Pembangkitan Kunci Berantai Semi-Random Untuk Algoritma One Time Pad

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pembangkitan Kunci Berantai Semi-Random Untuk Algoritma One Time Pad"

Transkripsi

1 embangktan Kunc Beranta Sem-Random Untuk Algortma One Tme ad Made Harta Dwjaksara 1) 1) rogram Stud Teknk Informatka, ITB, Bandung 40132, emal: Abstraks One tme pad adalah algortma yang sampa saat n daku memlk tngkat kekuatan yang sangat tngg, oleh karenanya akan sangat sult untuk dpecahkan hasl chperteks dar algortma n. Kekuatan n terletak pada penggunaan kunc yang panjangnya sama dengan panjang teks yang akan denkrps, sehngga ddapatkan hasl yang benarbenar acak. Namun penggunaan kunc yang sedemkan panjang n menmbulkan masalah, karena akan dbutuhkan mekansme khusus dalam penympanannya. Kata Kunc:One tme pad, chperteks, enkrps. 1. ENDAHULUAN One Tme ad telah dklam sebaga satu-satunya algortma krptograf sempurna sehngga tdak dapat dpecahkan [3]. Sebaga algortma yang menggunakan metode chpper subttus, algortma n mampu memetakan planteks menjad chperteks dmana tdak akan ada lag keterhubungan antara plantext dan chpper text yang bsa dmanfaatkan oleh seorang krpanals untuk memecahkan chpperteks tersebut. Aturan enkrps yang dmanfaatkan pada algortma n perss sama dengan Vgenere Chper. engrman pesan menggunakan setap karakter kunc untuk mengenkrps suatu karakter planteks. roses enkrps dan dekrps dapat dnyatakan sebaga [2]: c = ( p k ) (1) dan p = ( c k ) (2) yang dalam hal n, c = karakter chperteks p = karakter planteks k = karakter kunc Kekuatan dar algortma n ddapatkan karena panjang kunc yang dpergunakan untuk mengenkrps setap planteks sama dengan panjang planteks tu sendr. Sehngga ddapatkan subttor yang acak untuk setap karakter pada planteks. Hal n mengndkaskan bahwa tdak akan terdapat suatu pola tertentu yang menghubungkan antara chperteks hasl dengan planteks. One tme pad sebaga algortma enkrps yang danggap sangat aman juga memlk kelemahan yatu kunc yang terlalu panjang akan sangat menyultkan. Sehngga setap kal akan melakukan proses enkrps, terlebh dahulu kta harus membangktkan kunc acak yang panjang sama dengan panjang pesan secara terpsah. Dengan demkan jelas tdak mungkn kta untuk mengngat kunc yang kta pergunakan, jad haruslah ada mekansme khusus untuk penympanan kunc. Dar solus n maka akan tmbul masalah lag yatu akan seberapa amankah metode penympanan kunc tu? Jelas solus n tdaklah begtu bagus karena solus tu sendr menmbulkan masalah baru. ermasalahan datas akan dpecahkan melalu makalah n. anjang kunc yang sama dengan panjang pesan akan coba dreduks sehngga pada akhrnya kta tdak perlu lag membangktkan kunc yang sedemkan panjangnya secara terspsah. Kta hanya akan perlu memasukan kunc sepert basa (dengan panjang tertentu) dengan tdak akan mengurang kekuatan dar algortma n. Metode yang dpergunakan adalah metode pembangktan kunc beranta sem-, yatu pembangktan kunc yang panjangnya sama dengan panjang planteks dengan memanfaatkan masukan kunc yang lebh pendek. Kunc yang lebh pendek n akan dpergunakan secara beranta guna membangktkan kunc untuk one tme pad. 2. KUNCI SEMI RANDOM BERANTAI Sepert yang telah djelaskan pada bab bagan pendahuluan datas, bahwa untuk masalah pada algortma one tme pad n dtawarkan solus dengan melakukan pembangktan kunc sem beranta. Tujuan dar mekansme n adalah untuk memperpendek masukan kunc yang dperlukan namun dengan tdak menghlangkan unsur acak yang dberkan oleh kunc. Sem dsn dmaksudkan adalah ketka suatu kunc dbangktkan akan memerlukan suatu umpan tertentu untuk membentuk stream, dan ketka pada kesempatan yang berbeda akan dbangktkan blangan, maka blangan dbangktkan dengan umpan yang sama adalah suatu stream yang sama dengan stream yang dbangktkan sebelumnya. Dsampng tu pembangktan blangan yang dlakukan menggunakan suatu mekansme konvensonal yatu memanfaatkan teknk permutas dan untuk mendapatkan efek conffuson dan dsffuson. Hal n berbeda teknk pembangktan blangan yang menggunakan persaam matemats.

2 roses 1 umpan 1 Stream umpan n roses n Kunc pengg una permutas umpan 2 roses 2 ranta kunc panjang kunc acak = panjang teks Kunc acak catatan : umpan 1 = umpan 2 = umpan n Gambar 1: Sem- menghaslkan stream yang sama Dar gambar datas dapat dlhat bahwa sem menghaslkan suatu stream blangan yang sama untuk setap umpan yang sama. Hal n akan bermanfaat ketka proses denkrps karena akan dperlukan kunc yang sama dengan kunc pada saat melakukan enkrps. Jka stream yang dhaslkan tdak sama maka tdak akan dapat dlakukan proses dekrps lag untuk mendapatkan planteks. rnsp n akan dkan dengan prnsp beranta untuk mendapatkan efek stream yang benar-benar bersfat acak. Maksud dar beranta dsn adalah akan adanya keterhubungan antara stream yang satu dengan stream yang lannya, namun dengan tetap menjaga bahwa hal n tdak akan berpengaruh pada kualtas kunc yang dhaslkan. 3. MEKANISME EMBANGKITAN KUNCI SEMI-RANDOM BERANTAI Dalam pembangktan kunc sem- beranta n dgunakan mekans konvensoanal yatu dengan memanfaatkan konsep permutas dan untuk mendapatkan efek acak. Sepert yang telah djelaskan bahwa kunc dsn akan dbangktkan dar kunc masukan yang dberkan oleh pengguna. Adapun mekansme umum dalam pembangktan kunc dapat dlhat pada Gambar 2. ertama kunc dar pengguna akan dproses dengan metoda permutas untuk mendapatkan efek acak dalam kunc hasl. Untuk menambahkan efek acak maka hasl dar proses permutas sebelumnya akan dproses kembal dengan metoda. Hasl dar n akan dsmpan untuk djadkan blok pertama kunc acak dan juga akan djadkan masukan untuk pembentukan blok selanjutnya (proses beranta). roses tersebut terus dulang sampa ddapatkan hasl kunc acak yang panjangnya sama dengan panjang pesan yang akan denkrpskan. Gambar 2: Mekansme pemangktan kunc sem- Dapat dlhat dsn bahwa terdapat tga proses pentng dalam pembangktan kunc acak n, yatu permutas,, dan ranta kunc dmana dua prnsp awal serng dgunakan pada algortma modern. Detal ketga proses tersebut adalah : 3.1. roses ermutas ada proses permutas yang dlakukan adalah mengacak urutan poss dar elemen pada block suatu blok masukan sehngga pola yang ada aan berubah sesua dengan pengacakan yang dlakukan. Tujuan dar pengacakan urutan poss dar elemen blok n adalah untuk menghaslkan suatu blok baru yang beok rbeda dar blok sebelumnya. roses permutas dlakukan melalu dua langkah permutas yatu pembalkan urutan elemen blok dengan modfkas dan punukaran elemen antar elemen tetangga. Adapun proses pengacakan/permutas yang dlakukan pada poss elemen blok adalah mengkut rumus berkut n: ' ( n ) panjang( ) > 1 = (3) << 4 panjang( ) = 1 yang mana : ' = poss elemen ke- pada blok hasl = poss elemen ke- pada blok asal = nomor urut poss blok [0...n] n = panjang blok + 1 Rumus datas berfungs untuk membalkan urutan elemen-elemen pada blok. Sedangkan untuk pertukaran antar elemen tetangga akan mengkut rumus sebaga berkut: '' ' = + 1 (4) '' ' + 1 = = elemen blok setelah proses pembalkan urutan. = poss elemen akhr hasl prose permutas = ndeks poss dmana nlanya ganjl {1,3,5,7,9,11,13...}

3 3.2. roses Kombnas Setelah melewat proses permutas yatu guna mengacak susunan elemen blok, kemudan dlanjutkan dengan melakukan setap elemen blok dengan elemen lan. roses n dkenal dengan proses, yatu suatu teknk mengkan suatu elemen sehngga ddapat elemen baru hasl tersebut yang berbeda dar elemen sebelumnya. roses yang dlakukan adalah dengan memanfaatkan fungs modulo yang dengan mengkan prnsp pembangktan nla menggunakan sstem LCG (Lnear Congruental Generator). Adapun fungs yang dpergunakan dalam proses kobnas n adalah: ''' = (5) '' ( 8 '' panjang( ) )( mod128) = (6) '''' ' 1 + Nla dar nlah yang merupakan elemen ke- baru dar suatu blok. Terlhat bahwa pada proses juga dlalu dengan dua tahap yatu menerapkan fungs xor dengan blok sebelumnya guna mendapatkan efek keterkatan antar blok dan menerapkan proses pembangktan nla berdasarkan prnsp LCG. Hal n dtujukan untuk mendapatkan efek acak dar hasl sebelumnya roses Ranta Kunc ada proses n yang dlakukan adalah mengrmkan hasl proses untuk djadkan masukan dalam teras selanjutnya untuk proses permutas. Selan tu hasl dar proses juga akan dsmpan dan djadkan blok baru penyusun kunc acak. Dar sn terlhat bahwa penggunaan hasl dar suatu proses sebaga masukan proses selanjutnya mengakbatkan terbentuknya suatu hubungan antar blok ddalam kunc hasl. Ketga proses datas akan dulang beberapa kal sehngga ddapatkan hasl suatu stream untuk kunc yang panjang sama dengan panjang teks yang akan denkrps. Setelah ddapatkan hasl yang sama panjang, maka proses dselesakan kemudan dlanjutkan dengan enkrps pesan dengan lagortma one tme pad menggunakan persamaan (1). Untuk dekrps juga akan dlkukan hal yang sama yatu dawal dengan pembangktan kunc stream dar kunc masukan pengguna. Setelah kunc terbentuk maka akan dterapkan algormta one tme pad dengan persamaan (2). Dsn jka masukan kunc pengguna tdak sama dengan masukan kunc pengguna ketka enkrps, maka stream yang dhaslkan dar pembangktan kunc akan berbeda sehngga hasl dekrpsnya pun tdak akan sama dengan pesan teks yang sesungguhnya. Dsampng tu penggunaan prnsp beranta dsn akan menambah kebngungan, karena ketka satu elemen kunc masukan saja salah akan berbepangaruh pada keseluruhan hasl dekrps pesan. Oleh karena tu sult bag seorang krptanals untuk mengdentfkas pesan n dengan metoda pencaran keterhubungan antara chperteks dan planteks. Secara umum maka algortma one tme pada n setelah dekstens dapat djabarkan sebaga berkut: Algortma: 1. Smpan kunc pengguna 2. Masukan kunc pengguna ke-dalam proses pembangktan kunc acak. a. Lakukan proses permutas b. Lakukan proses c. Terapkan prnsp kunc beranta 3. Ulang proses 3 sampa ddapatkan panjang blok kunc acak sama dengan panjang teks yang akan denkrps. 4. Terapkan algortma one tme pad antara kunc acak dengan pesan teks Untuk flow chart dar algortma n dapat dlhat pada gambar berkut n. Masukan kunc Cek panjang pesan Smpan Kunc pengguna ermutas kan kunc Kombnas kan kunc anjang kunc = panjang pesan? ya planteks Terapkan fungs xor one tme pad chperteks tdak Gambar 3: Flow-chart algortma pembentukan kunc dan one tme pad Untuk algortma proses dekrps pada prnspnya sama dengan algortma untuk enkrsp yang berbeda hanya masukan dan keluarannya saja. Dmana pada proses

4 dekrps n adalah kebalkan dar proses enkrps. 4. IMLEMENTASI roses yang djelaskan datas telah dmplementaskan dengan bahasa pemrograman java dengan memanfaatkan tools NetBeans 5.0 untuk tamplannya. rogram yang dbuat memerlukan parameter masukan yang ddefnskan oleh user berupa pesan yang akan denkrps atau ddekrps dan masukan kunc pengguna. Gambar 4 : Hasl mplementas program dengan menggunakan NetBeans Oleh karena keterbatasan pada bahasa pemrograman, dmana java tdak mendukung tpe unsgned [1], maka fle hasl enkrps dan kunc memuat karakterkarakter aneh yang merepresentaskan nla mnus pada kode ASCII-nya. 5. ENGUJIAN Untuk pengujan akan dpergunakan fle tes yang tdak terlalu panjang demkan juga dengan ukuran kunc dpergunakan ukuran kunc 8 byte atau 64 bt. Adapun pengujan dlakukan dengan skenaro sebaga berkut : 1. Enkrps skenaro normal pesan : ABCDEFGHIJKLMNOQRSTUVWXYZ kunc : kunc : 00_8H 8(@Xh XH(xh hasl : Ib[tuV RCte 8AB 2. Dekrps skenaro normal kunc : kunc : 00_8H 8(@Xh XH(xh hasl : ABCDEFGHIJKLMNOQRSTUVWXYZ 3. Dekrps dengan pengubahan satu karakter pada kunc. kunc : kunc : 0H@8H `8_XH_0_X(X hasl : ABCD=_GHIJKd_6_` J[4_& ` 4. Dekrps dengan penambahan satu karakter pada kunc. kunc : kunc :!_1Q_AA! _ Y_)Q!a Q_!_ hasl N)h % w~1`c 5. Dekrps dengan penghapusan satu karakter pada kunc. kunc : kunc : _/7_Ow_7/W_7?/wG_w7W7w hasl : N}L[BY0wFe<[2Q n5l_jixov5 ada pengujan datas terlhat bahwa yang dpergunakan untuk mengenkrps dan mendekrps pesan adalah kunc yang panjangnya sama dengan panjang pesan. Kunc nlah yang dbentuk dar mekansme yang telah djelaskan sebelumya. Hasl uj memperlhatkan bahwa perubahan satu buah karakter saja pada kunc (kunc pengguna) akan menyebabkan perubahan yang sgnfkan terhadap hasl dekrps. Sehngga jka ngn mendapatkan hasll dekrps yang benar maka harus dmasukan kunc pengguna yang tepat sama antara kunc yang dpergunakan untuk enkrps dan dekrps. 6. SERANGAN (ATTACK) Sepert yang telah djelaskan datas bahwa one tme pad adalah satu-satunya algortma krptograf yang tdak dapat dpecahkan. Jad akan tdakm mungkn seseorang melakukan penyerangan terhadapnya untuk mendapatkan pesan asl yang sebelumnya telah terenkrps. Oleh karena pada mekansme n juga memanfaatkan algortma one tme pad maka juga tdak akan mungkn melakukan penyerangan terhadap chper teks dar hasl enkrps dengan metode n. Satu-satunya jalan untuk melakukan penyerangan pada metode n adalah dengan melakukan penyerangan pada kunc. Seketka setelah kunc pengguna dapat dpecahkan maka pesan yang terenkrps dapat dketahu. enyerangan kunc hanya bsa dlakukan dengan teknk brute force attack atau exhaustve attck.

5 Hal n dkarenakan kunc dbentuk sedemkan rupa dengan teknk yang mengaplkaskan sstem pembangktan blangan, sehngga tdak akan terdapat celah lag yang bsa menghubungkan antara kunc dengan kunc masukan pengguna. Oleh karenanya serang sepert : analytcal attck, related-key attack, dan rubber-hose attack tdak dapat dgunakan lag. Sehngga sekarang hanya tnggal satu jalan lag untuk dapat membongkar kunc yang dpergunakan untuk mengenkrps pesan. Teknk brute force attack yang dpergunakan akan memakan waktu yang sangat lama jka pengguna memasukan kunc dengan cerdk yatu dengan menggunakan karakter huruf (kaptal-kecl) dan angka ataupun karakter smbol lannya. Dengan mengkan huruf dan angka saja pada kunc maka pada kunc yang panjangnya berturut-turut: 1. 1 karakter terdapat karakter terdapat karakter terdapat karakter terdapat karakter terdapat karakter terdapat karakter terdapat karakter terdapat karakter terdapat karakter terdapat dst. mekansme n akan semakn kuat dan semakn sult untuk dpecahkan. Namun jka pengguna memasukan kunc yang relatf pendek dan tanpa maka pesan akan dapat dpecahkan dengan relatf mudah. 7. KESIMULAN Kekutan mekansme pembangktan kunc sem beranta n terletak pada pemlhan kunc oleh pengguna. Semakn panjang dan semakn ter kunc yang dpergunakan maka akan semakn bak. Mekansme pembangktan kunc sem beranta sepert n akan memperkuat algortma one tme pad. Tdak pedul sepert apa proses yang dlakukan ddalam permutas, dan ranta kunc, semash memegang prnsp pembangktan nla yang benar maka akan ddapatkan kunc yang bla dgunakan untuk kunc one tme pad maka akan ddapatkan chper teks yang tdak terpecahkan (unbreakable chpper). DAFTAR REFERENSI [1] Knudsen, Jonathan B, Java Cryptography, 1998, O Relly. [2] Munr, Rnald, Dkat Kulah IF5054 Krptograf,2006. [3] Schner, Bruce, Appled Cryptography Second Edton, 1996, John Wlley & Sons. Terlhat bahwa setap penambahan satu karakter pada kunc akan mengakbatkan penambahan secara eksponensal pada jumlah kunc yang mungkn. Sekarang anggap kta mempergunakan kunc dengan panjang 8 karakter dan huruf dengan angka saja, maka akan terdapat kemungknan kunc. Msal, jka waktu yang dperlukan untuk mencoba satu buah kemungknan kunc adalah 0.5 detk, maka untuk jumlah kunc sebanyak tu dperlukan waktu komputas kurang lebh selama tahun. Bsa dbayangkan lamanya waktu yang dbutuhkan untuk memecahkan sebuah kunc saja. Jad dapat dkatakan dengan dan panjang kunc yang bak maka mekansme n sangat aman. Jad kekuatan dar mekansme n adalah pada pemlhan kunc pengguna. Semakn panjang dan semakn banyak pada kunc maka

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Sstem Krptograf Stream Cpher Berbass Fungs Chaos Crcle Map Dengan Pertukaran Kunc Dffe-Hellman A-6 Muh. Fajryanto 1,a), Aula Kahf 2,b), Vga Aprlana

Lebih terperinci

UJI PRIMALITAS. Sangadji *

UJI PRIMALITAS. Sangadji * UJI PRIMALITAS Sangadj * ABSTRAK UJI PRIMALITAS. Makalah n membahas dan membuktkan tga teorema untuk testng prmaltas, yatu teorema Lucas, teorema Lucas yang dsempurnakan dan teorema Pocklngton. D sampng

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole

Lebih terperinci

Analisis Serangan dengan Selective Plaintext pada Sebuah Algoritma Enkripsi Citra Berbasis Chaos

Analisis Serangan dengan Selective Plaintext pada Sebuah Algoritma Enkripsi Citra Berbasis Chaos Analss Serangan dengan Selectve Plantext pada Sebuah Algortma Enkrps Ctra Berbass Chaos Rnald Munr 1) 1) Program Stud Informatka, Sekolah Teknk Elektro dan Informatka (STEI), ITB Jl. Ganesha 10, Bandung

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

Pengembangan Algoritma Enkripsi Selektif Citra Digital dalam Ranah Spasial dengan Mode CBC-like Berbasiskan Chaos

Pengembangan Algoritma Enkripsi Selektif Citra Digital dalam Ranah Spasial dengan Mode CBC-like Berbasiskan Chaos Semnar on Intellgence Technology and Its Applcaton (SITIA) 2012 Pengembangan Algortma Enkrps Selektf Ctra Dgtal dalam Ranah Spasal dengan Mode CBC-lke Berbasskan Chaos Rnald Munr 1) 1) Sekolah Teknk Elektro

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

Lebih terperinci

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

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

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB 2 KAJIAN PUSTAKA

BAB 2 KAJIAN PUSTAKA BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

PENGURUTAN DATA. A. Tujuan

PENGURUTAN DATA. A. Tujuan PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda

Lebih terperinci

BAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.

BAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen. BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

SISTEM PENGKODEAN DATA FILE TEKS PADA KEAMANAN INFORMASI MENGGUNAKAN METODE ALGORITMA CAST-128

SISTEM PENGKODEAN DATA FILE TEKS PADA KEAMANAN INFORMASI MENGGUNAKAN METODE ALGORITMA CAST-128 Meda Informatka Vol. 6 No. 3 (2007) Abstrak SISTEM PENGKODEAN DATA FILE TEKS PADA KEAMANAN INFORMASI MENGGUNAKAN METODE ALGORITMA CAST-128 Tacbr Hendro Pudjantoro Fakultas Matematka dan Ilmu Pengetahuan

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB III METODE KOMPRESI DAN DEKOMPRESI. untuk setiap B X. fraktal. Penjelasan dimulai dengan pengenalan Multiple Reduction Copy

BAB III METODE KOMPRESI DAN DEKOMPRESI. untuk setiap B X. fraktal. Penjelasan dimulai dengan pengenalan Multiple Reduction Copy BAB III METODE KOMPRESI DAN DEKOMPRESI Kompres ctra fraktal memodelkan ctra sebaga lmt dar suatu proses teras. Jka dberkan suatu ctra A X, metode n akan mencar suatu proses W sedemkan sehngga ttk tetap

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada

Lebih terperinci

Bab III Analisis dan Rancangan Sistem Kompresi Kalimat

Bab III Analisis dan Rancangan Sistem Kompresi Kalimat Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

Preferensi untuk alternatif A i diberikan

Preferensi untuk alternatif A i diberikan Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

BAB I PENDAHULUAN. konsep strategi yang cocok untuk menghadapi persaingan baik itu mengikuti marketing

BAB I PENDAHULUAN. konsep strategi yang cocok untuk menghadapi persaingan baik itu mengikuti marketing BAB I PENDAHULUAN 1.1 Latar Belakang Konds persangan dalam berbaga bdang ndustr saat n dapat dkatakan sudah sedemkan ketatnya. Persangan dalam merebut pasar, adanya novas produk, mencptakan kepuasan pelanggan

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil .1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

Lebih terperinci

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Prosdng SPMIPA. pp. 147-15. 006 ISBN : 979.704.47.0 EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Rta Rahmawat, I Made Sumertajaya Program Stud Statstka Jurusan Matematka FMIPA

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

SCHEMATICS 2009 National Programming Contest

SCHEMATICS 2009 National Programming Contest SCHEMATICS 2009 Natonal Programmng Contest No Nama Problem 1 Berhtung 2 Gelang Cantk 3 Jalan 4 Kubangan Lumpur 5 Ayam dan Bebek 6 Schematcs09 7 Pagar Labrn JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI

Lebih terperinci

ALGORITMA ENKRIPSI CITRA DIGITAL BERBASIS CHAOS DALAM GABUNGAN RANAH FREKUENSI DAN RANAH SPASIAL

ALGORITMA ENKRIPSI CITRA DIGITAL BERBASIS CHAOS DALAM GABUNGAN RANAH FREKUENSI DAN RANAH SPASIAL Konferens asonal Sstem Informas 2013, STMIK Bumgora Mataram 14-16 Pebruar 2013 Makalah omor: KSI-347 ALGORITMA EKRIPSI CITRA DIGITAL BERBASIS CHAOS DALAM GABUGA RAAH FREKUESI DA RAAH SPASIAL Rnald Munr

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat

Lebih terperinci

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB Semnar Nasonal Teknolog 007 (SNT 007) ISSN : 1978 9777 Yogakarta, 4 November 007 IMPEMENTASI INTERPOASI AGRANGE UNTUK PREDIKSI NIAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATAB Krsnawat STMIK AMIKOM Yogakarta

Lebih terperinci

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Bab n membahas tentang prosedur pengembangan pembelajaran dan mplementas model Problem Based Learnng dalam pembelajaran Konsep Dasar Matematka, Subjek Peneltan, Teknk dan Instrumen

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

V ANALISIS VARIABEL MODERASI DAN MEDIASI

V ANALISIS VARIABEL MODERASI DAN MEDIASI Solmun Program Stud Statstka FMIPA UB 31 V ANALISIS VARIABEL MODERASI DAN MEDIASI A. Pengertan Varabel Moderas Varabel Moderas adalah varabel yang bersfat memperkuat atau memperlemah pengaruh varabel penjelas

Lebih terperinci

PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON

PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos 1, Pabelan,

Lebih terperinci

BAB II DASAR TEORI. 2.1 Definisi Game Theory

BAB II DASAR TEORI. 2.1 Definisi Game Theory BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan

Lebih terperinci

BAB III SKEMA NUMERIK

BAB III SKEMA NUMERIK BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324 JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper

Lebih terperinci