Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming"

Transkripsi

1 JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: ( Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul Anam Jurusan Teni Eletro, Faultas Tenologi Industri, Institut Tenologi Sepuluh opember (ITS) Jl. Arief Rahman Haim, Surabaya Abstra Phasor Measurement Unit (PMU) merupaan peralatan yang mampu memberian penguuran fasor tegangan dan arus secara real-time. PMU dapat digunaan untu monitoring, protesi dan ontrol pada sistem tenaga listri. Tugas ahir ini membahas penempatan PMU secara optimal berdasaran topologi jaringan sehingga sistem tenaga listri dapat diobservasi. Penempatan optimal PMU dirumusan sebagai masalah Binary Integer Programming (BIP) yang aan memberian variabel dengan pilihan nilai (0,1) yang menunjuan tempat yang harus dipasang PMU. Dalam tugas ahir ini, BIP diterapan untu menyelesaian masalah penempatan PMU secara optimal pada sistem tenaga listri Jawa-Bali 500 KV yang selanjutnya diterapan dengan penambahan onsep incomplete observability. Hasil simulasi menunjuan bahwa penerapan BIP pada sistem dengan incomplete observability memberian jumlah PMU yang lebih sediit dibandingan dengan sistem tanpa onsep incomplete observability. Kata Kunci : Binary Integer Programming (BIP), penempatan optimal, Phasor Measurement Unit (PMU) J I. PEDAHULUA ARIGA sistem tenaga listri dijalanan secara terus menerus dengan batasan tetap pada ondisi stabil. Kebutuhan tenaga listri yang semain meningat aan menambah erumitan dalam jaringan. Sistem tenaga listri yang mampu beroperasi secara aman memerluan pemantauan yang teratur terhadap ondisi pengoperasian sistem. Suatu bus dapat diataan observable atau terobservasi apabila fasor tegangan pada bus tersebut dapat diuur atau dihitung. Hal tersebut dapat dipenuhi dengan state estimator yang penguurannya pada dasarnya diperoleh dari Remote Terminal Unit (RTU) di berbagai gardu indu. Phasor Measurement Unit (PMU) adalah peralatan yang menggunaan penyelarasan sinyal satelit dari Global Positioning System (GPS). PMU mampu menguur fasor tegangan pada bus yang dipasang PMU serta fasor arus dari semua cabang yang dimilii oleh bus ini. Hasil penguuran diberian secara terus menerus. Kemampuan tersebut menjadian PMU sebagai peralatan yang dibutuhan dalam sistem elistrian. Gambaran mengenai ondisi bus pada jaringan tenaga listri merupaan gambaran dari sistem itu sendiri, yang mana aan membantu operator untu menerapan rencana yang tepat dalam mempertahanan estabilan dari jaringan. Hal tersebut juga aan mengurangi jumlah personel yang bertugas untu memonitor sehingga aan mengurangi resio yang disebaban oleh erusaan peralatan. Kelengapan peralatan untu PMU yang termasu perlengapan untu omuniasi antar PMU memilii harga yang relatif mahal. Penempatan yang optimal sangat diperluan agar didapatan jumlah PMU seminimal mungin namun sistem masih mampu terobservasi. Tugas Ahir ini diterapan pada sistem tenaga listri Jawa- Bali 500 KV. Integer Programming yang digunaan adalah Binary Integer Programmig (BIP). Parameter untu penempatan optimal adalah topologi jaringan dari sistem tenaga listri Jawa-Bali 500 KV. Sehingga mampu mengoptimalan penempatan PMU pada sistem tenaga listri Jawa-Bali 500 KV dengan melihat topologi jaringan dari sistem. II. PHASOR MEASUREMET UIT DA PEEMPATA OPTIMALYA A. Phasor Measurement Unit (PMU) PMU merupaan suatu tenologi yang menjadian sistem tenaga listri memilii peralatan penguur fasor yang selaras dan diperbaharui secara terus menerus (real-time). Hal tersebut dapat dilauan arena menerapan Digital Signal Processing (DSP), sensor, Global Positioning System (GPS) serta tenologi teleomuniasi. DSP mampu mengetahui frewensi dasar, amplitudo serta sudut fasa dari suatu sinyal. Sensor mampu mendapatan sampel dari sinyal. Peralatan ini mampu memberian data sampling dari sinyal tegangan dan yang aan dilauan 20 sampai 60 ali dalam satu periode. Suatu gelombang sinusoidal dapat direpresentasian dengan suatu bilangan omple yang bisa disebut sebagai fasor. Apabila frewensi dari sistem tenaga listri tida sesuai dengan frewensi nominalnya maa PMU melauan pengecean frewensi dan memperiraan periode dari frewensi dasar. Sudah jelas bahwa sinyal masuan bisa saja memilii omponen harmoni. PMU aan memisahan frewensi dasar dan menemuan representasi fasornya. Teni dasar untu menentuan representasi fasor dari sinyal masuan adalah dengan menggunaan sampel data dari gelombang dan menerapan Discrete Fourier Transform (DFT) untu menghitung fasornya. Data sampel digunaan untu merepresentasian sinyal masuan, maa wajar apabila filter antialiasing diterapan pada sinyal sebelum dilauan sampling data. Filter antialiasing adalah peralatan analog yang membatasi bandwidth dari sinyal yang dilewatan agar urang dari setengah dari frewensi sampling (standar yquist).

