TEORI ANTRIAN A. Proses Antrian 1. Pola Kedatangan 2. Pola Kepergian 3. Kapasitas Sistem

Ukuran: px
Mulai penontonan dengan halaman:

Download "TEORI ANTRIAN A. Proses Antrian 1. Pola Kedatangan 2. Pola Kepergian 3. Kapasitas Sistem"

Transkripsi

1 TEORI ANTRIAN A. ross Aria ross aria mrupaka pross yag brhubuga dga kdaaga plagga pada suau fasilias playaa, muggu dalam baris aria jika blum mdapa playaa, da akhirya miggalka fasilias rsbu slah playaa brakhir. ross ii dimulai saa plagga-plagga yag mmrluka playaa mulai daag. Mrka brasal dari suau populasi yag disbu sbagai sumbr ipu. opulasi suau aria dibdaka mjadi dua, yaiu rbaas (fii) da idak rbaas (ifii). Salah sau buk populasi adalah plagga yag daag pada fasilias playaa. Bsarya populasi mrupaka jumlah plagga yag mmrluka fasilias playaa. Sbuah sism aria adalah himpua plagga, playa, da suau aura yag mgaur playaa kpada plagga. Sdagka kadaa sism mujuk pada jumlah plagga yag brada dalam aria da yag sdag mdapa playaa. Eam kompo dasar yag harus diprhaika agar pydia fasilias playaa dalam sism aria dapa mlayai para plagga yaiu:. pola kdaaga,. pola playaa, 3. kapasias sism, 4. jumlah chal playaa, 5. igka playaa, 6. disipli playaa. Briku di bawah ii aka diuraika am kompo dasar yag harus diprhaika olh pydia fasilias playaa.. ola Kdaaga ola kdaaga plagga adalah bayakya kdaaga plagga dalam sism aria dalam slag waku ru. ola kdaaga plagga dapa drmiisik yaiu dikahui scara pasi aau juga dapa brsifa sokasik yaiu brupa variabl acak yag disribusi probabiliasya diaggap lah dikahui. ola kdaaga para plagga biasaya diprhiugka mlalui waku aar kdaaga, yaiu waku aara kdaaga dua plagga yag brurua pada suau fasilias playaa. Apabila pola kdaaga idak brgaug pada waku (im idpd), maka sism aria dikaaka mmiliki pola kdaaga sasior. Sbalikya jika waku mmpgaruhi pola kdaaga plagga, maka sism aria mmiliki pola kdaaga o sasior. lagga dapa daag sau pr sau aaupu brklompok. Kjadia lai, apabila dalam fasilias playaa rdapa aria yag rlalu pajag, ada kmugkia bagi plagga uuk molak mmasuki fasilias rsbu. Kjadia ii disbu balkig (polaka). Sdagka rgig (pmbaala) rjadi apabila sorag plagga yag lah brada dalam sism miggalka aria kara kbraa uuk muggu lama. Apabila idak disbuka scara khusus, maka diaggap bahwa plagga iba di fasilias playaa sau pr sau apa rjadi balkig maupu rgig da kdaaga plagga mgikui disribusi probabilias ru. Disribusi probabilias yag palig srig dimuka dalam ori aria adalah disribusi oisso da disribusi Eksposial.. ola Kprgia ola kprgia plagga adalah bayakya kprgia plagga dalam sism aria pada slag waku ru. ola kprgia plagga dapa diuka olh waku playaa, yaiu waku yag dibuuhka sorag playa uuk mmbri playaa kpada plagga pada fasilias playaa. Waku playaa dapa brsifa drmiisik, aau brupa variabl acak yag disribusi probabiliasya diaggap lah dikahui. Bsara ii dapa brgaug pada jumlah plagga yag lah brada dalam fasilias playaa aau idak brgaug pada kadaa rsbu. 3. Kapasias Sism Kapasias sism adalah jumlah maksimum plagga, mcakup plagga yag sdag mdapa playaa da yag brada dalam aria, yag dapa diampug olh fasilias playaa pada saa yag sama. Sbuah sism yag idak mmbaasi jumlah plagga di dalam fasilias playaaya dikaaka mmiliki kapasias ak higga, sdagka sism yag mmbaasi jumlah plagga yag brada di dalam fasilias playaaya dikaaka mmiliki kapasias yag brhigga. 5

2 6 4. Jumlah Chal layaa Jumlah chal playaa mrupaka jumlah playa parall yag dapa mmbri playaa kpada plagga pada waku yag brsamaa. Fasilias playaa dapa mmiliki sau aau lbih chal playaa. Fasilias yag mmiliki sau chal playaa disbu fasilias playaa uggal (sigl chal), da fasilias yag mmiliki lbih dari sau chal playaa diamaka fasilias playaa gada (mulipl chal). Baga fasilias playaa uggal disajika pada Gambar da baga fasilias playaa gada disajika pada Gambar. Sumbr lagga lagga mmasuki sism aria lagga mdapaka playa laya lagga miggalka sism aria Aria plagga Gambar Fasilias layaa Tuggal Sumbr lagga lagga mdapa playaa laya lagga miggalka sism aria lagga mmasuki sism aria Aria laya laya Gambar Fasilias layaa Gada 5. Tigka layaa Tigka playaa dalam sism aria rbagi mjadi igka playaa uggal (siglsag) da igka playaa brigka (mulisag). Tigka playaa dikaaka uggal apabila playaa kpada plagga slsai dalam sau kali pross playaa. Misalya dalam suau bak, plagga aka lagsug miggalka fasilias playaa slah pross rasaksi slsai. Tigka playaa dikaaka brigka apabila playaa kpada plagga idak dapa slsai dalam sau kali pross shigga plagga harus mgalami bbrapa kali pross uuk muaska sgala kpigaya. Sbagai cooh, sorag pasi harus mjalai pmriksaa kaa darah, kadar proi dalam uri, da kadar gula dalam darah sblum akhirya mjalai oprasi gijal. Baga igka playaa uggal disajika pada Gambar 3 da baga igka playaa brigka disajika pada Gambar 4. Sumbr lagga lagga mmasuki sism aria lagga mdapaka playaa layaa I lagga miggalka sism aria Aria plagga Gambar 3 Tigka layaa Tuggal

