Labtek VIII Jl Ganesha 10 Bandung. Abstrak
|
|
- Ivan Darmali
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGGUNAAN DISTRIBUSI NORMAL DALAM MEMODELKAN SEBARAN PERSEPSI BIAYA PERJALANAN DAN TRANSFORMASI BOX-MULLER PADA PENGAMBILAN SAMPEL ACAK MODEL PEMILIHAN RUTE DAN PEMBEBANAN STOKASTIK R. Didin Kusdian Mahasiswa S-3 Transportasi ITB Labtk I lt. 3 Jl. Gansha 0 Bandung -mail: kusdian@yahoo.com Agus Salim Ridwan Program Pascasarjana ITB Labtk VIII Jl Gansha 0 Bandung Ofyar Z. Tamin Program Pascasarjana ITB Gdung Annx lt. 4 ITB Jl Tamansari Bandung -mail: ofyar@trans.si.itb.ac.id Ad Syafruddin Program Pascasarjana ITB Dpartmn Tknik Sipil -mail: ads@trans.si.itb.ac.id Abstrak Pada diri para pngguna jalan mlkat prbdaan-prbdaan dari brbagai sisi, misalnya mnyangkut usia, tingkat intlktual, status sosial, maksud prjalanan, cara pandang trhadap uang, dan lain-lain. Pada suatu sistm ruang, misalnya kota, di suatu intrval waktu trtntu, misalnya satu jam, akan trjadi suatu prgrakan srntak dari brbagai zona asal k brbagai zona tujuan. Dalam sistm ruang kota, trptakan ruas-ruas jalan yang mmbntuk sistm jaringan jalan kota. Untuk kprluan prncanaan maupun manajmn oprasional, akan dibutuhkan suatu prkiraan prilaku prgrakan lalulintas pada sistm jaringan jalan. Prkiraan prilaku prgrakan lalulintas bisa diprolh mlalui modl prgrakan brbasis sistm. Dalam bidang pmodlan transportasi tlah diknal 4 komponn modl prkiraan kbutuhan transportasi, yaitu Modl Bangkitan, Modl Distribusi, Modl Pmilihan Moda, Modl Pmilihan Rut, dan kmpat modl ini dapat digunakan dngan urutan tahapan ssuai jnis pndkatan prsoalan transportasi yang akan dislsaikan. Mmilih rut adalah suatu pross kputusan manusia, sbagai pngmudi atau pngguna jalan. Pada modl yang paling sdrhana kputusan manusia dapat dianggap sragam, atau smua mmiliki prspsi yang sama. Upaya mndkati dunia nyata bahwa kputusan manusia sbagai pngmudi adalah bragam, dngan fokus pada kbragaman prspsi trhadap biaya prjalanan untuk suatu pasangan asaltujuan, dapat dilakukan dngan mnganggap bahwa prspsi biaya mlintasi stiap ruas jalan dari sklompok pngmudi mrupakan suatu distribusi probabilitas. Pada studi ini dibahas modl yang mnggunakan distribusi normal sbagai distribusi biaya prspsi. Kmudian dalam simulasi (Mont Carlo) pmbbanan modl stokastik, dibutuhkan pngambilan sampl acak dari distribusi ini dngan mnggunakan bilangan acak (random numbr). Untuk itu prsamaan distribusi normal atau distribusi Gauss, prlu ditransformasikan mlalui transformasi Box-Mullr. Pada studi ini dicoba untuk mnrapkan implmntasi algoritma transformasi Box-Mullr dngan pngkodan bahasa MS-Fortran Powr Station. Kata-kata kunci: biaya prspsi, distribusi normal, transformasi Box-Mullr, bilangan acak, sampl acak, modl pmbbanan stokastik PENDAHULUAN Pngguna jalan sbnarnya mmiliki brbagai karaktristik dan kpntingan yang brbda satu dngan lainnya. Jika untuk satu pasangan tmpat asal dan tmpat tujuan trdapat sjumlah pngguna yang brgrak dalam satu intrval waktu yang sama, dan antara pasangan asal-tujuan itu trdapat lbih dari satu rut, maka pnjlmaan prbdaan karaktristik itu, antara lain, akan Jurnal Transportasi Vol. 5 No. Dsmbr 005:
2 mnurunkan prbdaan prspsi tntang biaya suatu rut. Prbdaan prspsi ini akhirnya akan mnimbulkan prbdaan pilihan rut, yang mmbntuk klompok pmilih untuk masing-masing rut yang ada. Knyataan inilah yang diusahakan untuk dimodlkan olh modl pmilihan rut yang, antara lain, digunakan untuk simulasi pmbbanan lalulunitas (traffic assignmnt) dalam modl prncanaan transportasi (Tamin, 000). POPULASI DAN SAMPEL Populasi adalah wilayah gnralisasi yang trdiri atas obyk/subyk yang mmpunyai kuantitas dan karaktristik trtntu, yang dittapkan olh pnliti untuk diplajari dan kmudian ditarik ksimpulannya. Populasi bukan hanya manusia, ttapi juga bnda-bnda alam lain. Populasi tidak hanya jumlah yang ada tntang obyk/subyk yang diplajari, ttapi mliputi sluruh karaktristik/sifat yang dimiliki olh obyk atau subyk itu. Satu orangpun dapat digunakan sbagai populasi (Sugiyono, 000), karna satu orang itu mmpunyai brbagai karaktristik, misalnya pndidikan, pnghasilan, disiplin pribadi, cara pandang trhadap uang, kondisi kshatan, pngtahuan tntang pta suatu tmpat, dan lain-lain. Sampl adalah sbagian dari jumlah dan karaktristik yang dimiliki olh suatu populasi. Bila suatu populasi sangat bsar, dan tidak mungkin untuk mmplajari smua yang ada pada populasi, maka dapat digunakan sampl yang diambil dari populasi trsbut. Apa yang diplajari dari suatu sampl shingga mnghasilkan suatu ksimpulan, maka ksimpulan yang diprolh trsbut akan brlaku untuk populasi. Karna itu, sampl yang diambil dari suatu populasi harus btul-btul mwakili populasi trsbut. DISTRIBUSI NORMAL Distribusi normal mrupakan distribusi paling pnting dalam bidang statistika. Banyak gjala yang muncul di alam, industri, dan pnlitian yang dapat digambarkan dngan baik olh kurva distribusi normal. Kurva distribusi normal ini brbntuk sprti loncng atau gnta, dan prsamaannya prtama kali ditmukan tahun 733 olh Abraham DMoivr. Distribusi ini disbut juga distribusi Gauss, untuk mnghormati Karl Frdrich Gauss ( ), yang juga mnmukan prsamaannya waktu mnliti galat dalam pngukuran yang brulang-ulang mngnai bahan yang sama. Prsamaan matmatika distribusi pluang pubah normal kontinu brgantung pada dua paramtr, yaitu rataan µ dan simpangan baku σ. Prsamaan distribusi normal ini adalah sbagai brikut (Walpol, 995): x µ / f ( x) = () σ π Prsamaan ini disbut juga fungsi kpadatan (dnsity function). Jika dicari turunan (drivativ) prtama dan turunan kduanya akan didapat brturut-turut prsamaan-prsamaan brikut: 6 Jurnal Transportasi Vol. 5 No. Dsmbr 005: 5-36
3 ( x µ ) f '( x) = () 3 σ π x µ / σ µ x µ ( x )( ) = π σ σ f ''( x) (3) 3 x µ σ π / σ Dari pmriksaan trhadap turunan prtama dan kduanya, dapat ditntukan lima sifat kurva normal sbagai brikut: () Modus; titik pada sumbu datar yang mmbrikan maksimum kurva, trdapat pada x = µ ; () kurva simtris trhadap sumbu tgak yang mlalui rataan µ ; (3) kurva mmpunyai titik blok pada x = µ ± σ, ckung dari bawah bila µ σ < X < µ + σ, dan ckung dari atas untuk nilai x lainnya; (4) kdua ujung kurva normal mndkati asimtot sumbu datar bila nilai x brgrak mnjauhi µ baik k kiri maupun k kanan. (5) sluruh luas di bawah kurva dan di atas sumbu datar brnilai sama dngan. f ( x) dx = Distribusi Normal Standar adalah distribusi normal dngan nilai paramtr µ = 0 dan σ =. Prsamaannya srta turunan prtama dan turunan kduanya adalah sbagai brikut: f ( x) = π / x (4) x f '( x) = (5) / x π f ''( x) x / x π = (6) Pnggunaan distribusi normal (Didin K, Ofyar Z.T., Agus S.D., dan Ad S.) 7
4 PROBABILITAS DAN PEUBAH ACAK Tori probabilitas mmplajari rata-rata gjala waktu (masa) yang trjadi scara brurutan atau brsama-sama, sprti pancaran lktron, hubungan tlpon, dtksi radar, pngndalian kualitas, kgagalan sistm, prmainan untung-untungan, mkanika stastistik, turbuln, gangguan, laju klahiran dan kmatian, srta tori antrian. Suatu rata-rata akan mndkati suatu harga konstan apabila jumlah obsrvasi brtambah bsar dan harga-harga ini ttap sama bila dihitung pada sbarang barisan bagian yang ditntukan sblum prcobaan (xprimnt) dilakukan. Tujuan tori probabilitas adalah mnggambarkan dan mnaksir rata-rata sdmikian itu dalam bntuk probabilitas pristiwa. Probabilitas suatu kjadian sama dngan nilai prbandingan atau nisbah (ratio) antara hasil yang ssuai dngan total jumlah hasil, asalkan smua hasil mmpunyai jumlah kmungkinan yang sama. Dalam tori probabilitas digunakan bbrapa istilah brikut: Ruang S disbut ruang pasti, lmn-lmn s disbut pristiwa, himpunan kosong {φ } disbut pristiwa mustahil, dan pristiwa { ζ i } yang mmuat lmn tunggal ζ i disbut pristiwa lmntr. Pubah acak (random variabl) adalah bilangan x(ζ ) yang dittapkan pada stiap hasil ζ suatu prcobaan. Bilangan ini dapat mrupakan prolhan pada prmainan untung-untungan, voltas suatu sumbr arus acak, harga suatu komponn acak (random), atau kuantitas numrik lain yang mnjadi prhatian pada hasil prcobaan (Papoulis, Subanar, Sojoti, 99). BANGKITAN BILANGAN ACAK Trdapat banyak sistm, baik alamiah maupun buatan, di mana prubahan mmainkan pran. Sistm ini dinamakan sistm stokastik. Dalam suatu sistm stokastik trkandung kacakan atau prilaku yang sulit diprdiksi. Sistm dinamik diskrit diklasifikasikan mnjadi dua, yaitu dtrministik dan stokastik. Sistm dtrministik lbih sdikit ktrgantungannya pada komputasi dibandingkan dngan sistm stokastik dan sring dapat dislsaikan scara analitis. Sdangkan simulasi dalam studi sistm dinamik diskrit sring digunakan khusus untuk sistm stokastik, yaitu sistm di mana paling sdikit salah satu pubahnya dibrikan olh fungsi probabilitas. Suatu sistm yang brsifat komplks, mmiliki ciri stokastik, dinamik, dan diskrit, sring brtntangan dan tak truraikan dngan solusi analitis, shingga dibutuhkan studi simulasi (Do, 989). Untuk mnsimulasikan suatu pubah acak diprlukan program kacakan (sourc of randomnss). Dalam prcobaan simulasi, hal ini dapat diprolh mlalui program bilangan acak trdistribusi sragam. Pmbangkit bilangan acak adalah suatu algoritma yang digunakan untuk mnghasilkan urutan-urutan atau skunsi angka-angka yang diktahui bntuk fungsi distribusinya, sbagai hasil prhitungan dngan mnggunakan komputr, shingga angka-angka trsbut muncul scara acak dan digunakan trus-mnrus. SAMPEL BILANGAN ACAK TERDISTRIBUSI NORMAL Banyak prcobaan simulasi mmrlukan sampl acak dari distribusi tidak sragam, sprti distribusi normal, ksponnsial, bta, gamma, chi-squar, log-normal, Cauchy, dan Wibull. Dapat 8 Jurnal Transportasi Vol. 5 No. Dsmbr 005: 5-36
5 dibuktikan bahwa sampl-sampl dari suatu distribusi smbarang dapat dibangkitkan dngan mnggunakan bilangan-bilangan acak trdistribusi sragam dalam intrval (0,) r, r,. Knyataannnya, sampai saat ini tidak ada mtod praktis yang cpat dalam pmbangkitan samplsampl dari suatu distribusi smbarang, kcuali mlalui bilangan-bilangan acak trdistribusi sragam. Trdapat banyak tknik khusus untuk mngkonvrsi bilangan-bilangan acak trdistribusi sragam k dalam sampl-sampl dari brbagai distribusi lain. Jika paramtr-paramtr pada distribusi normal mmiliki nilai µ = 0 dan σ =, maka distribusi normal trsbut dinamakan distribusi normal standar. Hal ini diksprsikan olh prsamaan: f ( x) = π x Fungsi kpadatan dan intgral prsamaan trsbut sama dngan fungsi distribusi kumulatif yang diprlihatkan pada Gambar. Tidak ada suatu ksprsi prsamaan ksplisit untuk fungsi distribusi kumulatif F(s), ttapi tabl-tabl lngkap dapat dicari pada buku-buku statistika. F(x) (7) f(x) X X (a) Fungsi Kpadatan (b) Fungsi Distribusi Gambar Distribusi Normal Standar Satu mtod yang lazim digunakan untuk mmbangkitkan sampl acak dari distribusi normal standar adalah dngan mnggunakan hubungan brikut, yang disbut dngan Transformasi Box-Mullr: Pnggunaan distribusi normal (Didin K, Ofyar Z.T., Agus S.D., dan Ad S.) 9
6 ( x = log r ) cos(π. r ) (8) dngan: r dan r adalah dua bilangan acak sragam dalam intrval (0,), dan x adalah sampl yang diinginkan dari distribusi normal standar. Pnurunan prsamaan (8) dilakukan dngan pngambilan bilangan acak (random numbr) untuk distribusi normal dngan variat yang tidak diktahui, yang mmpunyai ktntuanktntuan sbagai brikut: () X = N (0,); X = N (0,) dan kduanya brsifat indpndn () µ = 0 ; σ =, brupa fungsi distribusi normal standar (3) PDF = Fungsi Probabilitas Dnsitas (Probability Dnsity Function) Rumus PDF Distribusi Normal adalah: f ( x ) = f ( x ) = π π x x brarti f(x. x ) = f(x ). f(x ) = f ( x, x ) = π x x π x x ( + ) apabila diumpamakan Y = X + X ( x X ; y Y ) akan diprolh f ( y) = π maka diuraikan F (y) = y y π. dy π y = = ( π ) ( t 0 t 0 ) 30 Jurnal Transportasi Vol. 5 No. Dsmbr 005: 5-36
7 = ( ) π + t = π π t Random Variat-nya adalah: F(x) = R = t t π π = R π π maka: t = ln( π. R) t π - = π. R t ln( ) = ln( π. R) t = ln( πr) kmudian dari Y = t = X + X akan diprolh X + X = ln (-π R) Bila diktahui atau X θ = arctan untuk N(0, π R) X X π R = arctan - N(0, π ) X akan dipolh R = X arctan π X Dari data bilangan acak (random numbr) akan dapat diprolh indpndn normal diskrt, yaitu : / () X = (( ln( R )).cos πr / () X = (( ln( R )).sin πr yang mrupakan pmbangkitan random variat dari indpndn normal diskrt dngan N, (0, π ) atau dari distribusi normal dngan man µ = 0, Varianc = π, dngan θ = πr. Pnggunaan distribusi normal (Didin K, Ofyar Z.T., Agus S.D., dan Ad S.) 3
8 PROGRAM KOMPUTER DAN HASILNYA Dngan mnggunakan bahasa FORTRAN, pada Micro Soft Fortran Powr Station vrsi 4.0, pngambilan sampl acak trdistribusi normal dapat dilakukan. Prcobaan prtama adalah untuk mndapatkan bilangan acak r dan r, dngan programnya adalah sbagai brikut: Program rus_randoma INTEGER Count REAL, DIMENSION(0) :: R,R INTEGER, DIMENSION(0) :: Sd opn (6,fil='hasil rus-randoma.f90',status='unknown') CALL SYSTEM_CLOCK( Count ) Sd = Count CALL RANDOM_SEED( PUT = Sd ) CALL RANDOM_NUMBER (R) CALL RANDOM_NUMBER (R) writ(6,*) 'hasil rus_randoma :' writ(6,*) 'himpunan bilangan acak (random numbrs) prtama R :' writ(6,0)r writ(6,*) 'himpunan bilangan acak (random numbrs) kdua R :' writ(6,0)r 0 format(x,54.7) writ(*,*) 'slsai, anda dapat lihat hasilnya di fil >hasil rus_randoma.f90<' nd Stlah dilakukan pross built:compil, link dan kmudian dikskusi, program ini akan mnghasilkan kluaran sbagai brikut: hasil rus_randoma: () himpunan bilangan acak (random numbrs) prtama R:.87358E E E E E E E E E E E E E E E E E E E E+00 () himpunan bilangan acak (random numbrs) kdua R:.70654E E E E E E E E E E E E E E E E E E E E+00 3 Jurnal Transportasi Vol. 5 No. Dsmbr 005: 5-36
9 Prcobaan kdua adalah pmbuatan program untuk pngambilan sampl acak dari distribusi normal dngan mnggunakan dua bilangan acak r dan r ssuai prsamaan Mtod Box- Mullr. Program yang dibuat dngan bahasa fortran adalah sbagai brikut : Program Box_Mullr3 REAL,DIMENSION (0):: R,R,X,S REAL MU,SIGMA INTEGER NS,count INTEGER, DIMENSION(0) :: Sd OPEN(5,FILE='DATA_BOXMULLER3.F90') OPEN(6,FILE='HASIL_BOXMULLER3b.F90,STATUS=UNKNOWN')!MU=rataan, SIGMA=standar dviasi-->sbaran!pada pmilihan rut MU=biaya objktif, SIGMA pada Burrl-->ditntukan rad(5,*)mu!input rataan writ(6,*)'masukan MU=rataan=?',MU rad(5,*)sigma!input writ(6,*)'masukan SIGMA=standar dviasi?',sigma rad(5,*)ns writ(6,*) 'masukan jumlah sampl=',ns CALL SYSTEM_CLOCK(Count) Sd = Count CALL RANDOM_SEED (PUT = Sd) CALL RANDOM_NUMBER(R) CALL RANDOM_NUMBER(R)!PRINT '(E4.7)', R,R S = (-.*ALOG (R))**0.5*COS(6.83*R) X = SIGMA*S + MU!9! V= sampl dari distribusi normal standar! X= sampl acak dari suatu distribusi normal dngan Mu(=rataan) dan! SIGMA(=standar dviasi)trtntu! X bisa didapat dari V writ (6,*) 'Hasil : Skunsi Bilangan Acak Prtama (R)' writ(6,0) R writ(6,*)'hasil : Skunsi Bilangan Acak Kdua (R)' writ(6,0) R writ(6,*) 'Hasil 3 : Transformasi Box-Mullr (S)' writ(6,)s writ(6,*)'hasil 4 : Sampl Acak dari Distribusi Normal (X)' writ(6,)x 0 format (x,5f4.7) format (x,5f4.7) Pnggunaan distribusi normal (Didin K, Ofyar Z.T., Agus S.D., dan Ad S.) 33
10 writ(*,*)'slsai, lihat hasilnya di fil :HASIL BOX_MULLER3b' END Stlah dipross dan dijalankan, program ini mnghasilkan kluaran sbagai brikut : () masukan MU = rataan =? () masukan SIGMA = standar dviasi? (3) masukan jumlah sampl = 0 Hasil : Skunsi Bilangan Acak Prtama (R) Hasil : Skunsi Bilangan Acak Kdua (R) Hasil 3 : Transformasi Box-Mullr (S) Hasil 4 : Sampl Acak dari Distribusi Normal (X) PENGGUNAAN UNTUK SIMULASI PEMBEBANAN LALULINTAS MODEL STOKASTIK Mtod pngambilan sampl acak dari suatu variabl yang trdistribusi normal, sprti yang tlah diuraikan, dapat digunakan untuk modl (simulasi) pmilihan rut dan pmbbanan lalulintas stokastik (stochastic traffic assignmnt), atau pmbbanan di mana dihadapi adanya aspk ktidakpastian (uncrtainty) yang dikodkan dngan distribusi kmungkinan (probability). Biaya (objktif) suatu ruas jalan, dalam pmbahasan dapat diidntifikasikan olh variabl rataan µ (MU), disbar untuk mmodlkan fnomna pross stokastik, dngan suatu dviasi 34 Jurnal Transportasi Vol. 5 No. Dsmbr 005: 5-36
11 standar σ (SIGMA), shingga biaya satu nilai (obyktif) mnjadi suatu variabl stokastik (biaya prspsi-subyktif) yang mmbntuk suatu sbaran normal. Pngambilan sampl acak biaya subyktif dari sbaran normal (X), dapat dilakukan dngan mnggunakan transformasi BOX- MULLER, mlalui bangkitan dua bilangan acak trdistribusi sragam yang indpndn R dan R. KESIMPULAN Dari studi dapat ditarik bbrapa ksimpulan sbagai brikut: () Suatu sistm atau pross stokastik dapat dicirikan dngan salah satu pubahnya brbntuk distribusi probabilitas. () Distribusi normal tlah trbukti dapat mndskripsikan suatu gjala alam dngan baik, dan dapat dipakai untuk mmodlkan sbaran prspsi pngguna jalan tntang biaya suatu ruas atau rut. (3) Pngambilan sampl acak dari suatu distribusi biaya prspsi ruas jalan dapat dilakukan dngan mnggunakan bilangan acak. (4) Bilangan acak trdistribusi sragam dapat digunakan dalam pngambilan sampl acak dari suatu pubah stokastik trdistribusi normal, yaitu dngan mlalui transformasi Box-Mullr. (5) Transformasi Box-Mullr dapat dilakukan dngan mnggunakan dua bilangan acak yang masing-masing brsifat indpndn, yakni dngan sd yang brbda. (6) Transformasi Box-Mullr dapat digunakan untuk pngambilan sampl acak suatu pubah atau komponn pubah yang brciri stokastik, di mana ktidakpastiannya dapat dikodkan mlalui distribusi probabilitas yang brbntuk distribusi normal. (7) Transformasi Box-Mullr dapat digunakan dalam mncari solusi prsoalan transportasi, di mana biaya transportasi atau komponnnya mngandung ciri stokastik dan dimodlkan sbagai pubah acak trdisribusi normal. DAFTAR PUSTAKA Do, Narsingh Systm Simulation With Digital Computr. Prntic Hall of India, Nw Dlhi. Kakiay, Thomas J Sistm Simulasi. Andi, Yogyakarta. Papoulis, Athanasios, Subanar, Sojoti, Zanzawi. 99. Probabilitas, Variabl Random, dan Pross Stokastik. Gadjah Mada Univrsity Prss, Univrsitas Gadjah Mada, Yogyakarta. Sugiyono Statistika Untuk Pnlitian. Alfabta, Bandung. Tamin, O.Z Prncanaan dan Pmodlan Transportasi. Edisi-, Pnrbit ITB, Bandung. Wapol, Ronald E., Myrs Raymond H Ilmu Pluang dan Statistika untuk Insinyur dan Ilmuwan. Pnrbit ITB, Bandung. Pnggunaan distribusi normal (Didin K, Ofyar Z.T., Agus S.D., dan Ad S.) 35
12 36 Jurnal Transportasi Vol. 5 No. Dsmbr 005: 5-36
8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik
8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna
Lebih terperinciAplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan
Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam
Lebih terperinciUJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)
UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan
Lebih terperinciBAB I METODE NUMERIK SECARA UMUM
BAB I METODE NUMERIK SECARA UMUM Aplikasi modl matmatika banyak muncul dalam brbagai disiplin ilmu pngtahuan, sprti isika, kimia, konomi, prsoalan rkayasa (tknik msin, sipil, lktro). Modl matmatika yang
Lebih terperinciUniversitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Persamaan Diferensial Orde I
Univrsitas Indonusa Esa Unggul Fakultas Ilmu Komputr Tknik Informatika Prsamaan Difrnsial Ord I Dfinisi Prsamaan Difrnsial Prsamaan difrnsial adalah suatu prsamaan ang mmuat satu atau lbih turunan fungsi
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.
6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi
Lebih terperinciII. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf
II. LANDASAN TEORI 2.1 Konsp Dasar Graf Pada bagian ini akan dibrikan konsp dasar graf dan dimnsi partisi graf yang digunakan sbagai landasan tori pada pnlitian ini. Tori dasar mngnai graf yang akan digunakan
Lebih terperinciOleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,
Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV
Lebih terperinciBab 6 Sumber dan Perambatan Galat
Mtod Pnlitian Suradi Sirgar Bab 6 Sumbr dan Prambatan Galat 6. Sumbr galat. Data masukan, misal hasil pngukuran (galat bawaan). Slama komputasi (galat pross), galat ang timbul akibat komputasi 3. Galat
Lebih terperinciAnalisis Rangkaian Listrik
Sudaryatno Sudirham Analisis Rangkaian Listrik Mnggunakan Transformasi Fourir - Sudaryatno Sudirham, Analisis Rangkaian Listrik (4) BAB Analisis Rangkaian Mnggunakan Transformasi Fourir Dngan pmbahasan
Lebih terperinciMETODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT
METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR E. Yuliani, M. Imran, S. Putra Mahasiswa Program Studi S Matmatika Laboratorium Matmatika Trapan, Jurusan
Lebih terperinciPembahasan Soal. Pak Anang SELEKSI MASUK UNIVERSITAS INDONESIA. Disertai TRIK SUPERKILAT dan LOGIKA PRAKTIS. Disusun Oleh :
Pmbahasan Soal SELEKSI MASUK UNIVERSITAS INDONESIA Disrtai TRIK SUPERKILAT dan LOGIKA PRAKTIS Disusun Olh : Pak Anang Kumpulan SMART SOLUTION dan TRIK SUPERKILAT Pmbahasan Soal SIMAK UI 2011 Matmatika
Lebih terperinciIntegral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma
Modul Intgral Fungsi Eksponn, Fungsi Trigonomtri, Fungsi Logaritma Dr. Subanar D PENDAHULUAN alam mata kuliah Kalkulus I Anda tlah mngnal bahwa intgrasi adalah pross balikan dari difrnsiasi. Jadi untuk
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian
Lebih terperinciPELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN
JIMT ol. 9 No. 1 Juni 01 (Hal. 16 8) Jurnal Ilmiah Matmatika dan Trapan ISSN : 450 766X PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN Nurainun 1, S. Musdalifah,
Lebih terperinciPENENTUAN NILAI e/m ELEKTRON
Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI Pada bab ini akan diuraikan mngnai tori dan trminologi graph, yaitu bntuk-bntuk khusus suatu graph. Di sini uga akan dilaskan mngnai minimum spanning tr, pmrograman 0-, dan aplikasi
Lebih terperinciTINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER
TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER HannaA Parhusip Cntr of Applid Mathmatics Program Studi Matmatika Industri dan Statistika Fakultas Sains dan Matmatika Univrsitas Kristn Sata
Lebih terperinciAnalisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang
Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil
Lebih terperinciBAB V DISTRIBUSI PROBABILITAS DISKRIT
BAB V DISTRIBUSI ROBABILITAS DISKRIT 5.. Distribusi Uniform Disrit Bila variabl aca X mmilii nilai,,... dngan probabilitas yang sama, maa distribusi uniform disrit dinyataan sbagai: f (, ) ;,,... paramtr
Lebih terperinciKARAKTERISASI ELEMEN IDEMPOTEN CENTRAL
Jurnal Barkng Vol 5 No Hal 33 39 (0) KAAKTEISASI ELEMEN IDEMPOTEN CENTAL HENY W M PATTY, ELVINUS ICHAD PESULESSY, UDI WOLTE MATAKUPAN 3,,3 Staf Jurusan Matmatika FMIPA UNPATTI Jl Ir M Putuhna, Kampus Unpatti,
Lebih terperinciMODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa
Lebih terperinciPertemuan XIV, XV VII. Garis Pengaruh
ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 7
Mata Kuliah : Matmatika Diskrit Program Studi : Tknik Informatika Minggu k : 7 MATRIK GRAPH Sbuah graph dapat kita sajikan dalam bntuk matrik, yaitu : a. Matrik titik (Adjacnt Matrix) b. Matrik rusuk (Edg
Lebih terperinciSusunan Antena. Oleh : Eka Setia Nugraha S.T., M.T. Sumber: Nachwan Mufti Adriansyah, S.T., M.T.
Susunan Antna Olh : ka Stia Nugraha S.T., M.T. Sumbr: Nachwan Mufti Adriansyah, S.T., M.T. A. Pndahuluan Dalam kuliah Mdan lktromantika Tlkomunikasi kita sudah mngnal pnjumlahan/ suprposisi mdan. Tlah
Lebih terperinciBAB I PENDAHULUAN 1.1.Latar Belakang
BAB I PENDAHULUAN 1.1.Latar Blakang Sarana dan prasarana transportasi di suatu ngara mmpunyai pranan yang sangat pnting dalam pngmbangan suatu kawasan trtntu, baik konomi, sosial, budaya dan sbagainya.
Lebih terperinciMETODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT
METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Yuli Syafti Purnama Mahasiswa Program Studi S Matmatika Fakultas Matmatika dan Ilmu Pngtahuan Alam Univrsitas Riau Kampus
Lebih terperinciHUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS
18Novmbr 17 Tma 7: Ilmu-Ilmu Murni (Matmatika, Fisika, Kimia dan Biologi) HUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS Olh Agung Prabowo
Lebih terperinciMaterike April 2014
Matrik-6 Pnggunaan Intgral Tak Tntu 10 April 014 Prsamaan Difrnsial dan Pnggunaanna Prsamaan difrnsial mngaitkan suatu fungsi dngan turunanna ( difrnsial Contoh ' ' '' ' Prsamaan Difrnsial dan Pnggunaanna
Lebih terperinciPenentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang
Pnntuan Lot Siz Pmsanan Bahan Baku Dngan Batasan Kapasitas Gudang Dana Marstiya Utama 1 Abstract. This papr xplains th problm o dtrmining th lot siz o ordring raw matrials with warhous capacity limitation
Lebih terperinciMODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL
ISSN : 407 846 -ISSN : 460 846 MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL Chrish Rikardo *, Taufik Limansyah, Dharma Lsmono Magistr Tknik Industri,
Lebih terperinciSIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE
SIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE Fabio Dwi Bagus Irawan 1,a, Cahyo Budiyantoro 1,b, Thoharudin 1,c 1 Program Studi Tknik Msin, Fakultas Tknik, Univrsitas
Lebih terperinciTransformasi Peubah Acak (Lanjutan)
Dpt. Statistika IPB, 0 Transormasi Pubah Acak Lanjutan B. Mtod Pnggantian Pubah Mtod ini mrupakan pngmbangan dari mtod ungsi sbaran. Misalkan diktahui kp bagi p.a. adalah x. Jika didinisikan p.a. lainna
Lebih terperinciModifikasi Analytic Network Process Untuk Rekomendasi Pemilihan Handphone
Modifikasi Analytic Ntwork Procss Untuk Rkomndasi Pmilihan Handphon Fry Dwi Hrmawan Jurusan Informatika Fakultas MIPA, Univrsitas Sblas Mart Surakarta frydh@yahoocom Ristu Saptono Jurusan Informatika Fakultas
Lebih terperinciBAB V BEBERAPA MODEL DISTRIBUSI PELUANG PEUBAH ACAK KONTINU
H. Maman Suhrman,Drs.,M.Si BAB V BEBERAPA MODEL DISTRIBUSI PELUANG PEUBAH ACAK KONTINU Pada bab sblumnya, khususnya pada BAB II kita tlah mngnal distribusi pluang scara umum baik untuk pubah acak diskrit
Lebih terperinciMuatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu
Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya
Lebih terperinciKONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA
LAPORAN PENELITIAN HIBAH PENELITIAN STRATEGIS NASIONAL TAHUN ANGGARAN 2009 KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA Pnliti : Lasmini Ambarwati, ST.,
Lebih terperinciRingkasan Materi Kuliah METODE-METODE DASAR PERSAMAAN DIFERENSIAL ORDE SATU
Ringkasan atri Kuliah ETODE-ETODE DASAR PERSAAAN DIFERENSIAL ORDE SATU Pndahuluan Prsamaan dirnsial adalah prsamaan ang mmuat turunan satu atau bbrapa) ungsi ang takdiktahui skipun prsamaan sprti itu harusna
Lebih terperinciMateri ke - 6. Penggunaan Integral Tak Tentu. 30 Maret 2015
Matri k - 6 Pnggunaan Intgral Tak Tntu 30 Mart 015 Industrial Enginring UNS ko@uns.ac.id Prsamaan Difrnsial dan Pnggunaanna Prsamaan difrnsial mngaitkan suatu fungsi dngan turunanna difrnsial Contoh '
Lebih terperinciPERKEMBANGAN TEORI ATOM & PENEMUAN PROTON, NEUTRON, ELEKTRON. Putri Anjarsari, S.Si., M.Pd
PERKEMBANGAN TEORI ATOM & PENEMUAN PROTON, NEUTRON, ELEKTRON Putri Anjarsari, S.Si., M.Pd putri_anjarsari@uny.ac.id PERKEMBANGAN TEORI ATOM Dmokritus Dalton Thomson Ruthrford Bohr Mkanika glombang Dmokritus
Lebih terperinci1. Proses Normalisasi
BAB IV PEMBAHASAN A. Pr-Procssing Pross pngolahan signal PCG sblum dilakukan kstaksi dan klasifikasi adalah pr-procssing. Signal PCG untuk data training dan data tsting trdapat dalam lampiran 5 (halaman
Lebih terperinciHendra Gunawan. 29 November 2013
MA1101 MATEMATIKA 1A Hndra Gunawan Smstr I, 013/014 9 Novmbr 013 Latihan (Kuliah yang Lalu) Ssorangygtingginya~1,60 m brdiri ditpiatastbing, mlihat lh k laut yang brada ~18,40 m di bawahnya. Pada saatitu
Lebih terperinciPada gambar 2 merupakan luasan bidang dua dimensi telah mengalami regangan. Salah satu titik yang menjadi titik acuan adalah titik P.
nurunan Kcpatan Glombang dan Glombang S Glombang sismik mrupakan gtaran yang mrambat pada mdium batuan dan mnmbus lapisan bumi. njalaran mnybabkan dformasi batuan.strss atau tkanan didfinisikan gaya prsatuan
Lebih terperinciBAB 2 LANDASAN TEORI
6 A ANDAAN TEORI Pngrtian MM Multi vl Markting MM adalah salah satu contoh unit usaha yang brpola bisnis unik, yang sdang brkmbang di dalam bidang pnjualan barangbarang kbutuhan manusia, mulai brupaya
Lebih terperincimodel pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag
Modl Modl Pngukuran dalam Pmodlan Prsamaan Struktural Wahyu Widhiarso Fakultas Psikologi UGM Tulisan ini akan mmbahas bbrapa modl dalam SEM yang unik. Dikatakan unik karna jarang dipakai. Tulisan hanya
Lebih terperinciPROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX
Prosiding SPMIPA. pp. 3-39, 006 ISBN : 979.704.47.0 PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Eka Ariani, Agus Rusgiyono Jurusan Matmatika FMIPA Univrsitas Dipongoro Jl.
Lebih terperinciBAB II TEORI DASAR 2.1 Pengertian Pasang Surut
BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,
Lebih terperinciDebuging Program dengan EasyCase
Modul asyc 1 Dbuging Program dngan EasyCas Di susun Olh : Di dukung olh : Portal dukasi Indonsia Opn Knowlodg and Education http://ok.or.id Modul asyc 2 KATA PENGANTAR Puji syukur kpada guru sjatiku Gusti
Lebih terperinciPERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL
J-Statistika Vol 4 No PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL Prmadina Kanah Ariska -mail : blaar_statistika@yahoo.com ABSTRAK Rgrsi logistik
Lebih terperinciPresentasi 2. Isi: Solusi Persamaan Diferensial pada Saluran Transmisi
Prsntasi Isi: Solusi Prsamaan Difrnsial pada Saluran Transmisi Rprsntasi sinyal dalam bntuk phasor Pmikiran Dasar Sinyal harmonis mudah untuk diturunkan dan diintgralkan Smua sinyal fungsi waktu bisa dirprsntasikan
Lebih terperinciTransformasi Satu Peubah Acak (Lanjutan) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016
Transformasi Satu Pubah Acak (Lanjutan) Dr. Kusman Sadik, M.Si Dpartmn Statistika IPB, 06 Transformasi Pubah Acak (Lanjutan) B. Mtod Pnggantian Pubah Mtod ini mrupakan pngmbangan dari mtod fungsi sbaran.
Lebih terperinciRANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED)
RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED) Winny Friska Uli,Ali Hanafiah Ramb Konsntrasi Tknik Tlkomunikasi, Dpartmn Tknik Elktro Fakultas
Lebih terperinciTransformasi Satu Peubah Acak (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017
Transformasi Satu Pubah Acak Bagian II) Dr. Kusman Sadik, M.Si Dpartmn Statistika IPB, 07 Transformasi Pubah Acak Lanjutan) B. Mtod Pnggantian Pubah Mtod ini mrupakan pngmbangan dari mtod fungsi sbaran.
Lebih terperinciModeling Pengaturan Kecepatan... Satya Kumara I N. MODELING PENGATURAN KECEPATAN MOTOR DC DENGAN SIMULINK
MODELING PENGTURN KECEPTN MOTOR DC DENGN SIMULINK Olh : I N Satya Kumara Staf Pngajar Tknik Elktro Univrsitas Udayana Kampus Bukit Jimbaran Bali Email: ins_kumara@yahoo.com Intisari Motor arus sarah (motor
Lebih terperinciPENGENALAN ANGKA MELALUI PERMAINAN DADU DALAM PEMBELAJARAN MATEMATIKA PADA ANAK USIA 5-6 TAHUN
PENGENALAN ANGKA MELALUI PERMAINAN DADU DALAM PEMBELAJARAN MATEMATIKA PADA ANAK USIA 5-6 TAHUN Mlania, Masluyah Suib, Dsni Yuniarni Pndidikan Guru Pndidikan Anak Usia Dini FKIP Untan, Pontianak Email :
Lebih terperinciTinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim
Tinjauan Trmodinamika Sistm artikl Tunggal Yang Trjbak Dalam Sbua Sumur otnsial Ol Saful Karim Jurusan ndidikan Fisika Fakultas ndidikan Matmatika dan Ilmu ngtauan Alam Univrsitas ndidikan Indonsia 00
Lebih terperinciImplementasi Pemodelan Multi Kriteria (PMK) Pada Sistem Pendukung Keputusan Pengujian Mutu Ban Sepeda Motor
Implmntasi Pmodlan Multi Kritria (PMK) Pada Sistm Pndukung Kputusan Pngujian Mutu Ban Spda Motor Muliadi Muliadiaziz@yahoo.com Abstract This rsarch to dvlop a dsign dcision support systm with built tst
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI. MICRO BUBBLE GENERATOR Micro Bubbl Gnrator (MBG) mrupakan suatu alat yang difungsikan untuk mnghasilkan glmbung udara dalam ukuran mikro, yaitu glmbung dngan diamtr 00 μm []. Aplikasi
Lebih terperinciMODEL STOKASTIK UNTUK PEMBEBANAN LALULINTAS BANYAK-RUTE DENGAN MEMPERTIMBANGKAN PERBEDAAN PERSEPSI BIAYA PERJALANAN
MODEL STOKASTIK UNTUK PEMBEBANAN LALULINTAS BANYAK-RUTE DENGAN MEMPERTIMBANGKAN PERBEDAAN PERSEPSI BIAYA PERJALANAN R. Didin Kusdian Lulusan S- Transportasi SAPPK-ITB Dosen STT-YPKP Jln. Surapati 89 Bandung
Lebih terperinciPENDEKATAN NUMERIK FUNGSI GAMMA UNTUK PERHITUNGAN LEVY FLIGHT PADA ALGORITMA CUCKOO SEARCH
Sminar Nasional Matmatika dan Aplikasinya, Oktobr 07 PENDEKATAN NUMERIK FUNGSI GAMMA UNTUK PERHITUNGAN LEVY FLIGHT PADA ALGORITMA CUCKOO SEARCH Eto Wuryanto ), Dyah Hrawati ), Kartono 3), Rimuljo Hradi
Lebih terperinciBAB 2 DISTRIBUSI INDUK DAN DISTRIBUSI SAMPEL
BAB DISTRIBUSI IDUK DA DISTRIBUSI SAMEL.. EDAHULUA Jika suatu bsaran mmiliki nilai ssungguhnya sdangkan hasil ukurnya adalah maka kita mngharapkan hasil pngamatan mndkati, namun knyataannya tidak slalu
Lebih terperinciMINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN
Artikl Skripsi MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN SKRIPSI Diajukan Untuk Mmnuhi Sbagian Syarat Guna Mmprolh Glar Sarjana Pndidikan (S.Pd.) Pada Jurusan
Lebih terperinciIDE - IDE DASAR MEKANIKA KUANTUM
IDE - IDE DASAR MEKANIKA KUANTUM A. Radiasi Bnda Hitam 1. Hasil-Hasil Empiris Gambar 1. Grafik fungsi radiasi spktral bnda hitam smpurna a. Hukum Stfan Hukum Stfan dapat dituliskan sbagai total = f df
Lebih terperinciBAB II TINJAUAN KEPUSTAKAAN
BAB II TINJAUAN KEPUTAKAAN II.1 PENDAHULUAN Yild lin adalah suatu pmcahan yang dapat digunakan dalam plat bton dimana trjadinya tgangan llh dan rotasi scara plastis muncul. Tori ini dapat digunakan dalam
Lebih terperinciPenggunaan Algoritma RSA dengan Metode The Sieve of Eratosthenes dalam Enkripsi dan Deskripsi Pengiriman
Pnggunaan Algoritma RSA dngan Mtod Th Siv of Eratosthns dalam Enkripsi dan Dskripsi Pngiriman Email Muhammad Safri Lubis Jurusan Tknologi Informasi Fak. Ilmu Komputr dan Tknologi Informasi, USU Mdan, Indonsia
Lebih terperinciISOMORFISMA PADA GRAF P 4
ISOMORFISMA PADA GRAF P Eka Adhistiasari, I Ktut Budayasa 2 Jurusan Matmatika, Fakultas Martmatika dan Ilmu Pngtahuan Alam, UNESA Kampus Ktintang 6023,Surabaya Email : tias-adhis@yahoocoid, ktutbudayasa@yahoocom
Lebih terperinciANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA
ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA Olh : Yanti Muliyaningsih G40026 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPROFIL DATA PENGOBATAN DALAM USADA TENUNG TANYALARA
PROFIL DATA PENGOBATAN DALAM USADA TENUNG TANYALARA Wahyuni, N.N.S 1, Warditiani, N.K. 1, Lliqia, N.P.E. 1 1 Jurusan Farmasi Fakultas Matmatika Dan Ilmu Pngtahuan Alam Univrsitas Udayana Korspondnsi: Ni
Lebih terperinciPENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC (STUDI KASUS: PT.
Bultin Ilmiah Math. Stat. dan Trapannya (Bimastr) Volum 04, No. 3 (2015), hal 295 304. PENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC (STUDI KASUS: PT. Wicaksana Ovrsas
Lebih terperinciREGRESI LINEAR & KORELASI. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung REGRESI
9/08/0 REGREI LINEAR & KORELAI Elty arvia, T., MT. Fakultas Tknik Jurusan Tknik Industri Univrsitas Kristn Maranatha Bandung REGREI jauh ini,kita hanya mmbuat statistik dngan satu variabl pada waktu trtntu,
Lebih terperinci8. FUNGSI TRANSENDEN MA1114 KALKULU I 1
8. FUNGSI TRANSENDEN MA4 KALKULU I 8. Fungsi Invrs Misalkan : D R a y dngan () Dinisi 8. Fungsi y () disbut satu-satu jika (u) (v) maka u v atau jika u v maka ( u) ( v) y y y u v ungsi y satu-satu ungsi
Lebih terperinciBIAStatistics (2016) Vol. 10, No. 1, hal PENDAHULUAN
BIAStatistics (2016) Vol. 10, No. 1, hal. 31-37 ANALISIS KINERJA DOSEN PRODI PENDIDIKAN MATEMATIKA BERDASARKAN EVALUASI MAHASISWA SEBAGAI STAKEHOLDER PEMBELAJARAN DALAM RANGKA REKONTRUKSI PELAYANAN STKIP
Lebih terperinciAPLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE)
APLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE) Abdul Gaus Program Studi Tknik Siil Fakultas Tknik Univrsitas Khairun Trnat Tl/Fax (091) 38049 Irnawaty
Lebih terperinciKAJIAN AWAL MEKANISME REAKSI ELEKTROLISIS NaCl MENJADI NaClO 4 UNTUK MENENTUKAN TAHAPAN REAKSI YANG EFEKTIF DARI PROSES ELEKTROLISIS NaCl
KAJIAN AWAL MEKANISME REAKSI ELEKTROLISIS NaCl MENJADI NaClO 4 UNTUK MENENTUKAN TAHAPAN REAKSI YANG EFEKTIF DARI PROSES ELEKTROLISIS NaCl Bayu Prianto Pnliti Bidang Matrial Dirgantara Abstrak Amonium prklorat
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat
Lebih terperinciBab 1 Ruang Vektor. I. 1 Ruang Vektor R n. 1. Ruang berdimensi satu R 1 = R = kumpulan bilangan real Menyatakan suatu garis bilangan;
Bab Ruang Vktor I. Ruang Vktor R n. Ruang brdimnsi satu R = R = kumpulan bilangan ral Mnyatakan suatu garis bilangan; -3 - - 0. Ruang brdimnsi dua R = bidang datar ; Stiap vktor di R dinyatakan sbagai
Lebih terperinciANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI
ANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI 03-1726-2012 Hotma L Purba Jurusan Tknik Sipil,Univrsitas Sriwijaya Korspondnsi pnulis : hotmapurba@hotmail.com
Lebih terperinci8. FUNGSI TRANSENDEN MA1114 KALKULU I 1
8. FUNGSI TRANSENDEN MA4 KALKULU I 8. Invrs Fungsi Misalkan : D R! y dngan () Dinisi 8. Fungsi y () disbut satu-satu jika (u) (v) maka u v atau jika u v maka ( u) ( v) y y y u v ungsi y satu-satu ungsi
Lebih terperinciANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER
Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti
Lebih terperinciUJI PERFORMANCE MEJA GETAR SATU DERAJAT KEBEBASAN DENGAN METODE STFT
UJI PERFORMANCE MEJA GETAR SATU DERAJAT KEBEBASAN DENGAN METODE STFT Jhon Malta (1) (1) Laboratorium Dinamika Struktur Jurusan Tknik Msin Fakultas Tknik Univrsitas Andalas, Padang. Email: jhonmalta@ft.unand.ac.id
Lebih terperinciKAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN
KAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN Ad Yudha Iswara, Fahry Husin, Ludfi Djakfar, Hndi Bowoputro Jurusan Tknik Sipil Fakultas Tknik Univrsitas Brawijaya Jalan MT. Haryono 167 Malang 65145,
Lebih terperinciPENERAPAN MIN PLUS ALGEBRA PADA PENENTUAN RUTE TERCEPAT DISTRIBUSI SUSU
J. Math. and Its ppl. E-ISSN: 2579-8936 P-ISSN: 829-605X Vol. 4, No. 2, Dsmbr 207, 5-24 PENERPN MIN PLUS LGEBR PD PENENTUN RUTE TERCEPT DISTRIBUSI SUSU Vivi Suwanti, Poht Bintoto 2, Riski Nur Istiqomah
Lebih terperinciPENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA
PENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 211 PERNYATAAN
Lebih terperinciReduksi data gravitasi
Modul 5 Rduksi data gravitasi Rduksi data gravitasi trdiri dari:. Rduksi g toritis. Rduksi fr air 3. Rduksi Bougur 4. Rduksi mdan/trrain. Rduksi g toritis Pnlaahan tntang konsp rduksi data gravitasi lbih
Lebih terperinciEVALUASI DAYA GABUNG PERSILANGAN JAGUNG DENGAN METODE DIALLEL
EVALUASI DAYA GABUNG PERSILANGAN JAGUNG DENGAN ETODE DIALLEL Hruna Tanty athmatics & Statistics Dpartmnt, School of Computr Scinc, Binus Univrsity Jl. K. H. Syahdan No. 9 Palmrah Jakarta Barat 11480 hrunatanty@yahoo.com
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Transportasi Transportasi adalah prgrakan manusia dan barang antara satu zona asal dan zona tujuan dalam wilayah yang brsangkutan. Prgrakan trsbut dapat dilakukan dngan mnggunakan
Lebih terperinciFUNGSI DOMINASI ROMAWI PADA LINE GRAPH
Bultin Ilmiah Mat. Stat. dan Trapannya (Bimastr) Volum 04, No. 2 (2015), hal 119 126. FUNGSI DOMINASI ROMAWI PADA LINE GRAPH Ysi Januarti, Mariatul Kiftiah, Nilamsari Kusumastuti INTISARI Himpunan D disbut
Lebih terperinciIV. Konsolidasi. Pertemuan VII
Prtmuan VII IV. Konsolidasi IV. Pndahuluan. Konsolidasi adalah pross brkurangnya volum atau brkurangnya rongga pori dari tanah jnuh brpmabilitas rndah akibat pmbbanan. Pross ini trjadi jika tanah jnuh
Lebih terperinciPENGARUH SEGMEN BOTTLENECK SISTEMATIK TERHADAP KARAKTERISTIK LALU LINTAS (STUDI KASUS: JL. JAMIN GINTING KM 14.5)
PENGARUH EGEN BOTTLENECK ITEATIK TERHAAP KARAKTERITIK LALU LINTA (TUI KAU: JL. JAIN GINTING K 14.5) Kristian Napitupulu ahasiswa Program arjana Tknik ipil Fakultas Tknik Univrsitas umatra Utara Jln. Prpustakaan
Lebih terperinciDeret Fourier, Transformasi Fourier dan DFT
Drt Fourir, Transformasi Fourir dan DFT A. Drt Fourir Drt fourir adalah drt yang digunakan dalam bidang rkayasa. Drt ini prtama kali ditmukan olh sorang ilmuan prancis Jan-Baptist Josph Fourir (1768-18).
Lebih terperinciPENGARUH MODEL ROLE PLAYING BERBASIS PERMAINAN TRADISIONAL BALI TERHADAP KETERAMPILAN BERBICARA PADA MATA PELAJARAN BAHASA INDONESIA SISWA KELAS III
Jurusan PGSD Vol: 4 No: Tahun: 06 PENGARUH MODEL ROLE PLAYING BERBASIS PERMAINAN TRADISIONAL BALI TERHADAP KETERAMPILAN BERBICARA PADA MATA PELAJARAN BAHASA INDONESIA SISWA KELAS III Kadk Yuda wibawa,
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network
JURNAL SAINS DAN SENI ITS Vol., No., (Spt. 202) ISSN: 230-928X D-36 Pmodlan Faktor-faktor yang Mmpngaruhi Prstasi Mahasiswa Pasca Sarjana ITS dngan Rgrsi Logistik dan Nural Ntwork Wijdani Anindya Hadi
Lebih terperinciDIANDRA PARAMITA TIMUR
Modl Multinomial Logit Untuk Mnntukan Harga Optimal Pakt Blackbrry Intrnt Srvic (BIS) Tlkomsl dan Indosat (Studi Kasus : Mahasiswa Fakultas Tknik UNS Pngguna Blackbrry) Skripsi DIANDRA PARAMITA TIMUR I0308038
Lebih terperinciBAB VII SISTEM DAN JARINGAN PIPA
BAB VII SISTEM AN JARINGAN PIPA Tujuan Intruksional Umum (TIU) Maasiswa diarapkan dapat mrncanakan suatu bangunan air brdasarkan konsp mkanika luida, tori idrostatika dan idrodinamika. Tujuan Intruksional
Lebih terperinciANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI
Analisa Pngaruh Pack Carburizing Mnggunakan Arang Mlanding (Mas ad dkk.) ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Mas ad,
Lebih terperinciANALISIS PERPINDAHAN PANAS KONVEKSI PAKSA NANOFLUIDA AIR-Al2O3 DALAM SUB-BULUH VERTIKAL SEGIENAM
ISSN : 2355-9365 -Procding of Enginring : Vol.4, No.1 April 2017 Pag 632 Abstrak ANALISIS PERPINDAHAN PANAS KONVEKSI PAKSA NANOFLUIDA AIR-Al2O3 DALAM SUB-BULUH VERTIKAL SEGIENAM FORCED CONVECTION HEAT
Lebih terperinciKARAKTERISTIK DAN PELUANG KECELAKAAN PADA MOBIL PRIBADI DI WILAYAH PERKOTAAN (Characteristic and Accident Probability on Private Car in Urban Area)
KARAKTERISTIK DAN PELUANG KECELAKAAN PADA MOBIL PRIBADI DI WILAYAH PERKOTAAN (Charactristic and Accidnt Probability on Privat Car in Urban Ara) Lasmini Ambarwati, Harnn Sulistio, Gama Hndika Ngara, Zanuar
Lebih terperinciVI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH
VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH.. Faktor-Faktor yang Mmpngaruhi Produktivitas Cabai Mrah dan Nilai Elastisitas Input trhadap Produktivitas...
Lebih terperinciPENGARUH MODEL PROBLEM BASED LEARNING (PBL) TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK OPTIKA GEOMETRIS
PENGARUH MODEL PROBLEM BASED LEARNING (PBL) TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK OPTIKA GEOMETRIS Rani Dliana Panggaban 1 dan Pintor Simamora 1 Alumni Mahasiswa Program Studi Pndidikan Fisika
Lebih terperinciBAB 2 DASAR TEORI 2.1 TEORI GELOMBANG LINIER. Bab 2 Teori Dasar
BAB 2 DASAR TEORI Glombang air mrupakan manifstasi dari suatu rambatan nrgi yang mmiliki frkunsi dan priod. Glombang air yang trjadi di laut dapat disbabkan olh angin, grakan kapal, gmpa atau gaya gravitasi
Lebih terperinci