sejarah telekomunikasi

SEJARAH TELEKOMUNIKAS

Dari saluran sepihak ke sambungan langsung.

Telepon telah membawa dampak besar pada abad 20 sejak adanya revolusi industri yang terjadi pada abad 19. Adanya penemuan telepon telah mengubah cara hidup manusia, pekerjaan dan permainan. Perubahan itu didukung adanya penemuan televisi, komputer, pager,

mesin faksimil, surat elektronik (e-mail), internet, perdagangan melalui dunia maya dan sebagainya. Pada masa-masa mendatang sepuluh tahun lagi dari sekarang, kita berharap adanya sambungan internet tanpa kabel yang dapat dilakukan di sembarang tempat termasuk di dalam mobil, tas kantor, nomor-nomor telepon yang dipakai dalam kehidupan sehari-hari yang diaktifkan (dialing) melalui suara sebagaimana kita menekan tombol-tobol baik di rumah maupun di kantor atau tempat kerja lainnya

Penemu prinsip komunikasi jarak jauh pertama kali dengan suara dilakukan oleh Alexander Graham Bell pada 10 Maret 1876. Kalimat yang diucapkan kepada temannya itu adalah "Mr. Watson, come here! I need you!". Setelah itu perkembangan sistem telekomunikasi mulai terbuka lebar.

Periode tahun 1870 hingga 1910

1876: Alexander Graham Bel menemukan pesawat telepon

1881: Direktori halaman kuning telepon yang pertama

1891: Dial (nomor-nomor) telepon pertama; 512.000 sambungan telepon di Amerika

1887:Telepon yang bekerja dengan koin pertama kali dipasang di Hartford Bank oleh penemunya William Gray.

1915: Panggilan pertama secara resmi dari pantai ke pantai dilakukan oleh Alexander Graham Bell di New York City kepada Thomas Watson di San Francisco.

Periode 1920

1928: Herbert Hoover menjadi presiden pertama Amerika Serikat yang menggunakan telepon di meja kerjanya. Hingga waktu itu, presiden berbicara selalu berbicara dari dan keluar kantornya.

Periode 1950-1960

1957: Uji coba pertama kali penggunaan pagers dimulai di Allentown dan Bethlehem, Pennsylvania

1958: Telepon pangeran diperkenalkan. Teleponpertama dengan nomor yang diberi cahaya, menjadi bagian budaya populer Amerika

1960: Telepon tombol nada sentuh mulai dipasarkan di Findlay, Ohio. Telepon ini mempunyai 10 tombol, tidak seperti sekarang yang mempunyai 12 tombol.

1963: Sambungan langsung terjadi antara Gedung Putih dan Kremlin berkaitan dengan krisis senjata di Cuba.

1968: 911 dipilih sebagai nomor darurat seluruh negara. Perusahaan telepon menyetujui urutan nomor itu tidak disediakan sebagai nomor sambungan keluar.

Pada tahun 1963 juga telah diperkenalkan teknik digital carrier. Sebelumnya cara-cara dalam multiplek kanal telepon telah diterapkan dengan transmisi analog. Cara ini pada prinsipnya adalah membawa beberapa kanan yang berbeda dengan pemisahan frekuensi. Tahun 1964, Bell System memperkenalkan bentuk videotelepon yang dipasarkan terbatas untuk melayani wilayah New York, washungton dan Chicago. Sementara pada tahun 1965 satelit komunikasi komersial pertama diluncurkan dengan menyediakan 240 rangkaian telepon dua arah

Periode 1970-1980

1972: Pesan pertama surat elektronik (email). Istilah “internet” digunakan pertama kali dua tahun kemudian, tetapi konsep internet seba-gaimana kita kenal saat ini tidak ada peningkatan

1984: Telepon seluler per-tama kali dikenalkan

Perkembangan tahun 1990an

1991: Pengenalan caller ID (internasional). Ada perbedaan pandangan saat itu.

1998: World Wide Web (www) telah lahir, menjadikan tanda internet permulaan internet seperti yang kita kenal sekarang ini. Banyak orang Amerika menyam-bungkan Internet melalui saluran  teleponnya masing-masing.

Periode tahun 2000 hingga sekarang ini.

2000: "Web Phone" dikombinasikan dengan telepon traditional dengan menggunakan layar sentuh LCD dan keyboard yang dapat dilipat agar pengguna bisa berselancar dengan Internet, mengecek e-mail, melakukan panggilan telepon dan mengecek pesan suara hanya dengan piranti tunggal.

2000: "Thin Phone" menggabungkan akses Internet tanpa kabel dengan layanan telepon lokal tanpa kabel, memungkinkan pengguna Internet tetap tersambung dengan segala sesuatu dari halaman pages ke suara dan e-mail, sekalipun berpindah-pindah.

2000 hingga sekarang : "Information Appliances" (pemakaian informasi) memuat Internet mobile (bergerak), tanpa kabel "Web to Go," sambungan telepon diaktifkan suara, nomornomor

telepon untuk kehidupan sesuai keinginan, panggilan telepon dan Internet pada pesawat TV kita, TV melalui telepon tanpa kabel, dan masih banyak lagi.

persamaan regresi dan korelasi sederhana (forum statistik)

REGRESI

Bentuk yang paling umum digunakan adalah regresi linier regresi, dan jenis yang paling umum dari regresi linier biasa disebut regresi kuadrat terkecil.

Regresi linier menggunakan nilai dari data yang ada set terdiri dari pengukuran nilai dari dua variabel, X dan Y, untuk mengembangkan sebuah model yang berguna untuk memprediksi nilai variabel dependen, Y untuk nilai X.

ELEMEN DARI PERSAMAAN REGRESI

Persamaan regresi ditulis sebagai Y = a + bX + e

Y adalah nilai dari variabel Dependent (Y), apa yang diprediksi atau dijelaskan

atau Alpha, sebuah konstanta, sama dengan nilai Y ketika nilai dari X = 0

b atau Beta, koefisien X; kemiringan garis regresi; berapa banyak perubahan Y untuk setiap perubahan satu unit X.

X adalah nilai dari variabel Independen (X), apa yang meramalkan atau menjelaskan nilai Y

e adalah istilah kesalahan; kesalahan dalam memprediksi nilai Y, diberi nilai X (tidak ditampilkan dalam persamaan regresi yang paling).

Sebagai contoh, katakanlah kita tahu apa yang rata-rata kecepatan mobil di jalan bebas hambatan ketika kita memiliki 2 patroli jalan raya dikerahkan (kecepatan rata-rata = 75 mph) atau 10 patroli jalan raya dikerahkan (kecepatan rata-rata = 35 mph). Tapi apa yang akan menjadi kecepatan rata-rata mobil di jalan bebas hambatan ketika kita menyebarkan patroli jalan raya 5?

Kecepatan rata-rata di Freeway (Y)	Jumlah Mobil Patroli Dikerahkan (X)
75	2
35	10

Dari data kami dikenal, kita dapat menggunakan rumus regresi (perhitungan tidak ditampilkan) untuk menghitung nilai-nilai dan dan mendapatkan persamaan berikut: Y = 85 + (-5) X, dimana

Y adalah rata-rata kecepatan mobil di jalan bebas hambatan

a = 85, atau kecepatan rata-rata ketika X = 0

b = (-5), dampak pada Y dari setiap mobil patroli tambahan dikerahkan

X adalah jumlah mobil patroli dikerahkan

Artinya, kecepatan rata-rata mobil di jalan bebas hambatan ketika ada patroli jalan raya tidak bekerja (X = 0) akan 85 mph. Untuk masing-masing bekerja patroli jalan raya mobil tambahan, kecepatan rata-rata akan turun sebesar 5 mph Selama lima patroli (X = 5), Y = 85 + (-5) (5) = 85 -. 25 = 60 mph

Mungkin ada beberapa variasi pada bagaimana persamaan regresi ditulis dalam literatur. Misalnya, Anda kadang-kadang dapat melihat istilah variabel dependen (Y) ditulis dengan "topi" kecil (^) di atasnya, atau disebut Y-topi. Hal ini mengacu pada nilai prediksi Y. Y polos mengacu pada nilai-nilai Y yang diamati dalam data set digunakan untuk menghitung persamaan regresi.

Anda dapat melihat simbol untuk alfa (a) dan beta (b) ditulis dalam huruf Yunani, atau Anda mungkin melihat mereka ditulis dalam huruf bahasa Inggris. Koefisien variabel independen mungkin memiliki subscript, sebagaimana istilah untuk X, misalnya, b ₁ X ₁ (ini adalah umum dalam regresi berganda).

PERSAMAAN REGRESI MENILAI

Kami sekarang memiliki persamaan regresi. Tapi bagaimana yang baik adalah persamaan untuk memprediksi nilai Y, untuk nilai X? Untuk penilaian itu, kita beralih ke ukuran asosiasi dan ukuran signifikansi statistik yang digunakan dengan persamaan regresi.

r ²
r ² adalah ukuran dasar; itu mewakili persen dari varians dalam nilai-nilai Y yang dapat dijelaskan dengan mengetahui nilai r ² X. bervariasi dari rendah dari 0,0 (tidak ada varians dijelaskan), ke tinggi dari 1,0 (semua varians dijelaskan).

SEB
SEB adalah kesalahan standar dari nilai yang dihitung dari b. Sebuah t-test untuk signifikansi statistik dari koefisien dilakukan dengan membagi nilai b oleh kesalahan standar. Dengan aturan praktis, t-nilai yang lebih besar dari 2,0 biasanya statistik signifikan tetapi Anda harus berkonsultasi dengan t-tabel untuk memastikan. Jika nilai t-menunjukkan bahwa koefisien b adalah signifikan secara statistik, ini berarti bahwa variabel independen atau X (jumlah mobil patroli dikerahkan) harus disimpan dalam persamaan regresi, karena memiliki hubungan statistik yang signifikan dengan variabel dependen atau Y (kecepatan rata-rata dalam mph). Jika hubungan tidak signifikan secara statistik, nilai koefisien b akan (statistik berbicara) tidak dapat dibedakan dari nol.

F
F adalah tes untuk signifikansi statistik dari persamaan regresi secara keseluruhan. Hal ini diperoleh dengan membagi varians dijelaskan oleh varians dijelaskan. Dengan aturan praktis, F-nilai yang lebih besar dari 4,0 biasanya statistik signifikan tetapi anda harus berkonsultasi dengan F-tabel untuk memastikan. Jika F adalah signifikan, dari persamaan regresi membantu kita untuk memahami hubungan antara X dan Y.

Sebagai contoh kita di atas, katakanlah kita memperoleh nilai-nilai berikut:

r ² = 0,9
Mengetahui nilai X (jumlah mobil patroli dikerahkan), kita dapat menjelaskan 90% dari varians dalam Y (kecepatan rata-rata pengendara di jalan raya).

SEB = 1,5
Membagi b dengan SEB, kita mendapatkan nilai t = -5/1.5 = -3,3. Konsultasi t-tabel, kita menemukan bahwa koefisien secara statistik signifikan. Ini berarti bahwa variabel bebas X (jumlah mobil patroli dikerahkan) harus disimpan dalam persamaan regresi, karena memiliki hubungan statistik yang signifikan dengan variabel terikat Y (kecepatan rata-rata dalam mph).

F = 8.4
Dari tabel F-, kita melihat bahwa persamaan regresi secara keseluruhan adalah signifikan secara statistik. Ini berarti bahwa persamaan regresinya adalah membantu kita untuk memahami hubungan antara X dan Y.

LANGKAH-LANGKAH DALAM REGRESI LINEAR

1. Negara hipotesis.
2. Negara hipotesis nol
3. Kumpulkan data.
4. Hitung persamaan regresi
5. Periksa tes signifikan statistik dan ukuran asosiasi
6. Menghubungkan temuan statistik untuk hipotesis. Menerima atau menolak hipotesis nol.
7. Menolak, menerima atau merevisi hipotesis asli. Membuat saran-saran untuk desain penelitian dan aspek manajemen masalah.

Contoh: pool kendaraan ingin tahu apakah itu biaya lebih untuk menjaga mobil yang didorong lebih sering.

Hipotesis: biaya pemeliharaan dipengaruhi oleh jarak tempuh mobil
Null hipotesis: tidak ada hubungan antara jarak tempuh dan biaya pemeliharaan

Variabel dependen: Y adalah biaya dalam dolar pemeliharaan tahunan pada kendaraan bermotor
Independen variabel: X adalah jarak tempuh tahunan pada kendaraan motor yang sama

Data dikumpulkan pada mobil masing-masing di kolam motor, tentang jumlah mil didorong di tahun tertentu, dan biaya pemeliharaan untuk tahun itu. Berikut adalah contoh dari data yang dikumpulkan.

Nomor Mobil	Miles Driven (X)	Biaya Perbaikan (Y)
1	80,000	$ 1.200
2	29,000	$ 150
3	53,000	$ 650
4	13,000	$ 200
5	45,000	$ 325

Persamaan regresi dihitung sebagai (perhitungan tidak ditampilkan): Y = 50 + .03 X

Sebagai contoh, jika X = 50.000 maka Y = 50 + .03 (50.000) = $ 1.550

a = 50 atau biaya pemeliharaan bila X = 0, jika tidak ada jarak tempuh pada mobil, maka biaya tahunan pemeliharaan = $ 50

b =. 03 nilai bahwa Y meningkat untuk setiap kenaikan satu unit X; untuk setiap mil didorong tambahan (X), biaya pemeliharaan tahunan meningkat dengan $ 0,03

SEB = 0,0005; nilai b dibagi dengan SEB = 60,0; t-tabel menunjukkan bahwa koefisien b X adalah signifikan secara statistik (ini berhubungan dengan Y)

r ² =. 90 kita dapat menjelaskan 90% dari varians dalam biaya perbaikan untuk kendaraan yang berbeda jika kita tahu jarak tempuh kendaraan untuk setiap mobil

Kesimpulan: Tolak hipotesis nol tidak ada hubungan dan menerima hipotesis penelitian, jarak tempuh yang mempengaruhi biaya perbaikan.

ASUMSI DARI REGRESI LINEAR

Secara teori, ada beberapa asumsi penting yang harus dipenuhi jika regresi linier yang akan digunakan. Ini adalah:

1. Baik independen (X) dan (Y) tergantung variabel diukur pada interval atau tingkat rasio.

2. Hubungan antara independen (X) dan (Y) variabel tergantung adalah linier.

3. Kesalahan dalam prediksi nilai Y didistribusikan dengan cara yang mendekati kurva normal.

4. Kesalahan dalam prediksi nilai Y adalah semua independen satu sama lain.

5. Distribusi kesalahan dalam prediksi nilai Y adalah konstan terlepas dari nilai X.

Ada sejumlah tes statistik canggih yang dapat digunakan untuk memeriksa apakah atau tidak asumsi ini adalah benar untuk setiap persamaan regresi yang diberikan. Namun, ini adalah di luar cakupan diskusi ini.

WAKTU SERIES REGRESI

Regresi linier berguna untuk mengeksplorasi hubungan variabel independen yang menandai berlalunya waktu ke variabel dependen ketika hubungan linier, yaitu, bila ada ke bawah jelas, atau ke atas, tren dalam data dari waktu ke waktu.

Namun, jika tren variabel dependen dari waktu ke waktu tidak linear, maka regresi linear tidak akan menangkap hubungan. Regresi linier gagal untuk menangkap tren musiman, siklis, dan kontra-siklus dalam data time series. Juga tidak regresi linier menangkap efek dari perubahan arah data time series, maupun perubahan dalam tingkat perubahan dari waktu ke waktu. Untuk regresi time series, penting untuk mendapatkan plot data dari waktu ke waktu dan memeriksa untuk memungkinkan non-linear tren.

Ada juga masalah jika nilai-nilai pada satu titik dalam time series yang ditentukan atau sangat dipengaruhi oleh nilai-nilai pada waktu sebelumnya. Hal ini disebut auto-korelasi. Hal ini terjadi ketika nilai-nilai variabel dependen dari waktu ke waktu tidak terdistribusi secara acak.

Regresi linier dapat digunakan dengan desain penelitian time series terganggu. Misalnya, kebijakan diimplementasikan untuk mengurangi jumlah kecelakaan antara driver remaja.

1. Data yang dikumpulkan selama paling sedikit 20 atau 30 periode waktu (bulan atau kuartal) sebelum kebijakan tersebut diterapkan, dan kemudian selama 20 atau 30 periode waktu setelah kebijakan diimplementasikan.

2. Satu regresi linier dilakukan untuk data kecelakaan pada tingkat pra-kebijakan periode waktu.

3. Lain regresi linier dilakukan untuk tingkat data kecelakaan pada periode waktu pasca-kebijakan.

4. Harus ada perbedaan dalam nilai-nilai, konstanta koefisien b, SEB, dan r ² untuk dua persamaan.

Jika ada perbedaan antara dua persamaan, maka kebijakan tersebut memiliki efek. Jika semua titik data (baik pra-dan pasca-) telah dimasukkan dalam persamaan regresi, jumlah perbedaan dijelaskan (r ²⁾ akan cukup rendah. Hal ini karena, jika ada perubahan setelah kebijakan diperkenalkan, tren tidak lagi linier. Sebaliknya, ada dua kecenderungan linier yang berbeda, satu sebelum kebijakan itu diperkenalkan, dan satu lagi, yang berbeda setelah itu diperkenalkan.

Dalam menyiapkan data untuk regresi time series, peneliti harus ingat untuk nomor tahun (atau periode waktu lainnya) berturut-turut dari 1 sampai n. Berikut ini adalah nilai untuk variabel (X) independen. Nilai dari variabel dependen adalah tingkat kecelakaan. Sebagai contoh,

Variabel Independen (X) - Tahun	Dependent Variabel (Y) - Tingkat Kecelakaan
1	50,000
2	51,000
3	52,000
4	53,000