BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan
|
|
- Sonny Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu amera digital video da citra, ilai yquist-rate sagat tiggi sehigga meghasila jumlah data yag baya sehigga pemampata sagat diperlua sebelum data disimpa atau diirima. Pada apliasi-apliasi lai seperti pecitraa medis da high-speed ADC meigata ecepata pecuplia memerlua biaya yag sagat mahal.. Represetasi da Aprosimasi Represetasi adalah bagaimaa meyataa suatu siyal dalam basis pembetuya. Represetasi siyal satu dimesi adalah meyataa suatu siyal satu dimesi dalam basis pembetuya. Represetasi tida megubah baya data siyal asli. Represetasi dilaua dega harapa suatu siyal diyataa dalam basis pembetu yag tepat sehigga meghasila pemampata atau sparsity. Dega sparsity maa haya sebagia ilai oefisie yag besar yag memuat sebagia besar iformasi dari siyal. Sedaga sebagia besar laiya memilii ilai oefisie yag ecil yag tida memuat iformasi dari siyal sehigga dapat dihilaga. 7
2 8 Rumus represetasi adalah sebagai beriut: f i I α ϕ i i ) Dimaa : f α i ϕ i : suatu siyal : oefisie : basis Basis dalam suatu trasformasi bergua utu merepresetasia sebuah siyal da ilai. Misala pada fourier trasform yag memilii basis sius maa dapat diataa bahwa siyal yag dihasila aa berbetu sius da memilii ilai-ilai tertetu. Basis sius diguaa juga pada teorema samplig yag dapat merepresetasia setiap fugsi yag dibatasi fiite fuctio) da prosesya dapat diselesaia dega sampel-sampel. Selai itu basis juga berpegaruh dalam aprosimasi. Basis yag berbeda dapat memberia ilai aprosimasi yag berbeda pula. Aprosimasi merupaa pedeata dalam megambil suatu data. Data yag diambil haya sebagia sedaga sisa dataya dijadia ol. Ketia melaua aprosimasi maa aa terdapat selisih atara data asli dega data yag diaprosimasi. Selisih ii yag dieal dega sebuta orm error. Beriut adalah betu persamaaya [7] : f t) fˆ t) f t) fˆ t) dt / )
3 9 Aprosimasi dapat dibedaa mejadi dua jeis yaitu: Aprosimasi liier Pada aprosimasi liier sebagia data yag diambil adalah data yag terleta di bagia depa sedaga sisaya dijadia ol. Baya data yag diambil tergatug dari persetase data yag diigia. Cotohya dapat dilihat di bawah ii: Misala terdapat data siyal iput: - 0,03-0,0-0,07-0,0 0, 0,0 0,08-0,43-0,7 0,09 Bila persetase data yag diigia adalah 0 % maa data yag diambil adalah sebaya data. Hal ii didapat dari 0 % dialia dega bayaya jumlah data siyal iput. Dari cotoh di atas jumlah data siyal iput adalah sebaya 0 data. Jadi data yag diambil 0 % x 0 data. Sehigga data siyal iput aa mejadi: - 0,03-0, Aprosimasi oliier Pada aprosimasi oliier sebagia data yag diambil adalah data yag palig besar setelah data-data tersebut diabsoluta. Data-data yag tida diambil dijadia ol. Sama seperti aprosimasi liier baya data yag diambil pada aprosimasi oliier tergatug dari
4 0 persetase data yag diigia. Cotohya dapat dilihat di bawah ii: Misala terdapat data siyal iput: - 0,03-0,0-0,07-0,0 0, 0,0 0,08-0,43-0,7 0,09 Beriut adalah data siyal iput di atas yag telah diabsoluta: 0,03 0,0 0,07 0,0 0, 0,0 0,08 0,43 0,7 0,09 Bila persetase data yag diigia adalah 40 % maa data yag diambil adalah sebaya 4 data. Hal ii didapat dari 40 % dialia dega bayaya jumlah data siyal iput. Dari cotoh di atas jumlah data siyal iput adalah sebaya 0 data. Jadi data yag diambil 40 % x 0 4 data. Sehigga data siyal iput aa mejadi: , 0 0-0,43-0,7 0,09. Sparsity Kebayaa siyal alami memilii represetasi yag padat etia diyataa e dalam basis yag tepat. Sebagai cotoh, pada Gambar. a) da trasformasi wavelet-ya pada Gambar. b). Walaupu hampir seluruh pisel citra memilii ilai tida ol, amu ebayaa oefisie wavelet-ya berilai ecil da haya sediit oefisie yag berilai besar dimaa memuat sebagia besar iformasi dari citra.
