RANCANG BANGUN PROGRAM PENGEDITAN KURVA B-SPLINE MULTIRESOLUSI BERBASIS WAVELETS

Ukuran: px
Mulai penontonan dengan halaman:

Download "RANCANG BANGUN PROGRAM PENGEDITAN KURVA B-SPLINE MULTIRESOLUSI BERBASIS WAVELETS"

Transkripsi

1 RANCANG BANGUN PROGRAM PENGEDITAN KURVA B-SPLINE MULTIRESOLUSI BERBASIS WAVELETS Naik Suciati, Jurusa Tekik Iformatika, FTIF, ITS L.Y. Stefaus, Fakultas Ilmu Komputer, UI aik@its-sby.edu ABSTRAK Peelitia ii meyusu represetasi multiresolusi utuk kurva B-splie kubik yag megiterpolasi titik-titik uug dega basis wavelets. Represetasi multiresolusi ii diguaka utuk medukug beberapa tipe pegedita kurva, yaitu peghalusa kurva dega tigkat resolusi kotiyu utuk meghilagka detail-detail kurva yag tidak diigika, pegedita betuk keseluruha kurva dega tetap mempertahaka detaildetailya, perubaha detail-detail kurva tapa mempegaruhi betuk keseluruhaya, da pegedita satu bagia tertetu dari kurva melalui maipulasi secara lagsug terhadap titik-titik kotrolya. Utuk megui kemampua represetasi multiresolusi dalam medukug empat tipe maipulasi kurva tersebut, disusu program pegedita kurva dega megguaka bahasa pemrograma Visual C++ pada komputer Petium 33 MHz, memori 6 Mbyte, sistem operasi Widows 95, ligkuga pegembaga Microsoft Developmet Studio 97 da pustaka Microsoft Foudatio Class. Dari hasil ui coba program diketahui bahwa represetasi multiresolusi memberika dukuga yag sagat baik terhadap tipe-tipe pegedita seperti yag disebutka di atas. Represetasi multiresolusi tidak membutuhka memori peyimpa ekstra selai dari yag diguaka utuk meyimpa titik kotrol. Dari hasil ui coba program megguaka ratusa titik kotrol, algoritma berala cukup cepat da memadai berkaita dega tututa komuikasi iteraktif atara user da program. Kata kuci : B-Splie, Wavelet, Multiresolusi.. PENDAHULUAN. Latar Belakag Masalah Kostruksi da maipulasi kurva merupaka salah satu bidag utama dalam grafika komputer. Kurva dimafaatka utuk memodelka obyek-obyek dalam duia yata yag berbetuk tak beratura tetapi mulus [BAR87]. Utuk mere-presetasika kurva biasaya diguaka splie, yaitu suatu fugsi yag terdiri dari beberapa potoga fugsi poliomial yag digabug meadi satu. Jika fugsi poliomial yag diguaka berderaat satu, maka aka meghasilka kurva liier sepotog demi sepotog. Represetasi kurva dega megguaka splie berderaat satu ii memerluka peyimpaa seumlah besar koordiat titik supaya didapatka betuk yag cukup akurat. Selai itu, maipulasi iteraktif sulit dilakuka. Pedekata yag lebih umum adalah megguaka splie berderaat lebih tiggi dari satu karea membutuhka peyimpaa koordiat titik yag lebih sedikit da memudahka maipulasi iteraktif [FOL90]. Paradigma umum dalam pegedita kurva meyataka bahwa maipulasi kurva seharusya bisa dilakuka secara lagsug dalam suatu ligkuga pegedita iteraktif [SCH95]. Program-program drawig biasaya meyediaka operasi-operasi primitif utuk meggambar kurva B-splie. Demikia uga dega paket Computer Aided Desig (CAD), umumya meyediaka alat-alat utuk meracag kurva da permukaa. Utuk medapatka betuk yag diigika, user memidahka titik-titik kotrol dega batua mouse. Suatu represetasi kurva yag baik seharusya memugkika pegedita, peghalusa da aproksimasi kurva yag fleksibel. Suatu represetasi kurva seharusya medukug halhal sebagai berikut [FIN96]: a. kemampua megubah betuk keseluruha dari suatu kurva dega tetap mempertahaka detail-detail halusya, b. kemampua megubah detail-detail kurva tapa mempegaruhi betuk keseluruhaya, c. kemampua megedit kurva yag memugkika satu bagia tertetu dari kurva diubah melalui maipulasi secara lagsug terhadap titik-titik kotrolya, d. kemampua melakuka tigkat peg-halusa kotiu, yag dapat meg-hilagka detaildetail yag tidak diigika dari suatu kurva. Forsey da Bartels [FOR88] meyusu suatu hierarchical B-splie utuk megatasi masalah a) di atas, yaitu pegedita betuk keseluruha dari suatu permukaa dega tetap mempertahaka detailya. Mereka merepresetasika kurva yag sama pada beberapa tigkat resolusi melalui peyusua himpua titik kotrol yag sesuai pada setiap tigkat Racag Bagu Program Pegedita Kurva B-Splie Multiresolusi

