ANALISIS TEORITIS DAN EMPIRIS UJI CRAPS DARI DIEHARD BATTERY OF RANDOMNESS TEST UNTUK PENGUJIAN PEMBANGKIT BILANGAN ACAKSEMU

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS TEORITIS DAN EMPIRIS UJI CRAPS DARI DIEHARD BATTERY OF RANDOMNESS TEST UNTUK PENGUJIAN PEMBANGKIT BILANGAN ACAKSEMU"

Transkripsi

1 ANALISIS TEORITIS DAN EMPIRIS UJI CRAPS DARI DIEHARD BATTERY OF RANDOMNESS TEST UNTUK PENGUJIAN PEMBANGKIT BILANGAN ACAKSEMU Sari Agustini Hafman dan Arif Fachru Rozi 2,2 Lembaga Sandi Negara 2 ABSTRAK Menurut Kerchoffs (883), eamanan sistem riptografi harus hanya bergantung pada unci yang digunaan dalam sistem tersebut. Umumnya, unci dihasilan oleh Pseudo Random Number Generator (PRNG) atau Random Number Generator (RNG). Terdapat tiga tipe eacaan yang dihasilan oleh PRNG dan RNG yaitu pseudorandom sequence (barisan acasemu), cryptographically secure pseudorandom sequences (barisan acasemu yang aman secara riptografi) dan real random sequences (barisan yang aca nyata). Untu memerisa tipe eacaan yang dihasilan oleh suatu PRNG atau RNG digunaan berbagai uji statisti, diantaranya diehard battery of test of randomness. Mengingat tujuan, dasar pengambilan parameter pengujian serta proses pembentuan statisti uji berhubungan dengan valid atau tidanya esimpulan yang dihasilan dari suatu uji statisti maa dilauan ajian terhadap salah satu uji yang terdapat dalam diehard battery of randomness test yaitu uji craps. Uji yang terinspirasi dari permainan craps ini bertujuan untu memerisa apaah suatu PRNG menghasilan barisan acasemu yang berdistribusi identi dan independen (iid). Untu menunjuan proses pembentuan serta penerapan permainan craps pada statisti uji craps, dilauan analisis teoritis dengan menerapan berbagai teori statisti terhadap uji tersebut. Selain itu, dilauan observasi secara empiris dengan menerapan uji craps pada beberapa PRNG dengan tujuan untu memerisa eefetifan uji tersebut dalam mendetesi bentu distribusi dan independensi barisan yang dihasilan suatu PRNG. Kata unci: Identi dan Independen (iid), Permainan Craps, Pseudo Random Number Generator (PRNG), Uji Craps ABSTRACT According to Kerchoffs (883), the security system should only rely on cryptographic eys which is used in that system. Generally, the ey sequences are generated by a Pseudo Random Number Generator (PRNG) or Random Number Generator (RNG). There are three types of randomness sequences that generated by the RNG and PRNG i.e. pseudorandom sequence, cryptographically secure pseudorandom sequences, and real random sequences. Several statistical tests, including diehard battery of tests of randomness, is used to chec the type of randomness sequences that generated by PRNG or RNG. Due to its purpose, the principle on taing the testing parameters and the test statistic are associated with the validity of the conclusion produced by a statistical test, then the theoretical analysis is performed by applying a variety of statistical theory to evaluate craps test, one of the test included in the diehard battery of randomness tests. Craps test, inspired by craps game, aims to examine whether a PRNG produces an independent and identically distributed (iid) pseudorandom sequences. To demonstrate the process to produce a test statistics equation and to show how craps games applied on that test, will be carried out theoretical analysis by applying a variety of statistical theory. Furthermore, empirical observations will be done by applying craps test on a PRNG in order to chec the test effectiveness in detecting the distribution and independency of sequences which produced by PRNG. Keywords: Craps Games, Craps Test, Independent and Identically Distributed (iid), Pseudo Random Number Generator (PRNG) PENDAHULUAN Menurut Kerchoffs (883), eamanan sistem riptografi harus hanya bergantung pada unci yang digunaan dalam sistem tersebut. Umumnya, unci dihasilan oleh Pseudo Random Number Generator (PRNG) atau Random Number Generator (RNG). Terdapat tiga tipe eacaan yang dihasilan oleh PRNG dan RNG yaitu pseudorandom sequence (barisan acasemu), cryptographically secure pseudorandom sequences (barisan acasemu yang aman secara riptografi) dan real random sequences (barisan yang aca nyata). Barisan diataan acasemu jia secara