5 Gambar. a) Citra asli beruura Megapisel. b) Koefisie-oefisie wavelet. c) Reotrusi citra yag didapata dega haya megguaa oefisie wavelet terbesar. Secara matemati, jia suatu vetor x R yag direpresetasia megguaa basis orthoormal misalya basis wavelet) Ψ [ ψ ψ... ] seperti persamaa beriut: ψ x i siψ i ) t 3) Dimaa s i adalah oefisie dari x didapata dari, s i x, ψ, biasaya i 3) ditulisa dalam betu matris x Ψs dimaa Ψ adalah matris sedaga x da s berupa vetor olom ). Siyal x diataa K-sparse jia haya K dari oefisie-oefisie s berilai tida ol sedaga sejumlah -K) oefisie berilai ol. Jia K <<, maa siyal x diataa compressible [8]. Dega haya megambil oefisie-oefisie berilai besar da megabaia sisaya mejadi prisip dasar pemampata data seperti JPEG-000 da stadar
6 pemampata data laiya [9]. Tei pemampata data seperti di atas disebut dega trasform-codig, walaupu memberia pemampata data yag bai da diguaa pada baya stadar pemampata saat ii, amu memilii etidaefisie-a yaitu pertama jumlah data semula mugi sagat besar walaupu jumlah K ecil, e-dua seluruh oefisie trasformasi harus dihitug walaupu atiya haya sejumlah K oefisie terbesar yag diambil sedaga sisaya dibuag, e-tiga loasi dari K oefisie terbesar tersebut harus disimpa, Gambar. memperlihata etidaefisie-a tersebut [0]. Gambar. Blo diagram stadar trasform-codig yag saat ii diguaa..3 Fourier Trasform Trasformasi Fourier) Dipereala pertama ali oleh Jea Baptiste Joseph Fourier pada tahu 807. Dia meyataa bahwa semua siyal periodi yag otiu dapat diyataa sebagai jumlah dari siyal-siyal siusoidal dega freuesi, amplitudo, da fasa yag tertetu [][]. Dega fourier trasform, suatu siyal
7 3 dalam domai watu dapat direpresetasia e dalam domai freuesi. ilaiilai freuesi dari siyal tersebut dapat dietahui setelah direpresetasia e dalam domai freuesi. amu dalam domai freuesi tida terdapat iformasi watu apa freuesi-freuesi tersebut mucul. Karea hal iilah maa fourier trasform haya coco utu siyal stasioer da tida coco utu siyal o-stasioer. Hal ii disebaba fourier trasform megaalisa siyal dalam eseluruha watu dari awal samplig higga ahir samplig) sehigga mucul asumsi bahwa iformasi freuesi siyal tersebut terjadi dalam setiap watu. Padahal belum tetu freuesi-freuesi tersebut terjadi dalam setiap watu pada siyal tersebut. Iilah yag mejadi euraga dari fourier trasform dalam megaalisa suatu siyal..4 Discrete Cosie Tasform DCT) Discrete Cosie Trasform DCT) merupaa suatu tei yag diguaa utu melaua oversi siyal e dalam ompoe freuesi pembetuya dega cara memperhituga ilai riil dari hasil trasformasiya. Dari amaya dapat dietahui bahwa DCT haya megguaa gelombag cosius cosie waves). DCT merupaa trasformasi yag berhubuga dega fourier trasform, amu DCT haya megguaa bilaga-bilaga riilya [3]. DCT dapat dielompoa mejadi dua yaitu DCT maju da DCT bali.