3 7 layaa I layaa II layaa k Aria I Aria II Aria k Gambar 4 Tigka layaa Brigka Kraga Gambar 4: lagga mdaagi sism aria, mgari, mdapaka playaa I, kmudia prgi dari sism playaa I uuk mgari pada sism aria brikuya. 6. Disipli layaa Disipli playaa adalah kbijaka yag brkaia dga cara mmilih aggoa aria yag aka dilayai. Ada mpa buk disipli playaa yag biasa diguaka dalam prakk. a. Firs-com firs-srvd ( FCFS ), ariya plagga yag lbih dahulu daag didahuluka dalam playaa. Misalya, aria pmblia ik bioskop. b. Las-com firs-srvd ( LCFS ), ariya plagga yag iba palig akhir didahuluka dalam playaa. Misalya, sism aria dalam lif uuk laai yag sama, dimaa pggua lif yag masuk rakhir jusru aka kluar rlbih dahulu. c. Srvic i radom ordr ( SIRO ), ariya paggila pada plagga scara acak. Misalya, aria dalam sism udia brhadiah yag dipilih scara acak. d. rioriy srvic ( S ), ariya priorias playaa dibrika kpada mrka yag mmpuyai priorias lbih iggi dibadigka dga mrka yag mmpuyai priorias lbih rdah. Misalya, dalam suau psa dimaa amu-amu dalam kagori VI didahuluka dalam playaa. B. Noasi Kdall Bbrapa modl aria diklasifikasika brdasarka forma yag diprkalka olh Kdall da A.M L (953). Scara umum, forma baku rsbu diulis dalam buk (a/b/c) : (d//f). () jlasa: a myaaka disribusi waku aar kdaaga. Huruf a dalam forma baku di aas dapa digai dga simbol M, D, E k, aau G. M : Markov, waku aar kdaaga brdisribusi Eksposial. D : Drmiisik, waku aar kdaaga kosa. E k : Erlag, waku aar kdaaga brdisribusi Erlag. G : Gral, disribusi probabilias yag lai. b myaaka disribusi waku playaa. Huruf b dalam forma baku di aas dapa digai dga simbol M, D, E k, aau G. M : Markov, waku playaa brdisribusi Eksposial. D : Drmiisik, waku playaa kosa. E k : Erlag, waku playaa brdisribusi Erlag. G : Gral, disribusi probabilias yag lai. c myaaka jumlah playa parall c,,..., d myaaka disipli playaa (FCFS, LCFS, SIRO, S.) myaaka jumlah maksimum yag diprkaka brada dalam sism aria f myaaka jumlah sumbr pmaggila Sbagai cooh: a. Modl ( M / M / ) : ( FCFS /5/ ) M prama myaaka bahwa waku aar kdaaga brdisribusi Eksposial. M kdua myaaka bahwa waku playaa brdisribusi Eksposial. myaaka bahwa ada sbayak dua orag playa parall. FCFS myaaka bahwa disipli playaa adalah FCFS. 5 myaaka bahwa jumlah maksimum plagga yag diprkaka brada dalam sism aria adalah 5.

4 8 myaaka bahwa jumlah sumbr pmaggila idak brhigga. b. Modl ( M / D/ ) : ( LCFS /5/ ) M myaaka bahwa waku aar kdaaga brdisribusi Eksposial. D myaaka bahwa pola playaa kosa. myaaka bahwa dua orag playa. LCFS myaaka bahwa disipli playaa adalah LCFS. 5 myaaka bahwa jumlah maksimum plagga yag diprkaka brada dalamsism aria adalah 5. myaaka bahwa jumlah sumbr pmaggila idak brhigga. C. ross oisso ross oisso mrupaka pross mcacah yag mghasilka bilaga N pada slag waku ru. Bilaga N yag myaaka bayakya kjadia dalam suau pross oisso disbu pubah acak oisso da disribusi pluagya disbu disribusi oisso. Di dalam ori aria, disribusi oisso diguaka uuk mjabarka jumlah kjadia pada slag waku ru. Kjadia-kjadia rsbu dapa brupa kdaaga aau kprgia plagga. Salah sau sifa dari pross oisso adalah rjadiya kjadia pada suau waku yag koiu. Baga kjadia-kjadia pada pross oisso disajika pada Gambar.5. A B T Gambar 5 Kjadia dalam irval waku A da irval waku B Sumbu horizoal T mujukka waku, sdagka iik-iik mujukka kjadia. Sbagai cooh, iik kiga myaaka kjadia yag rjadi pada irval waku A da iik klima myaaka kjadia yag rjadi pada irval waku B. Sblum mmbahas pross oisso lbih laju, aka dibahas bbrapa dfiisi yag aka diguaka pada pmbahasa pross oisso. Dfiisi. Jika sbuah prcobaa X mmpuyai ruag sampl S da sbuah kjadia A, maka (A) adalah suau bilaga ral yag disbu pluag kjadia A dga kua bahwa:. ( A). ( S) 3. ( ). Dfiisi. Kjadia A dikaaka salig bbas dga kjadia B apabila A B A. B. o( ) Dfiisi 3. o( ) mrupaka sbuah fugsi f ( ) dga kua lim. Dua asumsi yag diprluka dalam pmbahasa pross oisso adalah. Kjadia rjadi scara acak Acak brari bahwa: a. Smua kjadia pada suau irval waku yag saga pdk ( ) mmpuyai probabilias yag sama. Apabila sbayak plagga brada dalam sism aria, maka probabilias sbuah kdaaga rjadi aara waku da adalah da diyaaka dga {sbuah kdaaga rjadi aara da }, shigga probabilias ol kdaaga aara waku da dga adalah da diyaaka {ol kdaaga rjadi aara da },. Sdagka probabilias sbuah kprgia rjadi aara waku da diyaaka dga adalah da

5 9 {sbuah kprgia rjadi aara da },. robabilias ol kprgia rjadi aara waku da adalah da diyaaka dga {ol kprgia rjadi aara da },. Kraga: : bayakya plagga dalam sism aria : laju kdaaga pr saua waku jika sbayak plagga brada dalam sism aria. : laju kprgia pr saua waku jika sbayak plagga brada dalam sism aria. : probabilias rdapa sau kdaaga plagga pada slag waku apabila rdapa plagga pada sism aria. : probabilias rdapa sau kprgia plagga pada slag waku apabila rdapa plagga pada sism aria. b. robabilias rjadiya lbih dari sau kjadia pada slag waku yag saga pdk adalah saga kcil shigga dapa diabaika. rsamaa rsbu diyaaka dga {lbih dari sau kjadia aara da } o.. Kjadia yag rjadi pada suau slag waku ru idak mmpgaruhi kjadia sblumya aau kjadia yag aka daag. Sbagai cooh, brdasarka Gambar 5 maka kjadia di A idak aka mmpgaruhi kjadia di B, da baik kjadia di A maupu kjadia di B mmpuyai probabilias yag sama. Slai iu, probabilias rjadiya lbih dari sau kjadia di A maupu di B adalah saga kcil shigga diabaika. Slajuya apabila diasumsika bahwa laju playaa idak mmpgaruhi jumlah plagga dalam sism aria, maka probabilias rdapa plagga ( ) pada slag waku ( ) diprolh dga mjumlahka probabilias kasus-kasus pada Tabl. Kasus Jumlah Jumlah Jumlah Jumlah lagga lagga Kdaaga Kprgia slama Waku slama Waku pada Waku pada Waku ( ) Kara kasus, kasus, kasus 3, da kasus 4 salig asig, maka probabilias rdapa plagga ( ) pada waku ( ) diyaaka dga ( ) (kasus aau kasus aau kasus 3 aau kasus 4). Tabl Empa Kmugkia ( ) robabilias kasus + robabilias kasus + robabilias kasus 3 + robabilias kasus 4. ( ) ( )( ) ( )( )( ) )( )( ) ( )( ). Brdasarka Dfiisi da asumsi bahwa probabilias lbih dari sau kjadia adalah () pada rsamaa () diyaaka dga uuk ( () o maka ilai

6 o,. (3) Dga msubsiusi rsamaa (3) k rsamaa () diprolh ( ) ( ) ( ) ( )( ) ( ) ( )( )( ) ) ( ) ( ) ( )( ) )( ) ( )( ) o( ). ( ( ( ) o( ). (4) Dga mguragka () pada ruas kaa da kiri rsamaa (.4) da slajuya mmbagi kdua ruas dga diprolh ( ) ( ) ( ) ( ) Aka didfiisika suau prsamaa yag aka mmbau mylsaika rsamaa (5). Dfiisi 4. Turua fugsi f adalah f yag ilaiya pada sbarag bilaga adalah rsamaa (6) mrupaka dasar prhiuga probabilias rdapa plagga pada pross kdaaa muri da kprgia muri uuk. Slajuya aka dibahas scara khusus probabilias rdapa plagga uuk ilai. ada saa jumlah plagga dalam sism adalah ol, maka probabilias kasus 3 pada Tabl diabaika da probabilias rjadiya ol kprgia plagga pada kasus adalah sau. Dga dmikia, probabilias rdapa plagga uuk ilai pada slag waku ( ) adalah ( ) robabilias kasus + robabilias kasus + robabilias kasus 4. ( ) ( )() ( )( )( ) ( )( ). ) uuk maka Kara ( o ) ( )() ( )( ) ( )( ) ( )( )() ( ) ( )( ) ( ( )() ( o o ( ) ( ) ( ) o( ) ( ). ' f ( ) lim f ( ) f asalka limi fugsi rsbu ada. d f d Kara ilai saga kcil da mdkai ol, maka mgguaka Dfiisi 4 pada rsamaa (4) diprolh o( ) lim ( ) lim ( ) ( )( ) ( ) ( ) d (6) ( ) ( ) ( ) ( ),. d o. (7) Dga mguragka ) pada kdua ruas rsamaa (7) da slajuya mmbagi kdua ruas dga diprolh (.5)

7 ( ) ( ) ( ). Kara ilai saga kcil da mdkai ol, maka ( ) lim lim ( ) ( ). Mgguaka Dfiisi 4 pada rsamaa (9) diprolh d,. d rsamaa () mrupaka dasar prhiuga probabilias rdapa plagga pada pross kdaaga muri da kprgia muri uuk. D. ross Kdaaga Muri (ur Birh) ross kdaaga muri mrupaka pross kdaaga apa disrai kprgia plagga shigga,. ada pross ii,plagga daag dga laju kdaaga raa-raa ru. Dga laju kdaaga raa-raa plagga yag idak brgaug pada ukura populasi dalam sism, maka,. robabilias rdapa kdaaga plagga pada waku dapa diprolh dga msubsiusi syara da k rsamaa (6) shigga d () ( ),,,... d robabilias rdapa plagga uuk pada waku dapa diprolh dga msubsiusi syara da k rsamaa () shigga d, () d Aka didfiisika suau prsamaa yag mmbau mylsaika rsamaa () da rsamaa (). Dfiisi 5. rsamaa Diffrsial ord I yag brbuk dy Q( x) y( x) dx mmpuyai pylsaia ( x) dx ( x) dx ( x) dx y c. Q( x). dx. Brdasarka Dfiisi 5 maka rsamaa () da rsamaa () scara umum dapa diyaaka sbagai rsamaa Diffrsial ord I. Olh sbab iu pylsaia rsamaa () adalah d d d ) c. d ( c. ( ) d. (3) da pylsaia rsamaa () adalah ) c.. (4) ( () aka brdisribusi oisso jika mmuhi syara-syara briku: uuk () (5) uuk. Dga msubiusi rsamaa (5) k rsamaa (4) diprolh () c. c,. (6) (8) (9) ()

8 Dga dmikia, ilai ( ) pada rsamaa (4) adalah ). (7) Aka diuka ilai, dga lagkah-lagkah di bawah ii.. Uuk ilai Brdasarka rsamaa (4) diprolh c. d. (8) Dga msubsiusi ilai c.,! ( k rsamaa (8) diprolh c.. Sbagaimaa lah disyaraka pada rsamaa (5) bahwa ilai ( ) uuk shigga ( ) c. c. c. Dga dmikia c uuk. Kara ilai c uuk, maka ilai ( ) pada rsamaa () adalah. (9). Uuk ilai Brdasarka rsamaa (3) diprolh ) c. d. () Dga msubsiusi ilai c. Kara ilai d ( k rsamaa () diprolh c.. ()! c uuk, maka ilai ( ) pada rsamaa () adalah ( ). Dga iduksi mamaika didapaka ilai () yag didfiisika sbagai probabilias rdapa kdaaga plagga pada waku sbagai briku muri rjadi. d () Dga dmikia, dapa disimpulka bahwa pola kdaaga plagga brdisribusi oisso dga ma pada saa pross kdaaga E. ross Kprgia Muri (ur Dah) ross kprgia muri mrupaka pross kprgia apa disrai kdaaga plagga shigga,. ada pross ii plagga prgi dga laju kprgia raa-raa. Laju kprgia raa-raa mrupaka bayakya plagga yag dapa dilayai sorag playa iap saua waku. Dga dmikia,,. Brdasarka rsamaa (6) diprolh probabilias rdapa kprgia plagga pada slag waku da diyaaka dga d (3) ( ), d,, 3,... Bila jumlah plagga dalam aria dalam slag waku adalah sbayak N, maka uuk N shigga

9 3 (4) d N., d Dga dmikia, rsamaa (3) haya brlaku uuk N shigga d N, d (5) robabilias rdapa plagga dga dalam slag waku dapa diprolh dga msubsiusi syara da k rsamaa () shigga d (6),. d Brdasarka Dfiisi 5, maka rsamaa (4), rsamaa (5), da rsamaa (6) scara umum mrupaka rsamaa Diffrsial ord I. Dga dmikia, pylsaia rsamaa (4) adalah N c.. (7) ylsaia rsamaa (5) adalah d d d c ).. d ( c. ( ) d. () aka brdisribusi oisso jika mmuhi syara-syara briku: uuk,,..., N, N () uuk N. Scara rkursif aka dicari ilai () dga lagkah- lagkah di bawah ii.. Uuk N Dga msubsiusi rsamaa (9) k rsamaa (7) diprolh Kara (8) (9) c uuk N maka ilai () pada rsamaa (7) adalah N. (3). Uuk N Brdasarka rsamaa (.8) diprolh N Dga msubsiusi N N () c c. c.. ( ) c. N d. (.3) c. N N k prsamaa (.3) diprolh c.. (.3) Kara ( ) uuk,,..., N, N maka () c.. N c.. c. Dga dmikia, ilai N ( ) pada rsamaa (.3) adalah N ( ). Dga iduksi mamaika didapaka ilai () yag didfiisika sbagai probabilias rdapa kprgia plagga pada waku sbagai briku d

10 4!, =,,, N-, N (.33) Dga dmikia, dapa disimpulka bahwa pola kprgia plagga brdisribusi oisso pada saa pross kprgia muri rjadi. F. Disribusi Eksposial Di dalam ori aria, hubuga aara disribusi oisso dga disribusi Eksposial diujukka pada krkaia pross kdaaga plagga dga waku aar kdaaga plagga da juga pada pola kprgia plagga dga waku playaa kpada plagga. Krkaia aara disribusi oisso dga disribusi Eksposial rsbu aka diujukka pada Torma. da Torma.. Namu, sblumya aka disajika dfiisi disribusi Eksposial. Dfiisi.6 (His, 99: 75) ubah acak T dikaaka brdisribusi Eksposial dga paramr dga ( ) apabila mmpuyai fugsi dsias brbuk f,, ( ) ( ). Torma. (Bha, 984: 97) Apabila kdaaga plagga brdisribusi oisso, maka waku aar kdaaga plagga brdisribusi Eksposial. Buki: Ambil T sbagai waku aar kdaaga plagga k ol higga plagga prama da waku aar kdaaga plagga k higga plagga k. Dga dmikia, barisa T sbagai T dga,,... mrupaka barisa waku aar kdaaga. Aka diujukka bahwa T brdisribusi Eksposial apabila kdaaga plagga brdisribusi oisso. Apabila T, maka jumlah kdaaga pada waku adalah ol shigga ( T ) {idak ada kdaaga slama waku } ( T ). ( T ) (.34),. rsamaa (.34) mrupaka fugsi kumulaif disribusi Eksposial yag scara umum diulis, ( ) F( ), ( ). Fugsi dsias dari T adalah df( ) f.,. (.35) d Ssuai dga asumsi bahwa kjadia-kjadia pada sism aria adalah salig bbas, maka pmbukia brlaku uuk T,. Brdasarka Dfiisi.5 da rsamaa (.35) rbuki bahwa T brdisribusi Eksposial. Torma. (Wagr, 978: 85) Jika kprgia plagga brdisribusi oisso, maka waku playaa brdisribusi Eksposial. Buki: Ambil T sbagai waku playaa plagga prama, da uuk, T mujukka waku playaa kpada plagga k shigga barisa T dga,,... mrupaka barisa dari waku playaa. Aka diujukka bahwa T brdisribusi Eksposial. Apabila T, maka jumlah playaa pada waku adalah ol shigga

11 5 Dga myaaka laju playaa raa-raa iap saua waku, maka brdasarka rsamaa (.33) diprolh ( T ) {idak ada playaa slama waku } shigga ( T ) ( ) rsamaa (.36) mrupaka fugsi kumulaif disribusi Eksposial yag scara umum diulis, F( ),. Fugsi dsias dari T adalah df( ) f.,. (.37) d Ssuai dga asumsi bahwa kjadia-kjadia pada sism aria adalah salig bbas, maka pmbukia brlaku uuk T,. Brdasarka Dfiisi.5 da rsamaa (.37) rbuki bahwa T brdisribusi Eksposial. G. robabilias Sady Sa Suau sism dikaaka sdy sa apabila kadaa sism rsbu idpd (idak rgaug) pada waku da kadaa awal. Apabila sism aria lah sady sa, maka probabilias mjadi kosa da idpd rhadap waku. robabilias sady sa uuk d lim da mapka lim. d d Dga msubsiusi lim k rsamaa (.6) diprolh d ( ) ( ) ( ),. ( ) ( Brdasarka rsamaa (.) diprolh, ),. Aka dicari ilai uuk ilai dga lagkah lagkah di bawah ii:. Uuk ilai Brdasarka rsamaa (.38) diprolh. Kara maka ( ).. Uuk ilai,..., (.36). (.38) bisa didapa dga (.39)

12 6 Brdasarka rsamaa (.38) diprolh. 3 Kara maka Dga iduksi mamaika diprolh ilai rdapa plagga yag didfiisika sbagai probabilias sady sa (.4) H. Ukura Kfkifa Sism Aria Ukura kfkifa suau sism aria dapa diuka slah probabilias sady sa dikahui. Ukura kfkifa kirja sism aria yag biasa diguaka uuk kprlua aalisis yaiu:. ilai harapa bayakya plagga dalam sism aria,. ilai harapa bayakya plagga dalam aria, 3. ilai harapa waku uggu plagga dalam sism aria, 4. ilai harapa waku uggu plagga dalam aria. Sblum mmbahas lbih laju, aka diuraika lima dfiisi yag mdukug pmbahasa ukura kfkifa suau sism. Dfiisi.7 (Taha, 993: 596) Jumlah plagga dalam sism aria adalah jumlah plagga dalam aria diambah jumlah plagga yag sdag mdapa playaa. Dfiisi.8 (Taha,993: 596) Laju kdaaga fkif adalah jumlah dari prkalia laju kdaaga plagga pada kadaa ru dga probabiliasya. Laju kdaaga fkif dioasika dga da diyaaka dga...,... i i i ( ) ff ff. Dfiisi.9 (urcll & Varbrg, 987: 49) Adaika S (x) adalah jumlah sbuah dr pagka pada sbuah slag I shigga 3 S( x) x x x x maka, apabila x ada di dalam slag I, brlakulah d x d S( x) dx dx d x dx x.

13 7 Dfiisi. (urcll & Varbrg, 987: ) Dr gomri brbuk a kovrg da mmpuyai jumlah S apabila x. x a x dga aka Dfiisi.8 (Dimyai, 3: 373) Laju playaa raa-raa uuk sluruh playa dalam sism aria adalah laju playaa raa-raa dimaa plagga yag sudah mdapa playaa miggalka sism aria. Laju playaa raa-raa uuk sluruh playa diyaaka dga. Nilai harapa bayakya plagga dalam sism aria mrupaka jumlah dari prkalia ksluruha plagga dalam sism dga probabilias rdapa plagga (Hillir & Librma, : 85), da diyaaka dga T L s. (.4) Nilai harapa bayakya plagga dalam aria mrupaka jumlah dari prkalia plagga dalam aria dga probabilias rdapa plagga (Eckr & Kupfrschmid, 988: 384), da diyaaka dga Apabila s L q c c. (.4) W mrupaka waku muggu plagga dalam sism aria da muggu plagga dalam aria, maka hubuga aara L L s q ff s. W s, W q, L s, da W (.43) W (.44) ff q. Lq W q mrupaka waku diyaaka dga rsamaa (.43) da rsamaa (.44) dikal dga rumus Lil, diprkalka prama kali olh Joh D.C Lil pada ahu 96 (Taha, 98: 6)

DISTRIBUSI POISSON DAN DISTRIBUSI EKSPONENSIAL DALAM PROSES STOKASTIK. Abstract

DISTRIBUSI POISSON DAN DISTRIBUSI EKSPONENSIAL DALAM PROSES STOKASTIK. Abstract Disribusi oisso Sugio DISRIBUSI OISSON DAN DISRIBUSI EKSONENSIAL DALAM ROSES SOKASIK Sugio, Moch Abdul Mukid Saf gajar rogram Sudi Saisika FMIA UNDI Absrac I h quuig sysm, h procsss usually com from a

Lebih terperinci

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian TEORI ANTRIAN Tori atria mrupaka studi matmatis mgai atria atau waitig lis yag di dalamya disdiaka bbrapa altratif modl matmatika yag dapat diguaka utuk mtuka bbrapa karaktristik da optimasi dalam pgambila

Lebih terperinci

MODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA

MODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA Modl Sism Aria sawa Trbag Di Badara Irasioal Adisujipo Yogyakara MODEL SISTEM ANTRIAN ESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJITO YOGYAKARTA Afsah Novia Sari Uivrsias psar Tiggi Darul Ulum Afsah.oviasari@yahoo.com

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

Lebih terperinci

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t}

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t} Elm Dasar Modl Atria. TEORI ANTRIAN Aktor utama customr da srvr. Elm dasar :. distribusi kdataga customr.. distribusi waktu playaa. 3. disai fasilitas playaa (sri, parall atau jariga). 4. disipli atria

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEI Ladasa ori rdiri aas rapa ori pdukug ag aka diprguaka dalam mlsaika kovrgsi modiikasi mod kig mgguaka ugsi kuadraik.. rd Kovrgsi Kpaa suau mod kovrgsi mrupaka suau ukura kkia suau mod

Lebih terperinci

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT Catata Kuliah EL Aalisis Numrik BAB HAMPIRAN TAYLOR DAN ANALISIS GALAT. Pgatar Mtod Numrik Ktika kita mylsaika prsamaa-prsamaa matmatika di maa torma-tormaya masih dapat ditrapka, solusi aalitik atau solusi

Lebih terperinci

THE APPLICATION OF FOURIER TRANSFORMATION ON ANALOG SIGNAL PROCESSING

THE APPLICATION OF FOURIER TRANSFORMATION ON ANALOG SIGNAL PROCESSING Prodig of Iraioal Cofr O Rsarh, Implmaio Ad Eduaio Of Mahmais Ad Sis 5, Yogyakara Sa Uivrsiy, 7-9 May 5 HE APPLICAION OF FOURIER RANSFORMAION ON ANALOG SIGNAL PROCESSING M 4 Nikasih Biaari, Emi Nugroho

Lebih terperinci

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga)

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga) INTEGRA FOURIER DISUSUN OEH : Klompok III (Tiga). Maruah (7 6). Yusi Oktavia (7 45 ) 3. Widya Elvi AS (7 45) 4. Azar Saarudi (7 454) 5. Irmaati (7 455) Mata Kuliah Dos Pgasuh Klas : Matmatika ajuta : Fadli,

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

Transformasi Fourier Sinyal Waktu Kontinyu. oleh: : Tri Budi Santoso DSP Group, EEPIS-ITS

Transformasi Fourier Sinyal Waktu Kontinyu. oleh: : Tri Budi Santoso DSP Group, EEPIS-ITS Siyal da Sism Trasformasi Fourir Siyal Waku Koiyu olh: : Tri Budi Saoso DSP Group, EEPIS-ITS ITS Tujua: - Siswa mampu mylsaika buk rprsasi alraif pada siyal da sism waku koiyu. - Siswa mjlaska kmbali pyusua

Lebih terperinci

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK PERLUASAN METDE NEWTN DENGAN PENDEKATAN PARABLIK Abdul Rahma, Supriadi Putra, Bustami Mahasiswa Program Studi S Matmatika Dos JurusaMatmatika Fakultas Matmatika da Ilmu Pgtahua Alam Uivrsitas Riau Kampus

Lebih terperinci

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner PROSIDING ISBN : 978 979 6353 6 3 S - Pgguaa Mtod Baysia Obyktif dalam Aalisis Pgukura Tigkat Kpuasa Plagga Brdasarka Kusior Adi Stiawa Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist

Lebih terperinci

BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH

BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH Sjak bbrapa ahun yang lalu, ilmuwan asal Amrika Marin Nowak dan Sbasian Bonhoffr mncoba mmplo daa dari pnliian oba ani-hiv.

Lebih terperinci

BAB 2 SOLUSI NUMERIK PERSAMAAN

BAB 2 SOLUSI NUMERIK PERSAMAAN BAB SOLUSI NUMERIK PERSAMAAN Dalam sais da rkayasa, kita srigkali harus mcari akar solusi dari prsamaa f 0. Jika f mrupaka fugsi poliomial liar atau kuadratis, solusi ksakya mudah utuk didapatka kara rumusya

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI A II LANDASAN TEORI. Distribusi Pluag Diisi. (Walpol da M rs 995) Jika X adalah suatu variabl radom kotiu maka ugsi dsitas pluaga adalah suatu ugsi ag mmuhi kodisi: i. ; utuk x (- ) ii. = iii. = (.) Diisi.

Lebih terperinci

BAB III TEORI MEDAN KUANTUM UNTUK FORWARD RATES DENGAN VOLATILITAS STOKASTIK Lagrangian Forward Rates dengan Volatilitas Deterministik

BAB III TEORI MEDAN KUANTUM UNTUK FORWARD RATES DENGAN VOLATILITAS STOKASTIK Lagrangian Forward Rates dengan Volatilitas Deterministik BAB III EORI MEAN KUANUM UNUK FORWAR RAES ENGAN VOLAILIAS SOKASIK 3 Lagragia Forward Ras dga Volailias rmiisik Prama aka dibaas scara sigka ag pigya ori mda orward ras dga volailias drmiisik Sbagai buk

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 5 Transformasi Fourier

SISTEM PENGOLAHAN ISYARAT. Kuliah 5 Transformasi Fourier TKE 403 SISTEM PENGOLAHAN ISYARAT Kuliah 5 Transformasi Fourir Bagian II Indah Susilawai, S.T., M.Eng. Program Sudi Tknik Elkro Fakulas Tknik dan Ilmu Kompur Univrsias Mrcu Buana Yogyakara 009 KULIAH 5

Lebih terperinci

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria BAB II LANDASAN EORI Pada bab ii aka dibahas tori tori pdukug yag aka diguaka pada bab slajutya, atara lai modl matmatika, modl pidmik SIR klasik, ilai ig, prsamaaa difrsial, sistm prsamaa difrsial, titik

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal. 3-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal. 3-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudarao Sudira ig Uari Mgal Sifa-Sifa Marial 3- Sudarao S & Nig Uari Mgal Sifa-Sifa Marial BAB 3 Prsaaa Globag Scrödigr Scrödigr aaka bawa prilaku lkro rasuk igkaigka rgi lkro ag diskri dala ao gikui suau

Lebih terperinci

BAB IV DATA DAN ANALISA

BAB IV DATA DAN ANALISA BAB IV DATA DAN ANALISA Pngujian yang dilakukan brupa pngujian masa hidup (lifim) cahaya dari 0 uni lampu DC 4,8 Vol olh hardwar yang lah dirancang. Hasil pngujian ini akan dianalisa raa-raa lifim µ dari

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan diuraikan konsep-konsep dasar yang digunakan sebagai

BAB II LANDASAN TEORI. Pada bab ini akan diuraikan konsep-konsep dasar yang digunakan sebagai BAB II LANDASAN TEORI Pada bab ii aka diuraika kosp-kosp dasar yag diguaka sbagai ladasa pmbahasa pada bab slauya yaiu sism diamik, ilai ig, solusi sism liar, liarisasi, ksabila iik ksimbaga, kriria Rouh

Lebih terperinci

ESTIMASI TITIK BAYESIAN OBYEKTIF

ESTIMASI TITIK BAYESIAN OBYEKTIF ESTIMASI TITIK BAYESIAN OBYEKTIF Adi Stiawa (adi_stia_3@yahoo.com) Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist Satya Wacaa Jl Dipogoro 52-6 Salatiga 57, Idosia Abstrak Estimasi

Lebih terperinci

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada.

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada. 3 TURUNAN FUNGSI 3. Pgrtia Turua Fugsi Diisi Turua ugsi adala ugsi yag ilaiya di c adala c c c asalka it ii ada. Coto Jika 3 4, maka turua di adala 3 4 3.. 4 3 4 4 4 4 4 4 3 3 3 4 Jika mmpuyai turua di

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Enam untuk Menyelesaikan Persamaan Nonlinear

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Enam untuk Menyelesaikan Persamaan Nonlinear Jural Sais Matmatika da Statistika Vol No Juli 6 ISSN 6-5 Mtod Itrasi Tiga Lagkah dga rd Kovrgsi Eam utuk Mlsaika Prsamaa Noliar M Ari da M M Niam Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari

Lebih terperinci

METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Vol. 9. No., 0 Jural Sais, Tkologi da Idustri METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Supriadi Putra, Ria Kuriawati, Asmara Karma sputra@uri.ac.id Laboratorium Matmatika Trapa Jurusa

Lebih terperinci

BAB NILAI EIGEN DAN VEKTOR EIGEN

BAB NILAI EIGEN DAN VEKTOR EIGEN BAB 8 RUANG EIGEN Masalah nilai dan vkor ign banyak skali dijumpai dalam bidang rkayasa, spri maslah ksabilan sism, opimasi dngan SVD, komprsi pada pngolahan cira, dan lain-lain. Unuk lbih mmahami masalah