2 JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: ( Print) B-138 Penyelarasan watu untu penguuran fasor atau synchrophasor adalah penyelarasan watu untu mendapatan penguuran fasor yang selaras pada sistem tenaga listri yang luas, sehingga semua penguuran fasor aan memilii referensi watu yang sama. Penyelarasan tersebut menggunaan watu sampling yang diberian oleh perangat penerima GPS. Keluaran normal dari PMU adalah tegangan dan arus urutan positif. Hasil penguuran dari fasor tegangan dan arus pada sistem elistrian tersebut diberian secara terus menerus dan selaras. Saat PMU dipasang pada suatu bus, fasor tegangan pada bus ini serta fasor arus dari semua cabang yang dimilii oleh bus ini aan teruur, sehingga fasor tegangan dari bus yang terhubung aan dapat dihitung. Tenologi ini mampu menyediaan gambaran ondisi secara tepat dari ondisi operasi jaringan sehingga aan meningatan hasil observasi serta sumber informasi mengenai ondisi jaringan. B. Binary Integer Programming (BIP) [3] Binary Integer Program (BIP) adalah adalah suatu program atau metode yang digunaan untu mendapatan solusi dari permasalahan. Solusi yang didapat dari BIP adalah suatu vetor yang bernilai biner, yaitu 0 atau 1, yang aan memberian nilai minimum untu suatu fungsi atau persamaan linier dengan batasan yang linier. BIP mengacu pada onsep branch-and-bound. Algoritma branching atau percabangan ini aan melauan proses pencarian dalam bentu tree (pohon atau cabang). Pada tahap branching ini, algoritma aan memilih variabel x j dan menambahan batasan xj=0 untu satu cabang dan x j =1 untu cabang lainnya. Proses ini dapat dimisalan dengan binary tree (percabangan biner). Hal ini aan membagi permasalahan menjadi sub-permasalahan yang lebih ecil. Setelah diperoleh sub-sub permasalahan maa perlu dietahui suatu bound atau batasan yang menunjuan seberapa bagus penyelesaian yang mungin untu fungsi tersebut. Seiring dengan bertambahnya cabang pada pencarian dalam tree, algoritma ini aan memperbarui batas minimum serta batas masimum. Batasan ini menjadian alasan untu memotong atau tida menerusan percabangan yang tida diperluan arena memberian hasil urang optimal. C. Konsep Depth of One Unobservability [4] Konsep ini menjelasan tentang eadaan sistem disebut sebagai depth of one unobservability yaitu ondisi dimana sistem memilii satu bus yang tida terobservasi. Bus tersebut terhubung dengan dua atau lebih bus yang terobservasi oleh PMU (buan terobservasi secara langsung). Penempatan PMU aan menyebaban satu bus yang tida terobservasi. Dengan adanya onsep ini maa PMU yang dibutuhan tentu saja aan berurang. D. Penempatan Optimal Phasor Measurement Unit Sebuah PMU aan mampu menjadian bus yang terpasang PMU dan bus yang terhubung menjadi terobservasi. Tujuan dari penempatan optimal PMU dalam suatu sistem tenaga listri adalah untu mendapatan jumlah PMU paling sediit tetapi sistem masih dapat terobservasi dengan bai. Penjelasan di atas aan menjadian masalah penempatan optimal PMU e dalam masalah yang memilii tujuan untu mendapatan jumlah minimal PMU dengan etentuan bahwa suatu bus harus mampu dicapai oleh PMU paling tida satu ali. Penempatan PMU secara optimal aan dibagi e dalam dua jenis optimasi, yaitu optimasi berdasaran : a. Topologi Jaringan b. Topologi Jaringan dan Detph of One Unobservability E. Penempatan BerdasaranTopologi Jaringan [2] Penempatan optimal PMU dapat dirumusan sebagai masalah binary integer programming seperti beriut : x T PMU X b PMU (2) X = [ x 1 x 2... x ] T (3) x i {0, 1} (4) 1 jia = m T PMU, m 1 jia dan m terhubung (5) 0 untu eadaan lainnya T PMU : matri hubungan antar bus X : penempatan PMU b PMU : batasan untu permasalahan : banyanya bus Batasan untu permasalahan, b PMU, didasaran pada ondisi bahwa untu suatu bus dengan cabang yang dimiliinya, maa diantara bus-bus tersebut paling tida diberian satu buah PMU. Untu mendapatan batasan dari sistem 7 bus di atas adalah seperti di bawah ini. f1 = x 1 + x 2 >1 f2 = x 1 + x 2 + x 3 + x 6 + x 7 >1 f3 = x 2 + x 3 + x 4 + x 6 >1 f(x) f4 = x 3 + x 4 + x 5 + x 7 >1 (6) f5 = x 4 + x 5 >1 f6 = x 2 + x 3 + x 6 >1 f7 = x 2 + x 4 + x 7 >1 Tanda (+) merupaan logia OR dan bilangan 1 di sisi sebelah anan menunjuan bahwa paling tida salah satu variabel dapat muncul pada hasil penjumlahan. Sebagai contohnya pada persamaan untu bus 5, seperti di bawah ini: f5 = x 4 + x 5 >1 (7) yang berarti bahwa paling tida terpasang satu PMU pada bus 4 atau bus 5 untu menjadian bus 5 dapat terobservasi. Batasan dalam bentu vetor b PMU dari persamaan di atas dapat ditulisan sebagai beriut : b PMU = [ ] T (8) F. Penempatan Berdasaran Topologi Jaringan dan Depth of One Unobservability [2]

3 JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: ( Print) B-139 Depth of one unobservability menjelasan bahwa tida boleh terdapat dua bus yang terhubung sedangan edua bus tersebut sama-sama tida terobservasi. Rumusan perlu diembangan untu permasalahan seperti di atas arena perlu mempertimbangan odisi untu dua bus yang saling terhubung. Matri T PMU, yang merupaan matri hubungan antar bus, perlu didefinisian lagi. Apabila didefinisian suatu vetor Y = T PMU X, maa elemen dari vetor Y, yaitu: y i = T PMU,i X (9) menunjuan berapa ali bus e-i diobservasi oleh PMU. T PMU,i adalah baris e-i dari matri T PMU. Jumlah total dari yi dipengaruhi oleh dua bus yang terhubung oleh suatu line yang paling tida satu diantaranya terobservasi oleh PMU. Batasan untu permasalahan ini menjadi: b 1 = [ ]M 1 x 1 T (10) Variabel M 1 adalah jumlah line pada sistem. Perumusannya menjadi seperti beriut. T PMU : matri hubungan antar bus Xd : penempatan PMU b 1 : batasan untu permasalahan : banyanya bus A : matri hubungan antara dua bus oleh suatu line III. PEEMPATA OPTIMAL PMU DEGA BIARY ITEGER PROGRAMMIG A. Optimalisasi dengan Binary Integer Programming [2] Masalah optimalisasi dapat diselesaiaan dengan binary integer programming yang aan memberian penyelesaian berupa variabel dengan nilai integer biner, 0 atau 1, sehingga fungsi yang ingin dioptimalan aan mampu memberian hasil optimal yang dapat dirumusan dengan rumus sebagai beriut. x x (15) A X b (16) X = [ x 1 x 2... x ] T (17) x i {0, 1} (18) B. Pengapliasian pada Sistem Kelistrian Untu mendapatan jumlah minimal PMU pada sistem, maa aan digunaan optimasi berdasaran topologi jaringan serta topologi jaringan dan depth of one unobservability. T PMU X b PMU (2) 1xd (11) A T PMU Xd b 1 (12) Xd = [ xd 1 xd 2... xd ] T (13) x i {0, 1} (14) Binary integer programming aan memberian penyelesaian dalam variabel X dan Xd. Langah-langah yang dilauan adalah sebagai beriut. Langah I : Pembacaan data jumlah bus dan hubungan antar bus. Langah II : Penentuan variabel-variabel dalam matri Langah III : Penghitungan jumlah optimal PMU berdasaran topologi jaringan Langah IV : Penghitungan jumlah optimal PMU berdasaran topologi jaringan dan depth of on unobservability. Langah V : Pengecean jumlah optimal PMU. C. Variabel-variabel Variabel-variabel yang digunaan untu rumusan penempatan optimal sehingga diperoleh variabel untu penempatan optimal PMU pada sistem yaitu : T PMU : matri 25 x 25, berisi hubungan antar bus b PMU : matri 25 x 1, semua omponen matri bernilai 1 A : matri 25 x 30, berisi hubungan antara bus dan line b 1 : matri 30 x 1, semua omponen matri bernilai 1 Variabel b PMU yang merupaan batasan untu pertidasamaan yang aan menjadi batasan dalam mengoptimalan fungsi tujuan. Telah dijelasan bahwa b PMU merupaan batasan minimum PMU yang harus terpasang untu bus-bus yang berada dalam satu elompo pertidasamaan, yaitu paling tida terdapat 1 PMU diantara elompo bus tersebut. Variabel beriutnya adalah T PMU, yaitu suatu matri 25 x 25 yang merupaan pendefinisisan dari hubungan antara bus yang satu dengan bus lainnya dalam sistem tenaga listri. Variabel b 1 merupaan batasan minimum PMU yang harus terpasang untu dua buah bus yang terhubung oleh satu line. Hal tersebut aan menjelasan bahwa hanya aan ada satu bus yang tida terobservasi diantara bus-bus yang terobservasi oleh PMU (bus-bus yang berdeatan dan terhubung dengan bus-bus PMU). Tida boleh terjadi ondisi dua bus yang berdeatan dan terhubung sedangan eduanya sama-sama tida terobservasi oleh PMU. Sehingga paling tida terdapat sebuah PMU diantara dua bus yang berdeatandan terhubung oleh suatu line. Variabel A adalah suatu matri 25 x 30 yang merupaan pendefinisian dari hubungan antara line dengan bus. Masudnya adalah untu suatu line tertentu, bus mana yang terhubung oleh line ini aan ditulisan dalam matri ini. D. Penempatan Optimal PMU Pada tahap ini penghitungan jumlah optimal PMU pada sistem aan dietahui dengan memasuan setiap variabel yang telah didapatan e dalam pertidasamaan batasan (2) dan (12). Persamaan yang perlu dioptimalan adalah jumlah eseluruhan dari PMU yang terpasang pada sistem. Beriut adalah fungsi tujuan dari pengoptimalan jumlah PMU. x x = x 1 + x 2 + x x (19)

4 JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: ( Print) B-140 Variabel adalah banyanya bus dalam sistem yang pada sistem 500V Jawa Bali adalah 25 bus. Perumusan di atas aan meminimalan jumlah PMU yang harus dipasang pada sistem elistrian. E. Penempatan Optimal Berdasaran Topologi Jaringan Fungsi tujuan dari pengoptimalan untu sistem ini adalah sebagai beriut: G. Pengecean Jumlah Optimal PMU Tahap pengecean aan melihat hasil yang diperoleh dari perhitungan dalam mendapatan jumlah optimal PMU yang didasaran pada topologi jaringan (X) serta topologi jaringan dan depth of one unobservability (Xd). Hasil yang diperoleh harus menunjuan bahwa total pada variabel X harus lebih besar dari Xd erena Xd mengacu pada onsep depth of one unobservability yang aan memberian jumlah PMU yang lebih sediit. Gambar. 1. Diagram alir optimasi jumlah PMU Tahapan yang dilalui adalah meminimalan jumlah PMU yang terpasang pada bus 1 sampai bus. Variabel-variabel yang telah didapat di atas emudian dimasuan dalam pertidasamaan (3) untu penempatan optimal. Variabel X adalah solusi dari persoalan optimasi di atas. F. Penempatan Optimal Berdasaran Topologi Jaringan dan Depth of One Unobservability Fungsi tujuan dari pengoptimalan untu sistem ini adalah sama dengan permasalahan sebelumnya, sebagai beriut: 1xd (11) A T PMU Xd b 1 (12) Yaitu meminimalan jumlah PMU yang terpasang pada bus 1 sampai bus. Variabel-variabel di atas emudian dimasuan dalam pertidasamaan (12) untu penempatan optimal. Variabel Xd adalah solusi dari persoalan optimasi di atas. IV. SIMULASI DA AALISIS A. Penempatan Optimal Berdasaran Topologi Jaringan Sistem tenaga listri 500V Jawa Bali, 25 bus, aan diproses untu mendapatan penempatan dan jumlah optimal PMU yang dapat diterapan pada sistem ini. Penyelesaian dalam variabel X yang nilainya seperti beriut: X = [ ] T Masud nilai pada variabel X adalah PMU perlu dipasang pada bus 2, 4, 6, 10, 13, 14, 16, 20 dan 21. Diperluan 9 buah PMU sehingga sistem terobservasi. Hasil yang diperoleh dari simulasi dianalisis untu membutian bahwa dengan penempatan PMU pada esembilan bus di atas aan menjadian semua bus terobservasi sehingga sistem benar-benar terobservasi. Penempatan PMU pada bus 2, 4, 6, 10, 13, 14, 16, 20 dan 21 aan menjadian bus lainnya, yaitu bus 1, 3, 5, 7, 8, 9, 11, 12, 15, 17, 18, 19, 22, 23, 24 dan 25, perlu dilihat apaah busbus tersebut mampu diobservasi oleh bus-bus yang terpasang PMU. Bus-bus yang terpasang PMU aan mampu menjadian bus terdeat yang terhubung menjadi terobservasi. Berdasaran topologi sistem elistrian 500V Jawa Bali, maa dapat diperoleh hasil seperti pada Tabel 1. B. Penempatan Optimal Berdasaran Topologi Jaringan dan Depth of One Unobservability Sistem tenaga listri 500V Jawa Bali 25 bus ini aan diproses untu mendapatan penempatan dan jumlah optimal PMU dengan onsep depth of one unobservability. Penyelesaian dalam variabel Xd yang nilainya seperti beriut: Xd = [ ] T Masud nilai pada variabel Xd tersebut adalah bahwa PMU perlu dipasang pada bus 5, 8, 14, 21 dan 24. Diperluan 5 buah PMU untu membuat sistem terobservasi dengan ondisi depth of one unobservability. Hasil yang diperoleh dari simulasi perlu dianalisis untu membutian bahwa dengan penempatan PMU pada elima bus di atas aan menjadian semua bus terobservasi dengan ondisi depth of one unobservability. Analisa dilauan hingga terlihat bus-bus yang tida terobservasi. Penempatan PMU pada bus 5, 8, 14, 21 dan 24 aan menjadian bus lainnya, yaitu bus 1, 2, 3, 4, 6, 7, 9,10, 11, 12, 13, 15, 16, 17, 18, 19, 20, 22, 23 dan 25, perlu dilihat apaah bus-bus tersebut mampu diobservasi oleh bus-bus yang terpasang PMU. Apabila terdapat bus tertentu yang tida

5 JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: ( Print) B-141 terobservasi, maa bus yang terdeat dan terhubung dengan bus tersebut harus terobservasi oleh PMU. Berdasaran hasil simulasi untu sistem elistrian 500V Jawa Bali, maa dapat diperoleh hasil seperti pada tabel 2. Bus e- Tabel 1. PMU yang mengobservasi setiap bus pada sistem Terobservasi oleh PMU pada bus e- 1, 2 2 3, , 7, 8 6 9, 10, , , 13, 16, , , , Bus e- Tabel 2. PMU yang mengobservasi setiap bus pada sistem Terobservasi oleh PMU pada bus e , , , 14, 15, , 21 21, Terdapat lima bus yang tida terobservasi, yaitu bus 3, 10, 12, 17, 19 dan 23. Bus-bus tersebut perlu dianalisis apaah benar-benar bus dengan ondisi depth of one unobservability. Tabel 2 dan 3 menunjuan bahwa bus-bus yang tida terobservasi oleh PMU telah memenuhi onsep depth of one unobservability. Tabel 3. Pembutian bus-bus dengan ondisi depth of one unobservability Bus yang tida terobservasi Bus tetangga Kondidi bus tetangga (terobservasi / tida) 3 4 terobservasi 10 9, 11 terobservasi 12 11, 13 terobservasi terobservasi 19 18, 20 terobservasi 23 16, 22 terobservasi V. PEUTUP Dari semua proses yang meliputi studi literatur, penempatan optimal serta simulasi dan analisis, maa terdapat beberapa hal yang dapat disimpulan terait tugas ahir ini yaitu: 1. Penempatan optimal PMU berdasaran topologi jaringan dapat memberian penempatan dengan jumlah paling optimal serta loasi yang tepat pada sistem, diperluan 9 buah PMU sehingga seluruh bagian dari sistem terobservasi. 2. Penempatan optimal PMU berdasaran topologi jari-ngan dan disertai onsep depth of one unobservability mampu memberian jumlah PMU yang lebih sediit arena membiaran beberapa bus tida terobservasi oleh PMU, sesuai hasil pada tabel 4, hanya diperluan 5 buah PMU. 3. Penempatan PMU pada sistem aan dapat menjadian sistem lebih handal dan stabil arena ondisi sistem dapat terpantau setiap saat. Untu lebih meningatan eandalan dan stabilitas sistem, maa yang dapat penulis saranan untu pengembangan dan penelitian beriutnya adalah dengan memperhatian ondisi sensitivitas bus dalam sistem tenaga listri. DAFTAR PUSTAKA [1] Gou B., Generalized integer linear programming formulation for optimal PMU placement, IEEE Trans. Power Syst.,vol. 23, no. 3, Aug [2] Gou B., Optimal placement of PMUs by integer linear programming, IEEE Trans. Power Syst.,vol. 23, no. 3, pp , Aug [3] Hillier, F.S., Lieberman, G.J., Introduction to Mathematical Programming, McGraw-Hill, [4] uqui R.F., Phade A. G., Phasor measurement unit placement techniques for complete and incomplete observability, IEEE Trans. Power Del., vol. 20, no. 4, pp , Oct

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

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

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

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

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

Makalah Seminar Tugas Akhir

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

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

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

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

Lebih terperinci

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,

Lebih terperinci

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

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

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

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

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

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

Lebih terperinci

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

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

Lebih terperinci

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE SCHNABEL

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

Lebih terperinci

ANALISA ALIRAN DAYA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 20 KV

ANALISA ALIRAN DAYA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 20 KV ANALISA ALIRAN DAA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 0 K IBG Manuaba 1, Kade Amerta asa 1 Staff pengajar Teni Eletro Faultas Teni Universitas Udayana Kampus Buit Jimbaran, Bali, 80361 Staff

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

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

Lebih terperinci

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

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

Lebih terperinci

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

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

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

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

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

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

Lebih terperinci

DESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL

DESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL DESAIN SENSOR KECEPAAN BERBASIS DIODE MENGGUNAKAN FILER KALMAN UNUK ESIMASI KECEPAAN DAN POSISI KAPAL Alrijadjis, Bambang Siswanto Program Pascasarjana, Jurusan eni Eletro, Faultas enologi Industri Institut

Lebih terperinci

Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection

Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna atif Detection CDMA dengan Modulasi Quadrature Phase Shift Keying Berbasis Perangat Luna Saretta Nathaniatasha

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.

Lebih terperinci

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,

Lebih terperinci

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.

Lebih terperinci

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

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

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

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

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

Lebih terperinci

SIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE

SIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE SIMULASI FILR KALMAN UNUK SIMASI SUDU DNGAN MNGGUNAKAN SNSOR GYROSCOP Wahyudi *), Adhi Susanto **), Sasongo Pramono **), Wahyu Widada ***) Abstact he Kalman filter is a recursive solution to the process

Lebih terperinci

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR) SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi

Lebih terperinci

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

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

Lebih terperinci

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

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

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

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

Lebih terperinci

Metode Penggerombolan Berhirarki

Metode Penggerombolan Berhirarki 4 TINJAUAN PUSTAKA Analisis gerombol dalam bidang riset pemasaran sering diistilahan sebagai analisis segmentasi, merupaan alat statistia peubah ganda yang bertujuan untu mengelompoan n indiidu data e

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PROGRAM SIMULASI UNTUK REALISASI STRUKTUR TAPIS INFINITE IMPULSE RESPONSE UNTUK MEDIA PEMBELAJARAN DIGITAL SIGNAL PROCESSING

PROGRAM SIMULASI UNTUK REALISASI STRUKTUR TAPIS INFINITE IMPULSE RESPONSE UNTUK MEDIA PEMBELAJARAN DIGITAL SIGNAL PROCESSING Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 PROGRAM SIMULASI UTUK REALISASI STRUKTUR TAPIS IFIITE IMPULSE RESPOSE UTUK MEDIA PEMBELAJARA DIGITAL SIGAL PROCESSIG Damar Widjaja

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108

Lebih terperinci

PENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN

PENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN Seminar Nasional Apliasi Tenologi Informasi 009 (SNATI 009) Yogyaarta, 0 Juni 009 ISSN:1907-50 PENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN Gunawan 1, Agus Djaja Gunawan,

Lebih terperinci

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter

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

Lebih terperinci

BAB 2 TEORI PENUNJANG

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

Lebih terperinci

Makalah Seminar Tugas Akhir

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

Lebih terperinci

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya

Lebih terperinci

CATATAN KULIAH RISET OPERASIONAL

CATATAN KULIAH RISET OPERASIONAL CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang

Lebih terperinci

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

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

Lebih terperinci

Peningkatan Keandalan Sistem Distribusi Tenaga Listrik 20 kv PT. PLN (Persero) APJ Magelang Menggunakan Static Series Voltage Regulator (SSVR)

Peningkatan Keandalan Sistem Distribusi Tenaga Listrik 20 kv PT. PLN (Persero) APJ Magelang Menggunakan Static Series Voltage Regulator (SSVR) 1 Peningatan Keandalan Sistem Distribusi Tenaga Listri 20 V PT. PLN (Persero) APJ agelang enggunaan Static Series Voltage Regulator (SSVR) Putty Ia Dharmawati, Sjamsjul Anam, Adi Soeprijanto Jurusan Teni

Lebih terperinci

PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB

PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat

Lebih terperinci

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

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

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

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

Lebih terperinci

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR) Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi

Lebih terperinci

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

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

Lebih terperinci

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh

Lebih terperinci

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

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

Lebih terperinci

PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Sutino 1, Helmie Arif Wibawa 2, Priyo Sidi Sasongo 3 123 Jurusan Ilmu Komputer/Informatia, FSM,

Lebih terperinci

Analisis Pengaruh Peralatan Laboratorium Terhadap Kualitas Daya Pada Laboratorium Elektroteknika Dasar

Analisis Pengaruh Peralatan Laboratorium Terhadap Kualitas Daya Pada Laboratorium Elektroteknika Dasar 3 Analisis Pengaruh Peralatan Laboratorium Terhadap Kualitas Daya Pada Laboratorium Eletrotenia Dasar Jamhir slami Pranata Laboratorium Pendidian (PLP) Ahli Muda Laboratorium Eletrotenia Dasar Faaultas

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

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

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

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

Lebih terperinci

Pendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535

Pendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535 Maalah Seminar Tugas Ahir Pendetesi Rotasi Menggunaan Gyroscope Berbasis Miroontroler ATmega8535 Asep Mubaro [1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teni Eletro, Faultas Teni, Universitas

Lebih terperinci

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

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

Lebih terperinci

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU

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

Lebih terperinci

FISIKA. Kelas X GETARAN HARMONIS K-13. A. Getaran Harmonis Sederhana

FISIKA. Kelas X GETARAN HARMONIS K-13. A. Getaran Harmonis Sederhana K-13 Kelas X FISIKA GETARAN HARMONIS TUJUAN PEMBELAJARAN Setelah mempelajari materi ini, amu diharapan memilii emampuan sebagai beriut. 1. Memahami onsep getaran harmonis sederhana pada bandul dan pegas

Lebih terperinci

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

PEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN ANALISIS KOMPONEN INDEPENDEN (ICA) UNTUK DETEKSI KERUSAKAN. B.T. Atmaja, A.S. Aisyah, dan D.

PEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN ANALISIS KOMPONEN INDEPENDEN (ICA) UNTUK DETEKSI KERUSAKAN. B.T. Atmaja, A.S. Aisyah, dan D. PEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN ANALISIS KOMPONEN INDEPENDEN (ICA) UNUK DEEKSI KERUSAKAN B.. Atmaja, A.S. Aisyah, dan D. Arifianto Jurusan eni Fisia,Faultas enologi Industri, Institut enologi

Lebih terperinci

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

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

Lebih terperinci

Studi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson

Studi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson 1 Studi Perbandingan Perpindahan Panas Menggunaan Metode Beda Hingga dan Cran-Nicholson Durmin, Drs. Luman Hanafi, M.Sc Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Institut Tenologi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Tinjauan Pustaa Untu menacapai tujuan penulisan sripsi, diperluan beberapa pengertian dan teori yang relevan dengan pembahasan. Karena itu, dalam subbab ini aan diberian beberapa

Lebih terperinci

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah

Lebih terperinci

MAT. 12. Barisan dan Deret

MAT. 12. Barisan dan Deret MAT.. Barisan dan Deret i Kode MAT. Barisan dan Deret U, U, U3,..., Un,... Un a + (n-)b U + U +..., Un +... n?? Sn? BAGIAN PROYEK PENGEMBANGAN KURIKULUM DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN DIREKTORAT

Lebih terperinci

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

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

Lebih terperinci

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:

Lebih terperinci

PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA PADA SISTEM SENSOR GAS METANA

PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA PADA SISTEM SENSOR GAS METANA Jurnal Neutrino Vol., No. April 010 108 PENERAPAN AGORITMA GENETIK UNTUK OPTIMAI TRANFER DAYA PADA ITEM ENOR GA METANA. Muthmainnah 1), Melania uweni Muntini ). Abstra: Pada penguuran perubahan gejala

Lebih terperinci

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

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

Lebih terperinci

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

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

Lebih terperinci

PERHITUNGAN CRITICAL CLEARING TIME MENGGUNAKAN PERSAMAAN SIMULTAN BERBASIS TRAJEKTORI KRITIS TANPA KONTROL YANG TERHUBUNG DENGAN INFINITE BUS

PERHITUNGAN CRITICAL CLEARING TIME MENGGUNAKAN PERSAMAAN SIMULTAN BERBASIS TRAJEKTORI KRITIS TANPA KONTROL YANG TERHUBUNG DENGAN INFINITE BUS PROCEEDIG SEMIAR TUGAS AKHIR ELEKTRO ITS, (4) -6 PERHITUGA CRITICAL CLEARIG TIME MEGGUAKA PERSAMAA SIMULTA BERBASIS TRAJEKTORI KRITIS TAPA KOTROL YAG TERHUBUG DEGA IIITE BUS M. Abdul Aziz Al Haqim, Prof.

Lebih terperinci

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009 Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan

Lebih terperinci

BAB III MODEL KANAL WIRELESS

BAB III MODEL KANAL WIRELESS BAB III MODEL KANAL WIRELESS Pemahaman mengenai anal wireless merupaan bagian poo dari pemahaman tentang operasi, desain dan analisis dari setiap sistem wireless secara eseluruhan, seperti pada sistem

Lebih terperinci

III. METODOLOGI PENELITIAN

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

Lebih terperinci

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA 94 IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA Yudhi Purwananto 1, Diana Purwitasari 2, Agung Wahyu Wibowo Jurusan Teni Informatia, Institut Tenologi Sepuluh Nopember

Lebih terperinci

Sifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus

Sifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus J. Sains Dasar () Sifat-sifat Nilai Eigen dan Vetor Eigen Matris atas ljabar Maxplus (The Properties of Eigen Value and Eigen Vector of Matrices Over Maxplus lgebra) Musthofa * dan Nienasih inatari * Jurusan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci