Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik"

Transkripsi

1 Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri ( ) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia Abstra Dalam proses enripsi-deripsi, terdapat banya algoritma riptografi yang sudah diciptaan dan diembangan. Tiap algoritma menggunaan pendeatan tertentu yang pasti memilii elebihan dan eurangan masing-masing. Melalui proposal maalah ini, penulis mengusulan penerapan sistem persamaan lanjar (linear equation system) dalam perancangan suatu algoritma riptografi. Melalui pendeatan ini, dapat diturunan berbagai algoritma lasi untu enripsi dan deripsi. Variasi algoritma yang terbentu berbeda dalam hal penempatan plaintes dan unci saat membentu persamaan-persamaan lanjar. Dan tentu saja setiap algoritma enripsi harus memilii algoritma deripsi yang sesuai, agar pesan yang dienripsi dapat diembalian lagi. Selanjutnya aan dianalisis elebihan dan eurangannya, serta teni-teni riptanalisis yang bisa dilauan untu memecahannya. Diharapan, sistem persamaan lanjar dapat diembangan untu menciptaan suatu algoritma riptografi yang aurat dan sulit dipecahan sehingga pesan menjadi aman. Kata Kunci riptografi lasi, sistem persamaan lanjar, algoritma riptografi. I. PENDAHULUAN Kriptografi adalah ilmu dan seni untu menjaga erahasian pesan dengan cara menyandiannya e dalam bentu yang tida dapat dimengerti lagi mananya. Sedangan riptografi lasi adalah riptografi uncisimetris yang berbasis arater [1] Telah banya algoritma riptografi yang telah diciptaan dan diembangan. Tiap algoritma menggunaan pendeatan tertentu yang pasti memilii elebihan dan eurangan masing-masing. Melalui maalah ini, penulis bermasud merancang beberapa algoritma riptografi yang menggunaan suatu onsep dalam aljabar lanjar (linear algebra). Yani, dalam hal ini memanfaatan sistem persamaan lanjar (linear equation system) dalam penyusunan algoritmanya. Mesipun tiap algoritma pasti punya eurangan, diharapan pendeatan ini dapat diembangan untu menciptaan algoritma riptografi lasi yang ooh dan tida mudah dipecahan. II. SISTEM PERSAMAAN LANJAR Pada dasarnya, sistem persamaan lanjar adalah umpulan persamaan persamaan yang berbentu: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b a m1 x 1 + a m2 x a mn x n = b m Terlihat bahwa tiap persamaan bersifat lanjar (linear) terhadap x 1, x 2,, x n, sehingga disebut persamaan lanjar. [2] Selanjutnya, sistem persamaan lanjar tersebut dapat direpresentasian menjadi suatu operasi matri-matri sebagai beriut: Untu selanjutnya, dalam maalah ini penulis sebut matri-matri di atas: A = sebagai matri oefisien X = sebagai matri variabel B = sebagai matri onstanta III. RUMUSAN MASALAH Dengan memanfaatan onsep persamaan lanjar tersebut, dapat diturunan berbagai algoritma riptografi lasi. Secara umum, algoritma enripsi dirancang berdasaran bagaimana merepresentasian plaintes dan unci menjadi matri-matri oefisien dan variabel. Sedangan ciphertes adalah matri oefisien yang dihasilan. Misal algoritma aan diterapan pada sistem alfabet α

