MODIFIKASI KERNEL PCA PADA KELASIFIKASI AROMA MULTIKELAS

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODIFIKASI KERNEL PCA PADA KELASIFIKASI AROMA MULTIKELAS"

Transkripsi

1 MODIFIKASI KERNEL PCA PADA KELASIFIKASI AROMA MULTIKELAS Zuhera Rusa,Beya Kusuopuro 2, Beawa Wdaa 3. Fauas MIPA, Jurusa Maeaa,Uversas Idoesa 2. Fauas Iu Kopuer, Uversas Idoesa. 3. Laboraoru Kopuas Ieeesa, Uversas Idoesa Absra Masaah easfas aroa erupaa asaah yag da udah uu dseesaa, area daa aroa e araers da poa yag saga u. Beberapa pegua eah daua aara a dega egguaa eode-eode yag berbass pada Neura ewor, eode yag berbass pafa Fuzzy-Neuro da eode-eode yag berbass pebeaara sasa. Pegguaa PCA pada easfas aroa dapa daaa gaga, area eode haya dapa eyeesaa asaah easfas uu daa yag er. Uu daa oer,oseparabe da erdr dar ueas, eode PCA peru dodfas. Pada aaah aa dguaa Kere PCA yag eah dodfas sehgga dapa dguaa uu easfas aroa ueas. Kaa Kuc : PCA, Keasfas, Kere. PENDAHULUAN Masaah pebeaara adaah asaah pebeua suau fugs berdasara daa yag ada, sedea sehgga fugs yag eah erbeu dapa dguaa uu easr dega epa a dar fugs ersebu uu pu daa yag a [Vap,999]. Pada asaah easfas poa, saah sau eode yag euua era yag cuup ba adaah Lear Dscra Aayss (LDA) [Fuuaga,990]. Meode berbass pada eode sasa as Prsp era dar eode adaah erubah asaah easfas ead asaah ege-vaue.teap eode eeu esua uu eyeesaa asaah easfas oer yau daa da dapa dpsaha dega egguaa bdag er. Uu egaas ha Vap, egaua osep Srucura Rs Mzao. yag berbass pada Sasca Learg Theory. Meode yag deua oeh Vap, erupaa awa ucuya eodeeode baru uu eyeesaa asaah easfas poa, saah sau daaraya adaah Prcpa Copoes Aayss (PCA) [Jofe,996]. Karea era PCA beu euua eopaaya pada easfas poa, saah sau peyebabya adaah daa yag aa deasfa da dapa dpsaha secara er. Uu RUSTAM, KUSUMOPUTRO, WIDJAJA, MODIFIKASI KERNEL

2 egaas ha aa ucu eode Kere PCA (KPCA). Kere PCA erupaa PCA yag dappasa pada pu daa yag eah drasforasa e ruag feaure. Nau sapa saa KFCA baru berhas uu eyeesaa asaah easfas ber. Pada aaah KPCA aa dperuas aau dodfas sehgga dapa dguaa uu eyeesaa asaah easfas ueas, hususya pada easfas aroa. Uu pebahasa seauya eode dsga dega aa MKPCA (Modfas KPCA). Pada ahu erahr, pegua easfas aroa eah daua dega egguaa beberapa eode aara a : eode Probabs Neura Newor (PNN) [Kusuopuro da Herry, 2002 ; Jao da Kusuopuro, 200a], dega Jarga Neura Buaa [Jao da Kusuopuro, 200b], Keasfas SVM [Rusa, Kusuopuro, 2003] da Fuzzy-Neuro LVQ [Kusuopuro e a, 2002]. Ssaa peusa aaah sebaga beru, pada baga edua aa dbahas eag dasar-dasar KPCA, pada baga beruya aa dbahas eeag KPCA Mueas, pada baga ahr aa dperhaa apas KPCA ueas pada asaah easfas aroa. KERNEL PCA Msaa x R,,2,.. erupaa pu daa. Mars ovaras uu pu daa ersebu druag adaah R A x x. Berdasara prsp era dar PCA, uu eyeesaa asaah easfas poa saa arya dega eyeesaa asaah egevaue Av λ v. Mars ovaras uuya da deahu, uu edapaa dguaa asra berdasara pu daa. Ha dapa daua a pu daa erdr dar dar sau eas. Uu asaah ueas dperua sruur PCA yag ebh opes. Sedaga uu daa oer da oseparabe, PCA da dapa dguaa. Saah sau sau cara agar PCA dapa dguaa adaah dega eaua rasforas seua pu daa ruag feaure. Msaa φ : R F fugs yag eeaa seua pu daa x R eruag feaure F. Uu seap pu daa x R, berau φ ( ) F. Berdasara rasforas x 2, erha bahwa ruag feaure dbagu veor-veor φ ( x ), φ ( x2 ),..., φ ( x )}. Sehgga seua veor d ruag feaure dapa dyaaa sebaga obas er dar veor-veor φ ( x ), φ ( x ),..., φ ( x )}. Dega dea aa, ars ovaras d ruag feaure uu veor φ ( x ), φ ( x ),..., φ ( x )} dapa dus- 2 a sebaga: C φ ( x ) φ ( x ) () 2 JURNAL INFORMATIKA & KOMPUTER NO. 3, JILID 8, 2003

