Pada dasarnya lebih sulit drpd classifier berdasar teori bayes, terutama untuk data dimensi tinggi.
|
|
- Liani Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1
2 Fokus pd desain fungsi pembeda (discriminant function) atau decision surface scr langsung yang membedakan satu kelas dengan kelas yg lain berdasarkan kriteria yg telah ditentukan. Pada dasarnya lebih sulit drpd classifier berdasar teori bayes, terutama untuk data dimensi tinggi. Menguntungkan krn tdk hrs menentukan fungsi PDF, dan lebih disarankan jika data yg tersedia tdk cukup banyak. 2
3 Dimulai dgn pers linear sederhana: atau dpt jg dinyatakan sbg: dalam hal ini dipilih utk bekerja dalam ruang R l+1, bukan R l dengan menambahkan w 0. Begitu w dpt diestimasi, maka utk kasus 2 kelas, suatu vektor dpt diklasifikasikan dgn cara: 3
4 Classifier jenis ini membuat sebuah permukaan hyperplane yang membatasi kelas-kelas yang ada. Dalam kasus 2 kelas, maka permukaan hyperplane akan memisahkan kelas satu di satu sisi hyperplane dan kelas 2 pada sisi hyperplane yg lain. Untuk kemudahan notasi maka utk selanjutnya hanya akan digunakan notasi w dan x yg keduanya diasumsikan sdh dinaikkan dimensinya satu derajat lebih tinggi. 4
5 Lineary separable : dpt dipisahkan dgn permukaan hyperplane yg linear. Contoh: 5
6 Non lineary separable Contoh: 6
7 Algoritma Perceptron sesuai utk kasus 2 kelas yg lineary separable (dpt pisah scr linear) Algoritma Perceptron menghitung nilai-nilai bobot w dari classifier linear yg memisahkan kedua kelas yg ada. Perceptron menggunakan cara iteratif. Iterasi dimulai dari estimasi bobot awal dan konvergen ke suatu penyelesaian akhir melalui sejumlah iterasi yang tertentu (finite) Bobot akhir penyelesaian mengklasifikasikan data yg ada menjadi 2 kelas (asumsi bahwa data adl lineary separable) 7
8 Perceptron konvergen ke salah satu penyelesaian yg mungkin dari tak-hingga penyelesaian yg ada. Dengan estimasi bobot awal yg berbeda maka akan dihasilkan permukaan hyperplane yg berbeda pula. Iterasi ke-t mpy bentuk: w : vektor yg telah diaugmentasi dgn w 0 Y : data yg diklasifikasi scr salah oleh bobot saat ini yaitu w(t) x = -1 jika x 1 dan x = +1 jika x 2 t : parameter utk mengendalikan kecepatan konvergensi (ditentukan user), dpt dipilih sbg bilangan konstan Algoritma konvergen jika Y mrpk himpunan kosong 8
9 Jika bobot akhir tlh ditemukan, suatu vektor x dpt diklasifikasikan melalui operasi berikut: Fungsi f(.) dpt berupa fungsi apa saja. Yg plg sederhana adl fungsi step (fungsi undak satuan) dua kutub yaitu: 1 jika f ( z) 1 jika z 0 z 0 atau dpt jg fungsi step satu kutub saja. Secara umum fungsi f(.) disebut dgn istilah fungsi aktivasi. 9
10 Model jaringan paling dasar disebut perceptron atau neuron Arsitekturnya diperlihatkan pd gambar berikut. 10
11 Bangkitkan 4 data set 2 dimensi yaitu X1, X2, X3, dan X4, masing-masing terdiri atas 2 kelas. Dlm setiap data kelas 1 (dinyatakan dgn -1) terdiri atas 100 vektor data yg terdistribusi scr seragam dlm area bujur sangkar [0,2]x[0,2]. Data kelas 2 (dinyatakan dgn +1) jg terdiri atas 100 vektor data yg terdistribusi scr seragam dlm area bujur sangkar [3,5]x[3,5], [2,4]x[2,4],[0,2]x[2,4], dan [1,3]x[1,3] masing-masing utk X1, X2, X3, dan X4. Setiap data diaugmentasi dgn koordinat ke-3 yg sama dgn 1. 11
12 Plot datanya. Bgmn jenis sebaran data utk X1 hingga X4? Buatlah script utk menjalankan algoritma perceptron utk X1 hingga X4 dgn parameter learning rate 0,01 dan 0,05 serta estimasi awal bobot [1 1-0,5] T Ulangi utk data set X3 dgn learning rate 0,05 dan estimasi bobot awal [1 1-0,5] dan [1 1 0,5] T Berikan kesimpulannya 12
13 Penyelesaian Bangkitkan dataset X1 dan plot dgn script berikut hasil eksekusinya sbb: 13
14 Sebaran X Bangkitkan X2, X3, dan X4 dg script yg serupa namun dg mengganti baris ke-4 masing-masing dg: x = [2 2] x = [0 2] x = [1 1] 14
15 Sebaran X Sebaran X
16 Sebaran X Dari grafik sebaran data X1 hingga X4 terlihat bahwa dataset X1 dan X2 mempunyai sebaran yang lineary separable. Dataset X3 terllihat sangat berdekatan antar kelasnya, perlu dibuktikan scr langsung apakah lineary separable atau tdk menggunakan klasifikasi. Sedangkan dataset X4 terlihat jelas sbg sebaran yg non lineary separable. 16
17 Buat script fungsi utk algoritma perceptron sbb 17
18 Simpan fungsi dg nama perceptron.m Utk menjalankan algoritma perceptron utk X1 dgn parameter learning rate 0,01 dan estimasi awal bobot [1 1-0,5] T, buatlah script utk memanggil fungsi sbb: 18
19 Hasil eksekusinya adl: Iterasi Pertama: # Titik-titik salah kelas = 95 w = [ ] iter = 134 salah_kelas = 0 Artinya: Pd iterasi pertama ada 95 data yg salah kelas, bobot akhir (w) diperoleh stlh dilakukan 134 iterasi dan pd jml iterasi tsb tdk ada lagi data yg salah kelas. Bobot akhir (w) yg nantinya akan digunakan utk menentukan kelas suatu vektor baru yg blm diketahui kelasnya 19
20 Misalnya ada data baru x = [5 4] maka dpt ditentukan kelasnya sbb (menggunakan fungsi aktivasi step dua kutub pada halaman 9). z = w 1 x 1 + w 2 x 2 + w 0 = (0,2990)(5) + (0,2936)(4) + (-1,0718) = 1, ,1744-1,0718 = 1,5976 z > 0 maka x = [5 4] masuk ke kelas +1 TUGAS Kerjakan permasalahan pada halaman 12 selengkapnya. 20
ESTIMATOR FUNGSI PDF. Pertemuan 4
ESTIMATOR FUNGSI PDF Pertemuan 4 1 Bangkitkan data dimensi sebanyak N = 500 yang terdistribusi Gaussian N(m,S) dan rerata m = [0 0] T dan kovarian dengan Plot data yg dibangkitkan tsb, pengertian apa yg
Lebih terperinciSifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy
Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi Logika Fuzzy 1 Fitur Fungsi Keanggotaan Fungsi keanggotaan himpunan fuzzy: Core (inti) Support (pendukung) Boundary (batas) 2 (a) (b) Himp. Fuzzy
Lebih terperinciPertemuan 8 Aljabar Linear & Matriks
Pertemuan 8 Aljabar Linear & Matriks 1 Jika A adl matriks nxn yg invertible, untuk setiap matriks b dgn ukuran nx1, maka sistem persamaan linier Ax = b mempunyai tepat 1 penyelesaian, yaitu x = A -1 b
Lebih terperinciRelasi Tolerans & Relasi Ekivalen. Logika Fuzzy
Relasi Tolerans & Relasi Ekivalen Logika Fuzzy 1 Sifat-sifat Relasi Misalkan terdapat sebuah semesta dengan 3 elemen dinyatakan X = {1, 2, 3}, maka berikut adalah sifat-sifat relasi yang mungkin: Refleksivitas
Lebih terperinciPEMODELAN SISTEM. Pemodelan & simulasi TM05
PEMODELAN SISTEM Pemodelan & simulasi TM5 Pemodelan Sistem isik Pemodelan matematis dari sebuah sistem diperoleh dg mengaplikasikan hukum-hukum fisika yg scr natural mengatur komponen-komponen yg ada dlm
Lebih terperinciRangkaian RL dan RC Dengan Sumber
Rangkaian RL dan RC Dengan Sumber Slide-07 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 32 Materi Kuliah 1 Pengantar Rangkaian Sebelumnya Fungsi Undak Satuan Sumber Ekivalen Fungsi Pulsa 2 Rangkaian
Lebih terperinciAljabar Linier & Matriks
Aljabar Linier & Matriks 1 Vektor Orthogonal Vektor-vektor yang saling tegak lurus juga sering disebut vektor orthogonal. Dua vektor disebut saling tegak lurus jika dan hanya jika hasil perkalian titik-nya
Lebih terperinciManajemen Waktu Proyek & Penjadwalan Proyek. By Wiji Nurastuti,MT
Manajemen Waktu Proyek & Penjadwalan Proyek By Wiji Nurastuti,MT 1 PROYEK : KEGIATAN tertentu (oleh manusia ada waktunya tempat & metode/cara alat & bahan) JELAS WAKTUNYA TIDAK RUTIN ADA ALASAN YANG JELAS
Lebih terperinciPEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA. Pemodelan & Simulasi
PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA Pemodelan & Simulasi Bilangan Acak Bilangan acak adalah bilangan yang kemunculannya terjadi secara acak. Bilangan acak ini penting untuk keperluan simulasi.
Lebih terperinciFuzzy Associative Memory (FAM) Logika Fuzzy
Fuzzy Associative Memory (FAM) Logika Fuzzy 1 Misalkan suatu sistem fuzzy dengan n input dan satu output. Setiap input X1, X2,, Xn dipartisi menjadi k partisi fuzzy. Maka menggunakan aturan fuzzy IF THEN..
Lebih terperinciAspek Teknis. Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng.
Aspek Teknis Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng. 1 Pengkajian aspek teknis
Lebih terperinciMateri 2: Matriks dan Operasi Matriks
Materi 2: Matriks dan Operasi Matriks I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Amatilah contoh jumlah jam yang dihabiskan oleh siswa di sekolah dlm satu minggu berikut: Jika kita menghilangkan
Lebih terperinciModel Linear untuk Klasifikasi
MMA10991 Topik Khusus - Machine Learning Model Linear untuk Klasifikasi Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439,
Lebih terperinciSuperposisi & Interferensi
Pertemuan 3 1 Superposisi & Interferensi Fenomena gel. di alam tdk dpt digambarkan hanya dgn perambatan 1 pulsa/gel. kombinasi byk gel. yg merambat Prinsip superposisi: Jk 2 atau lbh gel. merambat mll
Lebih terperinciJARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORKS)
JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORKS) (Artificial Neural Networks) BAB I PENDAHULUAN 1.1 Sejarah JST JST : merupakan cabang dari Kecerdasan Buatan (Artificial Intelligence ) JST : meniru
Lebih terperinci18/09/2013. Ekonomi Teknik / Sigit Prabawa / 1. Ekonomi Teknik / Sigit Prabawa / 2
PENERAPAN PROGRAM LINIER dalam OPTIMASI PRODUKSI Ekonomi Teknik / Sigit Prabawa / 1 MASALAH yg banyak dihadapi oleh INDUSTRI adalah BAGAIMANA MENGGUNAKAN atau MENENTUKAN ALOKASI PENGGUNAAN SUMBER DAYAYG
Lebih terperinciLarutan Nonelektrolit dan Elektrolit Lemah yang Sendiri
Kekuatan Ion Larutan Nonelektrolit dan Elektrolit Lemah yang Sendiri Pd larutan encer nonelektrolit, aktivitas dan konsentrasi dianggap praktis sama krn gaya elektrostatik tidak menyebabkan penyimpangan
Lebih terperinciAspek Finansial. Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta
Aspek Finansial Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng. 1 Aspek Finansial vs Aspek
Lebih terperinciArchitecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Perceptron 2. ADALINE 3. MADALINE 2 Perceptron Perceptron lebih powerful dari Hebb Pembelajaran perceptron mampu menemukan konvergensi terhadap bobot yang
Lebih terperinciRelasi Tegas (Crips Relation)
Logika Fuzzy (3) 1 Cartesian Product Terdapat dua himpunan A = {0, 1} dan B = {a, b, c}. Maka beberapa variasi hasil-kali kartesian (cartesian product) dapat dituliskan sebagai berikut: 2 Relasi Tegas
Lebih terperinciViewing 3D. Tujuan: memberi kesan pada viewer bahwa ia melihat foto 3D dengan cara yg sama saat kita memotret obyek 3D ke film 2D.
Komputer Grafik 1 Viewing 3D Tujuan: memberi kesan pada viewer bahwa ia melihat foto 3D dengan cara yg sama saat kita memotret obyek 3D ke film 2D. memproyeksikan obyek 3D ke bidang 2D 2 Pinhole Camera
Lebih terperinciRangkaian AC Tiga-Fase [1]
Rangkaian AC Tiga-Fase [1] Slide-12 Ir. Agus Arif, MT Semester Genap 2015/2016 1 / 23 Materi Kuliah 1 Sistem Tiga-Fase Sistem Fase-Jamak Definisi Tiga-Fase Notasi Subskrip-Ganda 2 Definisi Sumber Tiga-Fase
Lebih terperinciKewirausahaan Wira Usaha
KEWIRAKOPERASIAN Masalah Manusia dalam Koperasi Mpy SDM yang masih kurang memiliki etos kerja dan budaya kerja yg menggambarkan jiwa dan semangat kewirausahaan yg tangguh Mpy tk kemampuan, keahlian dan
Lebih terperinciPENGEMBANGAN BAHAN AJAR BIOLOGI
PENGEMBANGAN BAHAN AJAR BIOLOGI CHAPTER 5 Pengembangan dan Pemanfaatan LKS Husni Mubarok, S.Pd., M.Si. Tadris Biologi IAIN Jember APA YANG ANDA KETAHUI TENTANG LKS?? Pengertian LKS Lembaran yg berisi pedoman
Lebih terperinciBAKAT & INTELEGENSI. Cattel m coba menemukan perbedaan2 individu dlm hal: - ketajaman sensoris (indra) - kekuatan otot 10 aspek - kemampuan mental
BAKAT & INTELEGENSI II. BAKAT Menurut Crow & Crow Bakat Kualitas yg dimiliki oleh semua orang dlm tingkat yg beragam / keunggulan khusus dlm bidang perilaku t tentu. Cattel m coba menemukan perbedaan2
Lebih terperinciPENGUAT DAYA KELAS A
LKTRONKA ANALOG ertemuan 14 NGUAT DAYA KLAS A enguat sinyal besar (large signal) dimana penekanan adl pd penguatan daya, disebut dengan penguat daya. Klasifikasi penguat daya yang ada adalah kelas A, kelas
Lebih terperinciBAB IV B METODE BELAJAR HEBBIAN SUPERVISED & CONTOH
BAB IV B METODE BELAJAR HEBBIAN SUPERVISED & CONTOH 4B. Jaringan Hebbian Kelemahan model McCulloch-Pitts : penentuan bobot garis dan bias secara analitik. Untuk masalah yang kompleks, hal ini akan sangat
Lebih terperinciPerseroan membeli kembali saham yang beredar tetapi tidak bermaksud menghentikan saham tersebut. Pembelian kembali dilakukan karena berbagai tujuan,
Perseroan membeli kembali saham yang beredar tetapi tidak bermaksud menghentikan saham tersebut. Pembelian kembali dilakukan karena berbagai tujuan, misalkan perseroan menginginkan saham-saham tsb dimiliki
Lebih terperinciKelayakan Proyek dan Keputusan Investasi
Kelayakan Proyek dan Keputusan Investasi Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng.
Lebih terperinciDaya Rangkaian AC [1]
Daya Rangkaian AC [1] Slide-10 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 21 Materi Kuliah 1 Daya Sesaat Definisi Daya Input Undak Daya Input Sinusoidal 2 Definisi Daya Input Sinusoidal Daya Resistif
Lebih terperinciPengklasifikasi Berdasarkan Optimisasi Fungsi Harga (Cost Function)
Pengklasifikasi Berdasarkan Optimisasi Fungsi Harga (Cost Function) Rachmawati, 06902,TE Jurusan Teknik Elektro dan Teknologi Informasi, FT UGM, Yogyakarta 2.1 PENDAHULUAN Bab ini berkaitan dengan teknik
Lebih terperinciBAB: ANGGARAN VARIABEL
BAB: ANGGARAN VARIABEL Anggaran Variabel, pada umumnya berkaitan dgn anggaran produksi, Pada anggaran produksi sudah ditentukan range atau batas unit yg akan diproduksi dengan biaya variabel terendah.
Lebih terperinciMA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016. Hendra Gunawan
MA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016 Hendra Gunawan 4. Fungsi Kontinu 4.1 Konsep Kekontinuan Fungsi kontinu Limit fungsi dan limit barisan Prapeta himpunan buka 4.2 Sifat-Sifat Fungsi
Lebih terperinciMemahami pentingnya jadwal proyek dan manajemen waktu proyek yg baik Menentukan aktivitas sbg dasar membuat jadwal proyek Menjelaskan bgmn manajer
1 Memahami pentingnya jadwal proyek dan manajemen waktu proyek yg baik Menentukan aktivitas sbg dasar membuat jadwal proyek Menjelaskan bgmn manajer proyek menggunakan diagram jaringan dan ketergantungan
Lebih terperinciModel Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan
METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat
Lebih terperincic. Politik Hukum Materiil 2/28/2013 2:03 PM
c. Politik Hukum Materiil Bagian dr politik hk yg mengkaji isi kebijakan pemerintah dlm menetapkan hk yg berlaku. Isi kebijakan pemerintah mnrt Dye: Apapun yg dipilih o/ pemerintah u/ dilakukan / tdk dilakukan.
Lebih terperinciMANAJEMEN MODAL KERJA
MANAJEMEN MODAL KERJA Konsep Modal Kerja 1. Konsep Kuantitatif Konsep ini mendasarkan pd kuantitas dr dana yg tertanam dlm unsur aktiva lancar (Aktiva yg sekali berputar kembali dlm bentuk semula / dana
Lebih terperinciMateri 9: AVR Interrupt
Materi 9: AVR Interrupt I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Kusuma Wardana, M.Sc. 1 AVR Interrupt Interrupt vs Polling Programming Timer Interrupt Kusuma Wardana, M.Sc. 2 Interrupt
Lebih terperinciAljabar Linier & Matriks
Aljabar Linier & Matriks 1 Pendahuluan Ruang vektor tidak hanya terbatas maksimal 3 dimensi saja 4 dimensi, 5 dimensi, dst ruang n-dimensi Jika n adalah bilangan bulat positif, maka sekuens sebanyak n
Lebih terperinciBAB 2 JARINGAN NEURAL SATU LAPIS
BAB 2 JARINGAN NEURAL SATU LAPIS Jaringan neural dapat dilatih untuk melakukan klasifikasi pola. Dalam klasifikasi pola setiap vektor masukan diklasifikasi menjadi anggota atau tidak dari suatu kelas tertentu
Lebih terperinciSelama berabad-abad orang mengetahui bahwa penyakit-penyakit tertentu tidak pernah menyerang orang yang sama dua kali. Orang yang sembuh dari
Selama berabad-abad orang mengetahui bahwa penyakit-penyakit tertentu tidak pernah menyerang orang yang sama dua kali. Orang yang sembuh dari serangan epidemi cacar dapat menangani para penderita dengan
Lebih terperinciTUJUAN & TANGGUNG JAWAB AUDIT
TUJUAN & TANGGUNG JAWAB AUDIT Tujuan Pengauditan Laporan Keuangan Tujuan pengauditan umum atas laporan keuangan oleh auditor independen merupakan pemberian opini atas kewajaran dimana laporan tersebut
Lebih terperinciPengertian dan Ruang Lingkup Ekonomi Manajerial
Pengertian dan Ruang Lingkup Ekonomi Manajerial Definisi Ekonomi Manajerial Adalah aplikasi teori ekonomi dan perangkat analisis ilmu keputusan u/ membahas bagaimana suatu organisasi dapat mencapai tujuan
Lebih terperinciAkuntansi Biaya. Joint Product and Joint Cost. Diah Iskandar SE., M.Si dan Lawe Anasta, SE.,M.S.,Ak. Modul ke: Fakultas FEB. Program Studi Akuntansi
Modul ke: Akuntansi Biaya Joint Product and Joint Cost Fakultas FEB Diah Iskandar SE., M.Si dan Lawe Anasta, SE.,M.S.,Ak Program Studi Akuntansi www.mercubuana.ac.id Terminologi Biaya Gabungan Biaya Gabungan
Lebih terperinciLATIHAN OTOT UNTUK MENINGKATKAN KEMAMPUAN FUNGSIONAL-NYA PERLU MENGGUNAKAN BEBAN BEBAN : BERAT BADAN SENDIRI BEBAN YG BERASAL DARI LUAR.
LATIHAN OTOT UNTUK MENINGKATKAN KEMAMPUAN FUNGSIONAL-NYA PERLU MENGGUNAKAN BEBAN BEBAN : BERAT BADAN SENDIRI BEBAN YG BERASAL DARI LUAR. PEMBERIAN BEBAN HARUS FISIOLOGIS, YAITU: SESUAI DGN KEMAMPUAN YG
Lebih terperinciPerkenalan. Kuliah Kecerdasan Buatan Semester genap 2006/2007. Feb 28, KB-Slide-01
Perkenalan Kuliah Kecerdasan Buatan Semester genap 2006/2007 Feb 28, 2007-1 Pendahuluan Bahasa Prolog Hubungan keluarga Kesimpulan #1 Aturan Kesimpulan #2 Materi Feb 28, 2007-2 Pendahuluan [1] Kecerdasan
Lebih terperinciJaringan Syaraf Tiruan
Jaringan Syaraf Tiruan (Artificial Neural Network) Intelligent Systems Pembahasan Jaringan McCulloch-Pitts Jaringan Hebb Perceptron Jaringan McCulloch-Pitts Model JST Pertama Diperkenalkan oleh McCulloch
Lebih terperinciPertemuan 4 Aljabar Linear & Matriks
Pertemuan 4 Aljabar Linear & Matriks 1 Notasi : huruf besar tebal misalnya A, B, C Merupakan array dari bilangan, setiap bilangan disebut elemen matriks (entri matriks) Bentuk umum : m : jumlah baris (mendatar)
Lebih terperinciMETODE BELAJAR HEBBIAN SUPERVISED & CONTOH
METODE BELAJAR HEBBIAN SUPERVISED & CONTOH 1. Jaringan Hebbian Kelemahan model McCulloch-Pitts : penentuan bobot garis dan bias secara analitik. Untuk masalah yang kompleks, hal ini akan sangat sulit dilakukan.
Lebih terperinciModel Linear Programming:
Model Linear Programming: Pengertian, Contoh masalah dan Perumusan model Metode penyelesaian (grafik dan simpleks) Interpretasi hasil Analisis sensistivitas Model Dualitas Penyelesaian kasus (Aplikasi
Lebih terperinciPRODUK BERSAMA DAN PRODUK SAMPINGAN (Joint. dan By Product)
PRODUK BERSAMA DAN PRODUK SAMPINGAN (Joint dan By Product) Produk Bersama ( (Joint Product) a/ produk yang dihasilkan dari suatu rangkaian atau seri proses produksi secara serempak dengan menggunakan bahan
Lebih terperinciPENGUKURAN RESISTANSI
Pengukuran Besaran Listrik (TC22082) Pertemuan 9 PENGUKURAN RESSTANS Pengukuan resistansi dapat dilakukan dengan mudah, namun kelemahannya adalah kurang akurat. Pengukuran resistansi yang lebih baik dapat
Lebih terperinciBAB: ANGGARAN KAS. Seratus Ribu Rupiah BANK INDONESIA
BAB: ANGGARAN KAS 100.000 BANK INDONESIA Seratus Ribu Rupiah 100.000 A. Pengertian: 1. Kas adalah bagian dari aktiva lancar yg paling likuid sehingga mudah untuk berpindah tangan. Pada setiap perusahaan
Lebih terperinciOTOMATISASI PERKANTORAN
OTOMATISASI PERKANTORAN Oleh: Wahyu Nurjaya WK, S.T., M.Kom. OTOMATISASI PERKANTORAN Otomatisasi Kantor ( Office Automation) atau OA, mencakup semua sistem elektronik formal dan informal terutama berkaitan
Lebih terperinciKOMPOSISI PENDUDUK. Komposisi Penduduk. Andrei R FKM UNEJ
KOMPOSISI PENDUDUK Andrei R FKM UNEJ Komposisi Penduduk adl pengelompokkan penduduk b dsr variabel2 tertentu yg sama, yg ber7an m berikan gambaran mengenai susunan penduduk Besar dan Persebaran Penduduk:
Lebih terperinciRUANG LINGKUP DAN DASAR KOMUNIKASI
RUANG LINGKUP DAN DASAR KOMUNIKASI Fitri Rahmawati, MP. Jurusan Pendidikan Teknik Boga dan Busana Fakultas Teknik UNY email: fitri_rahmawati@uny.ac.id 2 Berkomunikasi tidaklah sulit Kita hanya harus mengungkapkannya
Lebih terperinciBAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli
BAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli Definisi Kecerdasan Buatan Merupakan salah satu bagian dari ilmu komputer Yang membuat agar mesin
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciPertemuan ke: 5. Pokok Bahasan : Petak Ukur (PU)
Pertemuan ke: 5 Capaian pembelajaran: Mahasiswa mampu memahami hakekat pembuatan petak ukur dalam inventarisasi SDH dan mampu mengaplikasikannya di lapangan. Pokok Bahasan : Petak Ukur (PU) Sub Pokok Bahasan:
Lebih terperinciModel Linear Programming:
Model Linear Programming: Pengertian, Contoh masalah dan Perumusan model Metode penyelesaian (grafik dan simpleks) Interpretasi hasil Analisis sensistivitas Penyimpangan-penyimpangan dari bentuk baku Model
Lebih terperinciPENERUSAN KEBUDAYAAN GENERASI LAMA MEWARISKAN KEBUD KPD GENERASI BARU MELALUI PENDIDIKAN FORMAL/INFORMAL KEBUDAYAAN: JAWABAN ATAS PERTANYAAN DAN
AKP PERTEMUAN I PENERUSAN KEBUDAYAAN GENERASI LAMA MEWARISKAN KEBUD KPD GENERASI BARU MELALUI PENDIDIKAN FORMAL/INFORMAL KEBUDAYAAN: JAWABAN ATAS PERTANYAAN DAN PERSOALAN YG DIHADAPI MANUSIA PERSOALAN
Lebih terperinciSTRATEGI OPERASI & PENGEMBANGAN PRODUK. DINA NOVIA P.SP,MSi JURUSAN SOSIAL EKONOMI FP - UNIBRAW
STRATEGI OPERASI & PENGEMBANGAN PRODUK DINA NOVIA P.SP,MSi JURUSAN SOSIAL EKONOMI FP - UNIBRAW I. STRATEGI OPERASI Adalah : Suatu strategi fungsional yg hrs berpedoman pd strategi bisnis agar dpt menghasilkan
Lebih terperinciBab: Anggaran Material MINGGU KE 5 DAN 6
Bab: Anggaran Material MINGGU KE 5 DAN 6 BAB: ANGGARAN MATERIAL Pengertian Penyusunan Anggaran Material: 1.Anggaran Kebutuhan Material 2.Anggaran Pembelian Material 3.Anggaran Penggunaan Material 4.Anggaran
Lebih terperinciP E R T E M U A N 9 REASONS TO USED FUNCTION DISTRIBUTION DATA DIPERIKSA PD WAKTU DIENTRY, DILAKUKAN PENGECEKAN ATAS FIELD-
KODE DOKUMEN P E R T E M U A N 9 REASONS TO USED FUNCTION DISTRIBUTION - RELIABILITY AND INTEGRITY - MENANGANI OVERLOAD/PEAKS - SECURITY - NETWORK & TERMINAL INDEPENDENCE DEGREE OF PERIFERAL CAPABILITY
Lebih terperinciANALISIS & SELEKSI AITEM
ANALISIS & SELEKSI AITEM Kualitas skala psikologi sangat ditentukan oleh kualitas aitem-aitem di dlmnya. Hanya aitem2 yg ditulis dgn m ikuti blue-print dan bimbingan kaidah penulisan yg benar sajalah yg
Lebih terperinciMETODE, PROSES, SIKAP DAN IMPLIKASI ILMIAH. Topik ke-3
METODE, PROSES, SIKAP DAN IMPLIKASI ILMIAH Topik ke-3 A. Metode Ilmiah Sebagai Dasar IPA Metode ilmiah sbg pangkal kelahiran IPA Berawal dr kelemahan penalaran deduktif (abstrak dan lepas dr pengalaman)
Lebih terperinciPENYELESAIAN PEKERJAAN AUDIT
PENYELESAIAN PEKERJAAN AUDIT Tahap Penyusunan Laporan Keuangan Auditan Membuat Skedul Pendukung Membuat Skedul Utama Membuat Working Trial Balance Membuat Ringkasan Jurnal Adj Membuat Laporan Keuangan
Lebih terperinciPERTEMUAN 10 METODE DEVIDE AND CONQUER
PERTEMUAN METODE DEVIDE AND CONQUER PERTEMUAN METODE DEVIDE AND CONQUER Bentuk Umum Proses Metode D And C dpt dilihat sbb : n input n input I n input II Subproblem I Subprob. II Subprob. III Subsolusi
Lebih terperinciPROFESI DAN AREA ILMU MANAJEMEN PROYEK
PROFESI DAN AREA ILMU MANAJEMEN PROYEK Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng.
Lebih terperinciBAB III : SISTEM PERSAMAAN LINIER
3.1 PENDAHULUAN BAB III : SISTEM PERSAMAAN LINIER Penyelesaian suatu sistem n persamaan dengan n bilangan tak diketahui banyak dijumpai dalam permasalahan teknik. Di dalam Bab ini akan dipelajari sistem
Lebih terperinciBAB: BIAYA OVERHEAD PABRIK (BOP)
BAB: BIAYA OVERHEAD PABRIK (BOP) Biaya Overhead Pabrik/BOP adalah by produksi selain by material langsung dan by TKL. Dgn melihat pengertian tsb mk BOP mencakup berbagai macam by yg sifatnya berbeda. Sifat
Lebih terperinciKONSEP SISTEM DAN PENGELOLAAN INTEGRASI
KONSEP SISTEM DAN PENGELOLAAN INTEGRASI Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng.
Lebih terperinciPengauditan 1. Bab 11 Sampling Audit dalam Pengujian Substantif. Dosen: Dhyah Setyorini, M.Si.
Pengauditan 1 Bab 11 Sampling Audit dalam Pengujian Substantif Referensi: Jusup, Al. Haryono (2001). Pengauditan. Buku 1. Yogyakarta: Bagian Penerbitan STIE YKPN Dosen: Dhyah Setyorini, M.Si. 1 Konsep
Lebih terperinciPokok Bahasan. Teori tentang asam, basa dan garam Kesetimbangan asam-basa Skala ph Sörensen (Sörensen ph scale) Konstanta keasaman
Kesetimbangan Ionik Pokok Bahasan Teori tentang asam, basa dan garam Kesetimbangan asam-basa Skala ph Sörensen (Sörensen ph scale) Konstanta keasaman Teori tentang asam dan basa Arrhenius: Asam: zat yg
Lebih terperinciMATA KULIAH ETIKA BISNIS
MATA KULIAH ETIKA BISNIS [KODE/SKS : IT023270/ 2 SKS] BISNIS SEBUAH PROFESI ETIS BISNIS : SEBUAH PROFESI ETIS? Etika Terapan Etika Profesi Menuju Bisnis Sebagai Profesi Luhur Bisnis, bisa menjadi sebuah
Lebih terperinciPhasor dan Impedans. Slide-09. Ir. Agus Arif, MT. Semester Gasal 2016/2017
Phasor dan Slide-09 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 23 Materi Kuliah 1 Phasor Frekuensi Komplex Definisi Phasor Transformasi Phasor Hubungan Tegangan-Arus Hukum Ohm dan Kirchhoff Rangkaian
Lebih terperinciBAB Anggaran Tenaga Kerja Langsung
Bab: Anggaran TKL BAB Anggaran Tenaga Kerja Langsung Pengertian Penyusunan Anggaran TK Langsung Anggaran JKL (jam kerja langsung) Anggaran Biaya TKL Soal A. Pengertian TKL TKL adalah tenaga kerja yang
Lebih terperinciKEMAMPUAN KHUSUS INDIVIDU & ANTISIPASI PENDIDIKAN
KEMAMPUAN KHUSUS INDIVIDU & ANTISIPASI PENDIDIKAN I. Pendidikan Anak Berbakat A. Pengalaman Mancanegara & Indonesia Amerika Serikat - 1958 diadakan konferensi ttg pendidikan yg b tuj utk menemukan org
Lebih terperinciDibuat oleh : Nuryadi 1
EVALUASI (ASSESMEN) PROSES DAN HASIL PEMBELAJARAN Pengukuran, penilaian, evaluasi, kebijakan? => cari artinya Manfaat evaluasi : 1. Untuk memberikan klarifikasi ttg hasil pembelajran yg tlh dilaksanakan
Lebih terperinciDATA KOMPUTASI & SISTEM BILANGAN
DATA KOMPUTASI & SISTEM BILANGAN Data Komputasi: TIPE DATA Basis sistem komputer adalah BINER. Mesin komputer hanya mengenal kondisi BINER yang hanya terdiri 0 (NOL) atau 1 (SATU). Data Integer Data untuk
Lebih terperinciKONSTITUSI DAN RULE OF LAW
KEWARGANEGARAAN Modul ke: KONSTITUSI DAN RULE OF LAW Fakultas 07FEB SYAMSUNASIR, S.SOS., M. M. Program Studi Management PENGERTIAN KONSTITUSI Istilah Kontitusi berasal dr bahasa Prancis constituer yg brrti
Lebih terperinciPERTEMUAN 10 METODE DEVIDE AND CONQUER
PERTEMUAN 10 METODE DEVIDE AND CONQUER Bentuk Umum Proses Metode D And C dpt dilihat sbb : n input n input I n input II n input III n input K Subproblem I Subprob. II Subprob. III Subprob. K Subsolusi
Lebih terperinciManajemen Proyek dan Teknologi informasi. Waktu Proyek. Asuransi
Manajemen Proyek dan Teknologi informasi Waktu Proyek Asuransi Tujuan Pembelajaran Memahami pentingnya jadwal proyek dan manajemen waktu proyek yg baik Menentukan aktivitas sbg dasar membuat jadwal proyek
Lebih terperinciIMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI
IMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI Andi Harmin Program Studi : Teknik Komputer STMIK Profesional Makassar andiharmin1976@gmail.com
Lebih terperinciSTATISTIK PERTEMUAN V
STATISTIK PERTEMUAN V Variabel Random/ Acak variabel yg nilai-nilainya ditentukan oleh kesempatan/ variabel yang bernilai numerik yg didefinisikan dlm suatu ruang sampel 1. Variabel Random diskrit Variabel
Lebih terperinciPENGUKURAN FREKUENSI PENYAKIT
PENGUKURAN FREKUENSI PENYAKIT Dalam epidemiologi ukuran yg banyak digunakan dlm menentukan morbiditas dan mortalitas adalah: Angka, Rasio, dan Proporsi RASIO merupakan nilai relatif yg dihasilkan dari
Lebih terperinciBAB 4:PERSEDIAAN dan PENJUALAN
BAB 4:PERSEDIAAN dan PENJUALAN Marp up 1. Markup adalah peningkatan harga jual, atau menjual barang dengan harga lebih tinggi dibandingkan dengan biaya produksinya. Contoh: sebuah mesin cuci dengan harga
Lebih terperinciHARGA TRANSFER / TRANSFER PRICING
AKUNTANSI MANAJEMEN Modul ke: HARGA TRANSFER / TRANSFER PRICING Fakultas Ekonomi dan Bisnis Deden Tarmidi, SE., M.Ak., BKP. Program Studi Akuntansi www.mercubuana.ac.id PENDAHULUAN Desentralisasi Organisasi
Lebih terperinciTraining a key factor in British Airways Turnaround Fokus dari strategi jaringan penerbangan British adalah suatu pengabdian penuh kepada penumpang. M
OVERVIEW OF TRAINING IN ORGANIZATIONS KELOMPOK 2 JULIA DOMINIKA 04-008008 MEIROSE GRACE 04-021 021 TIURMA YUSTISI SARI 04-029029 ICHIN MERRIM 04-069069 SRI ULINA G 04-070070 VERA GUSMITA 04-082082 HOTPASCAMAN
Lebih terperinciJaringan syaraf dengan lapisan tunggal
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan
Lebih terperinciAlur Data & Informasi. Kartu Peserta. Register Kunjungan. Instrumen Laporan
Kartu Alur Data & masukan Pusk-Kec laporan rujukan Pusk-Kel rujukan RS Laporan, ke Dinkes Kartu Kartu Gakin Wilayah/kodya : Alamat () : Masa Kartu : mor KK : : : Asal : mor Anggota Rmh Tangga Status (dgn
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciMateri 6: Control Unit Operations
Materi 6: Control Unit Operations I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Pendahuluan Siklus Instruksi Micro-operations Kusuma Wardana, M.Sc. 2 PENDAHULUAN Kusuma Wardana, M.Sc. 3 Jika
Lebih terperinciKEWARGANEGARAAN. Modul ke: 12FEB OTONOMI DAERAH. Fakultas SYAMSUNASIR, S.SOS., M. M. Program Studi Management
KEWARGANEGARAAN Modul ke: Fakultas 12FEB OTONOMI DAERAH SYAMSUNASIR, S.SOS., M. M. Program Studi Management PENGERTIAN OTONOMI DAERAH Otonomi scr sempit diartikan sbg Mandiri, scr luas diartikan sbg Berdaya.
Lebih terperinciPENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)
Maximize or Minimize Subject to: Z = f (x,y) g (x,y) = c S1 60 4 2 1 0 S2 48 2 4 0 1 Zj 0-8 -6 0 0 PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS) Prof. Dr. Ir. ZULKIFLI ALAMSYAH,
Lebih terperinciPERSAMAAN & FUNGSI EKSPONEN
PERSAMAAN & FUNGSI EKSPONEN M A T E M A T I K A D A S A R T E P - F T P - UB PENGERTIAN Persamaan Eksponen suatu persamaan yang pangkatnya (eksponen), bilangan pokoknya, atau bilangan pokok dan eksponennya
Lebih terperinciPERENCANAAN STRATEGIS, PENGEMBANGAN BISNIS & PEMASARAN PELAYANAN KESAHATAN
PERENCANAAN STRATEGIS, PENGEMBANGAN BISNIS & PEMASARAN PELAYANAN KESAHATAN BANDI bandi.staff.fe.uns.ac.id 1 IMPLEMENTASI STRATEGI BERSAING, PEMASARAN PELAYANAN KESEHATAN Sesi 3 bandi.staff.fe.uns.ac.id
Lebih terperinciLEADERSHIP (Kepemimpinan Efektif)
LEADERSHIP (Kepemimpinan Efektif) Fitri Rahmawati, MP. Jurusan Pendidikan Teknik Boga dan Busana Fakultas Teknik UNY email: fitri_rahmawati@uny.ac.id Pengantar Setiap orang adl pemimpin, setidaknya bagi
Lebih terperinciPANTUN FILSAFAT ADA ORANG YG TDK TAHU DI TAHUNYA ADA ORANG YANG TAHU DI TIDKTAHUNYA ADA ORANG YANG TIDAK TAHU DI TIDAK TAHUNYA
ILMU DAN FILSAFAT PANTUN FILSAFAT ADA ORANG YANG TAHU DI TAHUNYA ADA ORANG YANG TAHU DI TIDKTAHUNYA ADA ORANG YG TDK TAHU DI TAHUNYA ADA ORANG YANG TIDAK TAHU DI TIDAK TAHUNYA BGM CARANYA AGAR MENDAPAT
Lebih terperinciMETODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM07
METODE NUMERIK UNTUK SIMULASI Pemodela & Simulasi TM07 Metode Numerik ( Metode umerik dpt diklasiikasika mjd:. Metode satu-lagka atau sigle-step. Metode multistep Metode sigle-step Pd metode ii, utuk meetuka
Lebih terperinci