2 Analisis Teoritis dan Empiris Uji Craps dari Diehard Battery of Randomness Test untu Pengujian statisti terlihat aca (berdistribusi seragam dan saling bebas). Barisan diataan aman secara riptografis bila barisan tersebut secara statisti terlihat aca serta unpredictable (etidaterdugaan). Barisan diataan aca nyata bila memenuhi tiga syarat yaitu barisan tersebut secara statisti terlihat aca, etidaterdugaan dan barisan yang sama tida dapat dihasilan embali (Schneier, 996). Untu memerisa tipe eacaan yang dihasilan oleh suatu PRNG atau RNG pendeatan yang umum digunaan adalah membangitan barisan unci dalam jumlah besar dang mengapliasian berbagai uji statisti pada barisan tersebut. Uji statisti yang banya digunaan diantaranya diehard battery of test of randomness. Informasi yang diperoleh dari hasil pengujian eacaan hanya untu membedaan barisan unci tersebut dari barisan unci yang aca nyata. Uji tersebut dianggap sebagai uji yang menggunaan pendeatan blac box arena tida memperhitungan strutur dari PRNG/RNG yang digunaan untu menghasilan barisan tersebut. Mengingat tujuan, dasar pengambilan parameter pengujian serta proses pembentuan statisti uji berhubungan dengan valid atau tidanya esimpulan yang dihasilan dari suatu uji statisti maa dilauan ajian terhadap salah satu uji yang banya digunaan dalam pengujian eacaan barisan unci yaitu uji craps yang terdapat dalam diehard battery of randomness. Uji yang terinspirasi dari permainan craps ini bertujuan untu memerisa apaah suatu PRNG menghasilan barisan acasemu yang berdistribusi identi dan independen (iid) atau tida. Untu menunjuan proses pembentuan serta penerapan permainan craps pada statisti uji craps, dilauan analisis teoritis dengan menerapan berbagai teori statisti terhadap uji tersebut. Selain itu, dilauan observasi secara empiris dengan menerapan uji craps pada beberapa PRNG dengan tujuan untu memerisa eefetifan uji tersebut dalam mendetesi bentu distribusi dan independensi barisan yang dihasilan suatu PRNG. TEORI DASAR Distribusi Normal Distribusi Normal adalah model distribusi ontinu yang penting dalam teori probabilitas. Distribusi normal memilii urva berbentu lonceng yang simetris. Dua parameter yang menentuan distribusi normal adalah mean (μ) dan variansi (σ 2 ). Fungsi erapatan probabilitas dari distribusi normal adalah: f(x) = (x μ) 2 σ 2π e 2σ 2 μ adalah rata-rata, σ 2 adalah variansi dan π = 3,459 Teorema : Jia X adalah suatu peubah aca binom dengan mean μ = np dan variansi σ 2 = npq maa bentu limit dari distibusi X np Z = npq dengan n adalah berdistribusi N(0,). Distribusi Chi-Square Variabel aca ontinu X mempunyai distribusi chi square dengan derajat bebas v jia fungsi erapatannya adalah f(x; v) = { 2 v 2Γ( v ) xv 2 2 0, lainnya dengan v adalah integer positif. Distribusi Multinomial e x 2, x > 0 Definisi. (Soejati,2005) Distribusi multinomial adalah distribusi peluang bersama freuensi-freuensi sel n,, n dalam n trial multinomial dengan parameter p,, p yang masing-masing merupaan peluang sel. Fungsi peluang distribusi multinomial adalah f(n,, n ) = n! n! n! p n n p untu n i = n. Parameter-parameter itu memenuhi p i = Nilai espetasi dan variansi dari distribusi multinomial adalah E(n i ) = dan Var(n i ) = ( p i ) dimana i =,2,,. Teorema 2. Misalan y,, y berdistribusi multinomial dengan probabilitas p,, p maa untu n besar, variabel aca tida negatif χ 2 = (y i ) 2 dimana i =,2,, () mendeati distribusi chi-square dengan derajat bebas = dengan harga mean χ 2 adalah μ =. Jurnal CAUCHY ISSN:

3 Sari Agustini Hafman dan Arif Fachru Rozi Persamaan pertama ali diperenalan dan dipelajari oleh Karl Pearson pada tahun 900 sehingga dienal dengan nama Pearson s chi square statistic. Harga mean χ 2 hanya tergantung pada banya sel atau elas (banya emunginan yang dapat terjadi pada esperimen multinomial) dan tida tergantung pada harga p i, i =,2,,. Buti : mean(χ 2 ) = E(χ 2 ) = E(y i ) 2 = var(y i) = ( p i ) p i = p i = Rumus transformasi χ 2 dengan persamaan sering ditulis χ 2 = (y i ) 2 = (O i E i ) 2 E i dengan O i = y i adalah freuensi sel i yang diobservasi dalam sampel beruuran n, sedangan E i = = mean(y i ) adalah mean atau freuensi sel i yang diharapan (nilai espetasi). Uji Chi-Square Goodness of Fit Teorema 3. Uji chi-square goodness of fit antara freuensi yang diobservasi dengan freuensi yang diharapan, berdasaran pada uuran χ 2 = (O i E i ) 2 (2) E i dengan χ 2 adalah nilai variabel aca yang distribusi samplingnya hampir mendeati distribusi chi-square dengan derajat bebas v =, O i adalah freuensi yang diobservasi dane i adalah freuensi yang diharapan untu setiap sel e-i. Prosedur uji chi-square goodness of fit berdasaran atas distribusi pendeatan maa prosedur ini sebainya tida digunaan jia freuensi harapan sangat ecil atau e i < 5. Jia dalam proses perhitungan terdapat freuensi harapan yang lebih ecil dari lima maa freuensi tersebut dapat digabungan dengan freuensi yang lain supaya prosedur diatas terpenuhi (Soejati, 985). Uji Craps Ide uji craps berasal dari permainan craps. Craps merupaan suatu permainan yang melibatan dua buah dadu yang dilauan oleh seorang pemain atau lebih. Craps dimainan dalam baba (round) yang diatur dalam aturan permainan craps. Beriut adalah aturan permainan Craps. a. Jia jumlah mata dadu 7 atau pada lemparan pertama maa pelempar dinyataan menang. b. Jia jumlahnya 2,3, atau 2 maa pelempar alah. c. jia jumlahnya 4,5,6,8,9 atau 0 maa pelempar dapat melanjutan lemparannya sampai ia mendapatan anga yang sama seperti lemparan pertama (dinyataan menang) atau 7 (dinyataan alah). Berdasaran aturan permainan craps tersebut, Marsaglia mengajuan uji craps yang terdiri dari dua buah uji statisti yaitu : a. uji untu menganalisis jumlah emenangan (uji ) Pada uji ini diasumsian permainan dilauan sebanya n ali, minimal ali. Dari n ali permainan tersebut aan dihitung jumlah emenangannya. Banyanya emenangan harus mendeati distribusi normal dengan rataan p dan variansi p(-p) dengan p = 244/495. b. uji untu menganalisis banyanya lemparan sampai permainan selesai (uji 2) Pada uji ini aan dihitung banyanya melauan lemparan dadu yang dilauan seorang pemain sampai permainannya selesai. Banyanya lemparan yang dilauan oleh setiap pemain dapat bervariasi mulai dari sampai ta hingga. Tetapi pada uji ini mesipun pemain dapat melauan lemparan lebih dari 2 ali, lemparan tetap dianggap sebanya 2 ali sehingga jumlah lemparan hanya aan dielompoan edalam 2 elas. Banyanya lemparan harus berdistribusi chisquare dengan derajat bebas 20. Pseudorandom Number Generator (PRNG) Definisi (Schneier, 996): PRNG adalah pembangit barisan bilangan acasemu, yang membutuhan seed (input) dengan proses pembangitan tiap elemen tergantung dari formulasi matematis yang digunaan pada PRNG tersebut. 28 Volume 2 No. 4 Mei 203

4 Analisis Teoritis dan Empiris Uji Craps dari Diehard Battery of Randomness Test untu Pengujian Proses pembangitan tiap elemen dari PRNG memilii hubungan linier sesuai fungsi matematis yang digunaan, sehingga untu meminimalisir elinierannya, digunaan fungsi non-linier dan pengaturan parameter inputnya. Untu memenuhi sifat unpredictable, pada umumnya PRNG menggunaan input berupa barisan bit aca yang berasal dari suatu RNG. Terdapat tiga tipe PRG berdasaran prinsip erjanya yaitu : a. Tipe Linear Tipe ini berdasaran pada hubungan linear yang berulang yang digunaan untu menghitung nilai selanjutnya dari nilai sebelumnya. Salah satu contoh PRNG bertipe Linear adalah Multiply with Carry Generator (MWC). b. Tipe Shift Register Tipe ini mengambil beberapa nilai yang berurutan dari suatu multiple recursive generator (MRG) untu mengonstrusi output selanjutnya. Contoh PRNG bertipe shift register adalah shift register generator 3 bit dan shift register generator 32 bit. c. Tipe Nonlinear Tipe PRNG yang tida menghasilan strutur berpola dan menghasilan output yang berlau seperti barisan yang aca nyata hampir di seluruh periode. Salah satu contoh PRNG bertipe nonlinear adalah inverse congruential generator (ICG). METODE PENELITIAN Penelitian ini terdiri atas dua tahap yaitu penelitian secara teoritis dan secara empiris. Beriut penjelasan dari edua metode tersebut. Penelitian Secara Teoritis Penelitian secara teoritis dilauan terhadap statisti uji craps bai uji maupun uji 2 dengan menerapan berbagai teori statisti terhadap uji-uji tersebut Penelitian Secara Empiris Data yang digunaan pada penelitian ini merupaan data simulasi yang berasal dari 0 PRNG yang berasal dari tiga tipe PRNG. Kesepuluh PRNG beserta parameternya seperti yang diperlihatan pada Tabel. Jumlah data yang dibangitan oleh esepuluh PRNG tersebut sebesar Mbyte (Marsaglia,985). Tabel. Sepuluh PRNG dan Parameternya Tipe Nama PRNG Parameter Linear Multiply With MWC- a= x = 9, c = 7 Carry (MWC) MWC- 2 a= x=9, c=7 MWC- 3 a= x=9, c=7 Shift Shift SRG3- L=3, R=8 Register Register Generator SRG3- L=8, R=3 (SRG) 3 Bit 2 SRG3- L=24, R=7 3 Shift Register SRG32- Shift Register 7 dan 5 Generator (SRG) 32 SRG32-2 Shift Register 5 dan 7 Bit SRG32- Shift Register 3 3, 7 dan 5 Nonlinear Inverse Congruential Generator (ICG) a = 9 b = 3 seed = 247 Karena uji craps bertujuan untu menguji sifat eacaan dari suatu PRNG maa sebelum menerapan uji craps terlebih dahulu dilauan pembangitan barisan unci sebesar Megabyte dari etiga PRNG tersebut. Kedua statisti uji craps digunaan untu menghitung p-value. P- value ini selanjutnya aan dibandingan dengan tingat epercayaan (α). Tingat epercayaan yang digunaan dalam penelitian ini adalah 0,00. Jia p value α maa hipotesis nol diterima atau barisan diataan aca. Jia p value < α maa hipotesis nol ditola atau barisan diataan tida aca. PEMBAHASAN Analisis Teoritis Pada tahap ini dilauan analisis teoritis dengan menerapan berbagai teori statisti terhadap proses pembentuan statisti uji pada edua statisti uji yang terdapat dalam uji craps. Hasil analisisnya adalah sebagai beriut. a. Proses pembentuan statisti uji pada uji Misalan : G adalah jumlah permainan, N adalah banyanya lemparan, X i, Y i adalah outcome pada lemparan e-i, Z i = X i + Y i adalah jumlah score pada lemparan e-i, I adalah indiator etia menang yang dinyataan dengan :, jia menang I = { 0, jia alah A adalah ejadian mendapat mata dadu berjumlah 7 atau Jurnal CAUCHY ISSN:

5 Sari Agustini Hafman dan Arif Fachru Rozi B adalah ejadian mendapat mata dadu berjumlah 4 pada lemparan e- dan e-2 C adalah ejadian mendapat mata dadu berjumlah 5 pada lemparan e- dan e-2 D adalah ejadian mendapat mata dadu berjumlah 6 pada lemparan e- dan e-2 E adalah ejadian mendapat mata dadu berjumlah 8 pada lemparan e- dan e-2 F adalah ejadian mendapat mata dadu berjumlah 9 pada lemparan e- dan e-2 G adalah ejadian mendapat mata dadu berjumlah 0 pada lemparan e- dan e-2 Probabilitas memperoleh mata dadu berjumlah 2,3,4,..., 2 pada lemparan pertama diperoleh sebagai beriut : P(Z = 2) = P(Z = 2) = P(Z = 3) = P(Z = ) = 2 P(Z = 4) = P(Z = 0) = 3 P(Z = 5) = P(Z = 9) = 4 P(Z = 6) = P(Z = 8) = 5 P(Z = 7) = 6 (3) Probabilitas jumlah emenangan pada permainan craps diperoleh dari : ) probabilitas memperoleh mata dadu bernilai 7 atau pada lemparan pertama dari dua dadu P(A) = P(Z = 7) + P(Z = ) = 2 9 2) probabilitas memperoleh mata dadu bernilai sama (4,5,6,8,9 atau 0) bai pada lemparan pertama atau edua P(B) = P(Z = 4) P(I = Z = 4) P(Z = 4) = P(Z = 4) P(Z = 4) + P(Z = 7) = = P(C) = P(Z = 5) P(I = Z = 5) = = 2 45 P(D) = P(Z = 6) P(I = Z = 6) = 5 5 = P(E) = P(Z = 8) P(I = Z = 8) = = P(F) = P(Z = 9) P(I = Z = 9) = = 2 45 P(G) = P(Z = 0) P(I = Z = 0) = = P(I = ) = = sehingga P(I = 0) = Karena jumlah emenangan saat permainan craps diulang sebanya atau G = merupaan peubah aca binom dengan p = maa diperoleh μ = = 98585,86 σ 2 = Dengan menggunaan teorema diperoleh statisti uji pada uji yaitu zscore = X np npq = X 98585, Berdasaran central limit theorem, untu n distribusi dari zscore = X 98585,86 mendeati N(0,) b. Proses pembentuan statisti uji pada uji 2 Pada proses pembentuan statisti uji pada uji 2, terlebih dahulu harus dihitung probabilitas dari jumlah lemparan yang mungin dilauan seorang pemain. Seperti yang telah dijelasan sebelumnya jumlah lemparan dielompoan edalam 2 elas mulai dari elas yang merepresentasian pemain hanya dapat melauan lemparan sebanya satu ali atau dengan ata lain alah pada lemparan pertama atau menang pada lemparan pertama. Diataan alah pada lemparan pertama yaitu etia jumlah mata dadu pada lemparan pertama bernilai 2, 3 atau 2, sedangan diataan menang pada lemparan pertama adalah etia mata dadu bernilai 7 atau. Kelas yang lain yaitu elas 2 sampai 2 terjadi etia jumlah mata dadu bernilai sama (4,5,6,8,9 atau 0) pada lemparan pertama, edua dan seterusnya. Beriut adalah proses pembentuan statisti ujinya. ) Untu elas (N = ) Karena probabilitas melempar hanya ali adalah P(N = Z = z) =. maa probabilitas elas adalah P(N = ) = P(Z = 2) P(N = Z = 2) +P(Z = 3) P(N = Z = 3) +P(Z = 2) P(N = Z = 2) +P(Z = 7) P(N = Z = 7) +P(Z = ) P(N = Z = ) = Volume 2 No. 4 Mei 203

6 Analisis Teoritis dan Empiris Uji Craps dari Diehard Battery of Randomness Test untu Pengujian + 2 = 2 Setelah probabilitas dari elas e- diperoleh maa dapat dihitung nilai harapannya etia G = yaitu E(N = ) = P(N = ) = = 66666,7 2) Untu elas yang lain (N = n) dengan n = 2,3,,20 Probabilitas melempar sebanya n ali merupaan distrisbusi geometri sehingga P(N = n Z = z) = P Z=z ( P Z=z ) (n ) = P Z=z ( P Z=z untu n = 2,3,,20 dengan P Z=z adalah probabilitas permainan berahir saat muncul jumlah mata dadu 7(Z = 7) yang pertama. Sehingga P Z=z = P(Z = z) + P(Z = 7). maa untu z = 4,5,6,8,9,0 diperoleh P Z=4 = P(Z = 4) + P(Z = 7) = 3 = 9 P Z=5 = P(Z = 5) + P(Z = 7) = 4 = 0 P Z=6 = P(Z = 6) + P(Z = 7) = 5 = P Z=8 = P(Z = 8) + P(Z = 7) = 5 = P Z=9 = P(Z = 9) + P(Z = 7) = 4 = 0 P Z=0 = P(Z = 0) + P(Z = 7) = 3 = 9 Probabilitas elas e-n adalah P(N = n) = P(Z = 4) P(N = n Z = 2) +P(Z = 5) P(N = n Z = 5) +P(Z = 6) P(N = n Z = 6) +P(Z = 8) P(N = n Z = 8) +P(Z = 9) P(N = n Z = 9) +P(Z = 0) P(N = n Z = 0) arena P(Z = 4) = P(Z = 0)dan P(N = n Z = 4) = P(N = n Z = 0) serta P(Z = 5) = P(Z = 9)dan P(N = n Z = 5) = P(N = n Z = 9), maa P(N = n) = 2 P(Z = 4) P(N = n Z = 4) + 2 P(Z = 5) P(N = n Z = 5) + 2 P(Z = 6) P(N = n Z = 6) = 2 P(Z = 4) P Z=4 ( P Z=4 +2 P(Z = 5) P Z=5 ( P Z=4 +2 P(Z = 6) P Z=6 ( P Z=4 = ( ( ( = 24 ( 3 4 )n ( ( 25 untu n = 2,3,4,,20 Tabel 2 Probabilitas dan Nilai Harapan dari Kelas e-2 s.d. Kelas e-20 Kelas e- Probabilitas Nilai Harapan n P (N=n) E (N=n) 2 0, ,3 3 0, ,7 4 0, ,5 5 0, ,4 6 0, ,5 7 0, ,0 8 0, , 9 0, ,9 0 0, ,3 0, ,3 2 0, ,7 3 0, ,7 4 0, , 5 0, ,8 6 0, ,2 7 0, ,5 8 0, ,8 9 0, ,0 20 0, ,2 Seperti pada elas e- maa setelah diperoleh probabilitas dari masing-masing elas maa dapat dihitung nilai harapannya etia G = yaitu E(N = n) = P(N = n) untu n = 2,3,4,,20. Probabilitas dan nilai harapan dari elas e-2 s.d. e-20 ditampilan pada Tabel 2. 3) Untu elas e-2 (N = 2) Pada uji 2 diasumsian lemparan di atas 2 ali memilii emunginan yang ecil untu terjadi (seperti yang ditunjuan pada Tabel 3) maa mesipun pemain dapat melauan lemparan lebih dari 2 ali, lemparan tersebut dimasuan dalam elas e-2. Aibatnya probabilitas elas e-2 merupaan gabungan dari probabilitas etia lemparan mencapai 2 ditambah probabilitas etia lemparan diatas 2 ali atau dapat dihitung sebagai beriut : P(N = 2) = [P(N = ) + P(N = 2) + + +P(N = 20)] = 0,004 Jurnal CAUCHY ISSN:

7 Sari Agustini Hafman dan Arif Fachru Rozi sehingga nilai harapan elas e-2 etia G = yaitu E(N = 2) = ,004 = 287, Tabel 3 Probabilitas Kelas e-2 s.d. Kelas e-35 Kelas e- Probabilitas n P (N=n) 2 0, , , , , ,03E ,88E ,3E ,6E ,32E-05 3,7E-05 32,25E ,9E ,77E ,98E-06 Karena banyanya lemparan merupaan data bersala nominal dan tujuan dari uji adalah untu mengetahui apaah banyanya lemparan membentu distribusi seperti yang diharapan untu suatu barisan aca maa staisti uji yang digunaan adalah chi-square goodness of fit yang dinyataan dengan persamaan : 2 chisq = (O n E(N = n)) 2 n= dengan derajat bebas 20. E(N = n) Berdasaran prosedur uji chi-square goodness of fit yaitu nilai freuensi harapan tiap elas e i 5 maa pada uji 2 jumlah permainan yang harus dilauan minimal harus lebih dari atau sama dengan 945 ali atau G 945. Karena probabilitas elas bervariasi maa nilai yang diambil sebagai rujuan adalah probabilitas terecil. Dari elas e- s.d. elas e-2 probabilitas terecil dimilii oleh elas e-20 yaitu 0, Buti : e i = G P(N = n) dengan minimal P(N = 2) = 0, maa 5 = G 0, sehingga minimal G = 5 = 944,8485 = , p adalah notasi untu proporsi. Basic step : p(945) benar arena 945 0, = 5, Inductive step : misalan p(g) benar sehingga G 0, maa aan ditunjuan bahwa saat p(g + ) juga benar. p(g + ): (G + ) 0, (G + ) 0, = (G 0, ) +(0, ) 5 Menurut hipotesis indusi G 0, sedangan untu G > 945, nilai 0, lebih besar dari 0 sehingga 0, aan memperbesar nilai di ruas anan persamaan. Aibatnya (G 0, ) + (0, ) 5 jelas benar. Jadi G pada uji 2 adalah G 945. Pada uji 2 ini, Marsaglia mereomendasian menggunaan G yang lebih besar dari 945 yaitu (Marsaglia and Tsang, 2002). Analisis Empiris Hasil pengujian dengan menggunaan dua uji dari uji craps pada sepuluh PRNG ditampilan bai dalam bentu tabel maupun gambar. Tabel 4 memperlihatan hasil pengujian dengan menggunaan uji craps e- pada sepuluh PRNG. Tabel 4. Hasil Pengujian dengan Menggunaan Uji Craps e- Generator Uji z-score P-value Ket. MWC- -3,269 0,00054 td aca MWC-2-0,053 0,47885 aca MWC-3-0,63 0,26435 aca SRG3- -0,83 0,2029 aca SRG3-2 2,52 0,98430 aca SRG3-3 -0,78 0,42925 aca SRG32-0,269 0,60603 aca SRG32- -0,286 0,38759 aca SRG32-3 0,269 0,60603 aca ICG 0,73 0,76720 aca Pada Tabel 4 terlihat bahwa hanya PRNG MWC- yang tida lulus uji craps e- sedangan esembilan PRNG yang lain lulus uji tersebut. Hal ini arena jumlah emenangan sebenarnya (hasil observasi) MWC- memilii nilai yang jauh lebih ecil dari jumlah emenangan harapan dengan selisih sebesar 730,86. Berbeda dengan esembilan PRNG lain yang memilii selisih tida terlalu jauh dari nilai harapan yaitu -85,86 s.d. 48,4. Informasi mengenai jumlah emenangan observasi dan jumlah harapan esepuluh PRNG tersebut ditampilan pada Tabel 5. Berdasaran informasi yang diperoleh dari Tabel 4 dan Tabel 5 terlihat bahwa uji craps e- cuup efetif untu 222 Volume 2 No. 4 Mei 203

8 Analisis Teoritis dan Empiris Uji Craps dari Diehard Battery of Randomness Test untu Pengujian mendetesi bentu distribusi dan independensi barisan yang dihasilan suatu PRNG. Tabel 5 Jumlah Kemenangan vs Jumlah Harapan dari Sepuluh PRNG Nama PRNG Jumlah Menang Observasi Harapan Selisih MWC ,86-730,86 MWC ,86 -,86 MWC ,86-40,86 SRG ,86-85,86 SRG ,86 48,4 SRG ,86-39,86 SRG ,86 60,4 SRG ,86-63,86 SRG ,86 60,4 Hasil pengujian pada esepuluh PRNG dengan menggunaan uji craps e-2 diperlihatan pada Tabel 6. Pada Tabel 6 terlihat bahwa seluruh PRNG lulus uji e-2. Hal ini arena nilai observasi pada tiap elas tida berbeda jauh dengan nilai harapannya. Sebagai contoh ditampilan hasil pengujian dengan menggunaan uji craps e-2 pada PRNG MWC- secara lengap pada Tabel 7. Tabel 6 Hasil Pengujian dengan Menggunaan Uji Craps e-2 Generator Uji 2 chisq P-value Ket. MWC- 26,69 0, aca MWC-2 22,55 0, aca MWC-3 9,82 0, aca SRG3-5,48 0,25595 aca SRG3-2 8,4 0, aca SRG3-3 26,39 0, aca SRG32-6,33 0, aca SRG32-6 0, aca SRG32-3 6,33 0, aca ICG 9 0,4785 aca Pada Tabel 7 terlihat bahwa nilai observasi pada tiap elas tida berbeda jauh dengan nilai yang diharapan yaitu antara -205, s.d. 259,7. Hal tersebut diperuat dengan Gambar. Pada Gambar terlihat bahwa banyanya lemparan sebenarnya (hasil observasi) dengan nilai harapan tiap elas tida memilii selisih yang terlalu jauh Gambar Grafi Banyanya Lemparan vs Nilai Harapan Tiap Kelas pada MWC- Berdasaran informasi dari Tabel 6 dan Tabel 7 serta Gambar, terlihat bahwa uji craps e-2 cuup efetif untu mendetesi bentu distribusi dan independensi barisan yang dihasilan suatu PRNG. PENUTUP Berdasaran hasil penelitian yang telah dilauan maa dapat disimpulan bahwa : Tabel 7 Hasil Pengujian dengan Menggunaan Uji Craps e-2 pada MWC Generator- Kelas Observed Expected Chisq Sum Pada uji craps e-, jumlah emenangan saat permainan craps merupaan peubah aca binom sehingga dengan menggunaan central limit theorem diperoleh bahwa statisti uji e- mendeati distribusi normal bau. 2. Statisti uji yang digunaan pada uji craps e- 2 adalah uji chi-square goodness of fit dengan distribusi hipotesis adalah distribusi Jurnal CAUCHY ISSN:

9 Sari Agustini Hafman dan Arif Fachru Rozi multinomial arena banyanya lemparan yang dihitung pada uji craps e-2 merupaan data bersala nominal yang terdiri dari 2 elas dan tujuan dari uji e-2 adalah untu mengetahui apaah banyanya lemparan membentu distribusi seperti yang diharapan untu suatu barisan aca. 3. Sesuai dengan prosedur uji chi-square goodness of fit maa jumlah permainan yang harus dilauan pada uji craps e-2 minimal harus lebih atau sama dengan 945 ali. 4. Hasil pengujian terhadap sepuluh PRNG yang berasal dari tiga tipe PRNG yang berbeda menunjuan uji craps bai uji maupun uji- 2 cuup efetif untu mendetesi bentu distribusi dan independensi barisan yang dihasilan suatu PRNG. REFERENSI [] Kerchoffs A., (883), La Cryptographic Militaire. Journal des Sciences Militaires IX [2] Marsaglia G., (985), A current view of random number generator, Keynote Addres, Proc.Statistics and Computer Science : 6 th Symposium on the Interface, Atlanta. [3] Marsaglia G. & Tsang W.W., (2002), Some dificult-to-pass of randomness, Journal of Statistical Software. 7, Issue 3. [4] Schneier B., (996), Applied Cryptography : Protocols, Algorithms and Source Code in C 2 nd Edition, John Wiley & Sons, Canada. [5] Soejati Z., (985), Metode Statistia 2 Edisi, Universitas Terbua, Jaarta. 224 Volume 2 No. 4 Mei 203

ANALISIS TEORITIS DAN PENERAPAN UJI AUTOKORELASI DARI FIVE BASIC TEST UNTUK MENGUJI KEACAKAN BARISAN BIT

ANALISIS TEORITIS DAN PENERAPAN UJI AUTOKORELASI DARI FIVE BASIC TEST UNTUK MENGUJI KEACAKAN BARISAN BIT ANALISIS TEORITIS DAN PENERAPAN UJI AUTOKORELASI DARI FIVE BASIC TEST UNTUK MENGUJI KEACAKAN BARISAN BIT Sari Agustini Hafman dan Arif Fachru Rozi Lembaga Sandi Negara E-mail: sari.hafman@lemsaneg.go.id,

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

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

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

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 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

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

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

( 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

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

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

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

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

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure

UJI 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 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 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

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

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

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

MENGHITUNG 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

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

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,

Lebih terperinci

Sah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)

Sah 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 terperinci

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

Uji 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 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

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

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

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

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

( 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

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

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

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak

KORELASI 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 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

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

KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W

KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W J. Math. and Its Appl. ISSN: 1829-605X Vol. 8, No. 2, November 2011, 43 49 KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W Sunarsini. 1, Sadjidon 2 Jurusan

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

OSN 2014 Matematika SMA/MA

OSN 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 terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

MENYELESAIKAN 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 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

ANALISIS VARIANSI (ANOVA)

ANALISIS 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 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

2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data

2. 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 terperinci

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.

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

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.

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

ANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution

ANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution Jurnal Bareeng Vol. 8 No. Hal. 5 0 (04) ANALISIS PRBANDINGAN OMULAN TRHADAP BBRAPA JNIS DISTRIBUSI HUSUS Analysis of Comulans Comparative on some Types of Special Distribution ABRAHAM ZACARIA WATTIMNA,

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA . Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.