2 arater (misal α=26 untu huruf Indonesia, dan α=256 untu ASCII). Dan p i, i, dan c i berturut-turut menyataan suatu arater di plaintes, unci, dan ciphertes. Beriut beberapa gambaran algoritma yang dapat dibuat: (contoh dan penjelasan rinci aan diberian saat maalah direalisasian setelah disetujui) Pendeatan 1: Kunci berupa matri oefisien (yani Hill cipher) Diawali dari algoritma yang sudah ada, dan cuup terenal yaitu Hill cipher yang diembangan oleh Lester Hill (1929). Algoritma ini menerapan sistem persamaan lanjar di mana digunaan m buah persamaan lanjar. Selanjutnya plaintes dibagi-bagi menjadi blo-blo berisi m arater. Lalu gunaan persamaan: c 1 = ( 11 p p m p m ) mod α c 2 = ( 21 p p m p m ) mod α c 3 = ( 31 p p m p m ) mod α terlihat bahwa pada algoritma ini, unci berupa matri beruuran mxm (berisi elemen 11 hingga mm ), seperti ini: C C C = p p p Sehingga secara umum, algoritma enripsinya dapat dinyataan: K mxm.p mx1 = C mx1 dan untu proses deripsi, cuup diinversan matri K: P mx1 = C mx1. K mxm -1 Algoritma ini memang cuup bagus dan aman, tetapi urang nyaman arena harus memilii unci beruuran mxm. Untu mengenripsi suatu blo dengan arater saja, dibutuhan unci sepanjang 100 arater. Pendeatan 2: Kunci sebagai fator variabel Misal uncinya adalah 1 2 m (panjangnya m), bagi plaintes menjadi blo-blo berisi m arater (misal dalam suatu blo isinya p 1 p 2 p m ). Selanjutnya algoritma enripsinya adalah sebagai beriut: ) mod α Selanjutnya untu menemuan cara deripsian, dapat digunaan manipulasi aljabar seperti metode eliminasi sebagai beriut: Kita dapatan persamaan baru:. Ahirnya didapatan algoritma dasar untu deripsinya: Namun formula di atas masih harus dioresi, dalam hal adanya modularitas (mod α) arena adanya operasi pembagian. Untu itu, ita lauan oresi mulai dari persamaan: 1 α Dan untu mencari nilai dari, ita tida boleh langsung membagi dengan m-1, arena pembagian buan termasu operasi dalam persamaan ongruensi. Sehingga yang bisa dilauan yaitu mengalian edua ruas dengan 1 sehingga aan memenuhi 1. 1 α 1. α α Jadi telah ita dapatan persamaan 1 α Setelah mendapat persamaan di atas, dapat dengan mudah ita cari nilai p i, yani dengan mengurangan persamaan di atas dengan c i, aan diperoleh: 1 Jadi telah ita temuan: 1 α α Dilihat dari proses enripsi, terlihat bahwa algoritma ini cuup bai dan sulit dipecahan arena dalam satu blo, tiap arater saling mempengaruhi. Namun, masih terdapat masalah dalam menerapan algoritma ini, yani adanya invers. Karena a -1 mod m ada jia dan hanya jia a dan m relatif prima (GCD (a,m)=1). Sehingga pada asus di atas haruslah GCD( i,α)=gcd(m-1,α)=1. Untu itu, perlu dibuat

3 batasan dalam penerapan algoritma tersebut, beriut 3 alternatif yang mungin: Memilih i dan m-1 yang relatif prima terhadap α. Untu memilih m tida ada masalah arena panjang blo memang tetap. Namun masalah terjadi dalam memilih i. Karena unci ditentuan oleh piha yang aan beririm pesan. Aan sangat tida nyaman jia harus diberi aturan arater-arater pada unci harus relatif prima dengan jumlah alfabet. Untu itu cara ini tida disaranan. Menggunaan alfabet yang banya araternya merupaan bilangan prima. Karena setiap bilangan asli yang urang dari bilangan prima p, pasti saling prima dengan p. Masalahnya, tida setiap himpunan arater banya araternya adalah bilangan prima. Misalnya saja abjad A-Z ada 26 arater, dan ASCII ada 256 arater. Namun, hal ini dapat diselesaian dengan menambah/mengurangi sejumlah arater sehingga banya araternya berupa bilangan prima. Berhubung ini algoritma ini diterapan untu algoritma lasi, maa manipulasi alphabet bisa dilauan dengan mudah. Namun tetap saja, mesipun banya arater alfabetnya berupa bilangan prima, deripsi tida bisa dilauan jia unci mengandung arater bernilai nol, arena GCD(0,α) 1. Alternatif selanjutnya adalah menyesuaian arater unci. Yani, jia i ternyata relatif prima dengan α, ganti i dengan arater lain yang relatif prima dengan α.bisa dengan arater terdeatnya, atau ganti dengan suatu arater husus. Dengan begitu, tida perlu memberian batasan terhadap unci dan alphabet. Namun tetap saja disaranan memilih alphabet yang banya araternya buan elipatan anga-anga ecil seperti 2 atau 3, arena aan terdapat banya arater unci yang tida sesuai. Pada maalah ini penulis sertaan implementasi dari riptografi yang menggunaan metode ini. Pendeatan 3: Sebuah arater unci mengenripsi satu blo. Apabila pendeatan 2 sulit diimplementasian arena tida bisa memanipulasi alphabet (misalnya ASCII yang harus 256 arater, pengurangan ataupun penambahan arater menyebaban erusaan file), dapat diterapan metode yang ini. Yani, plaintes dipartisi menjadi blo-blo, lalu blo e-i (misal berisi m arater) dienripsi dengan arater unci e-i. Lalu gunaan suatu persamaan lanjar untu mengenripsi sebuah blo dengan sebuah arater, misalnya: mod α dan untu menemuan algoritma deripsinya, gunaan cara seperti di pendeatan 2, jumlahan semua arater ciphertes dalam satu blo, didapat: 1 α Yang setara dengan: 1 α Selanjutnya dengan mengurangan bentu di atas dengan (c i - i ), diperoleh arater plaintes: =p i Jadi ditulisan embali, formula deripsinya adalah: 1 α Dan seperti pendeatan 2, pada metode ini harus tetap berlau bahwa GCD(m-1,α)=1, tetapi arater unci boleh bebas, arena satu arater unci mengenripsi satu blo. Namun metode ini tida coco untu plaintes yang ecil arena unci menjadi urang terpaai. Untu itu metode ini dapat dipaduan dengan Vigenere cipher agar lebih uat. Pendeatan 4: Karater unci sebagai panjang partisi blo Misal uncinya adalah 1 2 m. Anggap araterarater unci sebagai bilangan bulat. Selanjutnya partisi plaintes menjadi blo-blo, dengan tiap blo berisi i arater, dan unci diulang. Misal unci = halo (7,0,11,14), plaintes aan dipartisi menjadi: (p 1 p 2 p 3 p 4 p 5 p 6 p 7 )()(p 8 p 9 p 10 p 11 p 12 p 13 p 14 p 15 p 16 p 17 p 18 )( p 19..) Lalu, tiap blo dideripsi dengan suatu algoritma enripsi, bai dengan algoritma lasi lain, maupun dengan pendeatan sistem persamaan lanjar. Masih banya pendeatan yang dapat dirancang dengan memanfaatan SPL. Dan untu menciptaan algoritma yang bagus, gunaan sistem enripsi m-gram. Yani, dibagi menjadi blo-blo. Dan pada blo yang terdiri dari m arater, gunaan formula enripsi c i = f(p 1,p 2,p 3,.p m, 1, 2, 3,, m ) IV. IMPLEMENTASI Dari pendeatan-pendeatan di bab 3, penulis telah mengimplementasian salah satunya, yaitu pendeatan 2.