2 resolusi. Mereka medeskripsika suatu metode utuk megaproksimasi secara rekursif suatu represetasi kurva hirarkhis ke dalam sekumpula data, dega aproksimasi pertama adalah aproksimasi palig kasar da selautya memperhalus aproksimasi tersebut. Represetasi yag disusu oleh Forsey da Bartels ii tidak berkaita dega suatu fugsi basis tertetu, sehigga utuk satu betuk kurva tidak diami adaya represetasi hirarkhis yag uik. Kostruksi ii mirip dega ide proses filter bak yag diguaka dalam aalisa multiresolusi. Tetapi ada satu perbedaa petig. Jika represetasi hirarkhis dari suatu kurva disusu megguaka formulasi Forsey da Bartels, maka aka terdapat seumlah tak berhigga represetasi yag mugki utuk kurva yag sama. Semetara itu, ika represetasi hirarkhis dari suatu kurva disusu megguaka proses filter bak seperti dalam aalisa multiresolusi, maka represetasi yag dihasilka adalah uik [FIN96]. Wavelet merupaka alat matematis yag dapat diguaka utuk meyusu aalisa multiresolusi [MAL89]. Aalisa multi-resolusi memugkika aalisa terhadap suatu fugsi pada beberapa tigkat resolusi. Kurva yag diekspresika dega m titik kotrol dapat diaproksimasi ke dalam tigkat resolusi yag lebih redah dega titik kotrol, melalui proses filterig. Karea m >, maka ada beberapa detail yag hilag selama proses filterig. Wavelet meam-pug detail-detail yag hilag selama proses filterig tersebut ke dalam d titik kotrol. Proses pemisaha kurva dega m titik kotrol ke dalam kurva resolusi lebih redah dega titik kotrol da detail-detail d titik kotrol, disebut dekomposisi [FIN96]. Proses dekomposisi ii dilakuka secara rekursif utuk meghasilka hirarki kurva multiresolusi..2 Masalah Dalam peelitia ii dibagu suatu sistem pegedita kurva multiresolusi berbasis wavelet yag diharapka dapat meyediaka suatu keragka kera yag medukug empat sifat di atas (a -d). Yag meadi permasalaha dalam tesis ii adalah: bagaimaa meyusu represetasi kurva multiresolusi berbasis wavelet bagaimaa meyusu metode maipulasi kurva dega memafaatka represetasi kurva multiresolusi berbasis wavelet bagaimaa membagu program dega struktur data da algoritma yag sesuai utuk maipulasi kurva multiresolusi berbasis wavelet..3 Batasa Masalah Represetasi kurva dibatasi pada eis kurva B- splie kubik yag megiterpolasi titik-titik uug (utuk selautya aka disebut kurva B-splie KI), yaitu kurva B-splie kubik seragam dega kot-kot pada uug kurva memiliki multiplisitas 4 [BAR87][FIN96]. Kurva B-splie kubik seragam adalah kurva yag dibetuk dega megguaka fugsi-fugsi basis yag berupa fugsi poliomial berderaat 3 dega kotiuitas C 2 pada oit (titik temu atara dua segme kurva yag beruruta) da memiliki dereta kot berarak sama. Peragkat luak dibuat dega megguaka bahasa pemrograma Visual C++ pada komputer Petium 33 MHz, memori 6 Mbyte, sistem operasi Widows 95, ligkuga pegembaga Microsoft Developmet Studio 97 da pustaka Microsoft Foudatio Class. 2. REPRESENTASI KURVA B-SPLINE MULTIRESOLUSI BERBASIS WAVELET Utuk membuat suatu kurva, titik-titik kotrol harus didefiisika terlebih dahulu. Titik-titik kotrol iilah yag aka meetuka betuk dari kurva. Dalam represetasi multiresolusi, titik-titik kotrol dari kurva B-splie KI dimaipulasi sedemikia rupa dega memafaatka fugsi basis wavelets sehigga membetuk hirarkhi titik kotrol. Pada setiap tigkat resolusi, himpua titik kotrol megaproksimasi betuk kurva dega tigkat kedekata tertetu. Represetasi multiresolusi ii disusu utuk medukug empat sifat pegedita kurva seperti yag disebutka pada.. 2. Gambara Umum Ruag B-splie kubik seragam diyataka dega S dega dereta kot ui i,i Z, da arak atar kot sebesar. Notasi Z meyataka himpua bilaga iteger positif. Dalam represetasi multiresolusi, aka disusu ruag B- splie kubik seragam S dega dereta kot berarak 2, Z [CHU92]. Ideks dalam S meyataka tigkat resolusi. Suatu kurva pada resolusi dibetuk dega megguaka 2 3 titik kotrol. Dega demikia kurva pada resolusi palig kasar, yaitu resolusi 0, dibetuk dega megguaka titik kotrol da terdiri dari segme kurva serta memiliki dereta kot berarak. Kurva pada tigkat resolusi dibetuk dega megguaka titik kotrol da terdiri dari 2 segme kurva serta memiliki dereta kot berarak ½. Kurva pada tigkat resolusi 2 2 Volume, Nomor, Juli 2002 :

3 dibetuk dega megguaka titik kotrol da terdiri dari 4 segme kurva serta memiliki dereta kot berarak ¼. Demikia seterusya. Karea fugsi B-splie pada resolusi dega dereta kot berarak 2 uga merupaka fugsi B- splie pada resolusi 2 dega dereta kot 2 2, dimaa, maka terdapat dereta ruag 2 bersarag sebagai berikut : 0 2 S S S. Jika V meyataka ruag L 2 ( R) tertutup dari S L 2 ( R), maka terdapat subruag-subruag B- splie tertutup da bersarag dari berikut [CHU92] : 0 2 V V V. L 2 ( R) sebagai Pada setiap resolusi, kurva yag sama diyataka dega titik-titik kotrol yag berbeda. Misalka C adalah himpua titik kotrol pada resolusi yag diyataka dega vektor kolom c, c, c,, c. Jumlah titik kotrol yag 0 2 m T terdapat dalam C adalah 2 3 m. Utuk meyusu C (aproksimasi dari C dega resolusi satu lebih redah) yag memiliki umlah titik m < m, dilakuka kotrol 2 3 m dega filterig terhadap m titik kotrol dari C. Proses ii dapat diekspresika megguaka persamaa matriks sebagai berikut [FIN96] : C A C (2.) dega A adalah matriks berukura m m. Karea umlah titik kotrol dalam C lebih sedikit dibadig umlah titik kotrol dalam C, maka ada beberapa detail yag hilag selama proses pemfiltera. Detail-detail yag hilag ii ditampug dalam D yag dapat dihitug megguaka persamaa matriks sebagai berikut [FIN96] : D B C (2.2) B adalah matriks berukura ( m m) m. Pasaga matriks A da B disebut filter aalisis. Proses pemisaha C ke dalam versi resolusi lebih redah C da detail D disebut dekomposisi. Da dekomposisi ii bisa dilakuka secara berulag terhadap C, sehigga titik kotrol semula C dapat diekspresika sebagai hirarkhi dari titik-titik kotrol dega resolusi lebih redah C 0, C,, C da detail-detail D 0, D,, D. Proses dekomposisi berulag ii dikeal sebagai filter bak, yag dapat digambarka sebagai berikut : A A A C C C 2 C 0 B B B D D 2 D 0 Jika pasaga matriks A da B dipilih dega cermat, maka titik kotrol awal C dapat direkostruksi kembali dari C da D dega megguaka pasaga matriks P da Q melalui persamaa berikut [FIN96] : C P C Q D (2.3) Matriks P da Q disebut filter sitesis. Proses rekostruksi bisa dilihat pada gambar berikut : P P P C 0 C C C Q Q Q D 0 D D Karea titik kotrol semula C dapat direkostruksi dari dereta C 0, D 0, D,, D, maka dereta C 0, D 0, D,, D dapat diaggap sebagai trasformasi wavelets dari titik kotrol C. Agar dapat melakuka trasformasi wavelets dibutuhka pasaga filter aalisis ( A, B ) da filter sitesis ( P, Q ) yag sesuai. Beberapa hal yag perlu dilakuka utuk meyusu filter-filter tersebut adalah :. Pemiliha scalig fuctios ( u) yag meretag V utuk semua dalam [ 0, ]. Scalig fuctios ( u) aka meetuka filter sitesis P. 2. Pemiliha ier product utuk dua fugsi f da g dalam V, yag aka meetuka orm dari fugsi da ruag kompleme orthogoal W dari V di dalam V. 3. Pemiliha wavelets ( u) yag meretag W. Wavelets ( u) aka meetuka filter A da B sitesis Q. Filter-filter aalisis dapat dihitug dega megguaka filter-filter sitesis P da Q. Racag Bagu Program Pegedita Kurva B-Splie Multiresolusi 3

4 2.2 Peyusua Filter Sitesis P Peyusua filter sitesis P sagat tergatug pada pemiliha scalig fuctios. Dega melihat two scale relatios dari scalig fuctios, maka hubuga atara P da, dapat ditulis sebagai berikut : = P (2.4) Artiya, scalig fuctios harus bersifat refiable, sehigga setiap scalig fuctios pada tigkat resolusi - harus dapat diekspresika sebagai kombiasi liier dari scalig fuctios (yag lebih halus) pada tigkat resolusi, utuk semua dalam [,], dega meyataka resolusi awal [FIN96]. Dalam peelitia ii, diguaka kurva B-splie KI, yaitu kurva yag disusu megguaka fugsi basis B-splie KI. Betuk dari kurva ditetuka oleh peumlaha titik-titik kotrol yag dikalika dega fugsi basis B-splie KI. Dega kata lai, kurva yag terbetuk merupaka kombiasi liier dari fugsi basis B-splie KI. Berdasarka peelasa pada 2., diketahui bahwa fugsi basis B-splie KI dapat meghasilka subruag-subruag B-splie tertutup da bersarag dari L 2 ( R) sebagai berikut : 0 2 V V V Dega demikia, sesuai dega defiisi megeai scalig fuctios, maka fugsi basis B-splie KI dapat diguaka sebagai scalig fuctios. C = Jika kita memiliki himpua titik kotrol c, c, c,, c pada resolusi, dega 0 2 m m 2 3, maka fugsi f ( u) yag meyataka kurva B-splie KI, dega u [ 0, ) dapat dihitug sebagai berikut : f ( u) = ( u) C T ( u) adalah matriks baris dega eleme-eleme berupa scalig fuctios, yaitu : ( u) = 0 ( u), ( u),, m ( u). Jumlah scalig fuctios yag meyusu suatu kurva pada resolusi sama dega umlah titik kotrol, yaitu 2 3. Pada tigkat resolusi 0, kurva memiliki scalig fuctios. Pada tigkat resolusi, kurva memiliki scalig fuctios, da seterusya. Peyusua koefisie filter P yag meghubugka atara scalig fuctios pada resolusi dega scalig fuctios pada resolusi - aalog dega pecaria koefisie i,k (l) pada teorema berikut : utuk setiap i = 0,,s ; s Bi, k ( u) i, k ( l) N l, k ( u) l0, (2.5) dega Bi, k ( u) merupaka fugsi basis B-splie dega umlah kot s+k+ (resolusi redah), da N l, k ( u) merupaka fugsi basis B-splie dega umlah kot s++k+ (resolusi tiggi) [FIN96]. Variabel s meyataka ideks terakhir dari fugsi basis (dega ideks pertama dimulai dari 0), variabel meyataka umlah kot-kot baru yag disisipka ke dalam barisa kot lama, da k meyataka orde dari splie. Karea yag diguaka adalah kurva B-splie kubik, maka k=4. Nilai dari koefisie i,k (l) memeuhi recurrece sebagai berikut: w i,r (l)= u i, (l) = 0 lr ir u w u i l i laiya da u i ui r wl r i, r( l) i r l ui ui r u, ( ) i utuk r = 2,3 da 4. Filter sitesis P dapat dihitug dega mecari ilai i,k (l) melalui peyisipa dereta kot baru di tegah dereta kot lama, sehigga arak atara dereta kot baru meadi setegah dari arak dereta atara kot lama. Utuk meghitug ilai i,k (l), yag diperluka haya iformasi tetag barisa kot pada resolusi - da barisa kot pada resolusi. Hasil akhir dari i,k (l) berupa matriks berukura (umlah scalig fuctios pada resolusi - ) (umlah scalig fuctios pada resolusi ) atau Matriks P merupaka traspose dari matriks i,k (l), karea posisi scalig fuctios pada persamaa (2.4) da (2.5) berbalika. Hasil perhituga filter aalisis P, P 2 da P 3, bisa dilihat di lampira. 2.3 Peyusua Filter Sitesis Q Pemiliha scalig fuctios (u) utuk semua Z da 0 yag meretag V da meetuka filter sitesis P telah dibahas dalam 2.2. Lagkah selautya dalam meyusu represetasi multiresolusi adalah medefiisika ruag W yag merupaka ruag kompleme orthogoal dari V di dalam V. Wavelets adalah fugsi-fugsi yag dipilih sebagai basis dari W. 4 Volume, Nomor, Juli 2002 :

5 Sebagaimaa halya scalig fuctios yag pada 2.2 ditulis dalam betuk matriks baris, sebagai berikut : ( u) = 0 ( u), ( u),, m ( u) maka wavelets uga ditulis sebagai berikut :, ( u) ( u), ( u),, ( u) 0. Jumlah scalig fuctios pada resolusi adalah 2 3 m, da umlah wavelets pada resolusi adalah 2. Karea W adalah ruag kompleme orthogoal dari V di dalam V, maka umlah scalig fuctios pada resolusi + adalah m 2 3. Pemiliha ier product utuk dua fugsi f da g dalam V aka meetuka ruag kompleme orthogoal W dari V di dalam V [FIN96]. Ier product f, g f ( u) g( u) du 0 Wavelets u stadar yag diguaka adalah. (2.6) ( ) yag meretag W dipilih dega batasa sebagai berikut :. Setiap wavelets dalam ( u) orthogoal dega setiap scalig fuctios dalam (u), sehigga k, l 0 utuk semua k da l. 2. Wavelets memiliki dukuga palig kecil (miimal support), sehigga dipilih barisa koefisie wavelets yag memiliki ilai 0 palig bayak (tetapi tidak semuaya 0). Notasi didefiisika sebagai matriks ier product dega setiap eleme (k,l) adalah k, l. Berkaita dega batasa orthogoalitas, maka : = 0. (2.7) Dega megguaka wavelets ( u) yag meretag ruag W, filter sitesis Q dapat ditetuka melalui persamaa matriks yag idetik dega two scale relatios dari wavelets sebagai berikut: = Q. (2.8) Dega mesubstitusika persamaa (2.8) ke dalam persamaa (2.7) didapat : Q = 0 (2.9) Persamaa matriks dega sisi kaa 0 seperti pada (2.9) disebut sistem persamaa homoge. Himpua semua solusi yag mugki disebut ruag ull dari, da kolom-kolom dari matriks Q harus membetuk basis utuk ruag ull ii. Ada bayak kemugkia basis utuk ruag ull. Artiya, terdapat beberapa basis wavelets yag berbeda utuk suatu ruag wavelets W. Oleh karea itu diperluka batasa lai utuk memilih basis wavelets. Dalam peelitia ii, dipilih basis wavelets yag memiliki dukuga palig kecil. Hasil perhituga filter sitesis Q, scalig fuctio pada resolusi, wavelets pada resolusi, da scalig fuctio pada resolusi 2, bisa dilihat di gambar. 2.4 Peyusua Filter Aalisis A da B Peyusua filter-filter aalisis A da B dapat dilakuka dega megguaka filter-filter sitesis P da Q sebagai berikut : P Q. (2.0) Berdasarka defiisi dari relasi dekomposisi, maka hubuga atara filter aalisis A da B dega scalig fuctios da wavelets dapat ditulis sebagai berikut : A B. (2.) Selautya, filter A da B disusu melalui perhituga matriks yag memeuhi relasi ivers sebagai berikut : A P Q B. (2.2) Setelah filter-filter sitesis da aalisis ditetuka, maka represetasi multiresolusi dari kurva B-splie KI dapat dihitug. 2.5 Metode-Metode Maipulasi pada Kurva Multiresolusi Subbab ii membahas tetag beberapa metode maipulasi kurva dega memafaatka represetasi multiresolusi dari kurva B-splie KI, sehigga medukug empat sifat pegedita kurva seperti yag telah disebutka di.. Pembahasa dibagi meadi tiga bagia, yaitu peghalusa, pegedita betuk keseluruha kurva da pegedita detail-detail kurva. Racag Bagu Program Pegedita Kurva B-Splie Multiresolusi 5

6 2.5. Peghalusa Subbab ii membahas tetag metode peghalusa kurva. Yag dimaksud dega peghalusa adalah: utuk suatu kurva pada resolusi yag dibetuk dega m 2 3 buah titik kotrol C, kita bisa meghaluska betuk kurva dega meghilagka detail-detail yag tidak diigika dega melakuka aproksimasi terhadap kurva semula (resolusi ) pada resolusi, dega 0, megguaka m 2 3 buah titik kotrol C. Kebutuha implisit yag lai dari peghalusa adalah kemampua utuk merepresetasika kurva pada resolusi dega kurva yag sama pada resolusi k (yag lebih tiggi) k dega k>, megguaka m 2 3 titik kotrol C k. Tipe peghalusa semacam ii dibutuhka ketika kita igi megedit segme kurva yag lebarya lebih kecil dari segme kurva pada tigkat resolusi (lihat gambar 3). Peyusua kurva pada tigkat resolusi lebih redah dari dapat dilakuka dega meghitug C sebagai berikut [FIN96] : C A A 2. A C. Jadi, persamaa dekomposisi (2.) dikeraka sampai ditemuka titik-titik kotrol pada resolusi yag diigika. Peyusua kurva pada tigkat resolusi lebih tiggi dari dapat dilakuka dega meghitug C k sebagai berikut : 2 C P P P C k k (2.3) Jadi, persamaa rekostruksi (2.3) dikeraka dega ilai D l, l k sama dega 0. Proses ii sama dega melakuka peyisipa dereta kot baru di tegah dereta kot lama, setiap kali tigkat resolusi bertambah. Algoritma ii dialaka sampai ditemuka titik-titik kotrol pada resolusi yag diigika. Setelah titik kotrol pada tigkat resolusi tertetu ditemuka, maka kurva B-splie KI bisa digambar dega megguaka fugsi basis B-splie KI (scalig fuctios) sebagai berikut : f k ( u) k ( u) C k. Dega represetasi kurva multi-resolusi, kita haya dapat meghitug aproksimasi kurva pada resolusi-resolusi diskrit. Jadi, ika meyataka resolusi, maka ilai harus iteger positif. Karea pada resolusi umlah titik kotrol adalah 2 3, maka aproksimasi kurva haya dapat disusu dega umlah titik kotrol 4, 5, 7,, 9, 32 da seterusya. Pada resolusi tiggi, perbedaa umlah titik kotrol pada resolusi dega aproksimasiya pada resolusi - meadi semaki besar, sehigga detail-detail yag masih igi dipertahaka dari kurva asli kemugkia hilag pada kurva aproksimasi. Utuk megatisipasi hal ii, didefiisika resolusi kotiu. Jika = ( berilai iteger positif), maka kurva f ( u) dibetuk megguaka 2 3 titik kotrol yag disusu melalui represetasi multiresolusi. Jika =+ dega 0 ( berilai pecaha positif), maka kurva f ( u) dibetuk megguaka iterpolasi liier atara kurva f ( u) (pada resolusi ) dega kurva f ( u) (pada resolusi +), sebagai berikut [FIN96] : f ( u) ( ) f ( u) f ( u) ( u) C ( u) C. = (- ) Beberapa cotoh peghalusa kurva bisa dilihat di gambar P = P P Volume, Nomor, Juli 2002 :

7 2 Q Q Q Q Gambar. Hasil perhituga filter P da Q. (a) Scalig fuctios pada resolusi. Dari atas ke bawah berturutturut,,,,. (b) Wavelets pada resolusi. Dari atas ke bawah berturut-turut,. (c) Scalig fuctios pada resolusi 2. Dari atas ke bawah berturut-turut,,,,,, titik kotrol C, dimaa C C C. Pegedita titik kotrol pada resolusi aka mempegaruhi (megubah) titik kotrol pada resolusi yag lebih tiggi, tetapi perubaha tersebut diusahaka utuk tidak mempegaruhi (megub ah) dereta detail D, D,, D 0. Hal iilah yag meyebabka betuk kurva secara keseluruha berubah, tetapi detail-detail halus dari kurva tetap dipertahaka. Titik kotrol pada resolusi aka berubah meadi C C C. Nilai C dapat Racag Bagu Program Pegedita Kurva B-Splie Multiresolusi 7

8 (a) Kurva dega resolusi 6 (b)aproksimasi kurva (a) (c) Aproksimasi kurva (a) dega resolusi 5 dega resolusi 4.8 (d) Aproksimasi kurva (a) dega resolusi 4.3 (e) Aproksimasi kurva (a) dega resolusi 4 Gambar 2. Cotoh peghalusa kurva. Gambar (a) Kurva dega resolusi Gambar (b) Kurva yag sama dega (a) tetapi (5 titik kotrol). diyataka dalam resolusi 5 (35 titik kotrol). Gambar(c) Megedit titik-titik Gambar (d) Kurva yag sama seperti kurva(c) kotrol dari kurva 6.2 (b). dega titik-titik kotrol yag tidak ditampakka. Gambar 3. Cotoh pegedita satu bagia tertetu dari kurva 8 Volume, Nomor, Juli 2002 :

9 Gambar (a) Gambar (b) Kurva dega resolusi 6. Aproksimasi kurva pada (a) dega resolusi. Gambar (c) Gambar (d) Hasil pegedita terhadap kurva Resolusi kurva dikembalika ke resolusi pada Gambar (b). semula, yaitu 6. Gambar 4. Cotoh pegedita betuk keseluruha kurva Gambar (a) Kurva dega resolusi 5 (35 titik kotrol). Gambar (b) Kurva dega detail gerigi reggag mirig ke kaa Gambar (c) Gambar (d) Kurva dega detail gerigi rapat mirig ke kaa Kurva dega detail gerigi regggag mirig ke kiri. Gambar (e) Kurva dega detail gerigi rapat mirig ke kiri Gambar (f) Kurva dega detail gerigi reggag tegak. Gambar 5. Cotoh-cotoh pegedita detil kurva Racag Bagu Program Pegedita Kurva B-Splie Multiresolusi 9

10 dihitug megguaka algoritma rekostruksi sebagai berikut [FIN96] : C C C C P P P C. Selautya kurva pada resolusi, dihitug dega : f ( u) ( u) C. Beberapa cotoh pegedita betuk keseluruha kurva bisa dilihat di gambar Pegedita Detail-Detail Kurva Subbab ii membahas tetag maipulasi terhadap represetasi multiresolusi kurva sehigga memugkika perubaha detail-detail kurva tapa mempegaruhi betuk keseluruhaya. Misalya, suatu kurva f ( u) pada resolusi dega titik kotrol C memiliki represetasi multiresolusi yag terdiri dari dereta C, C,, C D 0, D,, D 0 da dereta. Pegedita detail-detail kurva dapat dilakuka dega meaikka resolusi kurva meadi resolusi s, dimaa s>. Selautya dereta D, D,, D s yag semula berilai 0, diisi dega ilai-ilai tertetu sesuai dega eis karakter kurva yag diigika. Pegisia ilai pada dereta D, D,, D s iilah yag memugkika perubaha detail-detail kurva tapa mempegaruhi betuk kurva secara keseluruha. Pegamata terhadap hubuga atara ilai-ilai dalam dereta D, D,, D s dega betuk kurva memugkika peyusua pustaka detail C s yag baru bisa dihitug utuk kurva. Nilai melalui proses rekostruksi mulai dari resolusi. Selautya kurva pada resolusi s, dihitug dega : f s ( u) s ( u) C s. Beberapa cotoh pegedita detail-detail kurva bisa dilihat di gambar KESIMPULAN DAN SARAN 3. Kesimpula a. Represetasi multiresolusi dari kurva B-splie kubik yag megiterpolasi titik-titik uug dega basis wavelets memberika dukuga yag sagat baik terhadap 4 tipe pegedita seperti yag telah disebutka di.. b. Algoritma rekostruksi da dekomposisi wavelets yag melakuka perhituga megguaka filter sitesis P da Q memiliki kompleksitas O(m), dega m adalah umlah titik kotrol pada resolusi dega m 2 3, sebab struktur matriks P da Q bersifat sparse/arag sehigga elemeelemeya bayak yag berisi 0. c. Dari hasil ui coba megguaka ratusa titik kotrol, algoritma berala cukup cepat da memadai berkaita dega tututa komuikasi iteraktif atara user da program. d. Dari segi kebutuha memori peyimpa, represetasi multiresolusi cukup efisie karea tidak membutuhka memori peyimpa ekstra selai dari yag diguaka utuk meyimpa titik kotrol. e. Pada eis pegedita satu bagia tertetu dari kurva melalui maipulasi secara lagsug terhadap titik-titik kotrolya, ika pegedita dilakuka pada tigkat resolusi yag semaki redah, maka bagia dari kurva yag berubah aka semaki besar. Misalya, pemidaha satu titik kotrol pada kurva dega resolusi 0 aka meyebabka perubaha pada seluruh betuk kurva, sedagka pemidaha satu titik kotrol pada kurva dega resolusi 5 aka meyebabka perubaha pada satu bagia kecil dari kurva. f. Pegamata lebih auh terhadap hubuga atara betuk kurva dega dereta koefisie detail dari represetasi multiresolusi, memugkika bertambah-ya umlah eis karakter kurva yag bisa dimasukka ke dalam pustaka detail. g. Agar dapat melakuka tipe pegedita kurva seperti yag disebutka pada poi a, kurva yag aka diedit harus memiliki titik kotrol berumlah 2 3, dega meyataka resolusi kurva da berilai iteger positif. Hal ii merupaka keterbatasa dari represetasi multiresolusi. 3.2 Sara a. Utuk megatasi keterbatasa yag disebutka pada poi g, perlu dilakuka pra-pemrosesa terhadap kurva (khususya kurva yag tidak memiliki umlah titik kotrol 2 3 ) sebelum dilakuka peyusua represetasi multiresolusi. Pra-pemrosesa ii memaipulasi titik kotrol sedemikia rupa sehigga didapatka betuk kurva yag sama tetapi diyataka megguaka 2 3 titik kotrol. Pra-pemrosesa bisa dilakuka megguaka metode peyisipa kot dega dereta kot yag arakya tidak seragam/sama (o-uiform kot sequece). b. Pada peelitia ii, peyusua repre-setasi multiresolusi utuk kurva haya dilakuka berkaita dega peyusua represetasi titik kotrol secara hirarkhis. Peelitia ii bisa dikembagka dega peambaha sifat-sifat lai dari kurva seperti wara, ketebala da tekstur. 0 Volume, Nomor, Juli 2002 :

11 c. Hasil-hasil memuaska yag didapat dari represetasi multiresolusi utuk kurva ii bisa diperluas pada represetasi multiresolusi utuk permukaa. 4. DAFTAR PUSTAKA [BAR87] Bartels, R. H., Beatty, J. C., da Barsky, B. A. A Itroductio to Splies for use i Computer Graphics ad Geometric Modelig. Morga Kauffma Publishers [CHU92] Chui, C. K. A Itroductio to Wavelets. Academic Press [DAU92] Daubechies, I. Te Lectures o Wavelets. Society for Idustrial ad Applied Mathematics. Philadelphia [FAR90] Fari, G. Curves ad Surfaces for Computer Aided Geometric Desig. Academic Press [FIN96] Fikelstei, A da Salesi, D. H. Multiresolutio Curves. Compu-ter Graphics Proceedigs. SIGGRAPH [FOL90] Foley, J., Va Dam, A., Feier, S., da Hughes, J. Computer Graphics Priciples ad Practice. Addiso Wesley [FOR88] Forsey, D. R. da Bartels, R. H. Refiemet Hierarchiral B-Splie. Computer Graphics, Vol. 22, No. 4, ACM Press, halama Agustus 988. [MAL89] Mallat, S. G. A Theory for Multiresolutio Sigal Decom-positio: The Wavelet Repre-setatio. IEEE Trasactio O Patter Aalysis ad Machie Itelligece, Vol., No. 7, hal , Juli 989. [SCH95] Schroder, P. Wavelets i Computer Graphics. Proceedigs of the IEEE, Vol. 84, No. 4, halama April 996. Racag Bagu Program Pegedita Kurva B-Splie Multiresolusi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

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

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah

BAB I PENDAHULUAN. A. Latar Belakang Masalah BAB I PENDAHULUAN A. Latar Belakag Masalah Struktur alabar adalah suatu himpua yag di dalamya didefiisika suatu operasi bier yag memeuhi aksioma-aksioma tertetu. Gelaggag ( Rig ) merupaka suatu struktur

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 13. VEKTOR dalam R 3 PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde

Lebih terperinci

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme

Lebih terperinci

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

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI 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 terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. 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 terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 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 terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

BAB III METODE PENELITIAN

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

Lebih terperinci

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

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

Deret Fourier. Modul 1 PENDAHULUAN

Deret 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 terperinci

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

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

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

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

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN 4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan 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 terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara 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 terperinci

BAB I PENDAHULUAN. X Y X Y X Y sampel

BAB I PENDAHULUAN. X Y X Y X Y sampel BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

BAB III LANDASAN TEORI

BAB 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 terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA 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 terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

IV. METODE PENELITIAN

IV. 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 terperinci

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

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

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

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

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

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

Kekeliruan dalam Perhitungan Numerik dan Selisih Terhingga Biasa

Kekeliruan dalam Perhitungan Numerik dan Selisih Terhingga Biasa Modul 1 Kekelirua dalam Perhituga Numerik da Selisih Terhigga Biasa D PENDAHULUAN Dr. Wahyudi, M.Pd. i dalam pemakaia praktis, peyelesaia akhir yag diigika dari solusi suatu permasalaha (soal) dalam matematika

Lebih terperinci

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

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

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

BAB VIII KONSEP DASAR PROBABILITAS BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada

Lebih terperinci

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA Pada bab ii aka dituliska beberapa aspek teoritis berupa defiisi, teorema da sifat-sifat yag berhubuga dega aljabar liear, struktur aljabar da teori kodig yag diguaka sebagai

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 < II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi

Lebih terperinci

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

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

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Permasalahan

BAB I PENDAHULUAN Latar Belakang Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada

Lebih terperinci

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN 1 Latar belakag Model pertumbuha Solow-Swa (the Solow-Swa growth model) atau disebut juga model eoklasik (the eo-classical model) pertama kali dikembagka pada tahu 195 oleh Robert Solow da

Lebih terperinci

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada 8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

Hendra Gunawan. 12 Februari 2014 MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN : Vol. 7. No. 1, 31-41, April 24, ISSN : 141-8518 Peetua Kestabila Sistem Kotrol Lup Tertutup Waktu Kotiu dega Metode Trasformasi ke Betuk Kaoik Terkotrol Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak

Lebih terperinci

BAB II TEORI MOTOR LANGKAH

BAB II TEORI MOTOR LANGKAH BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag

Lebih terperinci

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

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan, BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi

Lebih terperinci

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

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA

BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA II.1 Pegedali Modus Lucur Sistem o-liier dimodelka dalam persamaa status pada persamaa (2.1) berikut ii: x &( = f ( + B( u(...(2.1) dega x ( merupaka

Lebih terperinci

Pemilihan Ketua BEM Fakultas Teknik UN PGRI Kediri menggunakan Metode ELECTRE

Pemilihan Ketua BEM Fakultas Teknik UN PGRI Kediri menggunakan Metode ELECTRE Pemiliha Ketua BEM Fakultas Tekik UN PGRI Kediri megguaka Metode ELECTRE Nalsa Citya Resti Sistem Iformasi, Fakultas Tekik, Uiversitas Nusatara PGRI Kediri E-mail: alsacitya@upkediri.ac.id Abstrak salah

Lebih terperinci

MATEMATIKA DISKRIT FUNGSI

MATEMATIKA DISKRIT FUNGSI 1 MATEMATIKA DISKRIT FUNGSI Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari

Lebih terperinci

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali Jural Tekika ISSN : 285-859 Fakultas Tekik Uiversitas Islam Lamoga Volume No.2 Tahu 29 Kestabila Ragkaia Tertutup Waktu Kotiu Megguaka Metode Trasformasi Ke Betuk Kaoik Terkedali Suhariyato ) Dose Fakultas

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 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 terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha

Lebih terperinci

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

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

4 HASIL DAN PEMBAHASAN

4 HASIL DAN PEMBAHASAN 7 4 HASIL DAN PEMBAHASAN Studi Pedahulua Salah satu bahasa dalam aljabar liier yag merupaka kuci petig dalam latis adalah proses ortogoalisasi Gram-Schmidt. Proses ii aka mejadi ide utama dalam pembetuka

Lebih terperinci

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal Kompleksitas Waktu utuk Algoritma Rekursif ZK Abdurahma Baizal Algoritma Rekursif Betuk rekursif : suatu subruti/fugsi/ prosedur yag memaggil diriya sediri. Betuk dimaa pemaggila subruti terdapat dalam

Lebih terperinci

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

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut

Lebih terperinci

Probabilitas dan Statistika Korelasi dan Regresi. Adam Hendra Brata

Probabilitas dan Statistika Korelasi dan Regresi. Adam Hendra Brata Probabilitas da Statistika da Adam Hedra Brata Dua Peubah Acak dua perubah acah X da Y dega rata-rata da diberika oleh rumus : E(XY) - - - Sifat Sifat Sifat kovariasi utuk X da Y diskrit : f(, ) f(, )

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id

Lebih terperinci

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B. Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari A ke B kita meuliska f : A

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci