ANGGRAINI PUTRI, NIM.132016103 (2020) ANALISA PATH LOSS DENGAN MENGGUNAKAN REGRESI LINIER MULTI VARIABEL. Skripsi thesis, Universitas Muhammadiyah Palembang.

Preview	Text 132016103_BAB_1_DAFTAR_PUSTAKA[1][1]-dikonversi (1).pdf Download (747kB) | Preview
	Text 132016103_BAB_II_SAMPAI_BAB_TERAKHIR[1][1]-dikonversi (1).pdf Restricted to Repository staff only Download (515kB)

Abstract

Judul: Analisa Path Loss dengan menggunakan regresi linier multi variabel Analisa regresi adalah suatu alat statistik yag banyak digunakan dalam berbagai bidang. Analisis regresi tersebut bertujuan untuk mengetahui hubungan antara variabel dependen dan variabel independen. Tujuan penelitian ini adalah untuk memodelkan path loss propagansi dengan menggunakan rumus regresi linier multi-variabel. Dalam regresi linier berganda atau multi-variabel, metode yang biasanya digunakan adalah metode kuadrat terkecil(Least Square Method). Dari hasil perhitungan evaluasi menggunakan tiga parameter yaitu MAPE(Mean Absolute Precentage) yang menyatakan bahwa Regresi Linier Multi-Variabel (0,183) disusul dengan Okumura Hatta (30.46) dan Model ECC (48.56), RMSE (Root Mean Square Error) Regresi Linier Multi-variabel (4.88) disusul dengan Okumura Hatta (37.01) dan Model ECC (61.049), MAD (Mean Absolute Devation) Regresi Linier Multi-variabel (0.993) disusul oleh Okumura Hatta (35.08) dan Model ECC (55.83) dari hasil perhitungan menunjukan bahwa tingkat akurasi yang lebih baik terdapat pada model regresi linier dibandinkan dengan model Okumura Hatta dan ECC model. Kata Kunci: Path Loss, Regresi Linier Multi-variabel

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing, 1. Bengawan Alfaresi, S.T., M.T. 2. Feby Ardianto, S,T., M.Cs.
Uncontrolled Keywords:	Path Loss, Regresi Linier Multi-variabel
Subjects:	Elektro > Elektronika
Divisions:	Fakultas Teknik > Teknik Elektro (S1)
Depositing User:	Fakultas Teknik
Date Deposited:	12 Jul 2021 04:11
Last Modified:	12 Jul 2021 04:11
URI:	http://repository.um-palembang.ac.id/id/eprint/16956

Actions (login required)

View Item