4 Karena sepertinya memang menggunaan metode yang paling uat dan sulit dipecahan, dan aan dijelasan lebih lanjut di bagian analisis. Untu enripsi, digunaan fungi yang paling sederhana, yaitu: ) mod α Dengan ata lain, c i adalah total dari peralian arater plaintes ali arater unci selain dirinya dalam satu blo. Untu memperhatian bagaimana algoritma ini beerja, perhatian contoh asus beriut: Pada sistem alfabet 27 arater (a-z dan spasi), plaintes riptografi aan dienripsi dengan unci unci. Karena panjang unci adalah 5 arater, maa plaintes dipartisi menjadi blo-blo berisi 5 arater, yani ript, ograf, dan i.. Beriut proses enripsinya pada blo pertama ( ript ): (.+r.u+i.n+p.c+t.i) mod 27 = ( ) mod 27 = ( ) mod 27 = ( ) mod 27 = 78 mod 27 = 24 Selanjutnya setelah menemuan persamaan di atas, dapat dengan mudah diperoleh ciphertesnya, yani: C 1 = mod 27 = 5 (f) C 2 = mod 27 = 8 (i) C 3 = mod 27 = 1 (b) C 4 = 24 3 mod 27 = 21 (v) C 5 = mod 27 = 7 (h)\ Sehingga ita peroleh: ripto (enrip unci ) fibvh Selanjutnya ita deripsi embali dengan formula yang sudah diturunan: 1 α Kita cari dulu penjumlahan ciphertes, yani: f+i+b+v+h mod 27 = mod 27 = 15 Selain itu dapat ditemuan bahwa: (m-1) -1 mod 27 = 4-1 mod 27 = 7 (arena 4x7 = 28 dan 28 mod 27=1) Yang berarti 1 α Serta invers arater-arater pada unci: 10-1 mod 27 = mod 27 = mod 27 = mod 27 = mod 27 = 17 Selajutnya, dapat langsung didapatan plaintesnya, seperti ini: P1 = 19(24-5) mod 27 = 10 () P2 = 23(24-8) mod 27 = 17 (r) P3 = 25(24-1) mod 27 = 8 (i) P4 = 14(24-21) mod 27 = 15 (p) P5 = 17(24-7) mod 27 = 19 (t) Terlihat bahwa proses deripsi menghasilan plaintes yang sebelumnya dienripsi fibvh (derip unci ) ripto Jadi dapat dipastian bahwa fungsi enripsi dan deripsi tersebut sudah valid dan siap digunaan. Dalam algoritma yang penulis rancang, didefinisian: Agar banya arater merupaan bilangan prima, alfabet terdiri dari huruf-huruf, anga, dan tanda baca yang merupaan arater ASCII sehingga α=91. Beriut arater-arater tersebut: P 64 ` 80 p 1! A 49 Q 65 a 81 q B 50 R 66 b 82 r 3 # C 51 S 67 c 83 s 4 $ D 52 T 68 d 84 t 5 % E 53 U 69 e 85 u 6 & F 54 V 70 f 86 v G 55 W 71 g 87 w 8 ( H 56 X 72 h 88 x 9 ) I 57 Y 73 i 89 y 10 * 26 : 42 J 58 Z 74 j 90 z ; 43 K 59 [ { 12, 28 < 44 L 60 \ 76 l = 45 M 61 ] 77 m > 46 N 62 ^ 78 n 15 / 31? 47 O 63 _ 79 o Untu α=91 = 7x13, terdapat beberapa bilangan urang dari 91 yang tida relatif prima, yaitu 0, 7, dan 13. Untu itu, jia unci mengandung araterarater bernilai 0 (spasi), 7 ( ), atau 13 (-) perlu diganti dulu. Dalam hal ini penulis definisian: 0 1, 7 8, Pada blo terahir, bisa ditambahan padding untu memenuhi blo. Dalam implementasi ini, penulis tambahan tanda-tanda titi hingga blo penuh. Mesipun plaintes seragam, berisi titi semua, ciphertes aan tetap terlihat aca arena fungsi enripsinya melibatan banya variabel, meliputi semua arater plaintes dan unci dalam satu blo. Setelah segala ebutuhan sudah didefinisan, algoritma sudah siap diimplementasian. Beriut adalah pseudocode dari algoritma ini dengan bentu perhitungan yang paling mudah:

5 VARIABEL GLOBAL P[0..n-1] adalah plaintes, nilainya dianggap integer K[0..m-1] adalah unci, nilainya dianggap integer C[0..n-1] adalah ciphertes, nilainya dianggap integer KONVERSI_KUNCI for(i=0 to m-1) if(p[i]=0) then P[i]=1 if(p[i]=7) then P[i]=8 if(p[i]=13) then P[i]=14 ALGORITMA ENKRIPSI Variabel Loal n_blo = round_up(n/m) B[0..n_blo-1][0..m-1] partisi_blo(p,n) Sigma_KP // ΣKP tambahi_titi_di_ahir(b[n_blo-1]) for(a=0 to n_blo-1) sigma_kp 0 sigma_kp+=k[t]*p[a*m+t] mod 27; C[a*m+t] sigma_kp K[t]*P[a*m+t] mod 27; ALGORITMA DEKRIPSI Variabel Loal n_blo = round_up(n/m) B[0..n_blo-1][0..m-1] partisi_blo(c,n) sigma_c // ΣC mc //invers(m-1)* ΣC /** daftar invers **/ In_M = invers(m-1) In_K[0..m-1] for(i=0 to m-1) In_K[i]= invers(k[i]) Endfor for(a=0 to n_blo-1) sigma_c=0 sigma_c+=c[a*m+t] mod 27 mc = sigma_c*in_m mod 27 P[a*m+t]=In_K[t]*(mc-C[t]) V. ANALISIS Untu menerapan sistem persamaan lanjar ini e dalam algoritma riptografi, beriut hal-hal yang harus diperhatian: Banya elemen dalam alphabet harus terbatas dan dietahui (yani α) Harus dapat dipastian bahwa bilangan yang diinvers harus relatif prima dengan jumlah arater dalam alphabet Dengan algoritma ini, unci tida boleh osong. Sehingga jia unci osong harus diberian penanganan husus (misal dengan unci default). Dari implementasi di atas, terdapat beberapa analisis yang dilauan penulis. Dalam hal emangusan algoritma, terlihat pada algoritma enripsi dan deripsi, di awal dilauan mn ali operasi assignment saat partisi. Karena eduanya melauan operasi yang sama, dapat diabaian dulu. Pada algoritma enripsi, setiap blo terjadi 2m operasi peralian, 2m operasi penjumlahan/pengurangan, dan 2m+1 operasi assignment. Jia panjang plaintesnya adalah m, maa aan terdapat n_blo buah blo, di mana n_blo adalah m/n dibulatan e atas. Sehingga banya operasi yaitu n_blo(2m [*] + 2m [+/-] + (2m+1) [ ]) Sedangan pada algoritma deripsi, pada tiap blo terdapat 2m+1 operasi penjumlahan/pengurangan, m+1 operasi peralian, serta 2m+2 assignment, sehingga total operasi yaitu: n_blo((m+1) [*] + (2m+1) [+/-] + (2m+2) [ ]) Dari perbandingan banya operasi tersebut, apaah dapat disimpulan bahwa algoritma deripsi justru lebih mangus? Tida juga.. Karena pada algoritma deripsi, di awal harus didefinisian dulu invers ongruensi dari beberapa bilangan, yani m-1 dan i, yang berarti dibutuhan m+1 operasi invers. Padahal jia dijabaran, mencari invers ongruensi tidalah mudah. Dengan brute-force saja dibutuhan α ali peralian, dan dalam hal ini ada 27 peralian untu dicari tahu mana yang menghasilan sisa 1 jia dibagi 27. Dan menurut penulis, ini adalah seni dari pembalian sistem persamaan lanjar menggunaan operator ongruensi. Dari analisis tersebut, dapat bahwa algoritma deripsi menjadi lebih rumit daripada enripsi, sehingga eamanan menjadi lebih terjamin. Dan ini aan mampu membuat riptanalis mengalami esulitan. Sifat enripsi m-gram pada metode ini juga memberian esulitan lain bagi para riptanalis. Yani, setiap perubahan 1 arater saja di suatu blo berisi m arater, aan memberian hasil enripsi yang jauh berbeda arena memang semua arater saling berpengaruh dalam fungsi enripsi. Namun arater pada suatu blo tida mempengaruhi blo lain, sehingga jia satu blo rusa, blo lain masih dapat diselamatan. Selanjutnya eamanan dalam hal pemilihan unci.

6 Berhubung arater-arater unci perlu disesuaian dulu agar relatif prima dengan α, maa bisa terjadi tumbuan (collide). Yani beberapa unci menghasilan hasil enripsi yang sama. Pada asus di atas misalnya unci ^- ^ V aan sama dengan ^.^ V ataupun ^.^!V arena memang pada prosesnya, - (13) aan dionversi menjadi. (14), serta spasi(0) dionversi menjadi! (1). Namun hal ini tida menjadi masalah dalam riptografi lasi, arena peluang mendapatan unci-unci tersebut secara aca tetap saja ecil. Seperti halnya menemuan eberuntungan menemuan unci yang tepat. Masalah seperti ini juga sering terjadi pada beberapa algoritma lain, misalnya vigenere cipher yang 26 arater. Bahan riptografi dengan onsep hashing pasti terjadi tumbuan juga, arena berapapun panjang plaintesnya, aan diubah menjadi string dengan panjang tertentu. Sesuai dengan prinsip sarang merpati (PHP: Pigeon Hole Principle): Jia ada n+1 merpati dan n sarang dan ita harus memasuan semua merpati e sarang, maa pasti terdapat sarang yang berisi minimal 2 merpati. PERNYATAAN Dengan ini saya menyataan bahwa maalah yang saya tulis ini adalah tulisan saya sendiri, buan saduran, atau terjemahan dari maalah orang lain, dan buan plagiasi. Bandung, 19 Maret 2011 Hendra Hadhil Choiri ( ) VI. KESIMPULAN Secara umum, penggunaan sistem persamaan lanjar dapat menghasilan enripsi data yang sulit dipecahan, tetapi tida mangus dalam proses enripsinya. Beriut esimpulan yang dapat diambil dari analisis di atas: Secara umum, untu menggunaan teni membagi plaintes menjadi blo-blo berisi m arater, lalu gunaan fungsi enripsi c i = f(p 1,p 2,p 3,.p m, 1, 2, 3,, m ) Proses enripsi dan deripsi berbasis SPL sebainya dilauan dengan omputasi arena memang ada banya perhitungan, serta esalahan hitung dapat beraibat fatal. Dalam pengembangannya, sistem persamaan lanjar dapat juga diterapan dalam hashing maupun algoritma unci public, arena sifatnya yang enripsinya mudah tetapi deripsinya rumit dan beresio salah hitung. Sistem persamaan lanjar urang coco untu riptografi modern, arena adanya batasan bahwa banya arater alfabet dan nilai arater unci harus saling prima. Serta dibutuhan padding di blo terahir. Berarti jia pesan yang dienripsi buan tes, ada emunginan plaintes setelah dideripsi sediit berbeda dengan plaintes awal. DAFTAR PUSTAKA [1] Munir, Rinaldi, Ir.,M.T Ditat Kuliah IF-5054 Kriptografi. Bandung : Informatia ITB [2] H. Wiryanto, Leo. Ditat Kulah Matematia Teni. Bandung : Matematia ITB [3] URL diases tanggal 1 Maret 2011 jam 23.07

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

VIGOTIP SUBSTITUTION CIPHER

VIGOTIP SUBSTITUTION CIPHER VIGOTIP SUBSTITUTION CIPHER Alwi Alfiansyah Ramdan 135 08 099 Program Studi Teni Informatia Institut Tenologi Bandung Jl Ganesha 10, Bandung e-mail: alfiansyahramdan@gmailcom ABSTRAK Maalah ini membahas

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

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

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

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

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

Lebih terperinci

BAB 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

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 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

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

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

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

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

OSN 2014 Matematika SMA/MA

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

Lebih terperinci

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

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

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

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

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

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul

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

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

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

RINGKASAN SKRIPSI MODUL PERKALIAN

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

Lebih terperinci

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

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

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

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

Lebih terperinci

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 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

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

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

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

IMPLEMENTASI ALGORITMA HILL CIPHER SEBAGAI MEDIA STEGANOGRAFI MENGGUNAKAN METODE LSB

IMPLEMENTASI ALGORITMA HILL CIPHER SEBAGAI MEDIA STEGANOGRAFI MENGGUNAKAN METODE LSB Prosiding SENTIA 2 Politeni Negeri Malang IMPLEMENTASI ALGORITMA HILL CIPHER SEBAGAI MEDIA STEGANOGRAFI MENGGUNAKAN METODE LSB Andy Pramono, S.Kom, M.T., Alun Sujjada, S.Kom 2 Jurusan Seni dan Desain,

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

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES Pelita Informatia Budi Darma, Volume : IV, Nomor: 3, Agustus 203 ISSN : 230-425 SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES Sri Rahayu 044) Mahasiswa Program Studi

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

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

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

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

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

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

Lebih terperinci

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

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

( 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

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

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

Lebih terperinci

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

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

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

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

Lebih terperinci

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus

Lebih terperinci

3. Sebaran Peluang Diskrit

3. Sebaran Peluang Diskrit 3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.

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

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

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

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY Jurnal Manti Penusa Vol No Desember ISSN 88-9 ANALISIS EPUASAN ONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAET (URIR DENGAN MENGGUNAAN METODE TOPSIS FUZZY Desi Vinsensia Program Studi Teni Informatia

Lebih terperinci

BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR

BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR 3. Dimensi Partisi Graf Kipas (F n ) Berdasaran Proposisi dan Proposisi, semua graf G selain graf P n dan K n memilii 3 pd(g) n -. Lebih husus, graf Kipas

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

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

Lebih terperinci

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.

Lebih terperinci

3.1 TEOREMA DASAR ARITMATIKA

3.1 TEOREMA DASAR ARITMATIKA 3. TEOREMA DASAR ARITMATIKA Definisi 3. Suatu bilangan bulat > disebut (bilangan) rima, jia embagi ositif bilangan tersebut hanya dan. Jia bilangan bulat lebih dari satu buan bilangan rima disebut (bilangan)

Lebih terperinci

BAB ELASTISITAS. Pertambahan panjang pegas

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

Lebih terperinci

- Persoalan nilai perbatasan (PNP/PNB)

- Persoalan nilai perbatasan (PNP/PNB) PENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL Persamaan diferensial biasanya digunaan untu pemodelan matematia dalam sains dan reayasa. Seringali tida terdapat selesaian analiti seingga diperluan ampiran

Lebih terperinci

BAB IV Solusi Numerik

BAB IV Solusi Numerik BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan

Lebih terperinci

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

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

Lebih terperinci

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

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai Pemodelan Dan Esperimen Untu enentuan Parameter Tumbuan Non Elasti Antara Benda Dengan Lantai Puspa onalisa,a), eda Cahya Fitriani,b), Ela Aliyani,c), Rizy aiza,d), Fii Taufi Abar 2,e) agister Pengajaran

Lebih terperinci

2.1 Bilangan prima dan faktorisasi prima

2.1 Bilangan prima dan faktorisasi prima BAB 2 BILANGAN PRIMA 2.1 Bilangan prima dan fatorisasi prima Definisi 2.1.1. Bilangan bulat p > 1 diataan prima jia ia hanya mempunyai pembagi p dan 1. Dengan ata lain bilangan prima tida mempunyai pembagi

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

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

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:

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

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

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

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

Lebih terperinci

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

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

pada Permasalahan Traveling Salesman Problem

pada Permasalahan Traveling Salesman Problem Studi Perbandingan Algoritma Ant Colony System dan Algoritma Ant System Leonardo Z Tomarere Laboratorium Ilmu dan Reayasa Komputasi Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Jl. Ganesa

Lebih terperinci

Analisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network

Analisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,

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

PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN

PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi

Lebih terperinci

Pencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan

Pencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan Abstra Pencitraan omografi Eletri dengan Eletroda Planar di Permuaan D. Kurniadi, D.A Zein & A. Samsi KK Instrumentasi & Kontrol, Institut enologi Bandung Jl. Ganesa no. 10 Bandung Received date : 22 November2010

Lebih terperinci

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU

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

Lebih terperinci

Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm)

Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Arna Fariza 1, Entin Martiana 1, Fidi Wincoo Putro 2 Dosen 1, Mahasiswa 2 Politeni Eletronia Negeri Surabaya

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

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

Lebih terperinci

KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION

KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION Konferensi Nasional Sistem dan Informatia 29; Bali, November 14, 29 KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION Sofyan Tan, Lie Hian Universitas Pelita Harapan,

Lebih terperinci

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

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

Lebih terperinci

Penggunaan Transformasi Matriks dalam Enkripsi dan Dekripsi

Penggunaan Transformasi Matriks dalam Enkripsi dan Dekripsi Penggunaan Transformasi Matriks dalam Enkripsi dan Dekripsi Varian Caesar - 13514041 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung

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

FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL

FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan

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

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

Perhitungan Kehilangan Pratekan Total dengan Memakai Teori Kemungkinan ABSTRAK

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

Lebih terperinci

MAKALAH SEMINAR TUGAS AKHIR

MAKALAH SEMINAR TUGAS AKHIR 1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah

Lebih terperinci

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi

Lebih terperinci

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK

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

Lebih terperinci

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

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

Lebih terperinci

BAB 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

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema

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 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

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

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan

Lebih terperinci