8 4.4. Discrete Cosie Trasform Maju Forward DCT) Persamaa forward DCT yag diguaa yaitu:, ) ) )cos ) ) x w y π,..., Dimaa,, ) w adalah pajag dari x), x) adalah ilai siyal asli, y) adalah ilai dari forward DCT, x) da y) mempuyai uura yag sama..4. Discrete Cosie Trasform Bali Iverse DCT) Pada iverse DCT dilaua proses reostrusi yaitu megembalia ompoe freuesi mejadi ompoe siyal semula. Persamaa yag diguaa yaitu:, ) ) )cos ) ) y w x π,..., Dimaa,, ) w.4) 5) 6)
9 5 adalah pajag dari y), y) adalah ilai dari forward DCT, x) adalah ilai dari iverse DCT, x) da y) mempuyai uura yag sama..5 Wavelet Trasform Trasformasi Wavelet) Dega berembagya tei-tei aalisa siyal maa mucullah suatu osep baru yag dapat megatasi euraga dari fourier trasform da tei aalisa siyal tersebut diamaa dega Wavelet Trasform. Wavelet trasform mulai dipereala pada tahu 980-a oleh Morlet da Grossma sebagai fugsi matematis utu merepresetasia data atau fugsi sebagai alteratif trasformasi-trasformasi matematia yag lahir sebelumya utu meagai masalah resolusi. Sebuah wavelet merupaa gelombag sigat small wave) yag eergiya terosetrasi pada suatu selag watu utu memberia emampua aalisis trasie, etidastasioera, atau feomea berubah terhadap watu time varyig). Karateristi dari wavelet atara lai adalah berosilasi sigat, traslasi pergesera), da dilatasi sala). Wavelet trasform memilii emampua utu megaalisa suatu data dalam domai watu da domai freuesi secara bersamaa. Aalisa data pada wavelet trasform dilaua dega medeomposisia suatu siyal e dalam ompoe-ompoe freuesi yag berbeda-beda da selajutya masigmasig ompoe freuesi tersebut dapat diaalisa sesuai dega sala resolusiya atau level deomposisiya. Hal ii seperti proses filterig, dimaa siyal dalam domai watu dilewata e dalam low-pass filter LPF) da high-
10 6 pass filter HPF) utu memisaha ompoe freuesi tiggi da freuesi redah [4]. Tahap pertama aalisis wavelet adalah meetua tipe wavelet atau mother wavelet yag aa diguaa. Hal ii perlu dilaua area fugsi wavelet sagat bervariasi. Beberapa cotoh mother wavelet adalah Haar, Daubechies, Biortoghoal, Coiflets, Symlets, Morlet, Mexica Hat, da Meyer. Setelah pemiliha mother wavelet, tahap selajutya adalah membetu basis wavelet yag aa diguaa utu metrasformasia siyal. Berdasara jeis siyal yag diprosesya, wavelet trasform dapat dibagi mejadi dua bagia besar, yaitu Cotiuous Wavelet Trasform CWT) da Discrete Wavelet Trasform DWT)..5. Discrete Wavelet Trasform Trasformasi Wavelet Disrit) Discrete wavelet trasform DWT) secara umum merupaa deomposisi siyal pada freuesi subbad siyal tersebut. Kompoe subbad wavelet trasform dihasila dega cara peurua level deomposisi. Implemetasi DWT dapat dilaua dega cara melewata siyal melalui sebuah LPF da HPF serta melaua dowsamplig pada eluara masig-masig filter seperti yag ditujua pada Gambar.3 [5].
11 7 Gambar.3 Proses DWT. Dimaa : x[] : Siyal asli g[] : Low-Pass Filter LPF) h[] : High-Pass Filter HPF) Keluara dari LPF merupaa oefisie aprosimasi dari DWT da eluara dari HPF merupaa oefisie detail dari DWT. DWT yag diguaa dalam peelitia ii adalah Liftig Wavelet Trasform LWT)..5. Liftig Wavelet Trasform Trasformasi Wavelet Liftig) Liftig wavelet trasform LWT) adalah salah satu bagia dari DWT yag dieala oleh Wim Sweldes. LWT ii emudia disebut sebagai geerasi edua DWT. Pada DWT dilaua proses beberapa filter secara terpisah, sedaga dega LWT operasi proses dibagi da diproses secara bersamaa [6]. Proses pada LWT diamaa dega Predict P) da Update U).
12 8 Gambar.4 Proses LWT. Dapat dilihat pada Gambar.4 bahwa pada proses LWT, proses Predict P) da Update U) dibagi mejadi dua bagia da diproses secara bersamaa. Cara erja LWT seperti iilah yag membuat tei ii lebih efisie dibadiga dega DWT. Dalam peelitia ii, tipe wavelet atau mother wavelet yag aa diguaa adalah jeis Biortoghoal Liftig Wavelet Trasform Maju Forward LWT) Gambar.5 Sema Liftig Wavelet Trasform Maju. Proses forward LWT adalah dega membagi split) siyal Sj yag masu e dalam tahap yaitu utu gajil eve j+ ) da geap odd j+ ). Dimaa pada
13 9 tahap gajil eve j+ ) diambil ilai siyal dari S 0 sampai S/)-, sedaga pada tahap geap odd j+ ) diambil ilai siyal dari S/)- sampai Sj-. Tahap gajil dilaua dega oefisie Predict P) sedaga tahap geap dilaua dega oefisie Update U)..5.. Liftig Wavelet Trasform Bali Iverse LWT) Gambar.6 Sema Liftig Wavelet Trasform Bali. Iverse LWT adalah proses reostrusi yaitu megembalia ompoe freuesi mejadi ompoe siyal semula..6 Mea Square Error MSE) Mea Square Error MSE) merupaa uura otrol ualitas yag diguaa utu megetahui ualitas dari suatu proses. MSE meghitug seberapa besar pergesera data atara siyal sumber da siyal hasil eluara, dimaa siyal sumber da siyal hasil eluara memilii uura yag sama. ilai MSE yag bai adalah medeati ol MSE 0).
14 0 Rumus dari perhituga MSE adalah [7] : MSE i S S e ) 7) Dimaa : MSE : Mea Square Error S : Siyal sumber S e : Siyal Hasil Keluara : Pajag siyal.7 Pea Sigal to oise Ratio PSR) Pea Sigal to oise Ratio PSR) adalah perbadiga atara ilai masimum siyal sumber dega ilai rata-rata uadrat error MSE). ilai PSR yag bai adalah ta higga PSR ). PSR dihitug dalam satua desibel db). Desibel adalah satua yag serigali diguaa dalam meyataa perbedaa relatif euata siyal. Desibel diyataa sebagai logaritmi basis 0 yag merupaa rasio dari dua siyal.
15 Rumus dari perhituga PSR adalah [8] : PSR db) 0x log 0 Max siyal MSE 8) Dimaa : PSRdB) : Pea Sigal to oise Ratio dalam desibel Max Siyal : ilai masimum siyal sumber MSE : Mea Square Error
Representasi sinyal dalam impuls
Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha
Lebih terperinciBab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS
Bab 5 Siyal da Sistem Watu Disrit Oleh: Tri Budi Satoso Laboratorium Siyal, EEPIS-ITS Materi: Represetasi matemati pada siyal watu disrit, domai watu da freuesi pada suatu siyal watu disrit, trasformasi
Lebih terperinciBab 6: Analisa Spektrum
BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi
Lebih terperinciSinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit
Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit
Lebih terperinciMACAM-MACAM TEKNIK MEMBILANG
0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA
Lebih terperinciPenggunaan Transformasi z
Pegguaa Trasformasi pada Aalisa Respo Freuesi Sistem FIR Oleh: Tri Budi Satoso E-mail:tribudi@eepis-its.eduits.edu Lab Siyal,, EEPIS-ITS ITS /3/6 osep pemiira domais of represetatio Domai- discrete time:
Lebih terperinciTEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS
Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia
Lebih terperinciMASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?
Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai
Lebih terperinciGambar 3.1Single Channel Multiple Phase
BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag
Lebih terperinciBAB 2 LANDASAN TEORI. linear antara atom-atom (tiap kolom dalam matriks sebuah dictionary), dengan
BAB 2 LADASA TEORI 2.1 Represetasi da Sparsity Represetasi siyal adalah suatu koefisie yag meyataka suatu siyal dalam betuk siyal basis. Represetasi siyal diperoleh dari hubuga kombiasi liear atara atom-atom
Lebih terperinciBAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.
BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.
Lebih terperinciBAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)
BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil
Lebih terperinciMAKALAH TEOREMA BINOMIAL
MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciBARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.
BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciPEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)
PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar
Lebih terperinciBAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial
5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial
Lebih terperinciMODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng
MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag
Lebih terperinciPENGHALUSAN DERAU PADA PENERIMAAN SINYAL VIDEO TELEVISI BERWARNA MENGGUNAKAN METODE WAVELET
PENGHALUSAN DERAU PADA PENERIMAAN SINYAL VIDEO TELEVISI BERWARNA MENGGUNAKAN METODE WAVELET Bledug Kusuma P. * Fathul Qodir *, Nurul Qhomariyah ** * Tei Eletro FT Uiversitas Muhammadiyah Yogyaarta Jala
Lebih terperinciMODUL BARISAN DAN DERET
MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5
Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah
Lebih terperinciBAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi
BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag
Lebih terperinciAplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier
Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg
Lebih terperinciPerluasan Uji Kruskal Wallis untuk Data Multivariat
Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia
Lebih terperinciSifat-sifat Fungsi Karakteristik dari Sebaran Geometrik
Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu
Lebih terperinciBAB 6 NOTASI SIGMA, BARISAN DAN DERET
BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat
Lebih terperinciMASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI
Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa
Lebih terperinciBab 16 Integral di Ruang-n
Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinci7. Perbaikan Kualitas Citra
7. Perbaia Kualitas Citra Perbaia ualitas citra (image ehacemet) merupaa salah satu proses awal dalam pegolaha citra (image preprocessig). Perbaia ualitas diperlua area serigali citra yag diadia obe pembahasa
Lebih terperinciPERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR
Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri
Lebih terperinci3. Integral (3) (Integral Tentu)
Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag
Lebih terperinciBAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ,
BAB II TINJAUAN PUSTAKA.1 Pedahulua Dalam peulisa materi poo dari sripsi ii diperlua beberapa teori-teori yag meduug, yag mejadi uraia poo pada bab ii. Uraia dimulai dega membahas distribusi ormal da distribusi
Lebih terperinciBAHAN AJAR DIKLAT GURU MATEMATIKA
BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...
Lebih terperinciPEMBUKTIAN SIFAT RUANG BANACH PADA D(K)
JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this
Lebih terperinciKonvolusi pada Distribusi dengan Support Kompak
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia
Lebih terperinciMetode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu
Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug
Lebih terperinci1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi
Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap
Lebih terperinciCOMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION
COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION Endra 1 ; Gusandy 2 ; Kurniawaty 3 ; Yenny Lan 4 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, BINUS University, Jakarta Jln K.H. Syahdan
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983)
I PENDAHULUAN Latar Belaag Permasalaha ebiaa pemaea ia yag memberia eutuga masimum da berelauta (tida teradi epuaha dari populasi ia yag dipae) adalah hal yag sagat petig bagi idustri periaa Para ilmuwa
Lebih terperinciSIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL
SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL Edag Habiuddi (Staf Pegajar UP MKU Politei Negeri Badug (Email : ed_.hab@yahoo.co.id ABSTRAK Sistem ragaia listri RLC seri
Lebih terperinciPeluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes
eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =
Lebih terperinciPENGEDITAN DETIL KURVA DENGAN METODE CURVE ANALOGIES MENGGUNAKAN PUSTAKA KURVA MULTIRESOLUSI
PENGEDITAN DETIL KURVA DENGAN METODE CURVE ANALOGIES MENGGUNAKAN PUSTAKA KURVA MULTIRESOLUSI Nai Suciati, Rizy Yuiar Hau Jurusa Tei Iformatia, Faultas Teologi Iformasi, Istitut Teologi Sepuluh Nopember
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciPENGOLAHAN SINYAL DIGITAL. Modul 5. Sistem Waktu Diskret dan Aplikasi TZ
PENGOLHN SINL DIGITL Modul 5. Sistem Watu Disret da pliasi TZ Cotet Overview Sistem Watu Disrit Sstem Properties Shift Ivariace, Kausalitas, Stabilitas diaita dega TZ Trasformasi sistem dari persamaa differece
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciSTUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS
STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas
Lebih terperinciPenulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed.
PAKET FASILITASI PEMBERDAYAAN KKG/MGMP MATEMATIKA Pembelajara Barisa, Deret Bilaga da Notasi Sigma di SMA Peulis: Dra. Puji Iryati, M.Sc. Ed. Peilai: Al. Krismato, M.Sc. Editor: Sri Purama Surya, S.Pd,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Tempat da Watu Peelitia Peelitia megeai Kepuasa Kosume Restora Gampoeg Aceh, dilasaaa pada bula Mei 2011 higga Jui 2011. Restora Gampoeg Aceh, bertempat di Jl Pajajara, Batarjati,
Lebih terperinciPemilihan Kapasitas Dan Lokasi Optimal Kapasitor Paralel Pada Sistem Distribusi Daya Listrik
ELECTRICIAN Jural Reayasa da Teologi Eletro 0 Pemiliha Kapasitas Da Loasi Optimal Paralel Pada Sistem Distribusi Daya Listri Osea Zebua Jurusa Tei Eletro, Faultas Tei, Uiversitas Lampug Jl. Prof. Sumatri
Lebih terperinciTugas Akhir (SI-40Z1) Evaluasi Perbandingan Konsep Desain Dinding Geser Tahan Gempa Berdasarkan SNI Beton Bab III Studi Kasus BAB III STUDI KASUS
BAB III STUDI KASUS. Sistem Strutur Prototipe Pada tugas ahir ii aa dilaua evaluasi hasil desai didig geser dega dua osep desai ag berbeda aitu osep desai berdasara gaa dalam da osep desai apasitas. Strutur
Lebih terperinciDeret Fourier. Modul 1 PENDAHULUAN
Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi
Lebih terperinciModel Antrian Multi Layanan
Jural Gradie Vol. No. Juli : 8- Model Atria Multi Layaa Sisa Yosmar Jurusa Matematia, Faultas Matematia da Ilmu egetahua Alam, Uiversitas Begulu, Idoesia Diterima 9 April; Disetujui 8 Jui Abstra - Salah
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan
BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii bertujua utu megetahui ada tidaya peigata emampua siswa dalam pealara setelah megguaa model pembelajara berbasis masalah terstrutur dalam pembelajara
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciTeorema Nilai Rata-rata
Nilai Kus Prihatoso April 27, 2012 Yogyakarta Nilai Suatu Fugsi Masih igatkah ada tetag ilai rata-rata dari sekmpula bilaga? Berapakah ilai rata-rata dari sebayak bilaga y 1, y 2,..., y? Nilai Suatu Fugsi
Lebih terperinciPENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL
PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL Ahma Sya roi, M Natsir, Eag Lily E-mail: Arolativa@yahoocom Mahasiswa Program S Matematia Dose Jurusa Matematia
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Risio Operasioal.1.1 Defiisi Dewasa ii risio operasioal semai diaui sebagai salah satu fator uci yag perlu dielola da dicermati oleh para pelau usaha, hususya di bidag jasa euaga.
Lebih terperinciMENGUJI KEMAKNAAN SAMPEL TUNGGAL
MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciMakalah Tugas Akhir. Abstract
Maalah Tugas Ahir IDENTIFIKASI JENIS PENYAKIT KULIT BERDASARKAN ANALISIS WARNA DAN TEKSTUR PADA CITRA KULIT MENGGUNAKAN KLASIFIKASI K-NEAREST NEIGHBOR Faris Fitriato 1, R Rizal Isato 2, Ajub Ajulia Zahra.
Lebih terperinciSISTEM LINIER. Oleh : Kholistianingsih, S.T., M.Eng. lts 1
SISTEM LINIER Oleh : Kholistiaigsih, S.T., M.Eg. lts 1 2 Isyarat Waktu Diskrit di kawasa waktu. 2.1 Represetasi Isyarat Waktu Diskrit 2.2 Klasifikasi Rutu 2.3 Rutu rutu Dasar 2.4 Operasi di kawasa waktu
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciMASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN
MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN Adam Priyo Hartoo 1), Farida Haum 2), Toi Bahtiar 3) 1)2)3) Departeme Matematia, FMIPA, Istitut Pertaia Bogor Kampus
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciSolusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP
( Metode Beda Higga ) December 9, 2013 Sebuah persamaa differesial apabila didiskritisasi dega metode beda higga aka mejadi sebuah persamaa beda. Jika persamaa differesial parsial mempuyai solusi eksak
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciMengkaji Perbedaan Diagonalisasi Matriks Atas Field dan Matriks Atas Ring Komutatif
Megaji Perbedaa Diagoalisasi Matris Atas Field da Matris Atas Rig Komutatif Teorema : Jia A adalah matris x maa eryataa eryataa beriut eivale satu sama lai : a A daat didiagoalisasi b A memuyai vetor eige
Lebih terperinciJurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal
Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal. 61 68 ANALISIS FAKTOR-FAKTOR YANG MEMPERNGARUHI KANKER LEHER RAHIM DI KOTA AMBON DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (Studi asus: Pasie
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinciAnalisis dan Visualisasi Representasi Deret Fourier Gelombang Sinyal Periodik Menggunakan MATLAB
ELECRICIAN Jural Rekayasa da ekologi Elektro Aalisis da Visualisasi Represetasi Deret Fourier Gelombag Siyal Periodik Megguaka MALAB Ahmad Saudi Samosir Jurusa ekik Elektro Uiversitas Lampug, Badar Lampug
Lebih terperinciBAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012)
BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di ota Maassar pada tahu 003 sampai tahu 0) PAISAL, H, HERDIANI, E.T. DAN SALEH, M 3 Jurusa Matematia, Faultas
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI III.1 Peambaga Teks (Text Miig) Text Miig memiliki defiisi meambag data yag berupa teks dimaa sumber data biasaya didapatka dari dokume, da tujuaya adalah mecari kata-kata yag dapat
Lebih terperinciGerak Brown Fraksional dan Sifat-sifatnya
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 S - 3 Gera Brow Frasioal da Sifat-sifatya Chataria Ey Murwaigtyas, Sri Haryatmi, Guardi 3, Herry P Suryawa 4,,3 Uiversitas Gadjah Mada,4 Uiversitas
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciKALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN
KALKULUS Dra. D. L. Crispia Pardede DEA. SARMAG TEKNIK MESIN KALKULUS - SILABUS. Deret Fourier.. Fugsi Periodik.2. Fugsi Geap da Gajil.3. Deret Trigoometri.. Betuk umum Deret Fourier.. Kodisi Dirichlet.6.
Lebih terperinciANALISIS KESALAHAN Deskripsi : Objektif : 6.1 Pendahuluan 6.2 Koefesien Kesalahan Statik
96 VI ANALISIS ESALAHAN Desrisi : Bab ii memberia gambara tetag aalisis esalaha da eeaa ada sistem edali yag terdiri dari oefesie esalaha stati, oefesie esalaha diami da aalisis eeaa sistem Objetif : Memahami
Lebih terperinciKOMPUTASI ALIRAN FLUIDA DINAMIK DENGAN CITRA DIGITAL DAN PIV (PARTICLE IMAGE VELOCIMETRY), KHUSUSNYA DALAM APLIKASI NUKLIR. Muhammad Arifin Sanusi *
KOMPUTASI ALIRA FLUIDA DIAMIK DEGA CITRA DIGITAL DA PIV PARTICLE IMAGE VELOCIMETRY KHUSUSYA DALAM APLIKASI UKLIR Muhammad Arifi Sausi * ABSTRAK KOMPUTASI ALIRA FLUIDA DIAMIK DEGA CITRA DIGITAL DA PIV PARTICLE
Lebih terperinciKeywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual-
Jural MIPA FST UNDANA, Volume 2, Nomor, April 26 DUAL-, DUAL- DAN DUAL- DARI RUANG BARISAN CS Albert Kumaereg, Ariyato 2, Rapmaida 3,2,3 Jurusa Matematia, Faultas Sais da Tei Uiversitas Nusa Cedaa ABSTRACT
Lebih terperinciSINYAL WAKTU Pengolahan Sinyal Digital Minggu II
SINYAL WAKTU Pegolaha Siyal Digital Miggu II 24 Goodrich, Tamassia PENDAHULUAN Defiisi Siyal x(t) Fugsi dari variabel bebas yag memiliki ilai real/skalar yag meyampaika iformasi tetag keadaa atau ligkuga
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperincix x x1 x x,..., 2 x, 1
0.4 Variasi Kaoi amel Da Korelasi Kaoi amel amel aca dari observasi ada masig-masig variabel dari ( + q) variabel (), () daat digabuga edalam (( + q) ) data matris,,..., dimaa (0-5) Adau vetor rata-rata
Lebih terperinciKuliah 9 Filter Digital
TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 9 Filter Digital Idah Susilawati, S.T.,.Eg. Progra Studi Tei Eletro Progra Studi Tei Iforatia Faultas Tei da Ilu Koputer Uiversitas ercu Buaa Yogaarta 9 Kuliah
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang. B. Tujuan dan Sasaran. C. Ruang Lingkup
BAB I PENDAHULUAN A. Latar Belaag Kombiatoria mempuyai beberapa aspe, yaitu eumerasi, teori graf, da ofigurasi atau peyusua. Eumerasi membahas peghituga susua berbagai tipe. Sebagai cotoh: (i) meghitug
Lebih terperinciBarisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1
Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga
Lebih terperinciSecara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:
BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif
Lebih terperinciPENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ )
(Fey Nilawati Kusuma et al.) PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) I Gede Agus Widyadaa I Nyoma Sutapa Dose Faultas Teologi
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinci