Kajian Metode Estimasi Parameter dalam Regresi Semiparametrik Spline

Ukuran: px
Mulai penontonan dengan halaman:

Download "Kajian Metode Estimasi Parameter dalam Regresi Semiparametrik Spline"

Transkripsi

1 W. Wowo, S. Hrytm, I N. Budtr, Kj Metode Estms Prmeter... Kj Metode Estms Prmeter dlm egres Semrmetrk Sle Whyu Wowo, Sr Hrytm, I Nyom Budtr whyu.stk@gml.com Jurus Mtemtk, Uversts Gdjh Md Yogykrt Jurus Sttstk, Isttut ekolog Seuluh Noemer Sury Itsr Pd regres semrmetrk sle, estms kurv regres dt dselesk deg metode kudrt terkecl, kudrt terkecl terelt, d reroducg kerel Hlert sce. Msg-msg edekt memlk krkterstk yg ered. Pd edekt kudrt terkecl, mslh utm dlh memlh yk kot d loksy. Pd kudrt terkecl terelt d reroducg kerel memuy ermslh yg sm, ytu meetuk l rmeter eghlus yg otml. Nmu, secr mtemts, metode reroducg kerel memer hsl yg leh umum ddgk deg kudrt terkecl terelt kre erlku utuk semu derjt oloml sle yg k derguk. Mklh k mejelsk eggu metode kudrt terkecl, kudrt terkecl terelt, d reroducg kerel hlert sce sert ered msg-msg dlm estms kurv regres semrmetrk sle. Kt kuc : egres semrmetrk, lest squre, elzed lest squre, reroducg kerel Hlert sce, sle Astrct Curve estmto or sle semrmetrc regresso c e doe y usg lest squre, elzed lest squre d reroducg kerel Hlert sce method. Ech methods hs deret chrcterstcs. Lest squre method hs rolem out how to choose the umer o kots d ther locto. Pelzed lest squre d reroducg kerel hs the sme rolem out how to choose the otml smoothg rmeter. However,reroducg kerel roch s more geerl mthemtclly th elzed lest squre due to e vld or y degree o olyoml sle tht to e used. hs er wll exle out lest squre, elzed lest squre, reroducg kerel Hlert sce s weel s derece o ech method curve estmto or sle semrmetrc regresso. Keyword : semrmetrc regresso, lest squre, elzed lest squre, reroducg kerel Hlert sce, sle. Pedhulu egres semrmetrk meruk koms tr regres rmetrk d regres ormetrk. Koms dlm hl dmksudk hw dlm regres semrmetrk memut seklgus model regres rmetrk d model regres ormetrk. egres semrmetrk mucul kre dy ksus-ksus emodel yg huug tr vrely sel d yg ler jug d yg tdk dkethu etuky. Keerd du komoe yg ered dlm regres semrmetrk mejdk emk model mejd lus d secr teor erkemg sgt est. Perkemg sel kre lks jug kre erkemgy ergkt kers tekolog komuts yg memermudh d memercet komuts. 0

2 Berkl MIPA, 3(), Jur 03 Estms kurv regres semrmetrk sle dt dselesk deg metode kudrt terkecl, kudrt terkecl terelt, d reroducg kerel hlert sce. Msg-msg edekt memlk krkterstk yg ered. Pd edekt kudrt terkecl, mslh utm dlh memlh yk kot d loksy. Pd kudrt terkecl terelt d reroducg kerel memuy ermslh sm, ytu meetuk l rmeter eghlus yg otml. Nmu, secr mtemts, metode reroducg kerel memer hsl yg leh umum ddgk deg kudrt terkecl terelt kre erlku utuk semu derjt oloml sle yg k derguk Mklh k mejelsk eggu metode kudrt terkecl, kudrt terkecl terelt, d reroducg kerel hlert sce sert ered msg-msg dlm estms kurv regres semrmetrk sle. Pejels k dmul deg kostruks model regres semrmetrk sle, metode kudrt terkecl, kudrt terkecl terelt, d reroducg kerel Hlert sce. Seg eutu k derk kesmul erkt deg metode-metode terseut.. Model Pdg smel rdom deg vrel d msg-msg smel dlh ( y, x, t ),,,...,. Dlm hl dsumsk y seg vrel reso, x seg vrel redktor yg dkethu eregruh ler, d t seg vrel redktor yg tdk dkethu etuk egruhy terhd reso. Seljuty detuk model regres semrmetrk y 0 x ( t ),,,..., () ( 0, ) rmeter utuk komoe rmetrk, d komoe ormetrk, dlm hl meruk ugs yg tdk dkethu.,,..., dlh error rdom yg slg deede deg me ol d vrs. Model () dt dytk dlm ots mtrk mejd dm YXβ +ε () y Y, y x X, x 0 β, ( t), ( t) ε Mslh estms d regres semrmetrk mucul kre dy komoe ormetrk eru ugs yg tdk dkethu etuky. Oleh kre tu, hmr terhd etuk ugs terseut dt dlkuk deg leh dr stu etuk ugs. Beer dtry dlh sle, kerel, ourer, wvelet, d oloml lokl. Secr lks, hmr-hmr memlk keleh yg ered. Seg cotoh, hmr sle sgt cocok utuk dt yg memlk erlku eruh-uh dlm su-su tervl tertetu. Hmr ourer sgt cocok utuk dt yg memlk ol erulg tu musm. Pejels mege mcm-mcm hmr dt dlht d Eggermot d Lrcc (009). 3. Metode Kudrt erkecl Metode kudrt terkecl meruk metode yg sgt lzm derguk dlm regres ler. Prs metode dlh memmumk kudrt resdul. Metode jug s derguk dlm regres semrmetrk sle. Wowo, dkk (009, 00) telh megguk metode utuk estms rmeter d regres semrmetrk d jug 03

3 W. Wowo, S. Hrytm, I N. Budtr, Kj Metode Estms Prmeter... st-st sttstk estmtor yg deroleh. Peggu metode mesyrtk etuk sesk ugs (t) dlm model (). Betuk ugs sle yg s derguk dlh ugs ss sle oloml tructed. Fugs sle oloml tructed derjt deg k ttk kots,,..., k dsjk dlm etuk, deg ( t ) 0 ( t ) t t... t t k t k ( )... ( ) ( t ), t 0, t Sehgg model () dt dytk mejd Al dytk dlm mtrks, deroleh deg y x t t... t 0 0 ( t )... ( t ), k k,,..., Y = X β + Z + ε (5) x x ( t ) ( t k ) Z= x x ( t ) ( t ) ( k ) (3) (4) 0 k x( k) Seljuty, dtetuk C x z,, sehgg (5) dt dytk deg α YC ε Seljuty ddesk kudrt resdul seg erkut, ε ε ( Y C ( Y C = Y Y- C Y+ C C Estmtor deroleh deg cr memmumk (6) terhd. Seljuty (6) dturuk terhd d dsmdegk ol, sehgg deroleh : C Y + C C (7) C CC Y yg meruk ersm orml. Peyeles ersm k meruk estmtor. Sesu ljr mtrk, kre mtrk C memuy rk (3 + + k) d C C mtrk ostve-dete, mk C C k meruk mtrk osgulr. Sehgg ersm (6) k memuy eyeles tuggl, ˆ ( ) - C C C Y (8) Dlm hl, ˆ meruk estmtor kudrt terkecl. Meggt ersm (), estmtor (8) erlku hy utuk derjt oloml d yk kots k yg tertetu. Sehgg leh tet klu estmtor dytk deg ˆ ( ) -, C C C Y (6) 04

4 Berkl MIPA, 3(), Jur 03 ˆ ˆ ( ) - Y C, C C C C Y Y ˆ H ( ;,..., ) Y k deg H( ;,..., ) C( C C) C k - Permslh seljuty dlh gm meetuk derjt oloml d yk kots k yg k dguk dlm estmtor. Utuk keerlu k derguk krter Geerlzed Cross Vldto (GCV), yg ddesk : ( I H( ;,,..., k ) y k trce( I H( ;,,..., k ) GCV ( ;,,..., ) Nl d k dlh deg meyelesk otms GCV Metode estms kudrt terkecl secr GCV ( ;,,..., ) m ( ;,,..., ) ot ot ot kot + k k mtemts dt dselesk deg lgkh-lgkh yg sederh d meghslk model sttstk yg mudh dterretsk. Kesult metode dlh meetuk derjt oloml, yk kot d loks kot-kot terseut. 4. Metode Kudrt erkecl erelt Metode kudrt terkecl terelt meruk erlus metode kudrt terkecl deg memhk rmeter eghlus d elt d ugs yg k derguk. Fugs yg k derguk meruk kelurg ugs yg terderesl d tervl [,] d kotu solut d turu ertm. Betuky derk seg erkut, S(, ) { y ( x ) ( t )} 0 { ( )} ( m) t dt Dlm hl meruk rmeter eghlus, sedgk elt derk oleh { ( )} ( m) t dt Jk 0, mk hsl estms medekt hsl metode kudrt terkecl. Selky, jk, mk estms k megterols ttk-ttk dt. Estmtor terk meruk komrom tr l jumlh kudrt resdul d rmeter eghlus yg s ddtk deg memmumk l GCV. Dlm Gre d Slverm (994) dytk hw ugs yg memmumk (9) meruk ugs turl cuc sle, yg derk seg erkut : 3 ( t) ( t t ) c ( t t ) d ( t t ), t t t, =,,, t, t,, t meruk kot yg memeuh t t t. Seljuty, elt dlm (9) k dytk dlm etuk l turu kedu deg lgkh seg erkut.. Ddesk ( t ) d "( t ),,,,.. Pdg = (,, ), γ = (,, ), h t t,,,, 3. Susu mtrk, mk Q d, deg ketetu seg erkut. (9) 05

5 W. Wowo, S. Hrytm, I N. Budtr, Kj Metode Estms Prmeter... Q dlh mtrk erukur ( ) deg elemet q j,,,, d j,3,,. q, qj hj hj, qj, j h j j,3,,, q 0, jk j. j, j h j Mtrks Q s ddeks mul j, sehgg eleme terts Q dlh q. Seljuty dlh mtrks symmetrc erukur ( ) ( ) deg elemets r j,,j=,3,, ( ) seg erkut 4. Desk mtrk K deg j ( ) rj h 3 h, r, j r, h 6, d rj 0 utuk j K Q Q Seljuty huug tr Q,,,γ d K terdt dlm d Gree d Slverm (994), yg dytk dlm teorem erkut. - heorem : Vektor d γ meetuk turl cuc sle jk d hy jk memeuh Q γ Seljuty elt k dt dytk mejd { "( t)} dt γ γ K Bukt dt dlht d Gree d Slverm (994). Sehgg (9) dt dytk dlm S β, ( Y Xβ ) ( Y Xβ ) K ots mtrk mejd ; Seg hsl teorem, jumlh kudrt terelt (9) dt dytk, ( ) S β Y Xβ ( Y Xβ ) K (0) Memmumk (9) equvlet deg memmumk, Sβ, ( Y Xβ ) ( Y Xβ ) K () Seljuty, deg meuruk (0) terhd β d, d meymdegk ol, deroleh ˆ β ( X X) X ( Y ˆ) ˆ = ( I K ) (Y Xβˆ) () Dlm hl terhd du smoother, Sβ X( X X) X meghslk dug Xβ ˆ d smoother ly dlh rmetrk derk oleh ormetrk dlh meghslk S = I K meghslk dug ˆ. Seljuty dug ( ) S Y X X X X Y Xβ ˆ sedgk dug utuk β( ) ( ) ( ) ˆ = S (Y Xβ ˆ). Susttus dug ormetrk ke g ertm (), ˆ XXβX ( Y S (Y Xβ)) X ( I S ) Xβ X ( I S ) Y Persm dlh ersm orml utuk geerlzed lest squre orml, deg eleme o-dgol eru mtrk emoot ( I - S ). Sehgg, rmeter β d dt dselesk deg, 06

6 Berkl MIPA, 3(), Jur 03 ˆ ( ( ) ) ( ) β X I S X X I S Y ˆ = S (Y Xβˆ ) S Xβˆ S Y Estmtor elzed lest squre msh tergtug d rmeter smoothg, oleh kre tu hrus dlh yg otmum deg memmumk GCV. GCV ddesk dlm metode dormulk deg Y Yˆ GCV ( ) ( tr( A)) A meruk ht mtrk yg memeuh ˆ ˆ β ˆ AY Xβ X I Y ˆ ˆ deg X X X X A X I X ( I K) I Betuk kurv regres hsl metode kudrt terkecl terelt kudrt terkecl ergtug d rmeter eghlus. Nmu metode mejd leh komlek jk terdt leh dr stu redktor ormetrk. Sel tu, terrets egruh redktor ormetrk terhd reso tdk derk secr esklst mellu model sttstk, k tet mellu kurv regres. 5. eroducg Kerel Hlert Sce Peggu metode reroducg kerel Hlert sce dlm regres semrmetrk d dsry meruk erlus metode kudrt terkecl terelt deg megguk ugs yg terderesl d tervl [,] d turuy yg ke-m kotu solut d tervl terseut. Deg kt l, ugs terseut termut d dlm rug Soolev m ( m) ( m) W deg m [, ] W [, ] { :,, kot. s., ( t) dt } eroducg Kerel Hlert Sce (KHS) H dlh sutu rug Hlert dr ugs erl rel d [0,] deg st hw utuk set t [0,], ugsol Lt ( ) ( t) meruk ugsol ler terts, dlm rt hw terdt M sedemk hgg erlku L () t M t H dt ddekomoss mejd H H0 H deg H 0 rug Null, d H dlh rug yg tegk lurus deg rug Null. eroducg kerel dr H dlh ugs yg ddesk d [0,] [0,], sedemk hgg utuk set ttk t [0,] erlku t H deg t ( s) ( t, s) d Lt t,, H Utuk megguk metode reroducg kerel dlm estms rmeter regres semrmetrk, model () dytk mejd y 0 x Lt,,,..., (3) deg L, ( t ) t t Seljuty, estms rmeter deroleh deg memmumk elzed lest squre 07

7 W. Wowo, S. Hrytm, I N. Budtr, Kj Metode Estms Prmeter... deg ( m) { ( t)} dt P, W m S(, ) { y ( x ) L } P P royeks orthogol d H dlm 0 t (4) Estmtor yg k deroleh terdr dr estmtor sle rsl seg komoe ormetrk (), d estmtor rmetrk (). Estmtor sle rsl deroleh erdsrk teorem erkut. H. eorem : Al H H0 H d,,, m meruk ss d rug H 0, sert m meruk mtrk ull rk erorde m yg derk oleh m { L v},,,, ; v,,, m mk ugs yg memumk S(, ) { y ( x ) L } P dlh deg P 0 m ˆ d c (5) v v v d ( d, d,, d m )' ('M ) M ' ( c M,, ;, j,,, j ( c, c,, c )' M (I - ('M )) 'M ( Sedgk estmtor rmetrk yg ersesu dlh ˆ β ( X'(I - A( ))X) X'( I - A( ))' Y (6) Bukt derk d khr mklh. Sm d s, telh deroleh estmtor utuk regres semrmetrk sle deg metode (KHS). Nl tksr utuk vrel reso dt dytk mejd Y ˆ = Xβ + (7) λ λ Keleh estmtor yg deroleh deg metode KHS dlh keumumy yg erlku utuk serg oloml sle sm derjt-m. Iterrets egruh redktor ormetrk terhd reso dt deg mudh dlkuk mellu kurv regres. Jk terdt leh dr stu redktor ormetrk, mk k mucul kesult secr mtemts d grs. 6. Kesmul d Sr Mslh utm d estms rmeter regres semrmetrk dlh dy komoe ormetrk eru ugs yg tdk dkethu etuky. Peggu metode kudrt terkecl megsumsk etuk ugs sle oloml tructed d memerk kemudh terrets mellu model sttstk. Peggu kudrt terkecl terelt meghslk ugs turl cuc sle seg komoe ormetrk d etuk kurv regresy tergtug d rmeter eghlus. Estmtor yg deroleh deg reroducg kerel Hlert sce jug tergtug d rmeter eghlus, mu 08

8 Berkl MIPA, 3(), Jur 03 estmtory erlku utuk serg derjt oloml sle. Sehgg estmtor yg deroleh deg edekt reroducg kerel Hlert sce erst leh umum ddgk deg estmtor yg deroleh deg metode kudrt terkecl muu kudrt terkecl terelt. Dtr Pustk Gree, P.J. d Slverm, B.W., 994, Normetrc egresso d Geerlzed Ler Model, Chm & Hll, Lodo Eggermot, P.P.B., d Lrcc, V.N., 009, Mxmum Pelzed Lkelhood Estmto, Volume II : egresso, Srger Seres Sttstcs Wh, G., 990, Sle Model or Oservtol Dt, SIAM, XII, Phldelh Wowo, W., Hrytm, S., Budtr, I.N., 009, Lest Squre Methods or Estmtg Curve o Sle Semrmetrc egresso, Proceedg o Ntol Semr o Mthemtc d Mthemtc Educto, Yogykrt Stte Uversty, Decemer 5 th 009, , ISBN : Wowo, W., Hrytm, S., Budtr, I.N., 00, Ierece Ad Codece Itervl For egresso Curve I Sle Semrmetrc Model, Proceedg o Ntol Semr o Mthemtc d Mthemtc Educto, Uversty o Muhmmdyh Mlg, Jury 30 th, 00 Bukt eorem : Utuk ukt estmtor ormetrk, dt dlht d Wh (990), sedgk utuk estmtor rmetrk derk secr sgkt. Utuk medtk estmtor rmetrk, ersm (5) dytk dlm etuk mtrk mejd d c Seljuty, deg meggt huugy deg model (), mk (5) dt dytk jug mejd Y - Xβ - Mc c Dlm hl, dt dlht seg hsl smoothg terhd umum mejd A( )( = Y - Xβ - ( + ) c = Y - Xβ - c c = Y - Xβ - Y - Xβ - A( )( = (I - A( ))( D l hk, c = d = A( )( - d c' c = c'a( )( = (I - A( ))( A( )( S β, ( Y Xβ ) ( Y Xβ ) c' c Y Xβ, sehgg secr 09

9 W. Wowo, S. Hrytm, I N. Budtr, Kj Metode Estms Prmeter... ( Y Xβ) ( I A( )) ( I A( ))( Y Xβ) Y Xβ I A I A Y Xβ c c (I - A( ))( A( )( ( ) ( ( )) ( ( ))( ) ' S β, β 0 β ( X'(I - A( ))X) X'( I - A( ))' Y 0

BAB VI ANALISIS REGRESI

BAB VI ANALISIS REGRESI BAB VI ANALISIS REGRESI A. Pedhulu Alss regres merupk slh stu lss yg ertuju utuk megethu pegruh sutu vrel terhdp vrel l. Vrel yg mempegruh dseut depedet vrle/vrel es () d vrel yg dpegruh dseut depedet

Lebih terperinci

Bab 4 ANALISIS REGRESI dan INTERPOLASI

Bab 4 ANALISIS REGRESI dan INTERPOLASI Als Numerk Bh Mtrkuls B 4 ANALISIS RGRSI d INTRPOLASI 4 Pedhulu Pd kulh k dpeljr eerp metde utuk mempredks d megestms dt dskret Dr sutu peelt serg dlkuk peglh dt utuk megethu pl dt tu etuk kurv g dggp

Lebih terperinci

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1 REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt tersebut

Lebih terperinci

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1 REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt t tersebut

Lebih terperinci

( X ) 2 ANALISIS REGRESI

( X ) 2 ANALISIS REGRESI ANALII REGREI A. PENGERTIAN REGREI ecr umum d du mcm huug tr du vrel tu leh, tu etuk huug d keert huug. Utuk megethu etuk huug dguk lss regres. Utuk keert huug dpt dkethu deg lss korels. Alss regres dperguk

Lebih terperinci

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI PENCOCOKAN KURVA (CURVE FITTING) Iterpols : Iterpols er Iterpols Kudrtk Iterpols Poloml Iterpols grge Regres : Regres er Regres Ekspoesl Regres Poloml INTERPOASI Iterpols dguk utuk meksr l tr (termedte

Lebih terperinci

CATATAN KULIAH Pertemuan XIII: Analisis Dinamik dan Integral (1)

CATATAN KULIAH Pertemuan XIII: Analisis Dinamik dan Integral (1) CATATAN KULIAH Pertemu XIII: Alss Dmk d Itegrl () A. Dmk d Itegrs Model Stts : mecr l vrel edoge yg memeuh kods ekulrum tertetu. Model Optms : mecr l vrel plh yg megoptms fugs tuju tertetu. Model Dmk :

Lebih terperinci

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6 home se to ecellece Mt Kulh : Klkulus Kode : TSP 0 SKS : SKS Itegrl Pertemu - 6 home se to ecellece TIU : Mhssw dpt memhm tegrl fugs d plksy TIK : Mhssw mmpu mecr tegrl fugs Mhssw mmpu megguk tegrl utuk

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN REGRESI ROBUST PADA SAMPING ACAK SEDERHANA.

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN REGRESI ROBUST PADA SAMPING ACAK SEDERHANA. PENAKI AIO ANG EFIIEN UNTUK ATA-ATA POPULAI MENGGUNAKAN KOEFIIEN EGEI OUT PADA AMPING ACAK EDEHANA M Okto Mork Arsm Ad Hpos rt moktomoo@hoo.co.d Mhssw Progrm Mtemtk Dose Jurus Mtemtk Fkults Mtemtk d Ilmu

Lebih terperinci

BAB V ANALISIS REGRESI

BAB V ANALISIS REGRESI BAB V ANALISIS REGRESI Setelh mempeljr mhssw dhrpk dpt : Meghtug prmeter regres Melkuk estms d uj prmeter regres 3 Meemuk model regres g tept Dlm kehdup serg dtemuk d sekelompok peuh g dtr terdpt huug,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Ltr Belkg Smp st, model Regres d model Alss Vrs telh dpdg sebg du hl g tdk berkt. Meskpu merupk pedekt g umum dlm meergk kedu cr pd trf permul, model Alss Vrs dpt dpdg sebg hl khusus model

Lebih terperinci

GEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG

GEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG GEOMETRI EUCLID EG(, p ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG Bmg Irwto d Yu Hdyt Jurus Mtemtk FMIPA UNDIP Jl. Prof. H. Soedrto, S.H, Semrg 5075 Astrt. A Bled Iomplete Blok (BIB) desg

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser

Lebih terperinci

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel Prktkum 0 Peyeles Persm Ler Smult - Metode Elms Guss Sedel PRAKTIKUM 0 Peyeles Persm Ler Smult Metode Elms Guss Sedel Tuu : ler smult Mempelr metode Elms Guss Sedel utuk peyeles persm Dsr Teor : Metode

Lebih terperinci

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal :

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal : INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI

Lebih terperinci

DEFINISI INTEGRAL. ' untuk

DEFINISI INTEGRAL. ' untuk DEINISI INTEGRAL Dlm mtemtk d eerp stl sepert des, teorem, lemm Istl petg kre meujuk keeksstes Des dl peryt yg erl er kre dsepkt, d tdk perlu duktk Teorem dl peryt yg dpt duktk keery Lemm dl teorem kecl,

Lebih terperinci

CNH2B4 / KOMPUTASI NUMERIK

CNH2B4 / KOMPUTASI NUMERIK CNHB4 / KOMPUTASI NUMERIK TIM DOSEN KK MODELING AND COMPUTATIONAL EXPERIMENT PENCOCOKAN KURVA Pedhulu Dt g bersl dr hsl pegmt lpg pegukur tu tbel g dmbl dr buku-buku cu. Nl tr turu tegrl mudh dcr utuk

Lebih terperinci

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY Oleh : Yusup Fkults Ilmu Komputer, Uversts AKI Semrg Astrt The frto of No Homoge Lerty Ajustmet System towr Cholesky Doule

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI

Lebih terperinci

ESTIMASI KOEFISIEN KORELASI POLIKORIK MENGGUNAKAN METODE BAYESIAN DENGAN GIBBS SAMPLER

ESTIMASI KOEFISIEN KORELASI POLIKORIK MENGGUNAKAN METODE BAYESIAN DENGAN GIBBS SAMPLER STIMSI KOFISIN KORLSI OLIKORIK MNGGUNKN MTOD BYSIN DNGN GIBBS SMLR d Setw d_set_03@hoo.com rogrm Stud Mtemtk Fkults Ss d Mtemtk Uversts Krste St Wc Jl Doegoro -60 Sltg 07 Idoes strct I ths er t s descred

Lebih terperinci

x 1 M = x 1 m 1 + x 2 m x n m n = x i

x 1 M = x 1 m 1 + x 2 m x n m n = x i Iterl Tertetu..6 oe d ust ss Ttk Bert slk d du ed s-s elk ss sesr d y dletkk pd pp er de jrk erturut-turut d d d dr ttk pey pd - y ered. Ked terseut k se jk dpeuh d d. d d Sutu odel tets y k dperoleh pl

Lebih terperinci

ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES

ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES LEMMA VOL I NO., NOV 24 ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES Adev Mur Adel Progrm Stud Peddk Mtemtk, Uversts Mhutr Muhmmd Ym, Solok devmur@gml.com Abstrk. Peelt bertuju

Lebih terperinci

Dr.Eng. Agus S. Muntohar Department of Civil Engineering

Dr.Eng. Agus S. Muntohar Department of Civil Engineering Pertemu ke-7 Persm Ler Smult Oktober 0 Metode Iters Guss-Sedel Dr.Eg. Agus S. Mutohr Deprtmet of Cvl Egeerg Metode Guss-Sedel Merupk metode ters. Prosedur umum: - Selesk ser lbr vrbel tdk dkethu msg-msg

Lebih terperinci

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA Prosdg Semr Nsol Ss d Peddk Ss IX Fkults Ss d Mtemtk UKSW Sltg Ju 04 Vol 5 No. ISSN :087-09 OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGAASINYA mbg Srt Derteme Sttstk FMIPA-IPB Eml: tmbg_srt@yhoo.com

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Alss Regres Alss regres dlh tekk sttstk yg ergu utuk memerks d memodelk huug dtr vrel-vrel. Peerpy dpt djump secr lus d yk dg sepert tekk, ekoom, mjeme, lmu-lmu olog, lmu-lmu sosl,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TORI. egtr roses Mrkov dt dklsfksk sesu deg sft wktu egmt roses sert stte scey. Wktu egmt roses dt bersft dskrt muu kotu d stte scey bersft dskrt muu kotu bk terbts muu tk terbts.. Dt Defs..

Lebih terperinci

MODUL MATA KULIAH ANALISIS NUMERIK OLEH : Rizqi Tresnaningsih, S.Pd, M.Pd PROGRAM STUDI PENDIDIKAN MATEMATIKA

MODUL MATA KULIAH ANALISIS NUMERIK OLEH : Rizqi Tresnaningsih, S.Pd, M.Pd PROGRAM STUDI PENDIDIKAN MATEMATIKA MODUL MATA KULIAH ANALISIS NUMERIK OLEH : Rzq Tresgsh S.Pd M.Pd PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM IKIP PGRI MADIUN Modul Mt Kulh Alss Numerk DAFTAR

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial Prktkum. Regres Regres Ler, Regres Ekspoesl, d Regres Poloml Poltekk Elektrok eger Surb ITS 47 PRAKTIKUM Regres Ler, Regres Ekspoesl d Regres Poloml. Tuju : Mempeljr metode peeles regres ler, ekspoesl

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK Pegtr Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. Msly dlm termodmk, model Deye utuk megtug kpsts ps dr ed pdt.

Lebih terperinci

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0.

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0. KKKF BAHAGAN A 6 MARKAH Arh : Jw SEMUA sol. Kepekt kter pecemr pt, d dlm secw teh trk yg drk selm eerp jm derk oleh: pt = 5e -.5t + 5e -.75t Crk ms, t, dlm ut jm yg dperluk utuk kter jk kepekt yg dkehedk

Lebih terperinci

Model Tak Penuh. Definisi dapat di-uji (testable): nxp

Model Tak Penuh. Definisi dapat di-uji (testable): nxp Model T Peuh Defs dpt d-u (testle): Sutu c c 'c 'c H 'c 'c dpt du l d stu set fugs g dpt - ddug m m ' sehgg H er c ' ' slg es ler tu C c ' c m ' Perht : Kre r X p r p m m r c' (X' X) c X' X c' C(X' X)

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

Matematika Dasar INTEGRAL TENTU . 2. Partisi yang terbentuk merupakan segiempat dengan ukuran x dan f ( x k ) sebagai

Matematika Dasar INTEGRAL TENTU . 2. Partisi yang terbentuk merupakan segiempat dengan ukuran x dan f ( x k ) sebagai Mtemtik Dsr INTEGRAL TENTU Pegerti tu kosep itegrl tetu pertm kli dikelk oleh Newto d Leiiz. Nmu pegerti secr leih moder dikelk oleh Riem. Mteri pemhs terdhulu yki tetg itegrl tk tetu d otsi sigm k kit

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 30-37

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 30-37 Jurl Mtemtk Mur d Terp Vol. 4 No. Desember : - 7 PENGGUNN BENTUK SMITH UNTUK MENENTUKN BENTUK KNONIK MTRIKS NORML DENGN ENTRI-ENTRI BILNGN KOMPLEKS Thresye Progrm Stud Mtemtk Uversts Lmbug Mgkurt Jl. Jed..

Lebih terperinci

BAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor

BAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor BAB ANAVA JALAN Merupk pegembg dr ANAVA 1 Jl Jk pd ANAVA 1 l 1 Fktor Jk pd ANAVA l Fktor Model Ler Asums: Model efek Tetp! 1,..., 1,..., Stu fktor g dtelt Av 1 l k k 1,,..., 1,,..., b k 1,,..., Du fktor

Lebih terperinci

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Prktkum 8 Peyeles Persm Ler Smult Metode Elms Guss PRAKTIKUM 8 Peyeles Persm Ler Smult Metode Elms Guss Tuju : Mempeljr metode Elms Guss utuk peyeles persm ler smult Dsr Teor : Metode Elms Guss merupk

Lebih terperinci

DIGRAF EKSENTRIS PADA DIGRAF SIKEL, DIGRAF KOMPLIT DAN DIGRAF KOMPLIT MULTIPARTIT. Jl. Prof. H. Soedarto SH Semarang 50275

DIGRAF EKSENTRIS PADA DIGRAF SIKEL, DIGRAF KOMPLIT DAN DIGRAF KOMPLIT MULTIPARTIT. Jl. Prof. H. Soedarto SH Semarang 50275 DIGRAF ESENTRIS PADA DIGRAF SIEL DIGRAF OMPLIT DAN DIGRAF OMPLIT MULTIPARTIT Reto tur umlsr d Luc Rtsr Jurus Mtemtk FMIPA UNDIP Jl Prof H Soedrto SH Semrg 5075 Abstrct The eccetrc dgrph of dgrph ED ( D)

Lebih terperinci

A. Pusat Massa Suatu Batang

A. Pusat Massa Suatu Batang Perteu 7 Pust ss sutu Kepg, Setrod, d Teore Pppus A. Pust ss Sutu Btg Dskusk!. slk ss,,..., terletk pd tg pdt sgsg d ttk,...,,, d = jrk errh tr ss ke sutu ttk tetp 0 pd tg,,,...,. ss prtkel, oe prtkel

Lebih terperinci

3SKS-TEKNIK INFORMATIKA-S1

3SKS-TEKNIK INFORMATIKA-S1 SKS-TEKNIK INFORMATIKA-S Momd Sdq PERTEMUAN : 9- INTEGRASI NUMERIK METODE NUMERIK TEKNIK INFORMATIKA S SKS Momd Sdq MATERI PERKUIAHAN SEBEUM-UTS Pegtr Metode Numerk Sstem Blg d Kesl Peyj Blg Bult & Pe

Lebih terperinci

ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK

ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK ESTIASI INTERVAL SPLINE DALA REGRESI NONPARAETRIK uhd N, I Nyo Budtr hssw S Jurus Sttstk FIPA ITS Sury El: _s@yhoo.co Dose Jurus Sttstk FIPA ITS Sury Astrks Derk odel regres opretrk y ( ε, [],,,,. Kurv

Lebih terperinci

Bentuk Umum Perluasan Teorema Pythagoras

Bentuk Umum Perluasan Teorema Pythagoras Jrl Grde Vol No Jr 6 : 9-4 Betk Umm Perls Teorem Pythors Ml stt By Kerm Ulsr les Jrs Mtemtk Fklts Mtemtk d Ilm Peeth lm Uversts Bekl Idoes Dterm Septemer 5; dset Desemer 5 strk - Peelt memhs perls teorem

Lebih terperinci

1. Aturan Pangkat 3. Logartima

1. Aturan Pangkat 3. Logartima KL UN Mtetk MA IPA 9/ No. KL Ruus. Meetuk egs pert g dperoleh dr perk kespul.. p q. p q. p q ~ (p q) = ~p ~q ~ (eu/etp p) = Ad/Beerp ~p p. ~q q r ~ (p q) = ~p ~q ~ (Ad/Beerp p) = eu/etp ~p q ~p p r p q

Lebih terperinci

BAB 6 FITTING DATA ˆ (6.1) (6.2) (6.3) =. Nilai akan. akan minimum jika. minimum. Misal. 0. Jika ini dikerjakan maka akan diperoleh nilai

BAB 6 FITTING DATA ˆ (6.1) (6.2) (6.3) =. Nilai akan. akan minimum jika. minimum. Misal. 0. Jika ini dikerjakan maka akan diperoleh nilai BAB 6 FITTIG DATA Atu dseut dengn penookn dt tu menentukn kurv terk ng mellu set dt (sekumpuln dt) dengn keslhn mnmum. Ukurn keslhn dlh E (root men squre, kr kudrt rt-rt). Ad eerp mm pol fttng dt: menurut

Lebih terperinci

Analisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA)

Analisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA) BAB 1 Alss Vrs stu fktor Sgle Fctor Alss Of Vrce (ANOVA) ANALISIS VARIANSI SATU FAKTOR D MetStt 1 sudh dkel uj hpotess rt-rt du populs A d B g berdstrbus Norml Bgm jk terdpt lebh dr du populs? Alss vrs

Lebih terperinci

INTEGRAL TERTENTU. sebagai P = max{x i x i-1 1 = 1, 2, 3,, n}. a = x 0 x 1 x 2 x n = b. Contoh: Pada interval [ 3, 3], suatu partisi P = { 3, 1 2 , 31

INTEGRAL TERTENTU. sebagai P = max{x i x i-1 1 = 1, 2, 3,, n}. a = x 0 x 1 x 2 x n = b. Contoh: Pada interval [ 3, 3], suatu partisi P = { 3, 1 2 , 31 INTEGRAL TERTENTU Defs: Prs P pd ervl [,] dlh suu suse erhgg P = {,,,, } dr [,] deg = < < < < = Jk P = {,,,, } prs pd [,] mk Norm P, duls P, ddefsk seg P = m{ - =,,,, } Cooh: = = Pd ervl [, ], suu prs

Lebih terperinci

MA SKS Silabus :

MA SKS Silabus : Aljr Lier Elemeter A SKS Silus : B I triks d Opersiy B II Determi triks B III Sistem Persm Lier B IV Vektor di Bidg d di Rug B V Rug Vektor B VI Rug Hsil Kli Dlm B VII Trsformsi Lier B VIII Rug Eige 7//7

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 41-45, April 2001, ISSN : KETERHUBUNGAN GALOIS FIELD DAN LAPANGAN PEMISAH

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 41-45, April 2001, ISSN : KETERHUBUNGAN GALOIS FIELD DAN LAPANGAN PEMISAH Vol. 4. No. 1, 41-45, Aril 2001, ISSN : 1410-8518 KETERHUBUNGAN GALOIS FIELD DAN LAPANGAN PEMISAH Bmbg Irwto Jurus Mtemtik FMIPA UNDIP Abstct I this er, it ws lered of the ecessry d sufficiet coditio for

Lebih terperinci

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange Prktkum. Iterpols Ler, Kudrtk, Poloml d Lgrge PRAKTIKUM Iterpols Ler, Kudrtk, Poloml, d Lgrge Tuju : Mempeljr berbg metode Iterpols g d utuk meetuk ttkttk tr dr buh ttk deg megguk sutu fugs pedekt tertetu.

Lebih terperinci

Nuryanto,ST.,MT. Integral merupakan operasi invers dari turunan. Jika turunan dari F(x) adalah F (x) = f(x), maka F(x) = f(x) dx.

Nuryanto,ST.,MT. Integral merupakan operasi invers dari turunan. Jika turunan dari F(x) adalah F (x) = f(x), maka F(x) = f(x) dx. Nuryto,ST.,MT d c. INTEGRAL TAK TENTU KONSEP DASAR INTGRAL f. ALJABAR INTEGRAL f. TRIGONO CONTOH SOAL SOAL LATIHAN UJI KOMPETENSI Itegrl merupk opersi ivers dri turu. Jik turu dri F dlh F = f, mk F = f

Lebih terperinci

BAB V INTEGRAL DARBOUX

BAB V INTEGRAL DARBOUX Itegrl Droux BAB V INTEGRAL DARBOUX Pd thu 1875, mtemtikw I.G. Droux secr kostruktif memodifiksi defiisi itegrl Riem deg terleih dhulu medefiisik jumlh Droux ts (upper Droux sum) d jumlh Droux wh (lower

Lebih terperinci

Dia yang menjadikan matahari dan bulan bercahaya, serta mengaturnya pada beberapa tempat, supaya kamu mengetahui bilangan tahun dan perhitunganya

Dia yang menjadikan matahari dan bulan bercahaya, serta mengaturnya pada beberapa tempat, supaya kamu mengetahui bilangan tahun dan perhitunganya Pemeljr M t e m t i k... Di g mejdik mthri d ul erch, sert megtur pd eerp tempt, sup kmu megethui ilg thu d perhitug (QS Yuus:5 ) Pedhulu us Sift : - us derh rt dlh ilg riil tk egtif - persegipjg=pjg ler

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA) Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Megethu rcg d eses. Megethu model ler 3. Meuruk Jumlh Kudrt (JK) 4. Melkuk uj lss vrs 5. Melkuk uj perbdg gd Apkh ber kot dlm rokok dpt megkbtk Kker? Sel kker

Lebih terperinci

Pendahuluan Aljabar Vektor Matrik

Pendahuluan Aljabar Vektor Matrik Pedhulu Aljr Vektor trik Defiisi: trik A erukur x ilh sutu susu gk dl ersegi et ukur x, segi erikut: = A tu A = ( ij ) Utuk eytk elee trik A yg ke (i,j), yitu ij, diguk otsi (A) ij. Ii errti ij = (A) ij.

Lebih terperinci

1. SISTEM PERSAMAAN LINEAR DAN MATRIKS

1. SISTEM PERSAMAAN LINEAR DAN MATRIKS Diktt Aljr Lier Sistem Persm Lier d Mtriks. SISTEM PERSAMAAN LINEAR DAN MATRIKS.. PENGANTAR DEFINISI. : PERSAMAAN LINEAR Sutu persm lier deg peuh x, x 2,, x dpt diytk dlm etuk : x + 2 x 2 + + x = (.) dim,

Lebih terperinci

III PEMBAHASAN. peubah. Sistem persamaan (6) dapat diringkas menjadi Bentuk Umum dari Magic Square, Bilangan Magic, dan Matriks SPL

III PEMBAHASAN. peubah. Sistem persamaan (6) dapat diringkas menjadi Bentuk Umum dari Magic Square, Bilangan Magic, dan Matriks SPL III PEMBAHASAN 3.1. Betuk Umum dri Mgic Squre, Bilg Mgic, d Mtriks SPL Mislk eleme dri bris ke-i d kolom ke-j dlh i,j mk mgic squrey secr umum dlh 1,1 1, 1,,1,,,1,, Gmbr 1. Betuk umum mgic squre deg: i,j

Lebih terperinci

Jl. HR. Soebrantas No. 155 Simpang Baru, Panam, Pekanbaru,

Jl. HR. Soebrantas No. 155 Simpang Baru, Panam, Pekanbaru, Jurl Ss Mtetk d Sttstk, Vol. No. Jul 6 ISSN 6-5 Metode Guss-Sedel d Geerlss Guss-Sedel utuk Meyelesk Sste Pers Ler Kopleks Cotoh Ksus: SPL Kopleks deg pers d vrel tr ry, Le Tr Lestr, Jurus Mtetk, kults

Lebih terperinci

MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT

MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT Rz Phlev, Arsm Ad, Sgt Sugrto Mhssw Progrm Stud S Mtemtk Dose Jurus Mtemtk Fkults

Lebih terperinci

BAB VI SIFAT-SIFAT LANJUTAN INTEGRAL RIEMANN

BAB VI SIFAT-SIFAT LANJUTAN INTEGRAL RIEMANN BAB VI SIFAT-SIFAT LANJUTAN INTEGAL IEMANN Sift-sift Ljut Itegrl iem Teorem 6.1 Jik f [, ] d f [, ] deg < < mk f [, ]. Leih ljut f x dx f x dx + () f x dx f [, ] d f [, ], mislk () f x dx A 1 d () f x

Lebih terperinci

KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT

KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT Prosdg Semr Nsol Mtemtk d Terpy 06 p-issn : 550-084; e-issn : 550-09 KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT St Muhwh Uversts Jederl Soedrm st_muhwh@yhoo.co.d

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer Aljr Lier Elemeter MA SKS Silus : B I Mtriks d Opersiy B II Determi Mtriks B III Sistem Persm Lier B IV Vektor di Bidg d di Rug B V Rug Vektor B VI Rug Hsil Kli Dlm B VII Trsformsi Lier B VIII Rug Eige

Lebih terperinci

mengambil semua titik sample berupa titik ujung, yakni jumlah Riemann merupakan hampiran luas dari daerah dibawah kurva y = f (x) x i b x

mengambil semua titik sample berupa titik ujung, yakni jumlah Riemann merupakan hampiran luas dari daerah dibawah kurva y = f (x) x i b x B 4. Peerp Itegrl BAB 4. PENGGUNAAN INTEGRAL 4.. Lus re dtr Perhtik derh di wh kurv y = f () di tr du gris tegk = d = di ts sumu, deg f fugsi kotiu. Seperti pd s medefiisik itegrl tertetu, kit gi itervl

Lebih terperinci

TEOREMA ABEL-DINI DAN DUAL KÖTHE-TOEPLITZ PADA DERET GANDA

TEOREMA ABEL-DINI DAN DUAL KÖTHE-TOEPLITZ PADA DERET GANDA Prosdg Semr Nsol Ss d Peddk Ss VIII, Fkults Ss d Mtemtk, UKSW Sltg, 5 Ju 203, Vol 4, No, ISSN:2087 0922 TEOREM BEL-DINI DN DUL KÖTHE-TOEPLITZ PD DERET GND Sumrdoo, Soer DW 2 & Sum 3 PPPPTK Mtemtk, Mhssw

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS TINJUN TOITIS 1Pegel Ivests Pd dsry ortofolo erl dr ermslh vests Utuk tu seelum memhs ortofolo, dsr-dsr vests k dhs secr sgkt yg mecku tu defs, tujuy, gm rosesy, d s elkuy 11 Defs Ivests Ivests dlh em

Lebih terperinci

HANDS-OUT ANALISIS NUMERIK

HANDS-OUT ANALISIS NUMERIK HANDS-OUT ANALISIS NUMERIK Oleh : Drs Her Sutro, M T Dew Rchmt, SS, MS JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 8 Pertemu

Lebih terperinci

BAB III NORM MATRIKS PADA HIMPUNAN DARI MATRIKS-MATRIKS TOEPLITZ. Definisi 3.1 Matriks Toeplitz adalah suatu matriks., dengan nilai,, dan indeks yang

BAB III NORM MATRIKS PADA HIMPUNAN DARI MATRIKS-MATRIKS TOEPLITZ. Definisi 3.1 Matriks Toeplitz adalah suatu matriks., dengan nilai,, dan indeks yang BAB III NORM MATRIKS PADA HIMPUNAN DARI MATRIKS-MATRIKS TOEPLITZ 3. Mtriks Toeplitz Defiisi 3. Mtriks Toeplitz dlh sutu mtriks [ t ; k, j = 0,,..., ] : T =, k j, deg ili,, d ideks yg diguk setip etriy

Lebih terperinci

Solusi Sistem Persamaan Linear

Solusi Sistem Persamaan Linear Sos Sstem Persm Ler Sstem persm er: h persm deg h kow j d dketh, j,,, j? So: z 6 z z () () () persm d kow Jw: z 6.5 z.5 z () () () ems : pers. ().5 pers. () pers. ().5 pers. () z 6.5 z 8z 8 () () () ems

Lebih terperinci

BAB 2 LANDASAN TEORI. adalah

BAB 2 LANDASAN TEORI. adalah BB LNDSN EORI. rsose Ivers d Determi Mtriks Defiisi.. il terdt sutu mtriks [ ij ] erordo m mk trsose dri mtriks dlh erordo m g dihsilk deg memertukrk ris d kolom mtriks ; itu kolom ertm dri dlh ris ertm

Lebih terperinci

Pertemuan : 3 Materi : Sistem Persamaan Linear : - Teorema Eksistensi - Reduksi ke Bentuk Echelon

Pertemuan : 3 Materi : Sistem Persamaan Linear : - Teorema Eksistensi - Reduksi ke Bentuk Echelon Pertemu : 3 Mteri : Sistem Persm Lier : - Teorem Eksistesi - Reduksi ke Betuk Echelo Stdr Kompetesi : Setelh megikuti perkulih ii mhsisw dihrpk dpt. memhmi kemli pegerti mtriks d trsformsi lier. memhmi

Lebih terperinci

INTEGRAL DELTA DAN SIFAT-SIFATNYA. Delta Integral and Properties of Delta Integral

INTEGRAL DELTA DAN SIFAT-SIFATNYA. Delta Integral and Properties of Delta Integral Jurl Brekeg Vol. 7 No. Hl. 3 8 (03) INTEGRAL DELTA DAN SIFAT-SIFATNYA Delt Itegrl d Propertes of Delt Itegrl MOZART WINSTON TALAKUA, MARLON STIVO NOYA VAN DELSEN Stf Jurus Mtemtk, FMIPA, Uptt Alum Jurus

Lebih terperinci

Modul 8. (Pertemuan 12 s/d 16) DERET FOURIER

Modul 8. (Pertemuan 12 s/d 16) DERET FOURIER Modul 8. (Pertemu s/d 6) DERET FOURIER 8. FUNGSI PERIODIK DAN FUNGSI KONTINU TERPOTONG Defiisi Fugsi f diseut fugsi periodik il terdpt p > sedemiki sehigg utuk setip erlku f ( p) f ( ). Nili p > terkecil

Lebih terperinci

ANALISIS ALIRAN DAYA BEBAN TIDAK SEIMBANG PADA FEEDER BLANG BINTANG GH LAMBARO BANDA ACEH

ANALISIS ALIRAN DAYA BEBAN TIDAK SEIMBANG PADA FEEDER BLANG BINTANG GH LAMBARO BANDA ACEH Semr Nsol d ExoTekk Elektro 2012 SSN : 2088-9984 ANALSS ALRAN DAYA BEBAN TDAK SEMBANG PADA FEEDER BLANG BNTANG GH LAMBARO BANDA ACEH Syhrl 1, Syukryd 2,Rdh Frdus 3 1,2,3.Tekk Eerg Lstrk Uversts Syh Kul

Lebih terperinci

METODE UNWEIGHTED MEANS UNTUK FAKTORIAL TAK SEIMBANG DISPROPORSIONAL

METODE UNWEIGHTED MEANS UNTUK FAKTORIAL TAK SEIMBANG DISPROPORSIONAL METODE UNWEIGHTED MEANS UNTUK AKTORIAL TAK SEIMBANG DISPROPORSIONAL Trstut Wurydr Jurus Mtemtk MIPA UNDIP Jl Prof H Soedrto, SH, Semrg 5075 Astrct A fctorl desg should e used whe there re severl fctors

Lebih terperinci

dan mempunyai vektor normal n =(a b c). Misal P(x,y,z) suatu titik berada pada bidang. 1. Persamaan bidangnya adalah n P P

dan mempunyai vektor normal n =(a b c). Misal P(x,y,z) suatu titik berada pada bidang. 1. Persamaan bidangnya adalah n P P Rug Vektor Tuju:. Megigt kembli persm gris d bidg di rug.. Memhmi ksiom rug vektor, kombisi liier d rug bgi.. Megigt kembli pegerti bebs d bergtug liier, bsis d dimesi. Arti geometris dri determi Jik A

Lebih terperinci

BAB I PENDAHULUAN. Populasi merupakan kumpulan dari individu organisme yang memiliki

BAB I PENDAHULUAN. Populasi merupakan kumpulan dari individu organisme yang memiliki BAB I PENDAHULUAN. Ltr Belkg Populs merupk kumpul dr dvdu orgsme yg memlk sft tumbuh growth, reks respos terhdp lgkugy, d reproduks. Pd dsry, pertumbuh mkhluk hdup pd sutu populs merupk proses yg berlgsug

Lebih terperinci

BAB I SISTEM PERSAMAAN LINEAR

BAB I SISTEM PERSAMAAN LINEAR BAB I SISTEM PERSAMAAN LINEAR Sistem persm ditemuk hmpir di semu cg ilmu pegethu Dlm idg ilmu ukur sistem persm diperluk utuk mecri titik potog eerp gris yg seidg, di idg ekoomi tu model regresi sttistik

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA) Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Desg d coduct expermets volvg sgle. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc wth resdul plots 4. Use multple comprso

Lebih terperinci

BAB IV INTEGRAL RIEMANN

BAB IV INTEGRAL RIEMANN Itegrl Rie BAB IV INTEGRAL RIEMANN Utuk epeljri leih ljut tetg kosep itegrl Rie, k leih ik jik pec ehi eerp hl erikut. A. Prtisi Defiisi 4.1 Dierik itervl tertutup [, ], hipu terurut d erhigg P = { = x

Lebih terperinci

PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI. Fitria Rahma Sari dan Dana Indra Sensuse

PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI. Fitria Rahma Sari dan Dana Indra Sensuse PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI Ftr Rhm Sr d D Idr Sesuse Fkults Ilmu Komputer, Uversts Idoes, Depok, Idoes d@cs.u.c.d Astrk Memlh

Lebih terperinci

MATEMATIKA TEKNIK 2 3 SKS TEKNIK ELEKTRO UDINUS

MATEMATIKA TEKNIK 2 3 SKS TEKNIK ELEKTRO UDINUS MATEMATIKA TEKNIK SKS TEKNIK ELEKTRO UDINUS Integrl Fungs Kompleks 4 INTEGRAL FUNGSI KOMPLEKS Sepert hlny dlm fungs rl, dlm fungs kompleks jug dkenl stlh ntegrl fungs kompleks sert sft-sftny Sft kenltkn

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Perumus Pedug Bgi θ Misl N dlh proses Poisso pd itervl [0 deg rt μ yg otiu mutl d fugsi itesits λ yg teritegrl lol. Utu setip himpu Borel terts B m μ( B Ε N( B λ( s ds

Lebih terperinci

BAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada

BAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada BAB PENDAHULUAN. Ltr Belkg Sektor perkebu merupk sub sektor pert yg mejd slh stu fktor yg dpt medukug kegt perekoom d Idoes. Slh stu sub sektor perkebu yg cukup besr potesy dlm perekoom Idoes dlh perkebu

Lebih terperinci

BAB III SIFAT-SIFAT INTEGRAL RIEMANN-STIELTJES. 3.1 Integral Riemann-Stieltjes dari Fungsi Bernilai Real

BAB III SIFAT-SIFAT INTEGRAL RIEMANN-STIELTJES. 3.1 Integral Riemann-Stieltjes dari Fungsi Bernilai Real BAB III SIFAT-SIFAT INTEGRAL RIEMANN-STIELTJES 3.1 Itegrl Riem-Stieltjes dri Fugsi Berili Rel Pd seelumy telh dihs megei eerp kosep dsr, dim kosep-kosep ii merupk slh stu teori pedukug yg tiy k erper segi

Lebih terperinci

1. Bilangan Berpangkat Bulat Positif

1. Bilangan Berpangkat Bulat Positif N : Zui Ek Sri Kels : NPM : 800 BILANGAN BERPANGKAT DAN BENTUK AKAR A. Pgkt Bilg Bult. Bilg Berpgkt Bult Positif Dl kehidup sehri-hri kit serig eeui perkli ilg-ilg deg fktor-fktor yg s. Mislk kit teui

Lebih terperinci

6. Selanjutnya langkah penyelesaian

6. Selanjutnya langkah penyelesaian MENYELESAIKAN SISTEM PERSAMAAN LINEAR FUZZY DALAM BENTUK A y DENGAN MENGURAIKAN y D Mstk, Mshd, Sr Gemwt Mhssw Progrm Std S Mtemtk Dose Jrs Mtemtk Fklts Mtemtk d Ilm Pegeth Alm Uversts R Kmps Bwdy Pekbr

Lebih terperinci

Kalkulus 2. Deret Pangkat dan Uji Konvergensi. Department of Chemical Engineering Semarang State University. Dhoni Hartanto S.T., M.T., M.Sc.

Kalkulus 2. Deret Pangkat dan Uji Konvergensi. Department of Chemical Engineering Semarang State University. Dhoni Hartanto S.T., M.T., M.Sc. Klkulus Deret Pgkt d Uji Kovergesi Dhoi Hrtto S.T., M.T., M.S. Deprtmet o Chemil Egieerig Semrg Stte Uiversity Eperimetl Deret Pgkt Urut d deret sequees d series). Urut gk merupk rgki gk tk terbts jumlh

Lebih terperinci

PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA

PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR ABSTRAK ANA FARIDA.

Lebih terperinci

Bab 3 SISTEM PERSAMAAN LINIER

Bab 3 SISTEM PERSAMAAN LINIER Alis Numerik Bh Mtrikulsi B SISTEM PERSAMAAN LINIER Pedhulu Pd kulih ii k dipeljri eerp metode utuk meelesik sistem persm liier Peelesi sistem persm deg jumlh vriel g tidk dikethui serig ditemui didlm

Lebih terperinci

TEOREMA DERET PANGKAT

TEOREMA DERET PANGKAT TEOEMA DEET PANGKAT Kosep Dsr Deret pgkt erupk sutu etuk deret tk higg 3 + ( + + 3( +... ( disusik,, d koefisie i erupk ilg rel. Julh prsil utuk suku pert etuk di ts dlh s yg dpt ditulisk segi s ( + (

Lebih terperinci

Persamaan Linier Simultan

Persamaan Linier Simultan Persm Liier Simult Elimisi Guss Guss Jord Elimisi_GussJord Persm Liier Simult Persm liier simult dlh sutu etuk persm-persm yg ser ersm-sm meyjik yk vriel es. etuk persm liier simult deg m persm d vriel

Lebih terperinci

CATATAN KULIAH Pertemuan IV: Model-model linier dan Aljabar Matriks (2)

CATATAN KULIAH Pertemuan IV: Model-model linier dan Aljabar Matriks (2) TTN KULH ertemu V: Moel-moel ler lr Mtrks (). Mer Mtrks vers Sutu mtrks () mempuy vers l terpt sutu mtrks B, seh B B. Mtrks B seut vers mtrks, tuls -, y merupk mtrks uur skr ermes. Syrt keer r Mtrks vers

Lebih terperinci

ANOVA ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) 8/29/2012

ANOVA ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) 8/29/2012 8/9/0 ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) Elty Srv, S., M. Fkults ekk Jurus ekk Idustr Uversts Krste Mrth Bdug ANOVA Dsr perhtug ANOVA dtetpk oleh Rold A. Fsher. Dstrus teorts yg dguk dlh

Lebih terperinci

Bab 4 ANAKOVA (ANALISIS KOVARIANSI)

Bab 4 ANAKOVA (ANALISIS KOVARIANSI) Bb 4 ANAKOVA (ANALISIS KOVARIANSI) ANAVA vs ANREG ANAVA ANREG megu perbdg vrbel tergtug () dtu dr vrbel bebs () mempredks vrbel tergtug () mellu vrbel bebs () Ksus: Peelt deg vrbel : 1 Prests Mhssw Kemmpu

Lebih terperinci

BAB 2 SISTEM BILANGAN DAN KESALAHAN

BAB 2 SISTEM BILANGAN DAN KESALAHAN Metode Numerik Segi Algoritm Komputsi 5 BAB SISTEM BILANGAN DAN KESALAHAN.. Peyji Bilg Bult Bilg ult yg serig diguk dlh ilg ult dlm sistem ilg desiml yg didefiisik : N ( )...... Cotoh : 67. 6. 7.. Bilg

Lebih terperinci

1 yang akan menghasilkan

1 yang akan menghasilkan Rset Opers Probblstk Teor Per (Ge Theor) Nughthoh Arfw Kurdh, M.Sc Deprteet of Mthetcs FMIPA UNS Lecture 6: Med Strteg: Ler Progrg Method A. Metode Cpur deg Progr Ler Terdpt hubug g ert tr teor per d progr

Lebih terperinci

FUNGSI KARAKTERISTIK. penelitian ini akan ditentukan fungsi karakteristik dari distribusi four-parameter

FUNGSI KARAKTERISTIK. penelitian ini akan ditentukan fungsi karakteristik dari distribusi four-parameter IV. FUNGSI KARAKTERISTIK Pd bgi seljuty k dijbrk megei ugsi krkteristik. Pd peeliti ii k ditetuk ugsi krkteristik dri distribusi our-prmeter geerlized t deg megguk deiisi d kemudi k membuktik ugsi krkteristik

Lebih terperinci

PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI

PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI UNIVERSITAS INDONESIA PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI 07066003 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA DEPOK

Lebih terperinci

Diijinkan memperbanyak demi kepentingan pendidikan dengan tetap mencantumkan alamat situs

Diijinkan memperbanyak demi kepentingan pendidikan dengan tetap mencantumkan alamat situs Diijik memperyk demi kepetig pedidik deg tetp metumk lmt situs LATIH UN IPS. 008 00 KATA PENGANTAR Alhmdulillh peulis pjtk kehdirt Allh SWT., Ats limph rhmt, erkh, d hidyh-ny sehigg peulis dpt meyelesik

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI b LNDSN TEORI. Hmpu Fuzzy Tdk semu hmpu yg dump dlm kehdup sehr-hr terdefs secr els, msly hmpu org msk, hmpu org pd, hmpu org tgg, d sebgy. Msly, pd hmpu org tgg, tdk dpt dtetuk secr tegs pkh seseorg dlh

Lebih terperinci

Perbedaan Interpolasi dan Ekstrapolasi

Perbedaan Interpolasi dan Ekstrapolasi Iterolsi Iterolsi Perbed Iterolsi d Ekstrolsi Iterolsi Liier L Iterolsi Kudrt L h h Iterolsi Qubic L h h h Iterolsi dg Poliomil 5 Tble : Si equidisttly sced oits i [- ] y 5 -..846 -.6. -..5..5.6...846

Lebih terperinci