Usulan Level Faktor Variasi Bahan untuk Mencapai Kuat Tekan Beton 50 Mpa dengan Metode Perancangan Eksperimen *

Ukuran: px
Mulai penontonan dengan halaman:

Download "Usulan Level Faktor Variasi Bahan untuk Mencapai Kuat Tekan Beton 50 Mpa dengan Metode Perancangan Eksperimen *"

Transkripsi

1 Rea Integra ISSN: Teni Industri Itenas No. Vol. 0 Jurnal Online Institut Tenologi Nasional Otober 03 Usulan Level Fator Variasi Bahan untu Mencapai Kuat Tean Beton 50 Mpa dengan Metode Perancangan Esperimen * KYAGUS ABDUL WAHID, HARI ADIANTO, RISPIANDA Jurusan Teni Industri Institut Tenologi Nasional (Itenas) Bandung gsabdwahid@gmail.com ABSTRAK Perembangan ualitas beton di Indonesia terbilang cuup inovatif dari segi bahan tambahnya.salah satu bahan tambah tersebut yaitu abu seam padi yang sedang diembangan di PU LITBANG.Namun saat ini PU LITBANG belum mempunyai variasi bahan yang tepat terait menggunaan bahan abu seam padi untu pembuatan beton.penelitian ini dilauan untu menentuan variasi bahan yang tepat dalam mencapai uat tean beton 50 Mpa. Disisi lain, pertimbangan harga juga menjadi tujuan utama sehingga perlu adanya perhitungan harga setiap variasi bahan beton. Metode yang digunaan pada penelitian ini adalah metode perancangan esperimen. Tahapan dalam metode ini adalah menentuan factor terendali, menentuan level factor terendali, pelasanaan esperimen, uji ANOVA, melauan uji newman euls dan uji scheffe.berdasaran analisis perhitungan metode perancangan esperimen dan harga variasi bahan didapatan hasil beton terbai adalah omposisi abu seam padi 0% terhadap semen dan superplasticizer % terhadap semen dengan harga Rp /m 3. Kata unci: Pelasanaan esperimen, uji ANOVA, uji setelah esperimen, perhitungan harga. ABSTRACT Development of the quality of the concrete in Indonesia is quite innovative in terms of added material. One of the added materials is rice hus ash which is being developed in R & D Wors. However, the current PU LITBANG not have the right materials related variations using rice hus ash material for the manufacture of concrete.this research was conducted to determine the variation of the right material to achieve 50 MPa compressive strength of concrete. On the other hand, * Maalah ini merupaan ringasan dari Tugas Ahir yang disusun oleh penulis pertama dengan pembimbingan penulis edua dan etiga. Maalah ini merupaan draft awal dan aan disempurnaan oleh para penulis untu disajian pada seminar nasional dan/atau jurnal nasional Jurnal Rea Integra -8

2 Wahid, d. the price is also a consideration that needs to be the main purpose of calculation of the price of each variety of concrete materials. The method used in this research is the design of experiments. Stages in this method is to determine the control factor, factor determining the level of control, implementation of experiments, ANOVA, Newman Keuls test and Scheffe test.based on the analysis of experimental design methods of calculation and price variations of the best concrete results obtained material is a composition of 0% rice hus ash to the cement and superplasticizer cement by % to Rp /m3. Keywords: maing experiments, ANOVA test, test after experiment, Calculation of price.. PENDAHULUAN Pada era globalisasi saat ini pembangunan fasilitas seperti gedung, jalan dan jembatan semain meningat.salah satu penduung dalam pembangunan fasilitas tersebut yaitu beton. Beton merupaan campuran antara semen, agregat halus, agregat asar, air dan bahan tambah lainnya yang disebut aditif. Saat ini Balai Pusat Pemerisaan dan Penelitian Bangunan Jalan dan Jembatan (PU LITBANG) mendapat esempatan untu membuat beton yang menggunaan bahan tambah abu seam padi dan superplasticizer.beton ini ditargetan harus mencapai uat tean 50 Mpa.Abu seam padi memilii andungan pozzolan yang tinggi sehingga dapat menggantian berat semen arena semen merupaan omponen termahal dalam beton.esperimen perlu dilauan untu menenmuan omposisi terbai terhadap bahan beton. Masalah yang terjadi adalah PU LITBANG belum pernah melauan esperimen dengan bahan tambah abu seam padi untu mencapai nilai uat tean beton sebesar 50 Mpa.Metode perancangan esperimen digunaan untu menyelesaian persoalan tersebut.fator yang dilibatan dalam metode ini adalah variasi bahan yang terdiri dari penggunaan abu seam padi dan superplasticizer. Keurangan metode ini adalah tida efisien terhadap esperimen lebih dari 3 fator arena aan membutuhan biaya, tenaga, dan watu yang lebih banya. Tujuan penelitian ini adalah mencari level variasi bahan yang tepat untu mencapai nilai uat tean beton sebesar 50 Mpa tetapi dengan pertimbangan harga yang eonomis.. STUDI LITERATUR Menurut Sudjana (00), esperimen fatorial adalah esperimen yang semua (hampir semua) taraf sebuah factor tertentu diombinasian atau disilangan dengan semua (hampir semua) taraf tiap factor lainnya yang ada dalam esperimen itu. Dalam esperimen ini tahapan yang harus dilauan yaitu menentuan factor terendali, taraf factor terendali, matris esperimen, uji ANOVA, dan uji setelah esperimen.. Analisis Varians untu Esperimen Satu Fator Menurut Sudjana (00), untu analisis data yang diperoleh berdasaran desain esperimen, hususnya desain aca sempurna, aan ditinjau desain dengan sebuah observasi tiap unit esperimen. Misalan ada buah perlauan dimana terdapat ni unit esperimen untu perlauan e i (i=,,3,...). jia data pengamatan dinyataan dengan Yij (i=,,3,...,) dan Rea Integra -8

3 Usulan Level Fator Variasi Bahan untu Mencapai Kuat Tean Beton 50 Mpa dengan Metode Perancangan Esperimen (j=,,3,...,ni), Yij berarti nilai pengamatan dari unit esperimen e j arena perlauan e i, maa untu eperluan analisisnya, data tersebut sebainya disusun dalam Tabel. Data Pengamatan Tabel. Data Pengamatan Desain Aca Sempurna Perlauan... Y Y... Y Y Y... Y Jumlah Jumlah J J... J J = Ji i= Banya Pengamatan n n... n ni Rata-rata Y Y... Y Y = J/ ni Dari daftar ini emudian dihitung besaran-besaran yang ditentuan ialah : n Jumlah nilai pengamatan untu tiap perlauan Ji = i Y ij i= i= j = () i= () Jumlah seluruh nilai pengamatan J = J i Rata-rata pengamatan untu tiap perlauan Y i = J i /n i (3) Rata-rata seluruh nilai pengamatan Y = J/ n i Selanjutnya diperluan Y = jumlah uadrat-uadrat (JK) semua nilai pengamatan. n = i Y ij R y P y E y i= (4) i= j = (5) = jumlah uadrat-uadrat (JK) untu rata-rata. =J / n i = jumlah uadrat-uadrat (JK) antar perlauan = n i (Y i Y) = i= (6) i= i= J i n i R y (7) = jumlah uadrat-uadrat (JK) eeliruan esperimen n = i (Y ij Y i ) i= j = = Y R y - P y (8) Setelah harga-harga dimua diperoleh, maa disusunlah sebuah daftar ANOVA seperti pada Tabel. Dalam daftar ANOVA ada empat sumber variasi ialah rata-rata, antar perlauan, dalam perlauan atau eeliruan dalam esperimen dan total. Tiap sumber variasi memilii derajat ebebasan (d) yang besarnya untu rata-rata, (-) untu antar perlauan, (n i ) untu dalam perlauan dan n i untu total. Jia JK untu sumber variasi dibagi oleh d masing-masing, diperoleh uadrat tengah (KT) untu sumber itu. Dari data hasil pengamatan dan daftar ANOVA yang diperoleh, emudian ditari esimpulan, hususnya mengenai efe-efe perlauan. Aan tetapi sebelum hal ini dilauan, beberapa asumsi perlu diambil agar pengujian statisti yang aan diambil menjadi berlau. Asumsi yang biasa diambil dalam ANOVA ialah sifat aditif dan linieritas model, normalitas, Rea Integra -83

4 Wahid, d. independen dan homogenitas varians. Modelnya yang diandaian ialah model linier bersifat aditif dengan persamaaan : Y ij = μ + τ i + ϵ ij ; (i =,,..., ; j =,,..., n ) (9) Dengan Y ij = variabel yang aan dianalisis, dimisalan berdistribusi normal. μ = rata-rata umum atau rata-rata sebenarnya. τ i = efe perlauan e i. ϵ ij = eeliruan berupa efe aca yang berasal dari unit esperimen e j arena dienaan perlauan e i. Tabel. Daftar ANOVA Sumber variasi Derajat ebebasan Jumlah uadratuadrat (JK) (KT) Kuadrat tengah Rata-rata R y R = Ry Antar perlauan K P y P = P y / ( ) Keeliruan E = E esperimen (dalam (n i ) E y / (n i ) y (S perlauan) c = E) jumlah i= i= n i Rea Integra -84 Y -. Uji Setelah Esperimen. Uji rentang Newman Keuls Langah-langah utama untu melauan uji ini adalah : a. Susun buah rata-rata perlauan menurut urutan nilainya dari yang paling ecil sampai e yang terbesar. b. Dari daftar ANOVA, ambil harga KT (eeliruan) disertai d (derajat ebebasan) nya. c. Hitung eeliruan bau rata-rata untu tiap perlauan dengan rumus S Yi = KT(eeliruan ) n i (0) d. Tentuan taraf signifian α lalu gunaan daftar rentang student yang mengandung d = v dalam olom iri dan p dalam baris atas. Untu uji Newman Keuls, diambil v = d untu KT (eeliruan) dan p =,3,...,. Harga-harga yang didapat untu v dan p dari badan daftar sebanya ( ) buah supaya dicatat. e. Kalian harga-harga yang didapat di langah 4 itu masing-masing dengan S Yi. Dengan jalan demiian diperoleh apa yang dinamaan rentang signifian terecil (RST). f. Bandingan selisih rata-rata terbesar dan rata-rata terecil dengan RST untu p =, selisih rata-rata terbesar dan rata-rata terecil edua dengan RST untu p = ( ), dan seterusnya. Demiian pula ita bandingan selisih rata-rata terbesar edua dan rata-rata terecil dengan RST untu p = ( ), selisih rata-rata terbesar edua dan rata-rata terecil edua dengan RST untu p = ( ), dan seterusnya. Dengan jalan begini, semuanya aan ada / ( ) pasangan yang harus dibandingan. Jia selisih-selisih yang didapat lebih besar dari pada RST nya masing-masing, maa disimpulan bahwa terdapat perbedaan yang berarti di antara rata-rata perlauan.. Uji Scheffe Sering diehendai untu mengadaan perbandingan tida saja berbentu berpasangan, melainan merupaan ombinasi linier dari perlauan, hususnya berbentu ontras.uji Scheffe memunginan untu melauan hal ini, mesipun ontrasnya tida perlu

5 Usulan Level Fator Variasi Bahan untu Mencapai Kuat Tean Beton 50 Mpa dengan Metode Perancangan Esperimen ortogonal.karena ontras lebih umum daripada perbandingan berpasangan, maa aibatnya uji Scheffe lebih umum daripada uji Newman Keuls. Langah-langah yang ditempuh untu menggunaan uji Scheffe adalah sebagai beriut. a. Susunlah ontras Cp yang diinginan lalu hitung harganya. b. Dengan mengambil taraf signifian α, derajat ebebasan pembilang v = ( ) dan penyebut v = ( n i ), untu ANOVA supaya dihitung nilai ritis F α(v,v). c. Hitung besaran A = K F dengan F yang didapat dari langah. d. Hitung eeliruan bau tiap ontras yang aan diuji, dengan rumus s Cp = KT(eeliruan) n i c ip () e. Jia harga ontras Cp lebih besar daripada A X s(cp), maa hasil pengujian dinyataan signifian. Atau, jia [Cp] > A X s(cp) maa ita tola hipotesis nol bahwa ontras antara rata-rata sama dengan nol. 3. METODOLOGI PENELITIAN Tahapan yang dilauan dalam penelitian ini dapat dilihat pada Gambar. mulai Identifiasi masalah Studi literatur Metode pemecahan masalah Pengumpulan data : - diagram sebab aibat penentu fator terendali beton -matris taraf fator variasi bahan -pelasanaan esperimen - data pengujian uat tean beton - data volume total benda uji Pengolahan data : - Perhitungan ANOVA - uji newman euls - uji scheffe -perhitungan harga material beton analisis Kesimpulan dan saran selesai Gambar. Flowchart Metodologi Penelitian Rea Integra -85

6 Wahid, d. 4. PENGOLAHAN DATA 4. Identifiasi Fator Terendali Hal ini dilauan sebelum dilauannya esperimen.tujuannya yaitu memperecil ruang ombinasi dalam perancangan esperimen.factor terendali yang digunaan adalah variasi bahan yang beragam.komponen yang terdapat dalam variasi bahan adalah semen, agregat (batu dan pasir), air, abu seam padi dan superplasticizer.komponen bahan pembentu beton yang telah ditetapan balai dapat dilihat pada Tabel 3. Fator variasi bahan Tabel 3. Matris Taraf Fator Variasi Bahan omponen 3 Abu seam padi (a) 5% 0% 5% Superplasticizer (b) 0,5% % % Air Telahditetapan Agregat (pasir, batu) Telahditetapan Semen (S) Diurangi oleh omposisi a Balai PU LITBANG sebelumnya telah melauan esperimen pembanding sebanya 6 variasi bahan yang terdiri dari 3 variasi bahan beton normal dan 3 variasi bahan beton menggunaan bahan tambah superplasticizer saja. Esperimen pembanding tersebut dapat dilihat pada Tabel 4. Tabel 4. Esperimen Pembanding Variasi Jenis beton Semen Agregat Air superplasticizer Bahan e Variasi Bahan Beton normal Variasi Bahan Beton superplasticizer 3,4 0,35 - Ditetapan 3,4 0,33-3 3, 0,33-4 0,5% 5 Ditetapan Ditetapan Ditetapan % 6 % 4. Penguuran Volume Setelah esperimen dilauan maa harus dilauan penguuran volume total volume benda uji. Hal ini dilauan guna didapatannya ebutuhan material pembentu beton dalam uuran m 3.Beriut contoh perhitungan dalam mencari ebutuhan material pembentu beton. ebutuhan semen m 3 = volume benda uji berat semen benda uji () Perhitungan di atas aan sama dalam mencari ebutuhan pasir, batu, air, abu seam padi dan superplasticizer. Setelah didapatan ebutuhan material beton per m 3, perhitungan harga ebutuhan material bisa dilauan. 4.3 Pelasanaan Esperimen Pelasanaan esperimen dilauan dengan cara sebagai beriut: Langah : Ambil secara aca level superplasticizer emudian ombinasian dengan etiga level abu seam padi yang terdapat pada tabel matris taraf fator variasi bahan. Langah : Ulangi langah sehingga aan membentu 9 ombinasi level seperti Tabel 5. Rea Integra -86

7 Usulan Level Fator Variasi Bahan untu Mencapai Kuat Tean Beton 50 Mpa dengan Metode Perancangan Esperimen Variasi bahan e Semen (S) Air Tabel 5. Matris Kombinasi bahan 9 level Agregat Superplasticizer (b) Abu seam padi (a) S S 3 S S Telah Telah 5 S ditetapan ditetapan 6 S S 8 S 3 9 S 3 3 Langah 3: Gabungan antara variasi bahan ombinasi 9 level dengan variasi bahan pendahulu sebanya 6 level sehingga didapatan eseluruhan fator variasi bahan sebanya 5 level. Gabungan fator variasi bahan dengan 5 level dapat dilihat pada Tabel 6. Variasi bahan e Semen (S) Air Tabel 6. Matris Variasi Bahan 5 Level Agregat Superplasticizer (b) Abu seam padi (a) 0,35 3, ,33 3, Telah 0,33 3, ditetapan - Telah Telah 5 - ditetapan ditetapan S 8 S 9 S S Telah Telah S ditetapan ditetapan S S 4 S 3 5 S 3 3 Esperimen dilauan dengan repliasi sebanya 6 ali berdasaran ebijaan balai agar hasil uat tean rata-rata lebih aurat. 4.4 Komposisi Bahan Beton Setelah Esperimen Matris esperimen telah dilauan sehingga didapatan omposisi bahan beton seperti terlihat pada Tabel 7. Rea Integra -87

8 uat tean beton e Wahid, d. Tabel 7. Reapitulasi Campuran Beton variasi bahan semen(g) agregat asar(g) agregat halus(g) air (g) superplasticiser (liter) abu seam padi (g) total (g) 5,44 35,63 8,9 5,40 0,00 0,00 74,67 5,44 35,63 8,9 5,0 0,00 0,00 74,36 3 5,44 33,8 6,99 5,0 0,00 0,00 70,80 4 5,44 35,84 8,30 5,0 0,08 0,00 74,75 5 5,44 35,84 8,30 5,0 0,5 0,00 74,83 6 5,44 35,84 8,30 5,0 0,3 0,00 74,98 7 4,67 35,84 8,30 5,0 0,08 0,77 74,75 8 3,90 35,84 8,30 5,0 0,08,54 74,75 9 3,3 35,84 8,30 5,0 0,08,3 74,75 0 4,67 35,84 8,30 5,0 0,5 0,77 74,83 3,90 35,84 8,30 5,0 0,5,54 74,83 3,3 35,84 8,30 5,0 0,5,3 74,83 3 4,67 35,84 8,30 5,0 0,3 0,77 74,98 4 3,90 35,84 8,30 5,0 0,3,54 74,98 5 3,3 35,84 8,30 5,0 0,3,3 74, Pengujian Kuat Tean Beton Pengujian ini menunjang untu dilauannya pengolahan data esperimen berdasaran nilai uat teannya seperti yang ditunjuan pada Tabel 8. Tabel 8. Nilai Kuat Tean Beton variasi bahan ,87 48,0 47,65 47, 5,3 56,3 46,03 4,39 33,08 48,04 44,34 33,05 5, 5,7 39, 44,66 45,36 45,3 48,3 48,67 5,88 43,87 4,08 3, 50,78 40,03 3, 47,67 5,48 36, 3 4, 4,66 46,98 50, 46,35 48,54 44,8 44,89 30, 49,09 45, 30, 49,33 5, 40, ,3 44,56 48,55 47,3 50,03 49,6 45,67 4, 40,3 46,5 4,9 37,44 50,49 49,0 35, ,33 45,3 45,33 46, 53, 54,9 47,7 4,6 37,44 48, 45,3 34, 54,4 47,55 34,4 6 43,4 47, 50, 48,04 49, 5,33 46,49 46,87 36,6 49, 4,5 37,8 53,07 50,03 4,0 total 64,45 7,83 83,95 87,0 98,4 3,33 73,4 58,5 09,3 9,4 58,6 04, 306,0 30,9 6,6 rata-rata 44,08 45,47 47,33 47,84 49,74 5,89 45,57 43,08 34,86 48,57 43,0 34,03 5,00 50,3 37,69 Data di atas emudian dilauan coding (urangi dengan 50) guna memudahan dalam pengolahan data seperti yang terlihat pada Tabel 9. Tabel 9.Coding Data Pengujian variasi bahan jumlah uat tean (Mpa) -6,3 -,99 -,35 -,89,3 6,3-3,97-8,6-6,9 -,96-5,66-6,95,,7-0,88-5,34-4,64-4,68 -,69 -,33,88-6,3-7,9-7,89 0,78-9,97-7,89 -,33,48-3,88-7,78-7,34-3,0 0, -3,65 -,46-5,8-5, -9,79-0,9-4,78-9,8-0,67, -9,67-5,87-5,44 -,45 -,68 0,03-0,84-4,33-7,89-9,87-3,85-8,8 -,56 0,49-0,99-4,57-3,67-4,87-4,67-3,88 3, 4,9 -,83-8,84 -,56 -,78-4,68-5,78 4,4 -,45-5,86-6,76 -,89 0, -,96-0,88,33-3,5-3,3-3,84-0,88-7,49 -,8 3,07 0,03-8,98 total -35,55-7,7-6,05 -,98 -,59,33-6,59-4,5-90,87-8,6-4,39-95,8 6,0,9-73,84-45,68 rata-rata -5,93-4,53 -,68 -,6-0,6,89-4,43-6,9-5,5 -,43-6,90-5,97,00 0,3 -,3-75,447 banya pengamatan Uji Beda Uji ini bertujuan untu mengetahui ada tidanya perbedaan hasil yang signifian dari eseluruhan esperimen.ssalah satu tahapan uji ini adalah ANOVA.ANOVA digunaan arena dapat mengidentifiasi ontribusi factor sehingga aurasi periraan model dapat ditentuan.tahapan ANOVA menggunaan literatur. sehingga didapatan hasil yang terlihat pada Tabel 0. Tingat epercayaan yang digunaan adalah α = 5%. Dengan α = 0,05 didapatan nilai F 0,95(4,75) =,86. Hal ini jelas jauh lebih ecil dari pada F = 36,69. Jadi H 0 ditola pada taraf 0,05 dan hasil pengujian bersifat signifian. Rea Integra -88

9 Usulan Level Fator Variasi Bahan untu Mencapai Kuat Tean Beton 50 Mpa dengan Metode Perancangan Esperimen Tabel. 0 ANOVA sumber variasi d JK KT EKT F rata-rata 76,88 76,88 - Variasi bahan 4 673,55 90,97 σ ϵ + ϕ(kt)* 36,69 eeliruan ,34 5,0 σ ϵ jumlah , Uji Setelah Esperimen Uji ini digunaan untu melihat perbandingan hasil esperimen antar variasi bahan sehingga didapatan hasil esperimen yang lebih signifian.hasil ANOVA menunjuan bahwa hasil esperimen memilii perbedaan setiap variasi bahan.namun ANOVA belum bisa memperlihatan antar variasi bahan mana yang berbeda sehingga digunaan uji ini. Uji setelah esperimen terbagi menjadi yaitu newman euls dan uji scheffe. Tahapan edua uji ini terdapat pada literature.. Beriut hasil uji newman euls dan uji scheffe pada Tabel dan Tabel. Tabel. Reapitulasi Hasil Uji Newman Keuls no perbandingan selisih ratarata lambang RST sifat 03 4 vs 6,57 <,435 tida terdapat perbedaan 04 4 vs 3 0,687 <,0 tida terdapat perbedaan 05 3 vs 6 0,885 <,0 tida terdapat perbedaan Tabel. Reapitulasi Hasil Uji Scheffe J J J3 J4 J5 J6 J7 J8 J9 J0 J J J3 J4 J5 TOTAL lambang ASC C < C < C < C > C > 43.3 C > 4.8 Perhitungan Harga Material Untu menghitung ebutuhan harga material diperluan data volume beton yang emudian aan dionversi e nilai m 3. Data volume beton uji dapat dilihat pada Tabel 3. Tabel 3. Volume Beton Uji variasi bahan volume total (m3) 0,038 0,034 0,0309 0,038 0,038 0,038 0,038 0,038 0,038 0,038 0,038 0,038 0,038 0,038 0,038 Survey harga material pembentu beton dilauan guna menunjang perhitungan harga material beton. Adapun omponen harga material tersebut adalah:. Semen Tiga Roda tipe (50g) = Rp Pasir Beton Galunggung ( m 3 ) = Rp Batu Pecah ( m 3 ) = Rp Abu seam padi ( g) = Rp Superplasticizer (5 L) = Rp Rea Integra -89

10 Wahid, d. Perhitungan harga didapatan berdasaran Tabel 7 dan Tabel 3 serta harga material.reapitulasi harga material beton dapat dilihat pada Tabel 4. variasi bahan semen (g) batu (g) pasir (g) air (g) Tabel 4. Reapitulasi Harga Material Beton Per m 3 superplasticiser (liter) abu seam padi (g) biaya semen (Rp) biaya batu biaya pasir biaya abu seam biaya superplasticizer (Rp) (Rp) padi (Rp) (Rp) uat tean (Mpa) slump (mm) total harga (Rp) , , , , , , , , , , , , , , , ANALISIS 5. Uji Newman Keuls Dari hasil uji newman Keuls (Tabel ) terlihat bahwa:. Selisih nilai rata-rata antara variasi bahan 6 dan 3 (0,885) lebih ecil daripada nilai RST nya (,0) sehingga tida terdapat perbedaan hasil yang signifian antara variasi bahan 6 dan 3.. Selisih nilai rata-rata antara variasi bahan 6 dan 4 (,57) lebih ecil daripada nilai RST nya (,435) sehingga tida terdapat perbedaan hasil yang signifian antara variasi bahan 6 dan Selisih nilai rata-rata antara variasi bahan 3 dan 4 (0,687) lebih ecil daripada nilai RST nya (,0) sehingga tida terdapat perbedaan hasil yang signifian antara variasi bahan 3 dan Uji Scheffe Dari hasil uji scheffe (Tabel ) terlihat bahwa:. Tida terdapat perbedaan yang berarti antara variasi 6 dan variasi 3. Hal ini coco dengan hasil uji newman euls.. Tida terdapat perbedaan yang berarti antara variasi 6 dan variasi 4. Hal ini coco dengan hasil uji newman euls. 3. Tida terdapat perbedaan yang berarti antara variasi 3 dan variasi 4. Hal ini coco dengan hasil uji newman euls. 4. Terdapat perbedaan yang berarti antara variasi 6 dengan eempat belas variasi lainnya. 5. Terdapat perbedaan yang berarti antara variasi 3 dengan eempat belas variasi lainnya. 6. Terdapat perbedaan yang berarti antara variasi 4 dengan eempat belas variasi lainnya. Rea Integra -90

11 Usulan Level Fator Variasi Bahan untu Mencapai Kuat Tean Beton 50 Mpa dengan Metode Perancangan Esperimen 5.3 Analisis Harga Tabel 4 memperlihatan bahwa nilai uat tean beton yang mencapai 50 Mpa adalah variasi bahan 6, 3 dan 4. Berdasaran nilai uat tean yang berhasil dicapai, variasi bahan 6 memilii euatan paling besar namun dari sisi harga justru jauh lebih mahal yaitu Rp jia produsen beton mengacu pada hasil uji newman euls dan uji scheffe maa variasi bahan 4 bisa dipilih arena memilii harga paling murah yaitu Rp /m KESIMPULAN Kesimpulan yang didapat dari hasil perancangan esperimen adalah omposisi beton dengan menggunaan bahan tambah abu seam padi 0% dari berat semen dan superplasicizer % dari berat semen merupaan hasil terbai. Komposisi tersebut memberian harga termurah yaitu Rp /m 3 beton. DAFTAR PUSTAKA Ellen,C. (003), Perancangan Esperimen Fatorial 3 Dalam Desain Split-Split-Plot untu Menentuan Fator yang Berpengaruh Secara Signifian terhadap Keuatan Lentur BataRefratori, Sripsi, Program Gelar Sarjana Teni Industri Universitas Katholi Parahyangan, Bandung. Garvin, D. A. (987), Delapan Dimensi tentang Kualitas, Terjemahan Hendra Teguh, SE, AK, Harvard Business Review. Hadjisarosa, P., (973), Petunju Beton, Jaarta : Diretorat Jenderal Binamarga. Hics, C. R. (98), Fundamental Consepts in the Design of Esperiment 3 rd edition, New Yor : Holt-Saunders International Editions. Ilham, T. (00), Pemanfaatan Abu Seam Padi Sebagai Subtitusi Parsial Semen dan Agregat Halus pada Beton dengan Kuat Tean 50 Mpa, Tugas Ahir, Program Gelar Sarjana Teni Sipil Institut Tenologi Nasional, Bandung. Kjaer, U. (00), RHC, Bandung : Diretorat Penyelidian Masalah Bangunan. Metode Perancangan esperimen diunggah pada tanggal 4 september 0 dengan alamat Percobaan Fatorial diunggah pada tanggal 4 september 0 dengan alamat Soejanto, I. (009), Perancangan Esperimen Menggunaan Metode Taguchi, Penerbit Yayasan Humaniora, Klaten. Sudjana, (00), Desain dan Analisis Esperimen, Edisi e-4, Bandung : PT. Tarsito. Rea Integra -9

Usulan Level Faktor Variasi Bahan untuk Mencapai Kuat Tekan Beton 50 Mpa denganmetode Perancangan Eksperimen

Usulan Level Faktor Variasi Bahan untuk Mencapai Kuat Tekan Beton 50 Mpa denganmetode Perancangan Eksperimen Reka Integra ISSN: 338-508 Teknik Industri Itenas No. 3 Vol. 0 Jurnal Online Institut Teknologi Nasional Desember 03 Usulan Level Faktor Variasi Bahan untuk Mencapai Kuat Tekan Beton 50 Mpa denganmetode

Lebih terperinci

TUGAS I RANCANGAN PERCOBAAN BAB I

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

Lebih terperinci

Oleh: Lulut Sunarya ( ) Ghufran Rahmat Putra ( ) Debbiela Fajrina Septierly ( ) Miranti Nurbayani ( )

Oleh: Lulut Sunarya ( ) Ghufran Rahmat Putra ( ) Debbiela Fajrina Septierly ( ) Miranti Nurbayani ( ) LAPORAN Analisis Perbedaan Rata-Rata Menggunakan Uji Scheffe Laporan ini diajukan untuk memenuhi tugas mata kuliah Desain Eksperimen I Dosen : Yeny Krista Franty, S.Si., M.Si. Oleh: Lulut Sunarya (140610009007)

Lebih terperinci

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

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure 8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher

Lebih terperinci

Rancangan Petak Terbagi

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

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

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

Lebih terperinci

BAB III METODE SCHNABEL

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS VARIANSI (ANOVA)

ANALISIS VARIANSI (ANOVA) ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

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

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

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

Lebih terperinci

Reka Integra ISSN 2338 : 5081 Jurusan Teknik Industri Itenas l No.02 l Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 2014

Reka Integra ISSN 2338 : 5081 Jurusan Teknik Industri Itenas l No.02 l Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 2014 Reka Integra ISSN 2338 : 508 Jurusan Teknik Industri Itenas l No.02 l Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 204 Penentuan Faktor yang Berpengaruh Secara Signifikan Terhadap Variabel

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

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

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

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

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

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

USULAN KOMBINASI FAKTOR-FAKTOR YANG BERPENGARUH SECARA SIGNIFIKAN TERHADAP KUAT TEKAN BATA EKSPOSE DENGAN METODE PERANCANGAN EKSPERIMEN *

USULAN KOMBINASI FAKTOR-FAKTOR YANG BERPENGARUH SECARA SIGNIFIKAN TERHADAP KUAT TEKAN BATA EKSPOSE DENGAN METODE PERANCANGAN EKSPERIMEN * Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.03 Vol.02 Jurnal Online Institut Teknologi Nasional Juli 2014 USULAN KOMBINASI FAKTOR-FAKTOR YANG BERPENGARUH SECARA SIGNIFIKAN TERHADAP KUAT

Lebih terperinci

METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL. Staf Pengajar Program Studi Statistika FMIPA UNDIP

METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL. Staf Pengajar Program Studi Statistika FMIPA UNDIP Optimalisasi Produ (Triastuti Wuryandari) METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL Triastuti Wuryandari 1, Tati Widiharih 2, Sayeti Dewi Anggraini 3 1,2 Staf Pengajar Program Studi

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong

Lebih terperinci

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

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

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

Lebih terperinci

Perhitungan Kehilangan Pratekan Total dengan Memakai Teori Kemungkinan ABSTRAK

Perhitungan Kehilangan Pratekan Total dengan Memakai Teori Kemungkinan ABSTRAK Jurnal APLIKASI Volume 5, Nomor 1, Agustus 2008 Perhitungan Kehilangan Pratean Total dengan Memaai Teori Kemunginan M. Sigit Darmawan Dosen Jurusan Diploma Teni Sipil, FTSP - ITS Email: msdarmawan@ce.its.ac.id

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

OSN 2014 Matematika SMA/MA

OSN 2014 Matematika SMA/MA Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

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

Lebih terperinci

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

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

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

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

Lebih terperinci

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,

Lebih terperinci

Makalah Seminar Tugas Akhir

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

Lebih terperinci

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

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

Lebih terperinci

PERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON

PERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON PERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON M. Sigit Darmawan Dosen Diploma Teni Sipil ITS Email: msdarmawan@ce.its.ac.id

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

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

Lebih terperinci

BAB 2 TEORI PENUNJANG

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

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

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

Lebih terperinci

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

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

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

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

Lebih terperinci

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

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

Lebih terperinci

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas

Lebih terperinci

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

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

Lebih terperinci

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

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

Lebih terperinci

ANALISA RASIO PEMAMPATAN TEBAL GERAM DAN GAYA POTONG SPESIFIK DENGAN DAN TANPA PENDINGIN TERHADAP PROSES TURNING

ANALISA RASIO PEMAMPATAN TEBAL GERAM DAN GAYA POTONG SPESIFIK DENGAN DAN TANPA PENDINGIN TERHADAP PROSES TURNING ANALISA RASIO PEMAMPATAN TEBAL GERAM DAN GAYA POTONG SPESIFIK DENGAN DAN TANPA PENDINGIN TERHADAP PROSES TURNING Disusun oleh : Isnan Harijanto Dosen Jurusan Te Mesin,FTI, ITATS Jalan Arief Rahman Haim

Lebih terperinci

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

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

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

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

Lebih terperinci

BAB ELASTISITAS. Pertambahan panjang pegas

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

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

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

Lebih terperinci

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

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

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

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

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

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

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

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

Lebih terperinci

BAHAN DAN METODE. Tempat dan Waktu. Bahan dan Alat. Metode Penelitian

BAHAN DAN METODE. Tempat dan Waktu. Bahan dan Alat. Metode Penelitian BAHAN DAN METODE Tempat dan Watu Penelitian dilasanaan di laboratorium ultur jaringan Departemen Agronomi dan Hortiultura IPB Darmaga. Penelitian berlangsung dari bulan April sampai dengan September 2009.

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

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

Lebih terperinci

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK

Lebih terperinci

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK

Lebih terperinci

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV

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

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

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

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

Sah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH) Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

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

Lebih terperinci

Makalah Seminar Tugas Akhir

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

Lebih terperinci

Pengaruh Masuknya Penambahan Pembangkit Baru kedalam Jaringan 150 kv pada Kapasitas Circuit Breaker

Pengaruh Masuknya Penambahan Pembangkit Baru kedalam Jaringan 150 kv pada Kapasitas Circuit Breaker Pengaruh Masunya Penambahan Pembangit Baru edalam Jaringan 150 V pada Kapasitas Circuit Breaer Emelia, Dian Yayan Suma Jurusan Teni Eletro Faultas Teni Universitas Riau Kampus Binawidya Km 12,5 Simpang

Lebih terperinci

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

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

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

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

Lebih terperinci

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni

Lebih terperinci

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu

Lebih terperinci

Penentuan Harga Opsi Asia dengan Metode Monte Carlo

Penentuan Harga Opsi Asia dengan Metode Monte Carlo JURAL AEAIKA AIK Vol. 3 o. 1. ei 217. Penentuan Harga Opsi Asia dengan etode onte Carlo Surya Amami Pramuditya 1 FKIP, Universitas Swadaya Gunung Djati 1, amamisurya@fip-unswagati.ac.id 1 DOI: https://doi.org/1.15642/manti.217.3.1.46-5

Lebih terperinci

OPTIMASI PROSES DENSIFIKASI JERAMI PADI SEBAGAI BAHAN BAKAR ALTERNATIF

OPTIMASI PROSES DENSIFIKASI JERAMI PADI SEBAGAI BAHAN BAKAR ALTERNATIF Optimasi Proses Densifiasi Jerami Padi sebagai Bahan Baar Alternatif (Zulifli) OPTIMASI PROSES DENSIFIKASI JERAMI PADI SEBAGAI BAHAN BAKAR ALTERNATIF Zulifli Jurusan Teni Kimia, Politeni Negeri Lhoseumawe,

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA

AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA Aris Puji Widodo, Suhartono 2, Eo Adi Sarwoo 3, dan Zulfia Firdaus 4,2,3,4 Departemen Ilmu Komputer/Informatia,

Lebih terperinci

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

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

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

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

Lebih terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani

Lebih terperinci

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

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

Lebih terperinci

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU

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

Lebih terperinci

PENENTUAN ELEVASI PERMUKAAN AIR BERDASARKAN DATA SERIES TINGGI TEKANAN AIR

PENENTUAN ELEVASI PERMUKAAN AIR BERDASARKAN DATA SERIES TINGGI TEKANAN AIR PENENTUAN ELEVASI PERMUKAAN AIR BERDASARKAN DATA SERIES TINGGI TEKANAN AIR Andi Rusdin* * Series data of sea surface elevation is required to determine the parameters of tidal and wave parameters. The

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.

Lebih terperinci

PENGARUH SUBTITUSI ABU SERABUT KELAPA (ASK) DALAM CAMPURAN BETON. Kampus USU Medan

PENGARUH SUBTITUSI ABU SERABUT KELAPA (ASK) DALAM CAMPURAN BETON. Kampus USU Medan PENGARUH SUBTITUSI ABU SERABUT KELAPA (ASK) DALAM CAMPURAN BETON Nora Usrina 1, Rahmi Karolina 2, Johannes Tarigan 3 1 Departemen Teknik Sipil, Universitas Sumatera Utara, Jl. Perpustakaan No. 1 Kampus

Lebih terperinci

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

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

Lebih terperinci