Pengenalan Pengucap Tak Bergantung Teks dengan Metode Vector Quantization (VQ) Melalui Ektraksi Linear Predictive Coding (LPC)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pengenalan Pengucap Tak Bergantung Teks dengan Metode Vector Quantization (VQ) Melalui Ektraksi Linear Predictive Coding (LPC)"

Transkripsi

1 1 Pegeala Peguca Tak Bergatug Teks dega Metode Vector Quatizatio (VQ) Melalui Ektraksi Liear Predictive Codig (LPC) Fachrudi AN (L2F099604) Jurusa Tekik Elektro Fakultas Tekik Uiversitas Dioegoro Abstrak Peelitia yag itesif dalam bidag egolaha siyal meyebabka tekologi komuikasi berkembag dega esa, salah satuya adalah egeala eguca(seaker idetificatio). Pegeala eguca meruaka cara yag diguaka utuk megetahui idetitas seseorag yag megucaka siyal iformasi. Tugas akhir ii aka membahas megeai egeala eguca tak bergatug teks, dimaa aka dibuat sebuah sistem komuter yag daat medegar da megeali eguca yag sedag berbicara. Dalam roses egeala tersebut aka diguaka algoritma ekstraksi yag disebut Liear Predictive Codig (LPC), sedag roses ecocoka megguaka metode Vector Quatizatio (VQ). LPC meruaka salah satu metode aalisis siyal suara yag mereresetasika siyal suara dari eguca dalam betuk koefisie-koefisie LPC. VQ aka megelomokka vektor vektor hasil ekstraksi LPC kedalam suatu codebook dega ukura tertetu, dimaa tia codebook mewakili berberaa vektor hasil ekstraksi LPC yag meruaka ciri khas dari masig-masig eguca. Hasil egujia meujukka ersetase egeala tertiggi utuk data rekama dieroleh ada kombiasi arameter orde LPC 12, ajag frame 20 ms, ukura codebook 16 da orde LPC 12 ajag frame 20 ms, ukura codebook 32. Sedagka kombiasi arameter orde LPC 8, ajag frame 10 ms da ukura codebook 64 memberika ersetase egeala tertiggi utuk egujia realtime. I. PENDAHULUAN 1.1 Latar Belakag Dalam ilmu egetahua da tekologi khususya bidag komuikasi, egolaha siyal memegag eraa yag etig. Peelitia yag itesif dalam bidag egolaha siyal meyebabka tekologi komuikasi berkembag dega esat. Salah satuya adalah egeala eguca. Pegeala eguca meruaka cara yag diguaka utuk megetahui idetitas seseorag yag megucaka siyal iformasi. Hal ii bisa dilakuka karea masig-masig idividu memiliki karakteristik-karakteristik siyal ucaa yag sesifik. Karakteristik ucaa daat dibedaka melalui ekstraksi dega suatu tekik egkodea. Tekik egkodea yag umum diguaka dalam egekstraksia siyal ucaa adalah LPC (Liear Predictive Codig). Aalisa LPC meghasilka suatu estimasi arameter ucaa dasar, atara lai itch, format, ersamaa area jalur vokal, da utuk memamatka (komresi) siyal ucaa agar didaat bit-rate redah utuk keerlua trasmisi atau eyimaa. Berdasarka arameter siyal ucaa, daat dibuat suatu sistem egeala (idetifikasi) eguca. Sistem egeala eguca ada dasarya adalah embadiga suatu arameter siyal ucaa yag igi dikeali dega arameter siyal ucaa lai. Pada roses ecocoka(feature matchig), diguaka metode VQ(Vector Quatizatio), yag megubah hasil ekstraksi aalisis LPC dari masig-masig eguca mejadi sekumula codebook. Codebook tersebut kemudia dibadigka dega hasil ekstraksi koefisie LPC dari siyal masuka yag aka dikeali. Idetifikasi ditetuka dega meghitug jarak eyimaga. Codebook dega jarak eyimaga terkecil meruaka idetitas dari siyal tersebut. 1.2 Tujua Tujua dari tugas akhir ii adalah membuat suatu rogram egeala eguca tak bergatug teks dega megguaka rogram batu MATLAB Batasa Masalah 1. Data masuka (ada basisdata) berua siyal suara yag diambil dari 10 orag resode (5 ria da 5 waita). 2. Pegeala bersifat text ideedet, artiya ucaa ada basisdata tidak harus sama dega ucaa yag aka dikeali. Suara berua ucaa dari suatu teks Bahasa Idoesia berdurasi + 6 detik sebagai basisdata da teks Bahasa Idoesi berdurasi + 1,5 detik sebagai siyal uji. 3. Derau (oise) yag turut terekam ada roses erekama diabaika. 4. Ciri dari ucaa aka diambil dega megguaka Liear Predictive Codig (LPC) 5. Proses ecocoka ciri dilakuka dega megguaka metode Vector Quatizatio (VQ). 6. Parameter-arameter yag diguaka adalah ajag frame, orde LPC, da ukura codebook. II. LANDASAN TEORI Ucaa berisi beberaa karakteristik yag sesifik utuk setia idividu, yag beberaa diataraya tidak diegaruhi oleh esa liguistik yag terkadug dalam

2 2 Gambar 1 Struktur idetifikasi eguca dega aalisis LPC da berdasarka metode VQ suatu ucaa [3]. Perbedaa karakteristik ucaa itulah yag mejadi dasar egeala eguca melalui ucaaya. Proses egeala eguca (seaker recogitio) daat diklasifikasika mejadi dua roses, yaitu roses idetifikasi da verifikasi [2]. Idetifikasi meruaka roses mejelaska ucaa yag diberika eguca yag telah terdaftar dalam basisdata, sedagka seaker verificatio meruaka roses diterima atau ditolakya idetitas dari eguca. Gambar 1 meuujkka struktur idetifikasi eguca dega aalisis LPC da berdasarka metode VQ artikulator (misalya rahag, lidah, velum, bibir, atau mulut), aka dihasilka bermacam-macam buyi yag berbeda. Bermacam-macam buyi ucaa (foem) yag berbeda meruaka cara yag alig mudah utuk membedaka atara eguca yag satu dega yag lai. Foem yag berbeda tersebut atara lai vokal, dihthog, semivokal, uvoiced fricative, voiced fricative, voice da uvoiced sto. 2.1 Teori Dasar Ucaa Ucaa berisi gelombag suara komleks yag berubah secara kotiyu meghubugka mulut dega teliga eguca. Ucaa dihasilka melalui orga-orga vokal mausia seerti ada Gambar 2. Jalur vokal dimulai dari lubag cord vokal atau glottis, da berujug ada bibir. Jalur vokal terdiri dari haryx (eghubug atara kerogkoga (esohagus) dega mulut) da mulut, atau lubag mulut (oral cavity). Pada ria dewasa, ajag total jalur vokal adalah sekitar 17 cm. Daerah melitag dari jalur vokal meliuti lidah, bibir, rahag da velum (lagit-lagit mulut), lebarya sekitar 20 cm 2. Jalur asal (afas), dimulai dari velum da berujug ada ostril (cuig hidug). Ketika velum meredah/meutu, jalur asal terhubug dega jalur vokal secara akustik utuk membetuk buyi ucaa asal (segau). Udara masuk kedalam aru-aru melalui mekaisme erafasa biasa. Udara kemudia disalurka ke batag teggorok (trachea), yag meyebabka cord vokal yag terteka dalam agkal teggorok (laryx) bergetar. Alira udara diotog-otog sehigga mejadi ulsa-ulsa kuasi-eriodik yag aka memodulasi frekuesi ada saat melewati tekak (haryx), lubag mulut, da cuig hidug. Berdasarka osisi dari Gambar 2 Skema orga vokal mausia 2.2 Liear Predictive Codig (LPC) Prisi dasar dari emodela siyal dega megguaka LPC adalah bahwa cotoh siyal ucaa s() ada waktu ke- daat dierkiraka sebagai kombiasi liier dari samel siyal ucaa sebelumya yaitu : s ) a s( 1) a s( 2)... a s( ) (1) ( 1 2 Rogga Mulut dega koefisie a 1, a 2,..., a diasumsika berilai kosta selama frame aalisis ucaa.

3 3 u() H( s() G Persamaa 1 daat diubah mejadi suatu ersamaa mecaku masa embagkita, G u(), meghasilka : s( ) a s( k) G u( ) (2) k 1 k ersamaa 2 dalam daerah z, kita eroleh hubuga S i ( ai z S( G U( (3) i1 membawa kita ada fugsi alih (4) S( 1 1 H ( G U ( A( i 1 a i z i 1 Iterretasi dari ersamaa 4 diberika ada gambar 3. Dega memertimbagka kombiasi liier dari samel ucaa sebelumya sebagai eramala, diyataka sebagai ~ s ( ) ~ s ( ) a s( k) (5) k 1 k Kemudia daat dibetuk rediksi kesalaha (error), e(), yag diyataka sebagai e( ) s( ) ~ s ( ) s( ) a s( k) (6) k k 1 dega fugsi alih kesalaha E( A( 1 a k S( z k 1 k Tujua utama dari aalisa eramala liear adalah utuk medaatka seragkaia koefisie eramala ( k ) lagsug dari siyal ucaa. Koefisie eramala harus diestimasi dari segme-segme edek siyal ucaa karea keadaa dasar siyal ucaa yag bervariasi terhada waktu. Pedekata ii adalah utuk medaatka koefisie eramala yag memiimalisir kuadrat rata-rata kesalaha eramala ada satu segme edek gelombag ucaa. Utuk megaalisa siyal ucaa ada segme terbatas, diasumsika bahwa besarya siyal diluar segme atau 0 m N-1 besarya idetik dega ol, utuk medaatka keadaa seerti ii, maka siyal ucaa s(+m) dikalika dega jedela (widow), w(), yag ajagya terbatas. Dari hasil erkalia tersebut didaat samel siyal ucaa sebagai berikut : s (m)= s ( m ). w ( m ), 0 m N 1 (8) 0, laiya Gambar 3 Model LPC (7) E N 1 m 0 2 e ( m ) (9) Utuk medaatka koefisie LPC diguaka metode autokorelasi. Autokorelasi dari s() didefiisika sebagai r (k) ditujukka oleh ersamaa 10. koefisie LPC daat dieroleh dega meyelesaika matrik seerti ada ersamaa 11. N 1 k 0 r ( k) s( ) s( k) (10) s r r (0) r (1) ( 1) r (1) r (0) r ( 2) ^ r ( 1) a r (1) 1 ^ r ( 2) a r (2) 2 ^ r (0) a r ( ) (11) 2.3 Vector Quatizatio(VQ) Vector Quatizatio (VQ) meruaka salah satu metode temlate matchig (ecocoka temlate). VQ melakuka roses emetaa vektor dari vektor yag berjumlah bayak mejadi vektor dega jumlah tertetu. Pada egeala eguca, vektor berua vektor ciri dari masig-masig eguca, yag dieroleh dari roses ekstraksi ciri. Dega roses VQ, aka dieroleh reresetasi dari vektor ciri masig-masig eguca dega jumlah vektor yag lebih sedikit, vektor itu disebut sebagai codebook dari tia-tia eguca. Algoritma yag diakai utuk membetuk codebook adalah algoritma LBG (Lide Buzo Gray Algorithm). Gambar 4 meujukka alur diagram dari algoritma LBG. Dari siyal yag telah dijedelaka diatas, kesalaha kuadrat rata-rataya mejadi : Gambar 4. Alur diagram algoritma LBG

4 4 Algoritma tersebut diimlemetasika dalam rosedur berulag sebagai berikut : 1. Meetuka vektor codebook ertama, yag meruaka cetroid dari keseluruha vektor ciri.(tidak ada egulaga ada taha ii) 2. Meggadaka jumlah codebook dega membagi tia vektor y dari codebook yag talah terbetuk, dega y y (1 ) atura : y y (1 ) dimaa memiliki ilai atara 1 samai dega M (ukura dari codebook yag diigika), da meruaka arameter embagi ( dimaa = 0,01) 3. Pecaria Nearest-Neighbour : utuk tia vektor ciri, temuka codeword di dalam codebook tersebut (codebook saat itu) yag alig dekat(jarak eyimagaya alig kecil), da tematka vektor tersebut dalam kelomok codeword tersebut. 4. Pembaharua cetroid : memerbaharui codeword ada tia kelomok dega megguaka cetroid dari vektor ciri terletak di sel tersebut. 5. Iterasi I : megulag lagkah 3 da 4 samai dieroleh jarak eyimaga rata rata (D) yag besarya dibawah batasa yag telah ditetuka ( ). D meruaka ilai distorsi awal yag ilaiya ditetuka ada saat iisialisasi ada awal rogram. 6. Iterasi II : megulag lagkah 2,3 da 4 samai dieroleh codebook dega ukura M. 2.4 Perhituga Jarak Peyimaga [9] Utuk meghitug jarak eyimaga atara dua vektor maka diguaka Euclidea distace (jarak Euclidea). Persamaa utuk meghitug jarak Euclidea ditujukka oleh ersamaa 9. d E dim xi ci ( x, c) (9) i1 2 Dimaa x meruaka vektor ciri da c meruaka vektor dari suatu codebook. Pada egeala eguca dega megguaka metode VQ, jarak eyimaga Euclidea ii diguaka utuk meghitug jarak eyimaga atara masig-masig vektor ciri dega codeword ada tia-tia codebook, sehigga daat diketahui codeword maa yag memiliki jarak eyimaga terdekat dega vektor ciri. III. PERANCANGAN PROGRAM Sistem egeala eguca daat diwujudka kedalam suatu eragkat luak(rogram) megguaka bahasa emrograma Matlab 6.5. Dalam embuata rogram simulasi egeala eguca dibagi mejadi 5 taha, taha ertama adalah erekama suara, taha kedua adalah roses embacaa da ormalisasi siyal suara, taha ketiga adalah roses egambila ciri siyal suara, taha keemat adalah embetuka temlate da taha yag kelima adalah egujia. Alur rogram egeala eguca daat dilihat ada Gambar 5 Gambar 5. Alur rogram egeala eguca Sistem egeala eguca diawali dega erekama siyal ucaa dari ke-10 resode yag aka disima dalam basisdata. Hasil erekama kemudia dibaca utuk medaatka betuk diskrit dari siyal ucaa. Pembacaa data suara diikuti dega ormalisasi siyal ucaa. Siyal ucaa yag telah diormalisasi kemudia diaalisis dega megguaka metode LPC. Hasil dari aalisis LPC yag berua koefisie LPC dibuat temlate-ya dega megguaka metode VQ, sehigga dieroleh reresetasi dari koefisie LPC berua codebook-codebook. Pegujia rogram egeala dega megguaka data rekama da data realtime dilakuka setelah codebook dari masig-masig eguca terbetuk. 3.1 Perekama da Pembacaa Siyal Suara Siyal ucaa dari masig-msig eguca yag aka dijadika objek dalam embuata rogram direkam utuk dijadika sebagai data masuka bagi roses elatiha da egujia. Ucaa masuka yag diguaka utuk elatiha berua kalimat dega durasi waktu atara 4 s samai 6,5 s, sedagka ucaa utuk data uji berua teks dega durasi waktu atara 0,5 s samai 1,5 s. Proses erekama ii dilakuka dega megguaka eritah wavrecord, istruksiya adalah sebagai berikut: y = wavrecord(durasi,frek.culik,jumlah bit); dimaa y adalah data hasil erekama, durasi adalah retag waktu erekama dalam detik, sedagka frek.culik adalah besarya frekuesi samel, besar frekuesi samel yag diguaka adalah 8 KHz, sedag yag terakhir adalah jumlah bit, dimaa jumlah bit yag diguaka adalah sebesar 16 bit. Setelah direkam roses selajutya adalah meyima data hasil erekama dega megguka cara : wavwrite(y,fs,namafile);

5 5 dimaa y adalah siyal hasil erekama, fs adalah frekuesi samel da NamaFile adalah ama file dari siyal yag aka disima. File yag telah disima dalam format.wav. Jika igi memaggil siyal yag telah disima megguaka cara; [y, fs, Nbit ] = wavread( NamaFile ); dimaa y adalah siyal hasil embacaa oleh Matlab, fs adalah frekuesi samel ada saat siyal direkam da Nbit adalah resolusi erekama. megguaka metode VQ. dega megguaka metode VQ dieroleh codebook yag isiya mereresetasika koefisie LPC yag telah dieroleh, yag berisi tetag iformasi karakteristik dari masig-masig eguca. Diagram alir utuk memeroleh codebook dega megguaka metode VQ ditujukka oleh Gambar Metode Aalisis LPC utuk Medaatka koefisie LPC Setelah siyal ucaa dibaca atau diaggil, roses selajutya adalah mecari ilai koefisiekoefisie LPC siyal tersebut. Uruta egolaha siyal higga dieroleh ilai koefisie-koefisie LPC daat dilihat ada Gambar 6. Gambar 6. Alur ekstraksi ciri siyal buyi Pertama adalah dega meetuka ilai-ilai arameter yag dibutuhka dalam roses ekstraksi, atara lai orde siyal yag memiliki simbol, kemudia ajag frame yag memiliki simbol t, ajag frame aka meetuka jumlah segme yag didaat dari emecaha siyal awal. Proses selajutya adalah melewatka setia segme yag didaatka dega megguaka Hammig widow da kemudia koefisie LPC didaat dega megguaka metode autokorelasi ada setia segme yag ada, jika koefisie LPC dari seluruh segme telah dieroleh, maka koefisie koefisie tersebut disima utuk diguaka dalam roses selajutya. Gambar 7. Alur embetuka codebook (temlate) dega Metode VQ 3.4 Proses Pegujia Pada taha egujia, siyal ucaa yag tidak dikeal diekstraksi megguaka LPC. Hasil ekstraksi yag berua koefisie LPC dibadigka dega codebook dari masig-masig eguca utuk dicari jarak eyimagaya. Hasil idetifikasi adalah jarak eyimaga yag memuyai ilai alig redah. Alur rogram egujia ditujukka oleh Gambar Pembuata Temlate dega Metode VQ Hasil ekstraksi LPC(koefisie LPC) utuk basisdata kemudia dibuat codebook-ya dega

6 6 resode. Ucaa ii diujika ada seluruh kombiasi arameter. Hasil egeala utuk kombiasi arameter orde LPC 8, ajag frame 10 ms da ukura codebook 16 ditujukka oleh Tabel 2. Tabel 2. Persetase egeala data rekama (orde LPC 8, ajag frame 10mS da ukura codebook 16) Gambar 8. Alur rogram egujia IV. PENGUJIAN DAN ANALISIS Pegujia rogram ii dilakuka dalam dua taha, taha ertama yaitu egujia dega megguaka data rekama da taha kedua adalah egujia secara realtime. 4.1 Lagkah Pegujia Pegujia simulasi ii dilakuka dega memberika suatu siyal masuka yag igi dikeali. Simulasi egeala eguca ii daat dijalaka megguaka tiga buah arameter ekstraksi komoe siyal. Parameter-arameter tersebut daat dilihat ada Tabel 1. Tabel 1. Variasi ilai arameter Parameter Variasi Orde LPC Pajag Frame 10 ms 20 ms Ukura codebook Pegujia dilakuka dega megkombiasika masig-masig ilai arameter yag ada. Jumlah kombiasi didaat dega megalika bayakya variasi tia-tia arameter sehigga didaatka kombiiasi arameter sebayak 24 kombiasi. Dega melakuka egujia megguaka kombiasi tersebut, diharaka aka didaat kombiasi arameter yag meghasilka egeala yag alig baik. Pada egujia realtime rogram ditambah dega batasa ilai jarak eyimaga miimum, sehigga aabila besar jarak eyimaga miimum yag dieroleh ada egujia realtime diluar batasa itu maka ucaa yag masuk aka tidak dikeali. Pada egujia realtime ii resode megucaka teks yag lagsug direkam da diaalisis sehigga lagsug daat dikeali atau tidak. Proses egujia ii dilakuka terhada 5 resode, tia resode megucaka 10 teks yag berbeda utuk 24 macam kombiasi, sehigga total teks yag diucaka oleh tia resode adalah 240 teks. Dari egujia yag dilakuka dieroleh hasil egeala utuk orde LPC 8, ajag frame 10 ms da ukura codebook 16 seerti ada Tabel 3. Tabel 3. Persetase egeala data rekama (orde LPC 8, ajag frame 10mS da ukura codebook 16) Dari egujia yag telah dilakuka dihitug rata-rata ersetase egeala total dari ke 24 kombiiasi arameter dega cara, (%)Pegeala = JumlahPeg ealatiapeguca x100% JumlahPeguca dimaa jumlah eguca ada egujia dega data rekama adalah 10 da jumlah eguca ada egujia realtime adalah 5. Rata-rata ersetase egeala total utuk semua kombiasi arameter baik utuk egujia dega data rekama mauu egujia realtime ditujukka oleh Tabel Pegujia da Aalisis Pegujia yag ertama adalah egujia dega megguaka data rekama, yaitu ucaa yag telah direkam sebayak 20 ucaa utuk masig-masig

7 7 Tabel 4. Rata-rata ersetase total utuk egeala data rekama da egeala realtime. Tabel 4 meujukka ersetase egeala data rekama dieroleh hasil egeala tertiggi terjadi ada saat kombiasi ilai arameter orde LPC 12, ajag frame 20 ms, ukura codebook 16 da orde LPC 12, ajag frame 20 ms, ukura codebook 32 sebesar 68,5 %. Sedag hasil egeala tertiggi utuk egeala realtime terjadi saat kombiasi arameter orde LPC 8, ajag frame 10 ms, ukura codebook 64 sebesar 58 %. Dari Tabel 4 didaatka bahwa utuk egeala realtime memiliki ersetase egeala yag lebih redah jika dibadigka dega egeala dega data rekama. Perbedaa atara hasil egeala data rekama da egeala realtime disebabka siyal ucaa data rekama direkam lagsug setelah egambila data latih sedagka ada egeala realtime beberaa hari setelah dilakuka egambila data latih, hal ii megakibatka adaya erbedaa karkteristik siyal ucaa, sehigga aka memberika koefisie LPC yag berbeda ula. Peigkata hasil egeala bisa didaatka dega eambaha basisdata utuk setia resode. Pajag siyal ucaa yag diguaka ada roses egeala juga memegaruhi hasil egeala. Semaki bayak siyal ucaa, maka ciri-ciri akustik utuk setia resode aka lebih bayak disarika, sehigga hasil egeala aka semaki bagus. Berdasarka hasil aalisa data egujia, maka dalam egeala eguca megguaka aalisis LPC ii erlu dierhatika hal-hal sebagai berikut : 1. Kodisi Ligkuga Karea kodisi ruaga saat erekama tidak keda suara sehigga memugkika adaya suara-suara lai yag ikut terekam. Dega adaya derau maka aka dihasilka vektor ciri yag tidak mecirika siyal asli sehigga meghasilka ilai jarak eyimaga miimum ada temat yag salah. Utuk megatasi hal ii dierluka ruaga erekama yag semiimal mugki bebas derau. 2. Kodisi suara resode Kodisi suara resode sagat memegaruhi hasil egeala. Setia siyal suara yag diucaka oleh seseorag selalu memiliki karakteristik yag berbeda, baik itu ajag-edek, keras-ela da lai lai. Hal ii daat diatasi dega megusahaka egucaa sesuai kodisi ormalya. 3. Letak mikrofo. Karea erekama dilakuka secara bertaha sehigga dalam eletaka mikrofo tidak sama. Jarak da sudut mikrofo sagat memegaruhi ada siyal suara yag dihasilka. Utuk megatasi hal ii daat dilakuka dega megatur jarak mikrofo da sudut mikrofo yag sebisa mugki sama. 4. Cara erekama siyal suara Perekama siyal suara yag teat juga ikut memegaruhi akurasi egeala. Cara erekama yag baik adalah ucaa diucaka sewajar mugki da tidak dibuat-buat, suara diucaka tidak terlalu keras da tidak terlalu lemah. 5. Pegguaa basisdata Basisdata sagat beregaruh ada akurasi egeala, semaki bayak basisdata yag diguaka maka ciri karakteristik siyal suara yag dieroleh juga aka semaki beragam, sehigga eluag egeala siyal yag diujika aka semaki besar. Basisdata yag diguaka sebaikya direkam tidak aada suatu waktu, sehigga ragam cara egucaa yag dimiliki seseorag aka terwakili, maka eluag egeala aka semaki besar. V PENUTUP 5.1 Kesimula Dari egujia yag telah dilakuka daat diambil beberaa kesimula sebagai berikut: 1. Rata-rata ersetase egeala tertiggi terhada egujia data rekama mecaai 68,5 % da terjadi ada saat kombiasi ilai arameter orde LPC 12, ajag frame 20 ms, ukura codebook 16 da orde LPC 12, ajag frame 20 ms, ukura codebook Rata-rata ersetase egeala tertiggi terhada egujia realtime mecaai 58 % da terjadi ada saat kombiasi arameter orde LPC 8, ajag frame 10 ms, ukura codebook Keadaa ligkuga da kodisi dari eguca ada saat erekama suara utuk basisdata da erekama suara utuk egujia aka memberika egaruh terhada hasil egeala. 5.2 Sara 1. Peelitia ii bisa dikembagka dega megguaka metode ekstraksi ciri yag lai seerti Mel-Frequecy Cestrum Coefficiets (MFCC),. 2. Peelitia ii bisa dilakuka dega megguaka metode ecocoka ola yag lai seerti HMM(Hidde Markov Model) da Jariga Saraf Tirua. 3. Peambaha data latih (utuk database) dari tia resode sehigga melegkai ciri suara dari tiatia resode.

8 8 DAFTAR PUSTAKA 1. Cemal, Yaku, ad Oder Filiz, Seaker Verificatio, Bogazici Uiversity, Iatabul, Do, Mih N, A Automatuc Seaker Recogitio System, Swiss Federal Istitute of Techology, Switzerlad. 3. Gold, Be, ad Nelso Morga, Seech ad Audio Sigal Processig : Processig ad Percetio of Seech ad Music, Joh Willey & Sos, Ic., New York, Haselma, Duae, ad Bruce Littlefield, MATLAB : Bahasa Komutasi Tekis, Peerbit ANDI, Yogyakarta, Ivaa, Pegeaala Ucaa Vokal Bahasa Idoesia Dega Jariga Saraf Tirua Megguaka Liear Predictive Codeig, Jurursa Tekik Elektro Uiversitas Dioegoror, Tugas Akhir, Kiue, Tomi, Teemu Kilelaie ad Pasi Frati, Comariso of Clusterig Algorithms i Seaker Idetificatio, Uiversity of Joesuu, Filadia. 7. Nurdia, Hedra, Pegeala Peguca Berbasis Ekstraksi Komoe Cestral Megguaka Liear Predictive Codig, Jurusa Tekik Elektro Uiversitas Dioegoro, Tugas Akhir, May, Igatius Leo, Pegeala Vokal Bahasa Idoesia dega Jariga Syaraf Tirua melalui Trasformasi Wavelet Diskret, Jurusa Tekik Elektro Uiversitas Dioegoro, Tugas Akhir, Pha, Till T, ad Thomas Soog, Text Ideedet Soeaker Idetificatio, Proakis, Joh G., ad Moolakis Dimitris G., Pemrosesa Siyal Digital ; Prisi, Algortitma da Alikasi, PT Prehallido, Jakarta Rabier, R. Lawrece, ad Biig-Hwag Juag, Fudametals of Secch Recogitio, PTR Prestice-Hall Ic., New Jersey, Rastogi, Swati, ad David Mayor, A Automatuc Seaker Recogitio System, swati.rastogi@efl.ch. 13. Rabier, R. Lawrece, ad Roald W. Schafer, Digital Processig of Seech Sigals, Pretice Hall, New Jersey, Syari, Ii Achmad, Peeraa Model Markov Tersembuyi da Peyadia Ramala Liier Utuk Pegeala Kata Tersisolasi, Jurusa Tekik Elektro, Uiversitas Dioegoro, Tugas Akhir, Sitaggag, Doi, Pegeala Vokal Bahasa Idoesia dega Jariga Saraf Tirua melalui Trasformasi Fourier, Jurusa Tekik Elektro Uiversitas Dioegoro, Tugas Akhir, Xafooulos, Alexadros, Seaker Verivicatio ( A Overview ), TICSP (Tamere Iteratioal Ceter for Sigal Processig), Tamere Filad, FACHRUDIN AN L2F Lahir di Semarag-Jawa Tegah. Saat ii sedag mejalai roses utuk meyelesaika studi Strata-1 ada Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Dioegoro Semarag. Megetahui / Megesahka Pembimbig I Pembimbig II Wahyudi, ST,MT. NIP Achmad Hidayato, ST, MT. NIP

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH BAB ENDAHULUAN. LATAR BELAKANG MASALAH Dalam kehidua yata, sejumlah feomea daat diikirka sebagai ercobaa yag mecaku sederata egamata yag berturut-turut da buka satu kali egamata. Umumya, tia egamata dalam

Lebih terperinci

BAB III METODOLOGI START. Baca Input Data γ, c, φ, x 1, y 1, x 2, y 2, x 3, y 3, x 4, y 4, D. Menghitung FK Manual. Tidak.

BAB III METODOLOGI START. Baca Input Data γ, c, φ, x 1, y 1, x 2, y 2, x 3, y 3, x 4, y 4, D. Menghitung FK Manual. Tidak. BAB III METODOLOGI 3.. ALUR PROGRAM (FLOW CHART) Seerti telah dijelaska sebelumya, bahwa tujua dari eelitia ii adalah utuk megaalisis suatu kasus stabilitas lereg. Aalisis stabilitas lereg tergatug ada

Lebih terperinci

PENGENALAN UCAPAN VOKAL BAHASA INDONESIA DENGAN JARINGAN SARAF TIRUAN MENGGUNAKAN LINEAR PREDICTIVE CODING

PENGENALAN UCAPAN VOKAL BAHASA INDONESIA DENGAN JARINGAN SARAF TIRUAN MENGGUNAKAN LINEAR PREDICTIVE CODING PENGENALAN UCAPAN VOKAL BAHASA INDONESIA DENGAN JARINGAN SARAF IRUAN MENGGUNAKAN LINEAR PREDICIVE CODING I v a a L 2F0 98 632 e-mail : i_va_a@yahoo.com Jurusa ekik Elektro Fakultas ekik Uiversitas Dioegoro

Lebih terperinci

SISTEM IDENTIFIKASI SUARA DENGAN METODE STATISTIK

SISTEM IDENTIFIKASI SUARA DENGAN METODE STATISTIK Sistem Idetifikasi Suara.. TEKNO, Vol:1, Februari 2004, ISSN: 1693-8739 SISTEM IDENTIFIKASI SUARA DENGAN METODE STATISTIK Hary Suswato* Abstrak: Peelitia ii bertujua utuk medaatka gambara tetag aalisis

Lebih terperinci

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

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

PERSAMAAN DIFERENSIAL

PERSAMAAN DIFERENSIAL PERSAMAAN DIFERENSIAL A. Persamaa Diferesial Liier Tigkat Satu Betuk umum ersamaa diferesial liier tigkat satu adalah sebagai berikut: P( ) y Q( ) d atau y P( ) y Q( ) Rumus eyelesaia umum utuk ersamaa

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES

(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 S.3 EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES ulhaif adi Suriadi Jurusa Statistika FMIPA Uiversitas Padadara Badug

Lebih terperinci

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

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

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

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

Lebih terperinci

Bab 3 Metode Interpolasi

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

Lebih terperinci

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

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

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

BAB IV PERSAMAAN TINGKAT SATU DERAJAT TI NGGI (1-n)

BAB IV PERSAMAAN TINGKAT SATU DERAJAT TI NGGI (1-n) BAB IV ERSAMAAN TINGKAT SATU DERAJAT TI NGGI 1- Stadar Kometesi Setelah memelajari okok bahasa ii diharaka mahasiswa daat memahami ara-ara meetuka selesaia umum ersamaa dieresial tigkat satu derajat tiggi.

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

BAB II TEORI MOTOR LANGKAH

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. mendapat perlakuan dengan menggunakan model pembelajaran TSTS (Two Stay

BAB III METODOLOGI PENELITIAN. mendapat perlakuan dengan menggunakan model pembelajaran TSTS (Two Stay A III METODOLOGI PENELITIAN Peelitia ii adalah peelitia eksperime yag dilakuka terhadap dua kelas, yaitu kelas eksperime da kotrol. Dimaa kelas eksperime aka medapat perlakua dega megguaka model pembelajara

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

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

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

JFET (Junction Field Effect Transistor)

JFET (Junction Field Effect Transistor) JFET (Juctio Field Effect Trasistor) truktur JFET rai () rai () - ate () ate () V ource () V ource () JFET Kaal JFET Kaal Perhatika (uutk kaal ) bahwa terdaat struktur juctio atara ate () dega ource(),

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 JRA TEKIK OITS Vol. o. -6 Aalisis eta Kedali megguaka Kualitas Fuzzy ada ergesera ilai Rata-Rata da iasi dari Suatu roses Rollita utri Karei I G Rai sadha aksmi rita Wardhai Jurusa atematika Fakultas IA

Lebih terperinci

PRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN :

PRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN : Estimasi Curah Huja di Kota Potiaak Megguaka Metode Propagasi Balik Berdasarka Parameter Cuaca da Suhu Permukaa Laut Ika Oktaviaigsih a, Muliadi b*, Apriasyah c a Prodi Fisika, b Prodi Geofisika, c Prodi

Lebih terperinci

KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA

KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA Ibu Hadi Program Studi Matematika, Uiversitas Negeri Jakarta, Idoesia ibu_hadi@uj.ac.id, ibu_uj@yahoo.co.id

Lebih terperinci

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

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

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

Perbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment

Perbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi, 7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

BAB II DASAR TEORI. 2.1 Pengolahan Sinyal Digital Pada Sistem Pengenalan Ucapan

BAB II DASAR TEORI. 2.1 Pengolahan Sinyal Digital Pada Sistem Pengenalan Ucapan BAB II DASAR TEORI 2. Pegolaha Siyal Digital Pada Sistem Pegeala Ucapa Sistem produksi suara mausia meghasilka siyal akustik aalog yag bersifat kotiyu terhadap waktu, yaitu siyal yag ditimbulka oleh getara

Lebih terperinci

ANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT

ANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT Jural Sais da Tekologi Vol 7 o 2, Desember 27 ANALISIS SISTEM ANTRIAN ADA LOKET ENDAFTARAN ASIEN DI USKESMMAS ADANG ASIR KECAMATAN ADANG BARAT Ali Suta Nasutio, Seira Mutia 2 Tekik Idustri Sekolah Tiggi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

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

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Karakteristik Dinamik Elemen Sistem Pengukuran

Karakteristik Dinamik Elemen Sistem Pengukuran Karakteristik Diamik Eleme Sistem Pegukura Kompetesi, RP, Materi Kompetesi yag diharapka: Mahasiswa mampu merumuskaka karakteristik diamik eleme sistem pegukura Racaga Pembelajara: Miggu ke Kemampua Akhir

Lebih terperinci

Jurnal Ilmiah Matematika dan Terapan, vol.7, no. 1, Mei 2010, hal PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL

Jurnal Ilmiah Matematika dan Terapan, vol.7, no. 1, Mei 2010, hal PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL Jural Ilmiah Matematika da Teraa, vol.7, o., Mei 0, hal. -7. Abstrak PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL Lilis Laome ) ) Jurusa Matematika FMIPA Uiversitas Haluoleo

Lebih terperinci

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

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

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan. 9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

BAB I PENDAHULUAN. X Y X Y X Y sampel

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

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

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

Lebih terperinci

Praktikum Perancangan Percobaan 9

Praktikum Perancangan Percobaan 9 Praktikum Peracaga Percobaa 9 PRAKTIKUM RANCANGAN ACAK LENGKAP A. Tujua Istruksioal Khusus Mahasiswa diharaka mamu: a. Megguaka kalkulator utuk meyelesaika aalisis ragam RAL b. Megguaka kalkulator ada

Lebih terperinci

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

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

Lebih terperinci

Ruang Vektor. Modul 1 PENDAHULUAN

Ruang Vektor. Modul 1 PENDAHULUAN Modul Ruag Vektor Dr. Irawati D PENDAHULUAN alam buku materi okok Aljabar II ii kita secara erlaha-laha mulai megubah edekata kita dari edekata secara komutasi mejadi edekata yag lebih umum. Yag dimaksud

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

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

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Permasalahan

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar, 45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam

Lebih terperinci

kesimpulan yang didapat.

kesimpulan yang didapat. Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 10 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di areal kerja IUPHHK-HA PT. Sarmieto Parakatja Timber, Kalimata Tegah selama satu bula pada bula April higga Mei 01.

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka

Lebih terperinci

Perbandingan Beberapa Metode Pendugaan Parameter AR(1)

Perbandingan Beberapa Metode Pendugaan Parameter AR(1) Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad

Lebih terperinci

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode korelasional, yaitu

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode korelasional, yaitu BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah metode korelasioal, yaitu Peelitia korelasi bertujua utuk meemuka ada atau tidakya hubuga atara dua variabel atau

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

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

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

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu

Lebih terperinci

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

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

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

Modul 2 PENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. RSSI 10x

Modul 2 PENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. RSSI 10x Modul ENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. TUJUAN a. Memperkiraka jarak atar ode berdasarka model komuikasi irkabel b. Megukur kuat siyal terima dari modul komuikasi X Bee c. Medapatka karakteristik

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta BAB II LANDASAN TEORI Pada bab ii aka dibahas megeai defiisi suatu rig serta beberaa sifat yag dierluka dalam embahasa oliomial ermutasi Pejelasa megeai rig dimulai dega defiisi dari suatu sistem matematika

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka

Lebih terperinci

Pengenalan Pola. Regresi Linier

Pengenalan Pola. Regresi Linier Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

STATISTIKA NON PARAMETRIK

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

Lebih terperinci