3 da asaah ege-vaue d ruag feaure F dapa dyaaa sebaga : λ v Cv (2) aau λ φ ( x ), v φ ( x ), Cv,,2,.., (3) Karea seua veor d ruag feaure F dapa dyaaa sebaga o-bas er dar veor-veor φ ( x ), φ ( x ),..., φ ( x )}, aa uga dapa dyaaa sebaga obas er dar veor-veor φ ( x ), φ ( x ),..., φ ( x )}. Ha 2 berar, ada osaa-oaa daa,2,.., sedea sehgga v φ ( ) (4) x Dega esubsusa persaaa 2 () da (4) e persaaa (3) aa egeveor, yag erupaa sous dhasa persaaa : dar asaah egevaue λ v Cv, λ φ ( x ) φ ( x ) [ φ ( x )][ φ ( x ) φ ( x )] φ ( x ),,,2,.., (5) Msaa Sous dar persaaa (7), dapa ( x, x ) φ ( x ) φ ( x ) (6) dhug dega cara eyeesaa persaaa : da K [ ] ars uura x. λ K Ja pada persaaa (5) daua (8) pergaa seua suu daa beu Msaa adaah egeveor φ ( x ) φ ( x ) dega beu, e- dar asaah egevaue pada persaaa (7). Ja seua veor aa dapa dbua bahwa persaaa (5) aa ead persaaa v F daua orasas, yau (7): harus eeuh v v, aa λ K KK (7) dega egguaa persaaa daa adaah veor oo (4), (6) da (8) aa dhasa persaaa dega ery, 2,. (9): v v, φ ( x ) φ ( x ) ( ) K λ ( ) (9) Uu egesras opoe prspa, aa seua pea dar pu veor z,yau φ (z), harus dproyesa e veor v yag eah dorasas. Uu eghug proyes ersebu dguaa persaaa : v φ ( z) ( x, z) (0) KERNEL PCA UNTUK MASALAH MULTIKELAS RUSTAM, KUSUMOPUTRO, WIDJAJA, MODIFIKASI KERNEL 3

4 Pada pebahasa daas dasusa pu daa erdr dar dua eas.uu asaah ueas, forua da persaaa yag eah dbahas daas peru dsesuaa. Msaa X hpua pu daa da bayaya pu daa adaah buah. Hpua pu daa X erdr dar buah eas X, X 2,..., X, daa asg-asg eas erdr dar buah eee. Msaa x euua eee e dar eas e. Fugs φ : R F, eeaa seua pu daa x R e ruag feaure F. Berdasara ha,aa ruag feaure F uu asaah ueas dbagu oeh upua veor-veor φ ( x )}, daa,2,, da,2,. Sehgga seua veor d C φ ( x ) φ ruag feaure F dapa dyaaa sebaga obas er dar veorveor φ ( x )}. Uu seap pasag eas p da eas q, fugs ere dyaaa daa beu : ( x, x ) φ ( x ) φ ( x ) ( ). p q p Sedaga ars ere K uu ueas dapa dyaaa sebaga: K [ K ], () daa K ) ], [( p,,2,..., q,2,..., ( x ) φ ( x p,2,...,, q,2,..., Uu asaah ueas, ars ovaras druag feaure adaah : ) φ ( x ) q (2) Sedaga ars aar eas adaah: B φ ( x ) φ ( x ),(3) daa : φ ( x ) φ ( x ). Dega eah erbeuya ars ovaras da ars aar eas, aa seper haya dega LDA, uu eyeesaa asaah easfas poa adaah dega easua ersa ereas da eua ersa raeas. Proses pegopaa ersebu evae dega ecar sous dar asaah egevaue : λ Cv Bv (4) Karea egeveor v, yag erupaa sous dar persaaa (4), erea d ruag feaure F aa egeveor v dapa dyaaa sebaga obas er dar veorveor φ ( x )}.Dega peraaa a ada osaa-osaa, p,2,..., da q,2,..., sedea sehgga 4 JURNAL INFORMATIKA & KOMPUTER NO. 3, JILID 8, 2003

5 p v φ ( x ) (5) p q Dega eaua subsus persaaa-persaaa (2),(3) da (5) e persaaa (4), aa asaah egevaue pada persaaa (4) dapa dusa sebaga : λ KK KWK (6) aau λ K WK, (7) daa W [ W ],2,.., ars W dag ( ) beruura x, da ], [ p p,2,.., p [ ] q,2,.., p, Egevaue erbesar dar persaaa (6) dapa dhug berdasara forua Fsher : KWK λ (8) KK Msaa ars ere K doposs ead K QDQ, d- aa Q adaah ars orhogoa, veor oo dar Q erupaa egevecor dar ars K, da D adaah ars dagoa dega eeeya erupaa egevaue yag bersesuaa. v v p φ p q ( x ) φ ( x Persaaa (22) eyaaa bahwa uu eorasas veor v, dapa daua dega cara ebag veor dega K. ) Ja ars K QDQ dsubsusa e persaaa (8) aa ddapaa beu: λ KWK KK ( DQ ) Q WQ( DQ ) ( DQ ) Q Q( DQ ) ( DQ ) Q WQ( DQ ) ( DQ ) ( DQ ) β Q WQβ β β, daa β DQ (9) Seauya a persaaa (9) da ars K QDQ dsubsusa e persaaa (7), aa aa dhasa persaaa egevaue daa beu : λ β Q WQβ (20) Dar persaaa (20), dapa dhug egeveor β. Seauya uu eghug veor, dguaa persaaa (9) yag dapa dyaaa sebaga QD β (2) Seauya veor dorasas sedea sehgga v v. p p K K (22) Dega eah ddapaaya veor v d F, aa uu egesras opoe prspa, seua pea dar pu veor z, yau φ (z), harus dproyesa e veor v. RUSTAM, KUSUMOPUTRO, WIDJAJA, MODIFIKASI KERNEL 5

6 Uu eghug proyes ersebu dguaa persaaa : p v φ ( z) ( x, z) (23) p q EKSPERIMEN Uu egeahu era MKPCA, daua pegua dega daa aroa yag d oeh Laboraou Kecerdasa Kopuasoa Uversas Idoesa. Daa aroa yag dguaa erdr dar 3 es aroa A, B da C, seap es aroa erbag aas 6 eas. Pebaga seap es aroa ead 6 eas berdasara pada oseras aoho yag dcapura edaa asg-asg aroa ersebu. Koseras aoho pada asgasg aroa adaah 0%, 5%, 25%, 35%, 40% da 70%. Sehgga oa aroa yag aa dasfasa erdr sebaya 8 eas. Uu asgasg eas erseda 200 daa berdes 8. Jes aroa seegapya dapa dha pada abe.. Bayaya daa rag,yag dguaa daa seap percobaa, adaah 0%, 5%, 20%, 25%, 30%, 35%, 40%, da 50% dar daa yag ada dar seap eas. Sedaga daa yag erssa, uu seap eas, dguaa sebaga daa esg. Pegua dbag aas 3 ahap pegua : ). Pegua daua sebaya 3 a yau pegua erhadap aroa A,B da C, yag asg- asg erdr dar 6 eas. Uu asg-asg pegua pada seap es aroa, MKPCA aa egeasfasa aroa berdasara eas yag ada d aroa ersebu. 2). Pegua daua sebaya 3 a yau uu seap pasag aroa yag berbeda AB, AC da BC, yag asg-asg ebaa 2 eas. Uu seap pegua aa dha eapua MKPCA uu egeasfasa aroa berdasara es aroa da eas yag ada d aroa ersebu. 3). Pegua daua sebaya a yau seua daa es aroa A,B, da C dupua ead sau. Pegua ebaa 3 es aroa dega bayaya eas ada 8 buah. Pada pegua aa dha eapua MKPCA uu egeasfasa aroa berdasara es aroa da eas yag ada d aroa ersebu. Sehgga oa pegua yag daua sebaya 7 a. Fugs ere yag dguaa daa percobaa adaah ere RBF dega paraeer sga 2 da Kere Pooa berderaa 4. Kera dar eode MKPCA duur berdasara eapua uu egasfasa daa pegua pada eas yag epa. Has dar percobaa dapa dha pada abe : 6 JURNAL INFORMATIKA & KOMPUTER NO. 3, JILID 8, 2003

7 Tabe. Has dar percobaa Persease pegeaa daa aroa Tahap Daa Aroa Kere Dega eggua daa rag sebaya : 0% 5% 20% 25% 30% 35% 40% 50% Raaraa. A ( 6eas) Pooa 68,33 82,22 83,33 84,67 85,00 80,00 92,92 90,00 83, RBF 68,33 82,22 83,33 84,67 85,00 80,48 92,92 90,00 83,37 B ( 6eas) Pooa 85,00 85,56 9,67 92,67 96, 93,8 97,92 97,33 92,5 RBF 85,00 85,56 9,67 92,67 96,67 94,76 98,33 98,00 92,83 C ( 6eas) Pooa 76,67 83,33 86,67 86,00 9, 82,86 92,92 92,67 86,53 RBF 78,33 83,33 87,50 86,00 90,56 83,33 92,92 92,33 86,79 AB (2eas) Pooa 79,7 78,33 83,75 87,00 90,56 90,95 92,92 94,50 87,5 RBF 80,00 78,89 84,7 86,67 9,39 9,43 93,3 94,83 87,56 AC (2eas) Pooa 76,67 73,33 80,83 83,67 87,50 84,52 90,42 93,00 83,74 RBF 76,67 73,89 80,83 83,67 87,22 84,76 90,42 93,00 83,8 BC (2eas) Pooa 8,67 74,44 85,00 87,33 89,44 90,24 93,54 95,83 87,9 RBF 82,50 75,56 86,25 88,33 90,00 90,95 93,96 96,7 87,96 ABC (8eas) Pooa 72,78 77,04 8, 89,78 88,5 88,73 87,50 9,00 84,5 RBF 73,89 77,4 8,67 89,78 88,33 88,73 87,36 9,22 84,80 PENUTUP Berdasara has has percoba-a, MKPCA dega egguaa fugs Kere RBF aa ebera has yag ebh ba dbadga dega egguaa fugs Kere Pooa. Dsapg u adaya ecedruga ebera has yag ega,a daa rag yag dguaa a ega, ha berbeda dega ere Pooa yag ebera has yag berfuuas. Berdasara bayaya daa rag yag dguaa, MKPCA aa ebera has yag saga ba a dguaa daa rag ebh dar 40% dar daa yag erseda.pada percobaa, paraeer yag erdapa pada fugs ere, sudah dph yag opa dar seua a yag ug dar paraeer ersebu. DAFTAR PUSTAKA B. Kusuopuro & Herry, Kera PNN-Teropas Berbass Agora Geea Daa Pegeaa Aroa Dua Capura. Prosdg SNKK III. Jaara. B. Kusuopuro e a, 2002, Fuzzy- Neuro LFQ ad s Coparso Wh Fuzzy Agorh LFQ Arfca Odor Dscra Syse, ISA Trasacos. RUSTAM, KUSUMOPUTRO, WIDJAJA, MODIFIKASI KERNEL 7

8 I.T. Jofe Prcpa Copoe Aayss. Sprger- Verag. New Yor. K. Fuuaga.990. Iroduco o sasca Paer Recogo. Acadec Press, Ic. V.N. Vap.999. The Naure of Sasca Learg Theory. Sprger-Verag. Ber. W.Jao & B. Kusuopuro, 200, Pegeaa Aroa Capura dega PNN Pada Sse Pecua Eero,Jura Iu Kopuas da Teoog Iforas,vo:,Jaara Karaers Sse Pecua Eero Daa egea Aroa Capura da Aroa Koposs Megguaa Agora Jarga Neura Buaa. vo :2. Jaara. Z.Rusa, B. Kusuopura,, B.Wdaya Keasfas Aroa Mueas dega Megguaa SVM. Prosdg Sear Nasoa Ieeesa Kopuasoa da Teoog Iforas. 4 Agusus ITS. Surabaya. 8 JURNAL INFORMATIKA & KOMPUTER NO. 3, JILID 8, 2003

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

Lebih terperinci

Penerapan Aljabar Max Plus Interval pada Jaringan Antrian dengan Waktu Aktifitas Interval

Penerapan Aljabar Max Plus Interval pada Jaringan Antrian dengan Waktu Aktifitas Interval Peerapa Aljabar Max Plus Ierval pada Jarga Ara dega Wau Afas Ierval M. Ady Rudho Mahasswa S Maeaa FMIPA UGM da Saff Pegajar FKIP Uversas Saaa Dhara Yogyaara [email protected] Sr Wahyu, Ar Suparwao Jurusa

Lebih terperinci

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret JM Volue I Noor Deseer 0 Fugsoal Ad Orogoal pada W 0 () d dala R Ryad Faulas Kegurua da Ilu Pedda Uversas Seelas Mare Asrac Ths paper dscusses aou a represeao heore o a orhogoally addve ucoal o W 0 ()

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS [email protected] ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

BAB III DATA DAN METODE PENGOLAHAN DATA

BAB III DATA DAN METODE PENGOLAHAN DATA BAB III DATA DA ETODE PEGOLAHA DATA 3. Daa Daa ag dguaa adalah daa ecepaa arus d perara Sela Lfaaola da uu edees edees orelasa dega feoea El ño da La ña pada ahu-ahu 004 sapa 006 dguaalah daa Ides Oslas

Lebih terperinci

Integral Mcshane Fungsi Bernilai Banach

Integral Mcshane Fungsi Bernilai Banach ea shae s Bea Baah Hey Pbawao Syawa sa aeaa Uvesas Saaa Dhaa Yoyaaa e-a heybs@sasdad Absa ea Shae eaa ea e Rea ya ea daa ea Heso-zwe da evae dea ea Lebese D daa aaah aa dbaaa sa ea ea Shae ya s bea ada

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha ([email protected]) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING AROUND IDEAL OF THE SKEW POLYNOMIAL RING

SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING AROUND IDEAL OF THE SKEW POLYNOMIAL RING SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING Afra, Ar Kaal Ar da Nur Erawaty Jurusa Mateata Faultas Mateata da Ilu Pegetahua Ala Uverstas Hasaudd (UNHAS) Jl. Perts Keerdeaa KM.0 Maassar 90245, Idoesa [email protected]

Lebih terperinci

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI Daua uu Memeuh Persyaraa Peyelesaa Program Saraa Sas Jurusa Maemaa Faulas Maemaa da Ilmu Pegeahua Alam Uversas

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

LOCALLY DAN GLOBALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA [a,b]

LOCALLY DAN GLOBALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA [a,b] PROSIING ISBN : 978 979 6353 9 4 LOCALLY AN GLOBALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-UNFOR PAA [a,b] A-8 Solh, Y Suato, St Khabbah 3,,3 Jurusa Mateata, Faultas Sas da Mateata, Uverstas poegoro

Lebih terperinci

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori Ruag Basa Sesh ( Δ ),< < da Bebeaa Pemasaaha Kaatesas Podu Teso ( Δ) ( Δ) Musm Aso Juusa Matemata, FMIPA, Uvestas Lamug J. Soemat Bodoegoo No. Bada Lamug 3545 E-ma: [email protected] ABSTRACT I ths ae we

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

PENDETEKSIAN JENIS DAN KELAS AROMA DENGAN MENGGUNAKAN METODE ONE-VS-ONE DAN METODE ONE-VS-REST

PENDETEKSIAN JENIS DAN KELAS AROMA DENGAN MENGGUNAKAN METODE ONE-VS-ONE DAN METODE ONE-VS-REST MAKARA, SAINS, VOL. 7, NO.3, DESEMBER 2003 PENDETEKSIAN JENIS DAN KELAS AROMA DENGAN MENGGUNAKAN METODE ONE-VS-ONE DAN METODE ONE-VS-REST Zuherman Rustam 1,3, Benyamin Kusumoputro 2,3 dan Belawati Widjaja

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Persoala utaa yag dhadap oleh seorag aaer atau pegabl eputusa adalah bagaaa egaloasa suatu suber yag terbatas datara berbaga atvtas atau proye Progra lear adalah suatu etode yag dapat

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PENDAHULUAN Laar Belaag Jahe (Zgber offcale Rosc. merupaa salah sau es aama oba yag mempuya baya eguaa ba sebaga baha oba aaupu maaa. Jahe besar serg dguaa dalam dusr maaa da muma peghaga. Jahe puh ecl,

Lebih terperinci

BAB I PENDAHULUAN I.1.

BAB I PENDAHULUAN I.1. BAB I PENDAHULUAN I.. Laar Belaag Pegeahua megea pasag suru d Idoesa dapa dguaa uu peeua baas wlayah, pemeaa bamer, surve hdrograf, da avgas. LAT (Lowes Asroomcal Tde dguaa oleh Idoesa sebaga char daum

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR POTENSIAL PT BURSA EFEK INDONESIA DI JAWA TIMUR

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR POTENSIAL PT BURSA EFEK INDONESIA DI JAWA TIMUR Prosdng Semnar asona Penean, Penddan dan Penerapan MIPA Fauas MIPA, Unversas eger Yogyaara, 6 Me 009 COFIGURAL FREQUECY AALYSIS UTUK MELIHAT KARAKTERISTIK CALO IVESTOR POTESIAL PT BURSA EFEK IDOESIA DI

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

TINJAUAN PUSTAKA I. PENDAHULUAN

TINJAUAN PUSTAKA I. PENDAHULUAN Peeapa Daa Evelope Aalyss uu Efses Kea Kayawa pada PT. X Wda Sulash, He Kuswao da Des Suslagu Juusa Sasa, F-MIPA, Isu Teolog Sepuluh Nopebe (ITS) Jl. Aef Raha Ha, Suabaya 60111 E-al: [email protected],[email protected]

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG SKRIPSI Dajua epada Faulas Maemaa da Ilmu Pegeahua Alam Uversas Neger ogyaara uu memeuh sebaga persyaraa gua memperoleh gelar Sarjaa Sas Oleh: Naala Jagrum

Lebih terperinci

DISUSUN OLEH KELOMPOK III

DISUSUN OLEH KELOMPOK III FUNGSI BESSEL DISUSUN OLEH KELOMPOK III Nama Aggoa : Desaah 7.. T Yua 7..5 Oa Helaa 7.. Sea ula 7..78 Dessy Adea 7.. Esca Oaa 7..59 Semese : L Pogam Sud : Pedda Maemaa Maa Kulah : Maemaa Lajua FAKULTAS

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

MENENTUKAN INVERS DRAZIN DARI MATRIKS SINGULAR. Lisnilwati Khasanah 1 dan Bambang Irawanto 2. Jl.Prof.Soedarto, S.H Semarang 50275

MENENTUKAN INVERS DRAZIN DARI MATRIKS SINGULAR. Lisnilwati Khasanah 1 dan Bambang Irawanto 2. Jl.Prof.Soedarto, S.H Semarang 50275 ENENTUKN INVERS RZIN RI TRIKS SINGULR Lisilwati Khasaah da Babag Irawato Progra Studi ateatia FIP UNIP lprofsoedarto SH Searag 7 bstract sigular atri with size has a iverse be called razi iverse ad deoted

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

BAB I PENDAHULUAN I.1.

BAB I PENDAHULUAN I.1. BAB I PENDAHULUAN I.. Laar Belaag Pasag suru lau adalah feomea pergeraa a uruya permuaa ar lau secara perod yag dsebaba oleh pegaruh gravas beda-beda lag eruama bula da maahar (Poerbadoo da Djuarsjah,

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Sasa ISSN: 460-6456 Aalss Kovaras dalam Desa Peguura Berulag u Megevaluas Efe Perlaua Puu erhada Produs Taama Teh Aalyss of Covarace Reeaed Measureme Desgs o Evaluae Treame Effecs o Tea Produco

Lebih terperinci

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA BAB PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA Meode Euler Meode Euler adala Meode ampira palig sederaa uu meelesaia masala ilai awal: ( Biasaa diasumsia bawa peelesaia ( dicari pada ierval erbaas ag dieaui

Lebih terperinci

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha JMP : Volume Nomor 2, Oober 2009 SOUSI PERSAMAAN DIFERENSIA BOTZMANN INEAR Agus Sugadha Faulas Sais da Tei, Uiversias Jederal Soedirma Purwoero, Idoesia Email : [email protected] ABSTRACT. I his research,

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

Bilangan Stirling dan Hubungannya dengan Beberapa Konsep Matematika

Bilangan Stirling dan Hubungannya dengan Beberapa Konsep Matematika Vol. 10, No. 2, 102-113, Jauari 2014 Bilaga Sirlig da Hubugaya dega Beberapa Kosep Maemaia Fifi Asui 1, Loey Haryao 2 da Hasmawai Basir 3 Absra Dalam ulisa ii dibahas aalogi, euivalesi da eeraia aara bilaga-bilaga

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR Penerapan PID Predcve Ar-Rao Conroller Pada Mesn Mobl Msubsh Type 4G63 Unu Memnmuman Ems Gas Buang Oleh Hendre Angga P 10 105 03 PRESENTASI TUGAS AKHIR Mesn-mesn oomof saa n dunu unu menghaslan performa

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET KELAS XII. IPS SEMESTER I Oleh : Drs. Pudjul Prijoo ( http://vidyagata.wordpress.co ) SMA NEGERI 6 Jala Mayje Sugoo 58 Malag Telp./Fax : (034) 75036 E-Mail : [email protected]

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE ANAISIS FATOR-FATOR YANG MEMPENGARUHI PRODUSI EDEAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRI SPINE Da Amela, I Nyoma Budaara Jurusa Sasa, FMIPA, Isu Teolog Seuluh Noember (ITS Jl. Aref

Lebih terperinci

MAXIMUM LIKELIHOOD ESTIMATION (MLE) PADA MODEL LOGISTIK EXPONENSIAL

MAXIMUM LIKELIHOOD ESTIMATION (MLE) PADA MODEL LOGISTIK EXPONENSIAL KNM XVI -6 Ju UNPAD Jaagor MAXIMUM LIKELIHOOD EIMAION MLE PADA MODEL LOGIIK EXPONENIAL DEI RAHMAINA Uversas Marm Raa A Ha.J Poekk. eggarag. augpag ema : [email protected] Absrak Mode ogsk ekspoesa yag

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

Pengukuran Bunga. Modul 1

Pengukuran Bunga. Modul 1 Moul 1 Pegukura Buga Drs. Pramoo S, M. S. M oul membcaraka eag pegukura buga, fugs akumulas a fugs jumlah, gka buga efekf, buga seerhaa, buga majemuk, la sekarag, gka skoo efekf, gka buga ar skoo omal,

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

BAB 2 KAJIAN TEORITIS

BAB 2 KAJIAN TEORITIS BAB KAJIAN TEORITIS Desrps Teor Utu ebera dasar peulsa srps, terlebh dahulu pada baga aa dgabara secara rgas osep dasar yag berhubuga dega rptograf sepert defs rptograf, algorta rptograf, sste rptograf,

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI 1 I PENDAHULUAN Pada baga awal bab, aa delasa latar belaag da tuua peelta yag dlaua. Seetara tu pada baga ahr bab aa dperlhata afaat dar peelta bag perusahaa. 1.1 Latar Belaag Masalah trasportas da dstrbus

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

ANALISIS & INTERPRETASI DATA KINETIKA SISTEM REAKTOR BATCH

ANALISIS & INTERPRETASI DATA KINETIKA SISTEM REAKTOR BATCH NLISIS & INTERPRETSI DT KINETIK SISTEM REKTOR BTH PEROBN KINETIK REKSI Salah sau caupa aau ruag gup sud ea reas adalah peeua ecepaa reas secara uaaf; hal mejad bera peerjaa seorag chemcal egeer yag harus

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Bab 7 NILAI DAN VEKTOR EIGEN

Bab 7 NILAI DAN VEKTOR EIGEN Bab 7 NILAI DAN VEKTOR EIGEN 7 Movas Dmovas bab dega medskuska persamaa a hy by c, dega dak semua dar a, b, da c adalah ol Peryaaa a hy by dsebu beuk kuadrak dalam da y, sera erdapa deas a hy by a h [

Lebih terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT PROSIDING SEMINAR NASIONAL SAISIA UNIVERSIAS DIPONEGORO 0 ISBN: 978-979-097-4-4 INERVAL ONFIDENSI SPLINE UADRA DENGAN PENDEAAN PIVOAL QUANIY Rowa Dafl Saraamual I Noma Budaara ) Mahasswa Magser Jurusa

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGADAAN BAHAN BAKU DINAMIS DENGAN ADANYA DISKON DAN BATAS MASA KADALUARSA

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGADAAN BAHAN BAKU DINAMIS DENGAN ADANYA DISKON DAN BATAS MASA KADALUARSA JURNAL NFORMATKA Vol 4, No., Jauar SSTEM PENUKUNG KEPUTUSAN UNTUK PENGAAAN BAHAN BAKU NAMS ENGAN AANYA SKON AN BATAS MASA KAALUARSA S Mahsaah Budja Te dusr, Faulas Teolog dusr Uversas Ahmad ahla ABSTRAK

Lebih terperinci

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera BAB 1 PENDAHULUAN 1.1 Laar Belakang Kabupaen Labuhan Bau merupakan pusa perkebunan kelapa sawi di Sumaera Uara, baik yang dikelola oleh perusahaan negara / swasa maupun perkebunan rakya. Kabupaen Labuhan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

CONTOH SOAL DAN PENYELESAIANNYA

CONTOH SOAL DAN PENYELESAIANNYA ONTOH SOL DN PENYELESINNY SOL #: Reasi aara eile bromida da alium iodida: H 4 Br + KI H 4 + KBr + KI berorde sau erhadap masig-masig reaaya. Beriu ii adalah daa-daa percobaa yag dilagsuga dalam reaor bach

Lebih terperinci

T 22 Studi dan Implementasi Hill Cipher menggunakan binomial newton berbasis komputer

T 22 Studi dan Implementasi Hill Cipher menggunakan binomial newton berbasis komputer T 22 Sudi da Imlemeasi Hill Ciher megguaa biomial ewo berbasis omuer Rojali Jurusa Maemaia, Shool Of Shool of Comuer Siee Bius Uiversiy, Jaara, Idoesia 48 email: [email protected] Absra Algorima Hill Ciher

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

TAKSIRAN MEAN DAN TOTAL PADA TWO STAGE ADAPTIVE CLUSTER SAMPLING MAYRAMADAN MADYA PUTRA

TAKSIRAN MEAN DAN TOTAL PADA TWO STAGE ADAPTIVE CLUSTER SAMPLING MAYRAMADAN MADYA PUTRA TAKSIRA EA DA TOTAL PADA TWO STAGE ADAPTIVE CLUSTER SAPLIG AYRAADA ADYA PUTRA 03050035 UIVERSITAS IDOESIA FAKULTAS ATEATIKA DA ILU PEGETAHUA ALA DEPARTEE ATEATIKA DEPOK 009 Tasra ea..., ayraada adya Ptra,

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

MUH1G3/ MATRIKS DAN RUANG VEKTOR

MUH1G3/ MATRIKS DAN RUANG VEKTOR MUHG/ MATRIKS DAN RUANG VEKTOR TIM DOSEN 8 VEKTOR DAN NILAI EIGEN /5/7 9.9 Beberapa Aplikasi Ruang Eigen Uji Kesabilan dalam sisem dinamik Opimasi dengan SVD pada pengolahan Cira Sisem Transmisi dan lain-lain.

Lebih terperinci

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN BAB PENDAHUUAN. ATAR BEAKANG Seringali ara enelii aau saisiawan melauan enganalisaan erhada suau eadaan/masalah dimana eadaan yang dihadai adalah besarnya jumlah variabel samel yang diamai. Unu iu erlu

Lebih terperinci