoptimasian respon-respon yang banya secara simultan. Sebagai contoh pada asus pembuatan produ KESIMPULAN Metode dual response surface yang dienalan oleh Tang & Xu (00) ternyata prosedurnya dapat mencaup metode dual respon surface yang lain seperti oleh Vining & Myers (1990), Lin & Tiu (1995) serta yang lainnya. Metode dari Tang & Xu ini ternyata berpotensi untu dapat diembangan penggunaannya e asus optimasi multiple 36
6 Forum Statistia dan Komputasi, April 005, p: 3-37 respons surfaces. Apalagi dilihat dari segi emudahan dan pengertiannya metode ini merupaan metode yang menanian untu dienalan pada para pratisi dalam reayasa ualitas. DAFTAR PUSTAKA Ames AE, Mattucci N, Macdonald S, Szonyi G; and Hawins DM. (1997). Quality Loss Functions for Optimization Across Multiple Response Surfaces. Journal of Quality Technology 9, pp Box GEP and Draper NR. (1987). Empirical Model Building and Response Surface. Joh Wiley & Sons, New Yor, NY. Copeland KAF and Nelson PR. (1996). Dual Response Optimization via Direct Function Minimization. Journal of Quality Technology 8, pp Del Castillo E. and Montgomery DC. (1993). A Non Linear Programming Solution to the Dual Response Problem. Journal of Quality Technology 9, pp Derringer D and Suich R. (1980). Simultaneous of Several Response Variables. Journal of Quality Technology 1(4), pp Jayan PG. (000). Design of Experiments Using Taguchi Method, [thesis], Master of Technology Department of Aerospace Engineering, Indian Institute of Technology, Bombay. Lin DKJ and Tu W. (1995). Dual Response Surface Optimization. Journal of Quality Technology 7, pp Myers RH and Carter WH. (1973). Response Surface Techniques for Dual Response Systems. Technometrics 15, pp Quesada GM, Del Castillo E And Peterson JJ. (004). A Bayesian Approach for Multiple Response Surfaces Optimization in the Presence of Variables. Journal of Applied Statistics 31, pp Tang LC & Xu K (00). A Unified Approarch for Dual Response Surface Optimization., Journal of Quality Technology 34, pp: Vining GG and Myers RH. (1990). Combining Taguchi anf Response Surface Philisophies : A Dual Response Approach. Journal of Quality Technology, pp
Rekayasa Kualitas. Topik Khusus 1. Dual dan Multi Response Surface. 07 Desember 2014
Rekayasa Kualitas Topik Khusus 1 Dual dan Multi Response Surface 07 Desember 2014 ekopujiyanto@ft.uns.ac.id Topik Khusus - 1 Signal-to-noise ratio perbandingan antara besar signal dengan besar noise yang
Lebih terperinciRekayasa Kualitas. Topik Khusus 1. Dual dan Multi Response Surface. 25 November 2014
Rekayasa Kualitas Topik Khusus 1 Dual dan Multi Response Surface 25 November 2014 ekop2003@yahoo.com Topik Khusus - 1 Signal-to-noise ratio perbandingan antara besar signal dengan besar noise yang mempengaruhi
Lebih terperinciANALISIS 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 terperinciBAB 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 terperinciBAB 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 terperinciSTUDI 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 terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciMETODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL. Staf Pengajar Program Studi Statistika FMIPA UNDIP
Optimalisasi Produ (Triastuti Wuryandari) METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL Triastuti Wuryandari 1, Tati Widiharih 2, Sayeti Dewi Anggraini 3 1,2 Staf Pengajar Program Studi
Lebih terperinciBAB 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 terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciBAB 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 terperinciPENINGKATAN 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciOptimasi 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 terperinciBAB 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( 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 terperinciPEMODELAN 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 terperinciIII 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 terperinciBAB 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 terperinciPENYELESAIAN 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 terperinciMODEL 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 terperinciSah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)
Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/
Lebih terperinciVariasi 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 terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciPENERAPAN 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 terperinciOPTIMASI FORMULA ADHESIVE PADA POLYVINYL CHLORIDE FILM PRODUKSI DI PT KARYATERANG SEDATI DENGAN METODE RESPON SURFACE
OPTIMASI FORMULA ADHESIVE PADA POLYVINYL CHLORIDE FILM PRODUKSI DI PT KARYATERANG SEDATI DENGAN METODE RESPON SURFACE Shabira Mayestia Alfath, Muhammad Sahid Abar, Adatul Muarromah 3 Mahasiswa S Statistia
Lebih terperinciMENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL
MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciBAB 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 terperinciSOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)
Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan
Lebih terperinciBAB 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 terperinciBAB 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 terperinciAPLIKASI 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 terperinciJARINGAN 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 terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciBAB 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 terperinciPENYELESAIAN 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 terperinciANALISIS 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 terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciPenerapan 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 terperinciBAB 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 terperinciPenggunaan 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 terperinci2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data
2 2. Menentuan olesi inti ubi ayu dan mengevaluasi ebaian olesi inti yang dieroleh. METODE Data Data yang digunaan dalam enelitian ini berasal dari Kelomo Peneliti Pengelolaan Sumberdaya Geneti (Kelti
Lebih terperinciBAB 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 terperinciSensitivitas Metode Ensemble Kalman Filter untuk Mendeteksi Gangguan pada Masalah Konduksi Panas Satu Dimensi
Jurnal Matematia & Sains, Desember, Vol. 6 omor 3 Sensitivitas Metode Ensemble Kalman Filter untu Mendetesi Gangguan pada Masalah Kondusi Panas Satu Dimensi Erna Apriliani dan Wiwit Sofiyanti Budiono Departement
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinciII. 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 terperinciSISTEM 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 terperinciSISTEM 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 terperinciSistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation
Sistem Peramalan Jumlah Produsi Air PDAM Samarinda Menggunaan Jaringan Syaraf Tiruan Bacpropagation Anindita Septiarini 1 dan Nur Sya baniah 2 1 Program Studi Ilmu Komputer FMIPA, Universitas Mulaarman
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinci3. 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 terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciAplikasi 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 terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciBAB IV Solusi Numerik
BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciDeret 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 terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
Lebih terperinciCATATAN KULIAH RISET OPERASIONAL
CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang
Lebih terperinciModifikasi 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 terperinciPenentuan 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 terperinciANALISIS VARIANSI (ANOVA)
ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t
Lebih terperinciPELABELAN 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 terperinciSUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA
SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:
Lebih terperinciPENERAPAN 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 terperinciMENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE
MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK
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
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 terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Perancangan Kualitas Kode/sks : SS141413/ (2/1/0 ) Dosen : SS Semester : V
RP-S1-SI-06 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 8 A. CAPAIAN PEMBELAJARAN : CP 1.2 : Menentukan optimasi melalui perancangan eksperimen. CP15.2 : Mampu mengelola dan bekerja
Lebih terperinciBAB 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 terperinciKARAKTERISTIK POHON FUZZY
KARAKTERISTIK POHON FUZZY Yuli Stiawati 1, Dwi Juniati 2, 1 Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Universitas Negeri Surabaya, 60231 2 Jurusan Matematia, Faultas Matematia dan
Lebih terperinciDESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL
DESAIN SENSOR KECEPAAN BERBASIS DIODE MENGGUNAKAN FILER KALMAN UNUK ESIMASI KECEPAAN DAN POSISI KAPAL Alrijadjis, Bambang Siswanto Program Pascasarjana, Jurusan eni Eletro, Faultas enologi Industri Institut
Lebih terperinciOSN 2014 Matematika SMA/MA
Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan
Lebih terperinciKONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION
Konferensi Nasional Sistem dan Informatia 29; Bali, November 14, 29 KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION Sofyan Tan, Lie Hian Universitas Pelita Harapan,
Lebih terperinciESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciPENGARUH 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 terperinciPencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan
Abstra Pencitraan omografi Eletri dengan Eletroda Planar di Permuaan D. Kurniadi, D.A Zein & A. Samsi KK Instrumentasi & Kontrol, Institut enologi Bandung Jl. Ganesa no. 10 Bandung Received date : 22 November2010
Lebih terperinciDany Candra Febrianto ) dan Hindayati Mustafidah )
Penerapan Jaringan Saraf Tiruan dengan Metode Pembelaaran Bacpropagation untu Mengetahui Tingat Kualifiasi Calon Siswa pada Sistem Informasi Penerimaan Siswa Baru di MAN 2 Banarnegara (Application of Artificial
Lebih terperinciI. 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 terperinciMakalah 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 terperinciEstimasi 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 terperinciPENCARIAN 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 terperinciKesesuaian Metode Regresi Nonparametrik Spline, B-spline, dan P-spline dalam Menduga Kurva Regresi
Laporan Penelitian Lanjut idang Ilmu Kesesuaian Metode Regresi Nonparametri Spline, spline, dan Pspline dalam Menduga Kurva Regresi Oleh: Dra. Harmi Sugiarti, M.Si Pusat Penelitian dan Pengabdian epada
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciMetode Penggerombolan Berhirarki
4 TINJAUAN PUSTAKA Analisis gerombol dalam bidang riset pemasaran sering diistilahan sebagai analisis segmentasi, merupaan alat statistia peubah ganda yang bertujuan untu mengelompoan n indiidu data e
Lebih terperinciFUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL
Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinci2.1 Bilangan prima dan faktorisasi prima
BAB 2 BILANGAN PRIMA 2.1 Bilangan prima dan fatorisasi prima Definisi 2.1.1. Bilangan bulat p > 1 diataan prima jia ia hanya mempunyai pembagi p dan 1. Dengan ata lain bilangan prima tida mempunyai pembagi
Lebih terperinciBAB 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 terperinciPERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON
PERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON M. Sigit Darmawan Dosen Diploma Teni Sipil ITS Email: msdarmawan@ce.its.ac.id
Lebih terperinciMATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor
MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong
Lebih terperinciAnalisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus
Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,
Lebih terperinciAnalisis Pengaruh Peralatan Laboratorium Terhadap Kualitas Daya Pada Laboratorium Elektroteknika Dasar
3 Analisis Pengaruh Peralatan Laboratorium Terhadap Kualitas Daya Pada Laboratorium Eletrotenia Dasar Jamhir slami Pranata Laboratorium Pendidian (PLP) Ahli Muda Laboratorium Eletrotenia Dasar Faaultas
Lebih terperinciSistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation
Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Sistem Penduung Keputusan Penerima Beasiswa SMK Menggunaan Metode Bacpropagation Teti Rohaeti 1, Yoyon Kusnendar Suprapto 2, Eo Mulyanto 3
Lebih terperinciTotok Suwanda Jurusan Teknik Mesin, Fakultas Teknik UMY Jalan Lingkar Barat Tamantirto Kasihan Bantul Yogyakarta Telp ABSTRACT
OPTIMALISASI TEKANAN KOMPAKSI, TEMPERATUR DAN WAKTU SINTERING TERHADAP KEKERASAN DAN BERAT JENIS ALUMINIUM PADA PROSES PENCETAKAN DENGAN METALURGI SERBUK Toto Suwanda Jurusan Teni Mesin, Faultas Teni UMY
Lebih terperinciVI. 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 terperinciKENDALI 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