IMPLEMENTASI MATLAB UNTUK MENYELESAIKAN MASALAH SYARAT BATAS PERSAMAAN DIFFERENSIAL POISSON DAN LAPLACE 2D. La Ode Muhammad Umar RRR 1)

Ukuran: px
Mulai penontonan dengan halaman:

Download "IMPLEMENTASI MATLAB UNTUK MENYELESAIKAN MASALAH SYARAT BATAS PERSAMAAN DIFFERENSIAL POISSON DAN LAPLACE 2D. La Ode Muhammad Umar RRR 1)"

Transkripsi

1 Paradgma Vol. 4 No. Agsts 00 hlm IMPLEMENTASI MATLAB UNTUK MENYELESAIKAN MASALAH SYARAT BATAS PERSAMAAN DIFFERENSIAL POISSON DAN LAPLACE D La Ode Mhammad Umar RRR ) ) Jrsan Matematka FMIPA Unverstas Haloleo Kendar 933 ABSTRAK Pada tlsan n metode beda hngga dan metode teras Sccesve Over Relaxaton (SOR) dgnakan ntk menyelesakan persamaan dfferensal Posson dan Laplace D pada doman segempat. Metode n tdak hanya menghaslkan akras nmerk yang sangat bak tetap ga sangat efsen. Lebh lant dberkan program kompter dalam Matlab. Kata Knc: Persamaan Posson dan Laplace metode beda hngga SOR Matlab ABSTRACT In ths paper the fnte dfference methods and sccesve over relaxaton (SOR) are sed to determne the soltons of Posson and Laplace eqaton on a rectanglar doman. These methods not only preserve the accracy bt also provde the effcency. Moreover compter program are presented n Matlab Keywords: Posson and Laplace eqatons fnte dfference SOR Matlab Dterma : 6 Jn 00 Dset ntk dpblkaskan : Agsts 00. Pendahlan Persamaan dfferensal Posson dan Laplace D serng dmpa pada masalah teknk dan fska. Persamaan dfferensal Posson dan Laplace D dmpa pada masalah flda potensal elaststas kondks panas ar tanah dan lan-lan. Sepert persamaan dfferensal lannya kermtan penyelesaan persamaan dfferensal Posson dan Laplace D terletak pada bentk syarat batas yang menyerta persamaan dfferensal tersebt. Pada tlsan n dberkan cara penyelesaan persamaan dfferensal Posson dan Laplace D dengan ketga tpe syarat batasnya yat Drchlet Nemann dan Robbn yang dmplementaskan dalam program kompter menggnakan Matlab.

2 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 5. Skema Nmerk dan Program Kompter a. Parts Doman Dberkan persamaan dfferensal Posson dan Laplace D ( x ( x = f ( x () x y dengan doman Ω = { x 0 x p 0 y q} (. Batas-batas doman dapat bertpe Drchlet Nemann ata Robn. Penyelesaan persamaan () dengan metode beda hngga dmla dengan memparts doman sepert pada Gambar. Gambar. Doman dan partsnya. Program kompter (bagan ): close all; clear all; clc; %Bagan % Menyelesakan PD Posson & laplace % dengan doman seg empat dengan 3 tpe syarat batas dapat dplh % berpe Drchlet Nemman Robbn. % %

3 Paradgma Vol. 4 No. Agsts 00 hlm % y Syarat batas % J tngg # %. %. %. %. %.Syarat batas 3 Uxx Uyy = f Sayarat batas 4 %. %. % 3 % % # x % 0 lebar % Syarat batas % 3... I % dsp(' BENTUK UMUM : Uxx Uyy = f '); dsp(' '); dsp(' Jens Persamaan Dfferensal: '); dsp('. Laplace ') dsp('. Posson ') PD=npt(' * plh - :? '); f PD== f=0; else f=npt(' f =? '); %f dsp('ukuran DOMAIN') dsp(' ') lebar= npt(' lebar =? '); tngg= npt(' tngg =? '); I=npt('I:ndeks maks.plahan pd arah sb-x. =.I. I =? '); J=npt('J:ndeks maks.plahan pd arah sb-y. =.J. J =? '); h=lebar/(i-); % lebar ks k=tngg/(j-);% tngg ks dsp(' '); % program bersambng ke bagan berktnya b. Skema Iteras Pada Batas dan Bagan Dalam Doman Persamaan () selantnya dtls menad ( ) ( ) = x y f ()

4 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 54 ka dgnakan rms pendekatan ) ( h x dan ) ( k y maka persamaan () dapat ddekat dengan skema f k h = ata =. k h f k h. (3) Persamaan (3) merpakan skema ntk mencar pada ttk-ttk grd yang terletak pada bagan dalam doman ad berndeks =3...I- =3...J-. Adapn ntk ttkttk grd yang terletak pada batas doman dalam hal n dengan salah sat ata keda ndeksnya adalah = =I = = =J dbthkan modfkas persamaan (3) sesa syarat batas yang dberkan (Robn ata Nemann). Pada batas bertpe Drchlet nla telah dketah sehngga tdak dbthkan skema nmerk ntk mencar nla pada batas tersebt. Pada sdt batas yang dbentk oleh da batas bertpe Drchlet nla dasmskan sama dengan nla rata-ratanya. Jka sdt batas dbentk oleh batas bertpe Drchlet dan batas lannya bertpe Robn ata Nemann maka nla pada sdt batas tersebt dasmskan mengkt nla dar batas Drchlet. Nla-nla pada batas bertpe Robn ata Nemann belm dketah oleh karena t dbthkan skema nmerk ntk mencar nla pada batas-batas tersebt. Dketah bentk mm syarat batas merpakan tpe Robn yat

5 Paradgma Vol. 4 No. Agsts 00 hlm P (x Q ( x n = G dengan n adalah vektor arah normal satan (vektor satan yang tegak lrs pada krva batas). Y n n = y n n = x Doman n = n x n n = y X Gambar. Vektor normal satan Jka sat batas tdak bertpe Drchlet ( Q 0) maka bentk syarat batas Robn dapat dnyatakan sebaga ( x = α ( x β n (4) dengan α = P / Q β = G / Q. Jka α = 0 maka persamaan (4) menad syarat batas bertpe Nemann. Skema nmerk ntk mencar nla pada sat batas bertpe Robn ata Nemann pada prnspnya adalah modfkas persamaan (3) sesa syarat batas yang dberkan. Hal n akan dcontohkan pada bagan berkt.

6 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 56 Y q y = α β x = α 3 β 3 x = α 4 β 4 0 p = α β y X Gambar 3. Doman dengan syarat batas Robn ata Nemann Msalkan doman pada Gambar 3.4 dengan batas batas kr bertpe Robn yat dengan α β 3 3 blangan konstan. Persamaan (5) dapat dtls menad Jka dgnakan rms pendekatan ( ) x ( x = α 3 ( x β 3 x = 0 x 0 y q (5) ) = α 3 β = =... J. (6) x ( 3 h maka persamaan (6) dapat ddekat dengan skema 3 h = α β ; =; =...J. (7) 3

7 Paradgma Vol. 4 No. Agsts 00 hlm Jka = dgnakan pada skema PD Posson dan Laplace D (3) dan persamaan (7) maka akan dmpa adalah n berart secara langsng. 0 dengan =...J. Sedangkan dketah bahwa ndeks terkecl ntk 0 adalah ttk-ttk fktf. Oleh karena t 0 tdak dapat dgnakan Persamaan (3) ntk = dperoleh Persamaan (7) ntk = dperoleh ata h 0. f = h k. (8) h k 0 = α β 3 0 h 3 h 3 3 = β α. (9) Persamaan (9) dsbstts pada persamaan (8) dperoleh = hβ 3 h h k. k hα 3 h f. (0) Persamaan (0) merpakan skema ntk mencar =3... J-. Sedangkan skema ntk mencar dan J belm dapat dtentkan karena melbatkan syarat batas lan yang membentk sdt-sdt tersebt. Robnyat Msalkan doman pada Gambar 3.4 batas bagan atas doman ga bertpe ( x = α ( x β 0 x p y = q () y

8 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 58 dengan α β blangan konstan. Persamaan () dapat dtls menad ( ) = α β =...I y =J. () Jka dgnakan rms pendekatan ( ) y maka persamaan () dapat ddekat dengan k ata k = α β ; =...I; =J J = J kβ α =...I. (3) Dketah ndeks terbesar ntk adalah J. Jad J =3...I adalah ttk-ttk fktf. Skema PD Posson (3) ntk = J adalah J J.J J f J J = h k (4) h k Persamaan (3) dsbstts ke persamaan (4) dperoleh skema ntk J = J J h h.j kβ f k kα k k J yat dengan =3...I-. Untk J dan I J ( pada sdt batas doman) mash memerlkan nformas tambahan dar syarat batas yang lan yang membentk sdt-sdt tersebt. Karena dketah doman pada Gambar 4 batas kr dan batas kanan doman bertpe Robn J (5)

9 Paradgma Vol. 4 No. Agsts 00 hlm maka skema pada sdt kr atas ( ) dperoleh dengan mensbstts persamaan (9) dan (3) ke persamaan (3) dperoleh J J J hβ 3.J kβ f J = h k. (6) hα 3 kα h k h k Khss ntk sdt batas yang dbentk oleh batas-batas Drchlet nla pada sdt dasmskan sama dengan nla rata-ratanya. Jka sdt batas dbentk oleh batas bertpe Drchlet dan batas yang lannya bertpe Robn ata Nemann maka nla pada sdt tersebt dasmskan mengkt nla dar batas bertpe Drchlet. Setelah sema skema ntk terseda maka ntk yang belm dketah nlanya dberkan sebarang nla awal SOR yat ( dengan v nomor teras (v = 3...) (0) selantnya dteras menggnakan skema ω ω (7) v v ) =. ( ).( ) adalah dar skema ttk grd pada bagan dalam doman (persamaan (3)) dan skema batas Robn ata Nemann. Parameter SOR ω dplh 0 < ω <. dberkan yat Proses teras ters dlakkan sampa memenh krtera konvergens yang v v ( ) ( ) < ε (8) dengan nla tolerans kekonvergenan basanya dplh nla 0 < ε <. Setelah ketaksamaan (8) dpenh maka proses teras dhentkan. Program kompter (bagan ): % Bagan (sambngan bagan ) % s : ndeks ss s=34 dsp('syarat BATAS'); dsp(' '); for s=:4

10 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 60 fprntf('\n Syarat batas ss ke');fprntf('%d '(s)); fprntf('\n. Drchlet '); fprntf('\n. Nemann '); fprntf('\n 3. Campran (Robyn)\n'); tpe = npt(' * plh -3 : '); swtch tpe case TpeBC(s)=; % syarat batas ss ke s bertpe Drchlet BC(s)=npt(' = '); case TpeBC(s)=3; % syarat batas bertpe Nemmann danggap alfa(s)=0; % syarat batas bertpe Robyn dgn alfa=0 swtch s case fprntf(' d/dy '); case fprntf(' d/dy '); case 3 fprntf(' d/dx '); case 4 fprntf(' d/dx '); otherwse % tdak ada lag ss end %swtch s BC(s)=npt(' = '); %syarat batas ss ke s bertpe Robyn otherwse TpeBC(s)=3; swtch s case dsp(' du/dy=alfa.betta'); case dsp(' du/dy=alfa.betta'); case 3 dsp(' du/dx=alfa.betta'); case 4 dsp(' du/dx=alfa.betta'); otherwse % tdak ada lag ss Robyn end %swtch s alfa(s)=npt(' BC(s)=npt(' alfa ='); betta = '); end % swtch tpe %for s

11 Paradgma Vol. 4 No. Agsts 00 hlm % nsalsas U pada batas for =:I U()=0; U(J)=0; for =:J U()=0; U(I)=0; % set nla U pada syarat batas bertpe Drchlet f TpeBC()== for =:I U()=BC(); A=U(); B=U(I); % f f TpeBC()== for =:I U(J)=BC(); C=U(J); D=U(IJ); % f f TpeBC(3)== for =:J U()=BC(3); A3=U(); C3=U(J); % f f TpeBC(4)== for =:J U(I)=BC(4); B4=U(I); D4=U(IJ); % f %----- nla U pada ttk pook mengkt ss Drchlet----- % pook A f TpeBC()== & TpeBC(3)== U()=(AA3)/; f TpeBC()== & TpeBC(3)==3

12 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 6 U()=A; f TpeBC()==3 & TpeBC(3)== U()=A3; % pook B f TpeBC()== & TpeBC(4)== U(I)=(BB4)/; f TpeBC()== & TpeBC(4)==3 U(I)=B; f TpeBC()==3 & TpeBC(4)== U(I)=B4; % pook C f TpeBC()== & TpeBC(3)== U(J)=(CC3)/; f TpeBC()== & TpeBC(3)==3 U(J)=C; f TpeBC()==3 & TpeBC(3)== U(J)=C3; % pook D f TpeBC()== & TpeBC(4)== U(IJ)=(DD4)/; f TpeBC()== & TpeBC(4)==3 U(IJ)=D; f TpeBC()==3 & TpeBC(4)== U(IJ)=D4; % set tebakan awal U pada ss dgn tpe Nemann ata Robyn % ss ke f TpeBC()==3 & TpeBC()== for =:I- U()=(BC()-tngg*BC()-tngg)/(tngg*alfa()); % f

13 Paradgma Vol. 4 No. Agsts 00 hlm % ss ke f TpeBC()== & TpeBC()==3 for =:I- U(J)=BC()tngg*BC()/(-tngg*alfa()); % f % ss ke 3 f TpeBC(3)==3 & TpeBC(4)== for =:J- U()=BC(4)-lebar*BC(3)/(lebar*alfa(3)); % f % ss ke 4 f TpeBC(3)== & TpeBC(4)==3 for =:J- U(I)=BC(3)lebar*BC(4)/(-lebar*alfa(4)); % f % Tebakan awal pook yang dbentk ss Nemann at Robyn % pook A f TpeBC()==3 & TpeBC(3)==3 A=(U()-k*BC())/(k*alfa()); A3=U()-h*BC(3)/(h*alfa(3)); U()=(AA3)/; % tebakan awal pook B f TpeBC()==3 & TpeBC(4)==3 B=U(I)-k*BC()/(k*alfa()); B4=U(I-)-h*BC(4)/(h*alfa(4)); U(I)=(BB4)/; % tebakan awal pook C f TpeBC()==3 & TpeBC(3)==3 C=U(J-)k*BC()/(-k*alfa()); C3=U(J)-h*BC(3)/(h*alfa(3)); U(J)=(CC3)/; % tebakan awal pook D f TpeBC()==3 & TpeBC(4)==3 D=U(IJ-)k*BC()/(-k*alfa()); D4=U(I-J)h*BC(4)/(-h*alfa(4)); U(I)=(DD4)/;

14 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 64 H=lebar/; K=tngg/; r=sqrt(h*hk*k); aver = (U()U(I)U(J)U(IJ)-r*r*f)/4; %tebakan awal ttk nteror for =:I- for =:J- U()=0;%aver end end Ukonv=0; % nsalsas banyaknya ttk konvergen banyaku=i*j; % banyaknya U selrhnya epslon=0.^(-6); % nla tolerans perbedaan nla U M=(cos(p/(I)) cos(p/(j)))/; w=.5;%/(sqrt(-m.^)); dh=/(h*h); dk=/(k*k); dhk= *(dhdk); ter=0; % Bagan teras whle Ukonv<banyakU Ukonv=0; ter=ter; for =:I for =:J temp = U(); f)/dhk; % skema ttk nteror f >&<I & >&<J U()=(dh*(U(-)U())dk*(U(-)U())- %--- skema ss Nemann ata Robyn (tak termask ngnya) % ss ke (ss bawah) elsef >&<I&== & TpeBC()==3 U()=(dh*(U(-)U())dk*(*U()-*k*BC())- f)/(dhkdk**k*alfa()); elsef >&<I & ==J& TpeBC()==3 %skema ss ke (ss atas) U(J)=(dh*(U(-J)U(J))dk*(*U(J- )*k*bc())-f)/(dhk-dk**k*alfa()); elsef ==&>&<J & TpeBC(3)==3 %ss ke 3 (ss kr)

15 Paradgma Vol. 4 No. Agsts 00 hlm U()= (dh*(*u() - *h*bc(3))dk*(u(- )U())- f)/(dhkdh**h*alfa(3)); elsef ==I & >&<J & TpeBC(4)==3 %ss ke 4 (ss kanan) U(I)= (dh*(*u(i-) *h*bc(4))dk*(u(i- )U(I))- f)/(dhk-dh**h*alfa(4)); % skema pook yang dbentk ss Robyn----- elsef ==&== & TpeBC()==3 & TpeBC(3)==3 % pook kr bawah (pook A) U()=(dh*(*U()-*h*BC(3))dk*(*U()- *k*bc())- f)/... (dhkdh**h*alfa(3)dk**k*alfa()); elsef ==I&==& TpeBC()==3 & TpeBC(4)==3 % pook kanan bawah (pook B) U(I)=(dh*(*U(I-)*h*BC(4))dk*(*U(I)- *k*bc())- f)/... (dhk-dh**h*alfa(4)dk**k*alfa()); elsef ==&==J & TpeBC()==3 & TpeBC(3)==3 % pook kr atas (pook C) U(J)=(dh*(*U(J)-*h*BC(3))dk*(*U(J- )*k*bc())- f)/... (dhkdh**h*alfa(3)-dk**k*alfa()); elsef ==I&==J & TpeBC()==3 & TpeBC(4)==3 % pook kanan atas (pook D) U(IJ)=(dh*(*U(I-)*h*BC(4))dk*(*U(IJ- )*k*bc())- f)/... (dhk-dh**h*alfa(4)-dk**k*alfa()); else %--ss Drchlet tdak pnya skema teras %--karena nla U nya telah dketah end % f % skema SOR U()=w*U()(-w)*temp; % krtera konvergens beda=abs(u()-temp); f beda < epslon Ukonv=Ukonv ;

16 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 66 end % for end% for fprntf('\niteras ke'); fprntf('%5d 'ter); fprntf('banyak U konvergen');fprntf('%5d 'Ukonv); fprntf(' //');fprntf('%5d'banyaku); f ter==00000 break; end %f end % whle end teras % plot nla U pada doman arsran= U(:I:J); pcolor(arsran) colorbar vert shadng nterp ttle('grafk Kontr Sols Nmerk'); xlabel('x'); ylabel('y'); drawnow; fprntf('\nselesa\n'); 3. Smlas Dberkan PD Laplace D x ( x ( x y = 0 dengan doman Ω = {( x 0 x 0 y } dan syarat batas: (x0)= = = 3 = 4 y x 0 y x y x Hasl program kompter datas : BENTUK UMUM : Uxx Uyy = f Jens Persamaan Dfferensal:. Laplace. Posson * plh - :?

17 Paradgma Vol. 4 No. Agsts 00 hlm UKURAN DOMAIN lebar =? tngg =? I:ndeks maks.plahan pd arah sb-x. =.I. I =? 33 J:ndeks maks.plahan pd arah sb-y. =.J. J =? 33 SYARAT BATAS Syarat batas ss ke. Drchlet. Nemann 3. Campran (Robyn) * plh -3 : = Syarat batas ss ke. Drchlet. Nemann 3. Campran (Robyn) * plh -3 : d/dy = Syarat batas ss ke 3. Drchlet. Nemann 3. Campran (Robyn) * plh -3 : 3 du/dx=alfa.betta alfa =3 betta = Syarat batas ss ke 4. Drchlet. Nemann 3. Campran (Robyn) * plh -3 : 3 du/dx=alfa.betta alfa =-4 betta = Iteras ke banyak U konvergen 33 // 089 Iteras ke banyak U konvergen 33 // Iteras ke 89 banyak U konvergen 047 // 089 Iteras ke 893 banyak U konvergen 06 // 089 Iteras ke 894 banyak U konvergen 078 // 089 Iteras ke 895 banyak U konvergen 089 // 089 Selesa

18 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 68» Gambar 4. Sols nmerk Kebenaran sols nmerk dperlhatkan pada Gambar 5 yang mennkan bahwa sols nmerk sesa dengan skema nmerk dan syarat batas yang dberkan. Gambar 5. Kebenaran sols nmerk

19 Paradgma Vol. 4 No. Agsts 00 hlm DAFTAR PUSTAKA [] BaleyW The SOR algorthm & ts Applcaton to Nmercal Solton of Elptc Partal Dfferental Eqaton. Ireland: Dbln Insttte of Technology. [] Bassarddn T Metode Beda Hngga ntk Persamaan Dfferensal. Jakarta: Elex Meda Komptndo. [3] Constantndes A Appled Nmercal Methods wth Personal Compter. New York:Mc Graw Hll Inc. [4] NakamraS. 99. Appled Nmercal Methods wth Software. New York: Prentce Hall Inc. [5] Strler E Iteratve Methods and Mltgrd.

20 Implementas Matlab ntk Menyelesakan Masalah Syarat Batas Persamaan Dfferensal Posson dan Laplace d 70

MENYELESAIKAN MASALAH SYARAT BATAS PERSAMAAN DIFFERENSIAL POISSON 2D. La Ode Muhammad Umar Reky Rahmad R 1. Email: umarr3@yahoo.

MENYELESAIKAN MASALAH SYARAT BATAS PERSAMAAN DIFFERENSIAL POISSON 2D. La Ode Muhammad Umar Reky Rahmad R 1. Email: umarr3@yahoo. La Ode Mammd Umar Re Ramad R//Paradgma Vol. 5 No. Otober 0 lm. 33-47 33 MENYELESAIKAN MASALAH SYARAT BATAS PERSAMAAN DIFFERENSIAL POISSON D La Ode Mammad Umar Re Ramad R Jrsan Matemata FMIPA Unverstas

Lebih terperinci

SKRIPSI. APLIKASI PERSAMAAN DIFERENSIAL LAPLACE 2D UNTUK MENENTUKAN ALIRAN AIR TANAH BERBASIS GIS (Geographics Information System)

SKRIPSI. APLIKASI PERSAMAAN DIFERENSIAL LAPLACE 2D UNTUK MENENTUKAN ALIRAN AIR TANAH BERBASIS GIS (Geographics Information System) SKRIPSI APLIKASI PERSAMAAN DIFERENSIAL LAPLACE 2D UNTUK MENENTUKAN ALIRAN AIR TANAH BERBASIS GIS (Geographics Information System) Oleh: ARDHIANSYAH F1A1 10 067 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci

Vektor Kendali Permainan Dinamis LQ Non-Kooperatif Waktu Tak Berhingga

Vektor Kendali Permainan Dinamis LQ Non-Kooperatif Waktu Tak Berhingga Semnar Nasonal eknolog Informas Komnkas dan Indstr (SNIKI) 8 ISSN : 85-99 Pekanbar 9 November 6 Vektor Kendal Permanan Dnams LQ Non-Kooperatf Wakt ak Berhngga Nlwan Andraja UIN Sltan Syarf Kasm Ra Pekanbar

Lebih terperinci

81 Bab 6 Ruang Hasilkali Dalam

81 Bab 6 Ruang Hasilkali Dalam 8 Bab Rang Haslkal Dalam Bab RUANG HASIL KALI DALAM Rang hasl kal dalam merpakan rang ektor yang dlengkap dengan operas hasl kal dalam. Sepert halnya rang ektor rang haslkal dalam bermanfaat dalam beberapa

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN : JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

Pengenalan Pola/ Pattern Recognition

Pengenalan Pola/ Pattern Recognition Pengenalan Pola/ Pattern Reognton Dasar Pengenalan Pola Imam Cholssodn S.S., M.Kom. Dasar Pengenalan Pola. The Desgn Cyle. Collet Data 3. Objet to Dataset 4. Featre Seleton Usng PCA Menghtng Egen Vale

Lebih terperinci

Dengan derajat bebas (pu-1) =(p-1)+(pu-p) (pu-1)=(p-1)+p(u-1) Sebagai contoh kita ambil p=4 dan u=6 maka tabulasi datanya sebagai berikut:

Dengan derajat bebas (pu-1) =(p-1)+(pu-p) (pu-1)=(p-1)+p(u-1) Sebagai contoh kita ambil p=4 dan u=6 maka tabulasi datanya sebagai berikut: X. ANALISIS RAGAM SEDERANA Jka erlakan yang ngn dj/dbandngkan lebh dar da(p>) dan ragam tdak dketah maka kta bsa melakkan j t dengan jalan mengj erlakan seasang dem seasang. Banyaknya asangan hotess yang

Lebih terperinci

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant) PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

Misalkan S himpunan bilangan kompleks. Fungsi kompleks f pada S adalah aturan yang

Misalkan S himpunan bilangan kompleks. Fungsi kompleks f pada S adalah aturan yang Fngs Analtk FUNGSI ANALITIK Fngs sebt analtk ttk apabla aa sema ttk paa sat lngkngan Untk mengj keanaltkan sat ngs kompleks w = = + gnakan persamaan Cach Remann Sebelm mempelejar persamaan Cach-Remann

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012 Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar

Lebih terperinci

ROOTS OF Non Linier Equations

ROOTS OF Non Linier Equations ROOTS OF Non Lner Eqatons Metode Bag da (Bsecton Method) Metode Regla Fals (False Poston Method) Metode Grak Iteras Ttk-Tetap (F Pont Iteraton) Metode Newton-Raphson Metode Secant Sols Persamaan Kadrat

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya

Lebih terperinci

PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM)

PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) Rcha Agustnngsh, Drs. Lukman Hanaf, M.Sc. Jurusan Matematka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

PEMAHAMAN METODE NUMERIK (STUDI KASUS METODE NEW-RHAPSON) MENGGUNAKAN PEMPROGRMAN MATLAB

PEMAHAMAN METODE NUMERIK (STUDI KASUS METODE NEW-RHAPSON) MENGGUNAKAN PEMPROGRMAN MATLAB PEMAHAMAN METODE NUMERIK (STUDI KASUS METODE NEW-RHAPSON) MENGGUNAKAN PEMPROGRMAN MATLAB St Nurhabbah Hutagalung STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB III SKEMA NUMERIK

BAB III SKEMA NUMERIK BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,

Lebih terperinci

STATISTIKA. Rumus : 1. Menentukan banyaknya data/responden dari diagram lingkaran:

STATISTIKA. Rumus : 1. Menentukan banyaknya data/responden dari diagram lingkaran: STATISTIKA Jens-jens soal statstka yang serng dujkan adalah soal-soal tentang : 1. Membaca sajan data dalam bentuk dagram. Ukuran pemusatan data 3. Ukuran Letak Data 4. Ukuran Penyebaran Data SOAL DAN

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

ROOTS OF NON LINIER EQUATIONS

ROOTS OF NON LINIER EQUATIONS ROOTS OF NON LINIER EQUATIONS Metode Bag da (Bsecton Method) Metode Regla Fals (False Poston Method) Metode Grak Iteras Ttk-Tetap (F Pont Iteraton) Metode Newton-Raphson Metode Secant SOLUSI PERSAMAAN

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

3 METODE HEURISTIK UNTUK VRPTW

3 METODE HEURISTIK UNTUK VRPTW 12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla

Lebih terperinci

PENGURUTAN DATA. A. Tujuan

PENGURUTAN DATA. A. Tujuan PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB III METODE PENELITIAN. Karangkajen, Madrasah Tsanawiyah Mu'allimaat Muhammadiyah Yogyakarta,

BAB III METODE PENELITIAN. Karangkajen, Madrasah Tsanawiyah Mu'allimaat Muhammadiyah Yogyakarta, BAB III METODE PENELITIAN A. Tempat dan Waktu Peneltan Peneltan n dlakukan pada 6 (enam) MTs d Kota Yogyakarta, yang melput: Madrasah Tsanawyah Neger Yogyakarta II, Madrasah Tsanawyah Muhammadyah Gedongtengen,

Lebih terperinci

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama

Lebih terperinci

Gambar 3.1 Diagram alir penelitian

Gambar 3.1 Diagram alir penelitian BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan

Lebih terperinci

DIMENSI PARTISI GRAF GIR

DIMENSI PARTISI GRAF GIR Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

Lebih terperinci

TEORI KESALAHAN (GALAT)

TEORI KESALAHAN (GALAT) TEORI KESALAHAN GALAT Penyelesaan numerk dar suatu persamaan matematk hanya memberkan nla perkraan yang mendekat nla eksak yang benar dar penyelesaan analts. Berart dalam penyelesaan numerk tersebut terdapat

Lebih terperinci

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

Lebih terperinci

SMALL AREA ESTIMATION UNTUK PENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN PENDEKATAN KERNEL-BOOTSTRAP

SMALL AREA ESTIMATION UNTUK PENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN PENDEKATAN KERNEL-BOOTSTRAP Statstka, Vol., No., November 04 SMALL AREA ESTIMATION UNTUK PENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN PENDEKATAN KERNEL-BOOTSTRAP Ujang Malana, Moh Yamn Darsyah, 3 Tan Wahy Utam,,3 Program

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d

Lebih terperinci

SMALL AREA ESTIMATION UNTUK PENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN PENDEKATAN KERNEL-BOOTSTRAP

SMALL AREA ESTIMATION UNTUK PENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN PENDEKATAN KERNEL-BOOTSTRAP Statstka, Vol., No., November 04 SMALL AREA ESTIMATION UNTUK PENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN PENDEKATAN KERNEL-BOOTSTRAP Ujang Malana, Moh Yamn Darsyah, 3 Tan Wahy Utam,,3 Program

Lebih terperinci

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

PENDEKATAN METODE PEMULUSAN KERNEL PADA PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION)

PENDEKATAN METODE PEMULUSAN KERNEL PADA PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PENDEKAAN MEODE PEMULUSAN KERNEL PADA PENDUGAAN AREA KECIL (SMALL AREA ESIMAION) Indawat, Ksman Sadk, Rat Nrmasar Dosen Departemen Statstka FMIPA IPB Maasswa S Departemen Statstka FMIPA IPB ABSRAK Pendgaan

Lebih terperinci

SIMULASI SMOOTHED PARTICLE HYCRODYNAMICS DUA DIMENSI DENGAN METODE DETEKSI PARTIKEL PERMUKAAN

SIMULASI SMOOTHED PARTICLE HYCRODYNAMICS DUA DIMENSI DENGAN METODE DETEKSI PARTIKEL PERMUKAAN SIMULASI SMOOTHED PARTICLE HYCRODYNAMICS DUA DIMENSI DENGAN METODE DETEKSI PARTIKEL PERMUKAAN Muh.Kk Ad Panggayuh 1, Sr Suryan P., Dede Tarwd 3 1,,3 Prod Ilmu Komputas Telkom Unversty, Bandung 1 adpanggayuh@gmal.com,

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

Analisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank

Analisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan

Lebih terperinci

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155

Lebih terperinci

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat 10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass

Lebih terperinci

PENENTUAN DENSITAS PERMUKAAN

PENENTUAN DENSITAS PERMUKAAN PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

UKURAN LOKASI, VARIASI & BENTUK KURVA

UKURAN LOKASI, VARIASI & BENTUK KURVA UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB IV HASIL PENELITIAN

BAB IV HASIL PENELITIAN 6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka

Lebih terperinci

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

PENYELESAIAN LUAS BANGUN DATAR DAN VOLUME BANGUN RUANG DENGAN KONSEP DETERMINAN

PENYELESAIAN LUAS BANGUN DATAR DAN VOLUME BANGUN RUANG DENGAN KONSEP DETERMINAN Bletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volme xx, No. x (tahn), hal xx xx. PENYELESAIAN LUAS BANGUN DATAR DAN VOLUME BANGUN RUANG DENGAN KONSEP DETERMINAN Doni Saptra, Helmi, Shantika Martha

Lebih terperinci

Model Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah

Model Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah Performa (2004) Vol. 3, No.1: 28-32 Model Potensal Gravtas Hansen untuk Menentukan Pertumbuhan Populas Daerah Bambang Suhard Jurusan Teknk Industr, Unverstas Sebelas Maret, Surakarta Abstract Gravtaton

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB IV PERHITUNGAN DAN ANALISIS

BAB IV PERHITUNGAN DAN ANALISIS BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

BILANGAN RAMSEY SISI DARI r ( P, )

BILANGAN RAMSEY SISI DARI r ( P, ) Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya mron-ts@matematka.ts.ac.d

Lebih terperinci

DISTRIBUSI FREKUENSI

DISTRIBUSI FREKUENSI BAB DISTRIBUSI FREKUENSI Kompetens Mampu membuat penyajan data dalam dstrbus frekuens Indkator 1. Menjelaskan dstrbus frekuens. Membuat dstrbus frekuens 3. Menjelaskan macam-macam dstrbus frekuens 4. Membuat

Lebih terperinci

CONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP)

CONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP) PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA KASUS: INITIAL VALUE PROBLEM (IVP) by: st dyar kholsoh Mater Kulah: Pengantar; Metode Euler; Perbakan Metode Euler; Metode Runge-Kutta; Penyelesaan Sstem Persamaan

Lebih terperinci

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP JMP : Volume 1 Nomor 2, Oktober 2009 PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP Tryan dan Nken Larasat Fakultas Sans dan Teknk, Unverstas Jenderal Soedrman Purwokerto, Indonesa

Lebih terperinci

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan

Lebih terperinci

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB Semnar Nasonal Teknolog 007 (SNT 007) ISSN : 1978 9777 Yogakarta, 4 November 007 IMPEMENTASI INTERPOASI AGRANGE UNTUK PREDIKSI NIAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATAB Krsnawat STMIK AMIKOM Yogakarta

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

Lebih terperinci

Ring Bersih Kanan Right Clean Rings

Ring Bersih Kanan Right Clean Rings ng esh Kanan ght Clean ngs Cyena Novella Ksnamt Pogam Std Penddkan Matematka FKIP USD Kamps III Pangan, Magwohajo,Sleman, cyenanovella@gmalcom STK Peneltan n etjan ntk mengenal, memaham mennjkkan ahwa

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

BAB V INTEGRAL KOMPLEKS 6 BAB V INTEGRAL KOMPLEKS 5.. INTEGRAL LINTASAN Msal suatu lntasan yang dnyatakan dengan : (t) = x(t) + y(t) dengan t rl dan a t b. Lntasan dsebut lntasan tutup bla (a) = (b). Lntasan tutup dsebut lntasan

Lebih terperinci

BAB 2 KAJIAN PUSTAKA

BAB 2 KAJIAN PUSTAKA BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,

Lebih terperinci