Pendahuluan. Tujuan MODUL

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pendahuluan. Tujuan MODUL"

Transkripsi

1 DATABASE Etity Relasiosip Diagra Satrio Agug W, Ari Kusyati da Mahedra Data Tekik Iforatika, Fakultas Tekik, Uiversitas Brawijaya, Eail : iforatika@ub.ac.id Pedahulua Etity Relasioalship Diagra adalah suatu odel peyaja data dega egguaka Etity da Relasioship. Tujua dari peyaja ii adalah agar database dapat dipahai da dicacag dega udah. Tujua Setelah ebaca odul ii, ahasiswa diharapka dapat eahai : MODUL 3 Kosep ERD Cara peyajia ERD Mebuat ERD Megaalisa ERD ENTITY RELATIONSHIP DIAGRAM (ERD)

2 Etity Relatioship Diagra Etity Relatioship Diagra adalah suatu odel peyaja data dega egguaka Etity da Relasioship. ERD eggabarka odel koseptual utuk eggabarka struktur logis dari basisdata berbasis grafis. Tujua dari peyaja ii adalah agar database dapat dipahai da dicacag dega udah. NIM Naa Kota Propisi No HP Kode Naa Abil 1 Prasyarat Alaat SKS Gabar 3.1 Model data hirarki Sybol ERD Etity Etity adalah objek yag dapat dibedaka dala duia yata. Sedagka Etity Set adalah kupula dari etitty yag sejeis. Etity set dapat berupa objek secara fisik (Ruah, Kedaraa, Peralata) atau objek secara kosep(pekerjaa, Perusahaa). Etity disibolka dega persegi pajag ( ). Relatioship Relatioship adalah hubga yag terjadi atara satu atau lebih etity. Sedagka Relatioship set adalah kupula relatioship yag sejeis. Relatioship disibolka dega jajar gejag ( ). abil Gabar 3.2 Cotoh relasi atara dega Attribute Attribute adalah karakteristik dari tiap etity atau relatioship yag eyediaka pejelasa detail egeai etity atau relatioship tersebut. Nilai dari attribute adalah data aktual atau iforasi yag disipa pada suatu attribut di dala etity atau relatioship, diaa tiap attribute eiliki doai (value set) tersediri. Doai (value set) adalah batas-batas ilai yag diperbolehka bagi suatu attribute. Attribute disibolka dega jajar gejag ( ). Jeis-jeis attribute yag diguaka dala ERD adalah: Key : Atribut yag diguaka utuk eetuka suatu etity secara uik. Atribut Siple : Atribut sederhaa yag tidak dapat dibagi dala beberapa bagia. Atribut Koposit : Atribut yag dapat dibagi lagi dala beberapa bagia. Cotoh : Alaat yag dapat dibagi lagi ejadi Negara, Propisi da Kota Atribut Sigle-valued : Atribut yag eiliki palig bayak satu ilai utuk setiap baris data. Page 2 of 7

3 Multi-valued attributes : Atribut yag dapat diisi dega lebih satu ilai tetapi jeisya saa. Cotoh : Noor Telp, Alaat, Gelar Atribut Turua : Atribut yag diperoleh dari pegolaha dari atribut lai yag berhubuga. Cotoh : Uur, IP Attribute Key : Attribut yag dapat dijadika kuci utuk ecari data dala relasi. Cotoh: NIM Cotoh aca-aca attribute: egara kota propisi alaat Gabar 3.3 Attribute Coposite aa alaat No HP Gabar 3.4 Multi Value Attribute aa Tgl Lahir uur Gabar 3.4 Multi Value Attribute i aa alaat Gabar 3.5 Key Attribute Derajat Relasi Derajat Relasi eujuka bayakya hipua etitas yag salig berelasi. Jeis derajat hipua relasi adalah: Uary Degree (Derajat Satu) elibatka sebuah etitas yag berelasi dega diriya sediri Biary Degree(Derajat Dua) Hipua relasi elibatka dua hipua etitas. Secara uu hipua relasi dala siste basis data adalah biary Page 3 of 7

4 Terary Degree (Derajat Tiga) Hipua relasi eugkika utuk elibatka lebih dari dua hipua etitas Cotoh Derajat Relasi 1 Prasyarat Gabar 3.6 Uary Degree Relatioship abil Gabar 3.7 Biary Degree Relatioship 1 1 abil Skripsi Dose Gabar 3.8 Teary Degree Relatioship Peetaa Kardialitas Relasi Peetaa kardialitas relasi eggabarka bayakya julah aksiu etitas dapat berelasi dega etitas pada hipua etitas yag lai. Utuk Hipua relasi bier peetaa kardialitasya dapat erupaka salah satu dari tipe2 berikut : 1. Satu ke Satu (Oe to oe) Artiya, sebuah etity haya dapat berelasi dega satu buah object di etity yag lai. Kardialitas ii disibolka dega Satu ke Bayak (Oe to ay), disibolka dega 1- Artiya, sebuah etity dapat berelasi dega bayak object di etity yag lai. Kardialitas ii disibolka dega 1-3. Bayak ke Satu (May to oe), disibolka dega -1 Ii adalah kebalika dari oe to ay, aksudya bayak etity aka berelasi dega satu objek yag saa pada etity yag lai. Kardialitas ii disibolka dega 1-4. Bayak ke Bayak (May to ay), disibolka dega - Artiya, aka ada bayak etity yag aka berelasi dega bayak object di etity yag lai. Kardialitas ii disibolka dega - Cotoh Peggabara Peetaa Kardialitas Relasi 1 1 abil Skripsi Gabar 3.9Oe to Oe Page 4 of 7

5 Divisi 1 kerja Karyawa Gabar 3.10 Oe to May Karyawa 1 kerja Divisi Gabar 3.11 May to Oe abil Gabar 3.12 May to May Key Pegguaa key erupaka cara utuk ebedaka suatu etitas didala hipua etitas dega etitas lai. Secara kosep, Masig-asig etitas (ilaiya) berbeda, perbedaaya terlihat pada isi dari asig-asig atributya. Oleh karea itu, dibutuhka suatu atribut yag eiliki ilai yag ejadi pebeda dega etitas lai. Key adalah satu atau gabuga dari beberapa atribut yag dapat ebedaka seua row dala relasi secara uik. Ada 3 aca key yag dapat diterapka pada suatu relasi : Cotoh: 1. Super Key Merupaka satu atau lebih atribut (kupula atribut) yag dapat ebedaka satiap baris data dala sebuah relasi secara uik. 2. Cadidate Key Merupaka kupula atribut iial yag dapat ebedaka setiap baris data dala sebuah relasi secara uik 3. Priary Key Merupaka salah satu dari cadidate key yag terpilih Peiliha priary key dari sejulah cadidate key uuya didasari oleh : a. Key tersebut lebih serig (lebih atural) utuk dijadika sebagai acua b. Key tersebut lebih rigkas c. Jaia keuika key tersebut lebih baik = (NIM, NAMA_MHS, ALAMAT_MHS, TGL_LAHIR) 1. Super Key (NIM, NAMA_MHS, ALAMAT_MHS, TGL_LAHIR) (NIM, NAMA_MHS, ALAMAT_MHS) (NIM, NAMA_MHS) (NAMA_MHS) (NIM) Page 5 of 7

6 2. Cadidate Key (NAMA_MHS, ALAMAT_MHS) (NIM) 3. Priary Key (NIM) Pera (Role) Relasi hipua etitas tidak harus dala betuk yag berbeda, cotoh label aager da worker disebut Roles (pera), yag espesifikasi bagaiaa etitas eployee beriteraksi elalui relasi Works-for. Pera dala ER diagra diidikasika dega eberika label (aa) pada garis yag eghubugka relasi dega etitas. Label pera bersifat optioal da diguaka utuk egklarifikasi seatik suatu relasi. Gabar 3.13 Pera Dala eggabarka kardialitas pada Diagra ER, diguaka : garis paah ( ) yag eujukka Satu atau garis biasa ( ) yag eujukka Bayak, atara relasi dega etitas Weak Etity Weak Etity adalah suatu etity diaa keberadaa dari etity tersebut tergatug dari keberadaa etity lai. Etity yag erupaka idukya disebut Idetifyig Ower da relatioship-ya Disebut Idetifyig Relatioship. Weak Etity Selalu epuyai Total Participatio Costrait dega Idetifyig Ower. Cotoh : etity tagguga keberadaaya bergatug pada karyawa Karyawa 1 eiliki Tagguga Gabar 3.14 Weak Etity ISA ( is a ) Hirarkies Seperti dala C++, atau PLs laiya, attribut diwariska/dituruka. Jika kita eyataka A ISA B, tiap etitas A juga dipadag sebagai etitas B. Ada beberapa alasa egguaka ISA, yaitu : Utuk eabahka atribut deskriptif spesifik pada a subclass. Utuk egidetifikasi etitas yag berpartisipasi dala relatioship Page 6 of 7

7 Gabar 3.15 Cotoh ISA Hirarkies Dala ISA hirarkies terdapat beberapa costrais, yaitu: Overlap costraits: Satu objek etias tidak bisa terdapat dala lebih dari satu etitas turua dega iduk etitas yag saa. Cotoh : Joe tidak dapat ejadi Hourly_Eps seperti juga etitas Cotract_Eps? (lihat gabar 3.15) Coverig costraits: Setiap objek dala etitas iduk harus asuk ke dala salah satu etitas turuaya. Cotoh : Tiap etitas Eployees harus ejadi salah satu dari etitas Hourly_Eps atau Cotract_Eps? (lihat gabar 3.15) PUSTAKA Page 7 of 7

ER-DIAGRAM (ENTITY RELATIONSHIP DIAGRAM)

ER-DIAGRAM (ENTITY RELATIONSHIP DIAGRAM) BASIS DATA I/2011-GANJIL ER-DIAGRAM (ENTITY RELATIONSHIP DIAGRAM) Oleh Satrio Agung Wicaksono, S.Kom., M.Kom 21 September 2011 BASIS DATA I/2011-GANJIL 1 Model Entity Relationship Model Entity Relationship

Lebih terperinci

ATURAN KONVERSI ER KE TABLE

ATURAN KONVERSI ER KE TABLE N O ERD DIAGRAM RELATIONSHIP ATURAN CONTOH ER DIAGRAM RELATIONSHIP TABLE ENTITAS KUAT Setiap etitas kuat (strog etity) ejadi satu tabel da setiap siple atribut ejadi kolo [, p. 42, 2, p. 244]. Naa etitas

Lebih terperinci

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN Siste idetifikasi daerah rawa bajir ebutuhka adaya data spasial yag diolah dega eafaatka tekologi Siste

Lebih terperinci

ENTITY RELATIONSHIP DIAGRAM

ENTITY RELATIONSHIP DIAGRAM ETITY RELATIOSHIP DIAGRA odel Entity Relationship Suatu penyajian data dengan menggunakan Entity dan Relationship Entity Obyek yang dapat dibedakan dalam dunia nyata Entity set Kumpulan dari entity yang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi

Lebih terperinci

Entity Relationship Diagram

Entity Relationship Diagram Tahap pembuata ER-Diagram Etity Relatioship Diagram Tahap pembuata ER-Diagram Awal (Prelimiary Desig) Meracag diagram basis data yag dapat megakomodasi kebutuha peyimpaa data terhadap sistem. Tahap Optimasi

Lebih terperinci

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka. MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH Warsito Progra Studi Mateatika FMIPA Uiversitas Terbuka warsito@ut.ac.id Abstrak Peyelesaia pertidaksaaa ( x- a, a Î R adalah x a (egguaka

Lebih terperinci

LEMBAR KERJA SISWA 5

LEMBAR KERJA SISWA 5 94 LEMBAR KERJA SISWA 5 Mata Pelajara Kelas/Seester Materi Pokok Subateri Pokok Alokasi Waktu : Kiia : XI/gajil : Laju Reaksi : Orde Reaksi : 2 x 45 eit Stadar Kopetesi 3. Meahai Kietika Reaksi, Kesetibaga

Lebih terperinci

ENTITY RELATIONSHIP DIAGRAM

ENTITY RELATIONSHIP DIAGRAM ETITY RELATIOSHIP DIAGRAM Model Entity Relationship Adalah suatu penyajian data dengan menggunakan Entity dan Relationship ETITY Entity adalah obyek yang dapat dibedakan dalam dunia nyata Entity set adalah

Lebih terperinci

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +K Oleh : MOHAMMAD IQBAL 1 0 100 01 Pebibig : Drs. Suhud Wahyudi, M.Si. 1900109 198701 1 001 ABSTRAK Graph adalah hipua

Lebih terperinci

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov Vol. 3, No., 85-9, Juli 6 Peerapa Teorea Perro-Frobeius pada Peetua Distribusi Stasioer Ratai Markov Jusawati Massalesse Abstrak Perilaku suatu ratai Markov setelah berala ukup laa dapat diketahui elalui

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

Entity Relationship Model

Entity Relationship Model Entity Relationship Model Gentisya Tri Mardiani, S.Kom., M.Kom BasDat 2016 Pendahuluan Model data E-R didasarkan pada persepsi bahwa dunia nyata merupakan sekumpulan dari sejumlah obyek dasar (entitas)

Lebih terperinci

ENTITY RELATIONSHIP DIAGRAM

ENTITY RELATIONSHIP DIAGRAM ETITY RELATIOSHIP DIAGRAM Model Entity Relationship Adalah suatu penyajian data dengan menggunakan Entity dan Relationship ETITY. Entity adalah obyek yang dapat dibedakan dalam dunia nyata 2. Entity set

Lebih terperinci

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali) DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI 5 I PENDAHULUAN Latar Belakag Persaaa diferesial adalah suatu persaaa ag egadug sebuah fugsi ag tak diketahui dega satu atau lebih turuaa [Stewart, 3] Persaaa diferesial dapat dibedaka eurut ordea, salah

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

Entity Relationship Model

Entity Relationship Model Entity Relationship Model Outline Pendahuluan Entitas Atribut Batasan Keys Hubungan Pendahuluan Model data E-R didasarkan pada persepsi bahwa dunia nyata merupakan sekumpulan dari sejumlah obyek dasar

Lebih terperinci

MATEMATIKA DISKRIT II ( 2 SKS)

MATEMATIKA DISKRIT II ( 2 SKS) ATEATIKA DISKRIT II ( SKS) Rabu 8.5. Ruag Hard Disk PERTEUAN V & VI RELASI Dose Lie Jasa OS - 6 ateatika Diskrit Relasi da Fugsi Oerip S. Satoso OS - 6 Relasi Defiisi. Relasi bier R atara A da B adalah

Lebih terperinci

Objective. Diagram Entity-Relationship. Pemodelan Data dalam Rekayasa Perangkat Lunak. Model Analisis Terstruktur. Pemodelan PL

Objective. Diagram Entity-Relationship. Pemodelan Data dalam Rekayasa Perangkat Lunak. Model Analisis Terstruktur. Pemodelan PL Diagram Etity-Relatioship Pemodela Data dalam Rekayasa Peragkat Luak SE6162 Dwi ji Mardiyato Objective Memahami petigya Pemodela dalam RPL Memahami peraerd dalam RPL Memahami kompoeerd Mampu meetuka etitas-etitas

Lebih terperinci

PEMODELAN DATA (ER-D) Basis Data -1 / Dian Dharmayanti

PEMODELAN DATA (ER-D) Basis Data -1 / Dian Dharmayanti PEMODELAN DATA (ER-D) Basis Data -1 / Dian Dharmayanti OUTLINE Modeling Entity, Relationship, Attributes Mapping Cardinality Constraints Key ER Diagram Design Issues Modeling (Entitas) Entitas adalah sesuatu

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Jural Mateatika Muri da Terapa Vol 4 No Deseber : - 3 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Muhaad Ahsar Kari, Dewi Sri Susati, da Nurul Huda Progra Studi Mateatika Uiversitas Labug Magkurat Jl

Lebih terperinci

Pertemuan III Entity Relationship Diagram Fak. Teknik Jurusan Teknik Informatika. Caca E. Supriana, S.Si.,MT.

Pertemuan III Entity Relationship Diagram Fak. Teknik Jurusan Teknik Informatika. Caca E. Supriana, S.Si.,MT. Pertemuan III Entity Relationship Diagram Fak. Teknik Jurusan Teknik Informatika Universitas Pasundan Caca E. Supriana, S.Si.,MT. caca.e.supriana@unpas.ac.id id 2014 Entity Sets St Database dapatdimodelkan

Lebih terperinci

Definisi 2.3 : Jika max min E(X,Y) = min

Definisi 2.3 : Jika max min E(X,Y) = min Teori Peraia 22 Peelitia Operasioal II Defiisi 23 : Jika ax i E(X,Y) = z y i y ax E(X,Y) =E(x 0, y 0 ), aka (x 0, y 0 ) didefiisika z sebagai strategi uri dari peraia itu dega x 0 sebagai strategi optiu

Lebih terperinci

Perbandingan Inversi Least-Square dengan Levenberg- Marquardt pada Metode Geomagnet untuk Model Crustal Block

Perbandingan Inversi Least-Square dengan Levenberg- Marquardt pada Metode Geomagnet untuk Model Crustal Block PROSIDING SKF 6 Perbadiga Iversi Least-Square dega Leveberg- Marquardt pada Metode Geoaget utuk Model Crustal Block Uar Said a, Mohaad eriyato b, da Wahyu Srigutoo c Laboratoriu Fisika Bui, Kelopok Keilua

Lebih terperinci

BAB 2 DASAR TEORI. 2.1 Probabilitas

BAB 2 DASAR TEORI. 2.1 Probabilitas BAB DASAR TEORI. Probabilitas Probabilitas epuyai bayak persaaa seperti keugkia, kesepata da kecederuga. Probabilitas eujukka keugkia terjadiya suatu peristiwa yag bersifat acak. Suatu peristiwa disebut

Lebih terperinci

τ = r x F KESETIMBANGAN

τ = r x F KESETIMBANGAN KESETIMBG Moe Gaa ( τ ) Moe gaa atau torsi adalah besara ag dapat eebabka beda berotasi atau berputar. Besar oe gaa didefiisika sebagai hasil kali atara gaa ag bekerja dega lega. Moe gaa terasuk dala besara

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas

Lebih terperinci

Penyelesaian Masalah Penugasan Menggunakan Metode Hungarian dan Pinalti (Studi Kasus: CV. Surya Pelangi)

Penyelesaian Masalah Penugasan Menggunakan Metode Hungarian dan Pinalti (Studi Kasus: CV. Surya Pelangi) Peyelesaia Masalah Peugasa Megguaka Metode Hugaria da Pialti (Studi Kasus: CV. Surya Pelagi) Sri Basriati 1, Ayu Lestari 2 1,2 Jurusa Mateatika, Fakultas Sais da Tekologi, UIN Sulta Syarif Kasi Riau Jl.

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI BPK RI PERWAKILAN JAWA BARAT DENGAN METODE CLUSTERING

PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI BPK RI PERWAKILAN JAWA BARAT DENGAN METODE CLUSTERING PENGELOMPOKAN ENTITAS AUDIT PEMERINTAH DAERAH DI BPK RI PERWAKILAN JAWA BARAT DENGAN METODE CLUSTERING Moicha Dwayai, Mahedrawati da Nur Iriawa Progra Studi Magister Maajee Tekologi-ITS Jurusa Maajee Tekologi

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN Persoala trasportasi yag serig ucul dala kehidupa sehari-hari, erupaka gologa tersediri dala persoala progra liier. Maka etode traportasi ii juga dapat diguaka utuk eyelesaika beberapa

Lebih terperinci

Abstract: Given a graph G ( V,

Abstract: Given a graph G ( V, PELABELAN SUPER GRACEFUL UNTUK BEBERAPA GRAF KHUSUS Prias Tri Ajar Ajai, Robertus Heri SU, Bayu Surarso,, Jurusa Mateatika Uiversitas Dipoegoro Jl. Prof. Soedarto, SH, Tebalag, Searag 7 Abstract: Give

Lebih terperinci

Bab II Landasan Teori

Bab II Landasan Teori 4 Bab II Ladasa Teori II. Aalisis "Net Social Gai" (NSG) PT. Siar Asia Fortua sebagai suatu perusahaa tabag baha galia batugapig epuyai kotribusi positif terhadap peigkata pedapata jika ilai outputya lebih

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Program tujuan ganda

BAB 2 LANDASAN TEORI. 2.1 Program tujuan ganda BAB 2 LANDASAN TEORI 2.1 Progra tujua gada Progra tujua gada erupaka variasi khusus dari progra liear. Aalisisya bertujua utuk eiiuka jarak atara atau deviasi deviasi terhadap tujua atau sasara yag telah

Lebih terperinci

PENGGUNAAN NILAI EIGEN DAN VEKTOR EIGEN UNTUK MENENTUKAN MODEL GENOTIP KETURUNAN YANG TERTAUT KROMOSOM X

PENGGUNAAN NILAI EIGEN DAN VEKTOR EIGEN UNTUK MENENTUKAN MODEL GENOTIP KETURUNAN YANG TERTAUT KROMOSOM X Jural Maajee Ioratika da Tekik Koputer Volue, Noor, pril PENGGUNN NILI EIGEN DN VEKTOR EIGEN UNTUK MENENTUKN MODEL GENOTIP KETURUNN YNG TERTUT KROMOSOM X Havid Syawa *, Nurwati Jurusa Maajee Ioratika,

Lebih terperinci

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B. Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari A ke B kita meuliska f : A

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

MATEMATIKA DISKRIT FUNGSI

MATEMATIKA DISKRIT FUNGSI 1 MATEMATIKA DISKRIT FUNGSI Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD Jailah * Firdaus Sigit Sugiarto Mahasiwa Progra S Mateatika Dose Jurusa Mateatika Fakultas Mateatika

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

Geometri Analitika Ruang. Semester IV (3 SKS)

Geometri Analitika Ruang. Semester IV (3 SKS) Geoetri Aalitika Ruag Seester IV ( SKS rofil Dose Naa Alaat : Ilha Rais Arviato M.d : Grha urwoukti A RT 7 RW Radusari urwoartai Kalasa Slea Yogakarta. 5557 No. H : 08 480 488 Eail Blog : ilha.arviato@ahoo.co

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

Perancangan Aplikasi Tari Bali Klasik Berbasis Web

Perancangan Aplikasi Tari Bali Klasik Berbasis Web Koferesi Nasioal Sistem & Iformatika 207 STMIK STIKOM Bali, 0 Agustus 207 Peracaga Aplikasi Bali Klasik Berbasis Web Nyoma Utami Jauhari ), Ni Luh Ayu Kartika Yuias S 2), Made Rudita 3) STIKOM Bali Jala

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

Himpunan Kritis Pada Graph Caterpillar

Himpunan Kritis Pada Graph Caterpillar 1 0 Himpua Kritis Pada Graph Caterpillar Chairul Imro, Budi Setiyoo, R. Simajutak, Edy T. Baskoro {imro-its,budi}@matematika.its.ac.id, {rio,ebaskoro}@ds.math.itb.ac.id Ues, Semarag, 4 7 Juli 006 Abstrak

Lebih terperinci

Sekolah Olimpiade Fisika

Sekolah Olimpiade Fisika SOLUSI SIMULASI OLIMPIADE FISIKA SMA Agustus 06 TINGKAT KABUPATEN/KOTA Waktu : 3 ja Sekolah Olipiade Fisika davitsipayug.co Sekolah Olipiade Fisika davitsipayug.co davitsipayug@gail.co. Dua orag aak earik

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN BAB III ANUITAS DNGAN BBRAPA KALI PMBAYARAN STAHUN TRHADAP TABUNGAN PNDIDIKAN. Tabuga Pedidika Aak Tabuga erupaka salah satu produk yag ditawarka oleh bak utuk eyipa uag. Utuk epersiapka daa pedidika aak,

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

Matematika Terapan Dosen : Zaid Romegar Mair, ST., M.Cs Pertemuan 3

Matematika Terapan Dosen : Zaid Romegar Mair, ST., M.Cs Pertemuan 3 Matematika Terapa Dose : Zaid Romegar Mair ST. M.Cs Pertemua 3 PROGRAM STUDI TEKNIK INFORMATIKA Jl. Koloel Wahid Udi Lk. I Kel. Kayuara Sekayu 30711 web:www.polsky.ac.id mail: polsky@polsky.ac.id Tel.

Lebih terperinci

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V LAJU REAKSI STANDART KOMPETENSI; Meahai kietika reaksi, kesetibaga kiia, da faktor-faktor yag berpegaruh, serta peerapaya dala kehidupa sehari-hari KOMPETENSI DASAR; Medeskripsika pegertia laju reaksi

Lebih terperinci

Perbaikan Bagan Kendali Pergerakan Data (Data Driven)

Perbaikan Bagan Kendali Pergerakan Data (Data Driven) Bab 3 Perbaika Baga Kedali Pergeraka Data Data Drive) 3.1 Pedahulua Baga kedali klasik utuk eoitorig rataa didasarka pada asusi keorala. Ketika syarat keorala tidak dipeuhi, baga kedali klasik ii tidak

Lebih terperinci

Beda Arti Data dan Fakta

Beda Arti Data dan Fakta Part-2 Oleh Ir. Priyo Waspodo, M.Sc. Beda Arti Data da Fakta Seorag mahasiswa TK medapat ilai B utuk PTK ; karea kurag puas, maka megulag. Tetapi bahka medapat ilai C. Setelah diusut, pejelasaya adalah

Lebih terperinci

Sistem Informasi Pemetaan Pelayanan Biro Administrasi Akademik dan Kemahasiswaan (BAAK) Menggunakan Metode Fuzzy Quantification Theory I

Sistem Informasi Pemetaan Pelayanan Biro Administrasi Akademik dan Kemahasiswaan (BAAK) Menggunakan Metode Fuzzy Quantification Theory I Jural... Vol. XX, No. X, Bula 20XX, XX-XX Siste Iforasi Peetaa Pelayaa Biro Adiistrasi Akadeik da Keahasiswaa (BAAK) Megguaka Metode Fuzzy Quatificatio Theory I Aisya Putri Sy, Satria Perdaa Arifi 2, Kartia

Lebih terperinci

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia Himpua Suatu himpua atau gugus adalah merupaka sekumpula obyek. Pada umumya aggota dari gugus tersebut memiliki suatu sifat yag sama. Suatu himpua bagia atau aak gugus merupaka sekumpula obyek yag aggotaya

Lebih terperinci

MODEL DATA POKOK BAHASAN. Pendahuluan

MODEL DATA POKOK BAHASAN. Pendahuluan POKOK BAHASA MODEL DATA 7 Pendahuluan Deskripsi Singkat Pada pokok bahasan ini lebih menekankan pada mendesign sebuah model basis data dari awal dengan berbekal pemahaman yang telah diberikan pokok pokok

Lebih terperinci

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B. Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari A ke B kita meuliska f : A

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

BAB VIII KONSEP DASAR PROBABILITAS BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

Cara Pengisian Pada File Excel

Cara Pengisian Pada File Excel Cara Pegisia Pada ile Excel Pada tabel realisasi da keuaga ias Pekerjaa Umum Bia Marga Propisi Jawa Timur ii terdiri dari beberapa kolom seperti dibawah ii: atker Tahu Bula Adapu cara pegisia dari masig-masig

Lebih terperinci

6. PETA KONSEP (CONSEPT MAP) Konsep bilangan Himpunan Relasi biasa Relasi n ary

6. PETA KONSEP (CONSEPT MAP) Konsep bilangan Himpunan Relasi biasa Relasi n ary PETUNJUK TEKNIS 1. IDENTITAS MATA KULIAH Nama mata kuliah : Matematika Bobot SKS : 2 sks Nomor Mata Kuliah : TK 201 Semester : Gajil (1) Prasyarat : - Program Studi : Agroimdustri Nama Dose : Drs. Dedi

Lebih terperinci

MAKALAH SISTEM BASIS DATA

MAKALAH SISTEM BASIS DATA MAKALAH SISTEM BASIS DATA (Entity Relationship Diagra (ERD) Reservasi Hotel) Disusun Oleh : Yulius Dona Hipa (16101055) Agustina Dau (15101635) Arsenia Weni (16101648) PROGRAM STUDI TEKNIK INFORMARIKA

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com Kombiatorial da Peluag Adri Priadaa ilkomadri.com Pedahulua Sebuah kata-sadi (password) pajagya 6 sampai 8 karakter. Karakter boleh berupa huruf atau agka. Berapa bayak kemugkia kata-sadi yag dapat dibuat?

Lebih terperinci

Batas Bilangan Ajaib Pada Graph Caterpillar

Batas Bilangan Ajaib Pada Graph Caterpillar J. Math. ad Its Appl. ISSN: 189-605X Vol. 3, No., Nov 006, 49 56 Batas Bilaga Ajaib Pada Graph Caterpillar Chairul Imro Jurusa Matematika FMIPA ITS Surabaya imro-its@matematika.its.ac.id Abstrak Jika suatu

Lebih terperinci

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,

Lebih terperinci

SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL

SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL Riza Febri Yusma Sri Gemawati Asli Sirait *riza_febri@yahoo.com Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam Uiveritas

Lebih terperinci

UKURAN TENDENSI SENTRAL

UKURAN TENDENSI SENTRAL BAB 3 UKURAN TENDENSI SENTRAL Kompetesi Mampu mejelaska da megaalisis kosep dasar ukura tedesi setral. Idikator 1. Mejelaska da megaalisis mea.. Mejelaska da megaalisis media. 3. Mejelaska da megaalisis

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

Database Design. Pemodelan data & Model Entity-Relationship. Pertemuan 4. Dahlia Widhyaestoeti, S.Kom

Database Design. Pemodelan data & Model Entity-Relationship. Pertemuan 4. Dahlia Widhyaestoeti, S.Kom Database Design Pertemuan 4 Pemodelan data & Model Entity-Relationship Dahlia Widhyaestoeti, S.Kom Pemodelan Data Pemodelan data / sistem dalam database diguanakan Model ER (Entity Relationship) Diagram

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

Perancangan Basis Data Relasional. (Entity Relationship Model) By : Hanung N. Prasetyo

Perancangan Basis Data Relasional. (Entity Relationship Model) By : Hanung N. Prasetyo Perancangan Basis Data Relasional (Entity Relationship Model) By : Hanung N. Prasetyo Database Model Definisi Pemodelan ER ER adalah salah satu pemodelan basis data ke dalam bentuk Entitas-Entitas dan

Lebih terperinci

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT METODE NUMERIK TKM4104 Kuliah ke- DERET TAYLOR DAN ANALISIS GALAT DERET TAYLOR o Deret Taylor adalah alat yag utama utuk meuruka suatu metode umerik. o Deret Taylor bergua utuk meghampiri ugsi ke dalam

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 12

SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 12 SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pegolaha Citra Digital Kode : IES 6323 Seester : VI Waktu : 1 x 3x 50 Meit Perteua : 12 A. Kopetesi 1. Utaa Mahasiswa dapat eahai tetag siste pegolaha citra

Lebih terperinci

Desain Data Base. Proses Desain Data Base

Desain Data Base. Proses Desain Data Base DESAIN DATA BASE Desain Data Base Proses Desain Data Base Analisis Persyaratan Desain Data Base Konseptual Desain Data Base Logika Perbaikan Skema Desain Data Base Fisik Desain Aplikasi dan Keamanan Analisis

Lebih terperinci

Statistika MAT 2 A. PENDAHULUAN NILAI MATEMATIKA B. PENYAJIAN DATA NILAI MATEMATIKA NILAI MATEMATIKA STATISTIKA. materi78.co.nr

Statistika MAT 2 A. PENDAHULUAN NILAI MATEMATIKA B. PENYAJIAN DATA NILAI MATEMATIKA NILAI MATEMATIKA STATISTIKA. materi78.co.nr materio.r Statistika A. PENDAHULUAN Statistika adalah ilmu yag mempelajari pegambila, peyajia, pegolaha, da peafsira data. Data terdiri dari dua jeis, yaitu data kualitatif (sifat) da data kuatitatif (agka).

Lebih terperinci

MODUL MATEMATIKA SMA IPA Kelas 12

MODUL MATEMATIKA SMA IPA Kelas 12 MODL MATEMATIKA SMA IPA Kelas BARISAN DAN DERET ARITMATIKA. Betuk uu: a, ( a b), ( a b) ( a b). Ruus suku ke- ( ) a ( ) b a : suku pertaa b : beda. Julah suku pertaa (S ) S ( a ) atau S (a ( ) b) Dega

Lebih terperinci

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme

Lebih terperinci

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

MATHunesa (Volume 3 No 3) 2014

MATHunesa (Volume 3 No 3) 2014 MATHuesa (Volume 3 No 3) 014 MINIMUM PENUTUP TITIK DAN MINIMUM PENUTUP SISI PADA GRAF KOMPLIT DAN GRAF BIPARTIT KOMPLIT Yessi Riskiada Kusumawardai Program Studi S1 Matematika, Fakultas Matematika da Ilmu

Lebih terperinci

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai 37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi

Lebih terperinci

MATERI 14 EVALUASI KINERJA PORTOFOLIO

MATERI 14 EVALUASI KINERJA PORTOFOLIO MATERI 14 EVALUASI KINERJA PORTOFOLIO KERANGKA PIKIR EVALUASI KINERjA PORTOFOLIO (EKP) MENGUKUR TINGKAT RETURN PORTOFOLIO RISK-ADJUSTED PERFORMANCE - INDEKS SHARPE - INDEKS TREYNOR - INDEKS JENSEN dede08m.com

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

SATUAN ACARA PERKULIAHAN (SAP) PROGRAM STUDI AKUNTANSI

SATUAN ACARA PERKULIAHAN (SAP) PROGRAM STUDI AKUNTANSI STIE Bisma Lepisi Jl. Ks. Tubu No. 11 Tagerag 15112 Telp.:(021) 558 9161-62. Fax.:(021) 558 9163 SATUAN ACARA PERKULIAHAN (SAP) PROGRAM STUDI AKUNTANSI Kode Mata Kuliah Nama Mata Kuliah Kelompok Mata Kuliah

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

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

Lebih terperinci

- - BILANGAN BULAT - - tujuh1bilbulat

- - BILANGAN BULAT - - tujuh1bilbulat Bilaga Bulat 7302 Mateatika - - BILANGAN BULAT - - Modul ii sigkro dega Alikasi Adroid, Dowload elalui Play Store di HP Kau, ketik di ecaria tujuhbilbulat Jika Kau kesulita, Tayaka ke tetor bagaiaa cara

Lebih terperinci