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

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

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah

Lebih terperinci

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor

MATA 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 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

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

ANALISIS DISKRIMINAN

ANALISIS DISKRIMINAN ANALISIS DISKRIMINAN I Prinsip Dasar dan Tujuan Analisis Analisis disriminan adalah salah satu teni statisti yang bisa digunaan pada hubungan dependensi (hubungan antarvariabel dimana sudah bisa dibedaan

Lebih terperinci

Rancangan Petak Terbagi

Rancangan Petak Terbagi Rancangan Peta Terbagi Ade Setiawan 009 Percobaan Split-plot merupaan superimpose dari dua jenis satuan percobaan dimana rancangan lingungan untu eduanya bisa sama ataupun berbeda. Satuan percobaan untu

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

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi

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

BAB ELASTISITAS. Pertambahan panjang pegas

BAB ELASTISITAS. Pertambahan panjang pegas BAB ELASTISITAS 4. Elastisitas Zat Padat Dibandingan dengan zat cair, zat padat lebih eras dan lebih berat. sifat zat padat yang seperti ini telah anda pelajari di elas SLTP. enapa Zat pada lebih eras?

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

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo

Lebih terperinci

KARAKTERISTIK POHON FUZZY

KARAKTERISTIK 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 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

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

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

Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection

Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna atif Detection CDMA dengan Modulasi Quadrature Phase Shift Keying Berbasis Perangat Luna Saretta Nathaniatasha

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

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

Ukuran Pemusatan Data

Ukuran Pemusatan Data Uuran Pemusatan Data Atina Ahdia, S.Si., M.Si. Universitas Islam Indonesia Uuran Pemusatan Data 1. Mean (rata-rata) 2. Median (nilai tengah) 3. Modus Mean 1. Rata-rata Hitung Misalan terdapat N observasi,

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

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15

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

PEBANDINGAN 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 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 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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Tinjauan Pustaa Untu menacapai tujuan penulisan sripsi, diperluan beberapa pengertian dan teori yang relevan dengan pembahasan. Karena itu, dalam subbab ini aan diberian beberapa

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen

Lebih terperinci

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA

SUATU 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 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

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

2.1 Bilangan prima dan faktorisasi prima

2.1 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 terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye

Lebih terperinci

METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET

METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET Maryanti 1, Nana Juhana, ST. 1, Manahan P.Siallagan S.Si, MT. 1 1) Jurusan Teni Informatia, FT, UNIKOM

Lebih terperinci

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership

Lebih terperinci

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia

Lebih terperinci

MATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip

MATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip MAA KULIAH MEODE RUNUN WAKU Oleh : Entit Puspita Nip 08 JURUSAN PENDIDIKAN MAEMAIKA FAKULAS PENDIDIKAN MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS PENDIDIKAN INDONESIA 00 //00 Entit Puspita BEBERAPA KONSEP

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

Tanggapan Waktu Alih Orde Tinggi

Tanggapan Waktu Alih Orde Tinggi Tanggapan Watu Alih Orde Tinggi Sistem Orde-3 : C(s) R(s) ω P ( < ζ (s + ζω s + ω )(s + p) Respons unit stepnya: c(t) βζ n n < n ζωn t e ( β ) + βζ [ ζ + { βζ ( β ) cos ( β ) + ] sin ζ ) ζ ζ ω ω n n t

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

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

Kesesuaian Metode Regresi Nonparametrik Spline, B-spline, dan P-spline dalam Menduga Kurva Regresi

Kesesuaian 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 terperinci

PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN

PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN Murinto Program Studi Teni Informatia Universitas Ahmad Dahlan Kampus III UAD Jl. Prof. Soepomo Janturan

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program

Lebih terperinci

Penentuan Sampling Minimal Dalam Eksperimen Life-Testing menggunakan Order Statistics. Oleh:

Penentuan Sampling Minimal Dalam Eksperimen Life-Testing menggunakan Order Statistics. Oleh: Penentuan Sampling Minimal Dalam Esperimen Life-Testing menggunaan Order Statistics Oleh: Budhi Handoo Staff Pengajar Jurusan Statistia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Padjadjaran

Lebih terperinci

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai Pemodelan Dan Esperimen Untu enentuan Parameter Tumbuan Non Elasti Antara Benda Dengan Lantai Puspa onalisa,a), eda Cahya Fitriani,b), Ela Aliyani,c), Rizy aiza,d), Fii Taufi Abar 2,e) agister Pengajaran

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 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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bagian landasan teori ini aan dibahas materi-materi aa saja yang menunjang materi yang dibahas ada bab selanjutnya. Adaun materi-materi tersebut adalah analisis variansi, metode

Lebih terperinci

Studi dan Analisis Mengenai Pengujian Bilangan Acak: Diehard Battery of Randomness Test

Studi dan Analisis Mengenai Pengujian Bilangan Acak: Diehard Battery of Randomness Test Studi dan Analisis Mengenai Pengujian Bilangan Acak: Diehard Battery of Randomness Paul Gunawan Hariyanto (13504023) Teknik Informatika ITB, Bandung 40132, e-mail: if14023@students.if.itb.ac.id Abstract

Lebih terperinci