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

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

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

Analisis Rangkaian Listrik

Analisis Rangkaian Listrik Aalii Ragkaia Lirik Jilid- Sudaryao Sudirham Darpublic Edii Nopmbr Aalii Ragkaia Lirik Jilid Aalii Trai, Traformai Laplac, Traformai Fourir, Modl Sim olh Sudaryao Sudirham i Hak cipa pada puli. SUDIRHAM,

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

STUDI TERHADAP SEBARAN STASIONER PADA SISTEM BONUS MALUS SWISS

STUDI TERHADAP SEBARAN STASIONER PADA SISTEM BONUS MALUS SWISS STUDI TERHDP SEBRN STSIONER PD SISTEM BONUS MLUS SWISS Olh : RENSY ERMWTY G PROGRM STUDI MTEMTIK FKULTS MTEMTIK DN ILMU PENGETHUN LM INSTITUT PERTNIN BOGOR BSTRK RENSY ERMWTY Studi Trhadap Sbara Stasior

Lebih terperinci

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks SOLUSI SISTEM PERSAMAAN DIFERENSIAL LINEAR BIASA TINGKAT- DENGAN METODE TEKNIK OPERATOR Ibu Maja S.Si.M.M Saf UP.MPK Plikik Ngri Sriwijaa Palbag ibuaja76@a.c.id Absraks Sis rsaaa liar biasa igka dga dua

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret TKE 43 SISTEM PEGOLAHA ISYARAT Kuliah 6 Tafomai Foui Dik Idah Suilawai, S.T., M.Eg. Pogam Sudi Tkik Elko Fakula Tkik da Ilmu Komu Uivia Mcu Buaa Yogyakaa 9 KULIAH 6 SISTEM PEGOLAHA ISYARAT TRASFORMASI

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

Metode Iterasi Orde Konvergensi Enam Untuk Penyelesaian Persamaan Nonlinear

Metode Iterasi Orde Konvergensi Enam Untuk Penyelesaian Persamaan Nonlinear Smiar asioal Tkologi Iormasi Komuikasi da Idustri STIKI 9 ISS Pritd : 9- Fakultas Sais da Tkologi UI Sulta Sari Kasim Riau ISS li : 9-6 Pkabaru 8-9 Mi Mtod Itrasi rd Kovrgsi Eam Utuk Plsaia Prsamaa oliar

Lebih terperinci

BAB III TURUNAN FUNGSI

BAB III TURUNAN FUNGSI BAB III TURUNAN FUNGSI Sandar Kompnsi Mahasiswa mmahami konsp urunan unsi dan knik-knik an dapa diunakan unuk mnnukan urunan, baik unsi ksplisi maupun unsi implisi,. Kompnsi Dasar Slah mmplajari pokok

Lebih terperinci

METODE SECANT-MIDPOINT NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Supriadi Putra

METODE SECANT-MIDPOINT NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Supriadi Putra METODE SENT-MIDPOINT NEWTON UNTUK MENYELESIKN PERSMN NONLINER Supriadi Putra sputra@uri.ac.id Laboratorium Komputasi Jurusa Matmatika Fakultas Matmatika da Ilmu Pgtahua lam Uivrsitas Riau Kampus Biawidya

Lebih terperinci

2.1 Persamaan Gerak Roket dalam Ruang Tiga Dimensi

2.1 Persamaan Gerak Roket dalam Ruang Tiga Dimensi BAB DASAR TEOR. Prsamaan Grak Rok dalam Ruang Tiga Dimnsi Prsamaan grak rok di bidang ruang iga dimnsi pada Taa Acuan Koordina Bnda diurunkan dari Prsamaan Dinamik Rok [Rf. ] sbagai briku: Grak Translasi

Lebih terperinci

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73 67, 1/ (16), 67-73 STUDI OPARASI IPLEENTASI URIULU PADA PEBELAJARAN ASELERASI DAN PEBELAJARAN REGULER (ajia pada las XI CI+BI IPA da las XI IPA di SAN 1 Padag) Yssi Rifmasari STIP Adzkia Padag Email :

Lebih terperinci

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n.

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n. 0 DISTRIBUSI POISSO Distribusi Poisso ii diprolh dari distribusi biomial, apabila dalam distribusi biomial brlau syarat-syarat sbagai briut: a. baya pgulaga sprimya sagat bsar ( ). b. pluag trjadiya pristiwa

Lebih terperinci

Penyelesaian Persamaan Nonlinear Menggunakan Metode Iterasi Tiga Langkah

Penyelesaian Persamaan Nonlinear Menggunakan Metode Iterasi Tiga Langkah Smiar Nasioal Tkologi Iormasi, Komuikasi da Idustri SNTIKI ISSN Pritd : -1 Fakultas Sais da Tkologi, UIN Sulta Sari Kasim Riau ISSN li : -0 Pkabaru, 1-1 Mi 01 Plsaia Prsamaa Noliar Mgguaka Mtod Itrasi

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal. Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal. Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudarao Sudira ig Uari Mgal Sifa-Sifa Marial Sudarao S & Nig Uari Mgal Sifa-Sifa Marial BAB 3 Prsaaa Globag Scrödigr Scrödigr aaka bawa prilaku lkro rasuk igkaigka rgi lkro ag diskri dala ao gikui suau

Lebih terperinci

Aksioma ini mendefinisikan jangkauan probabilitas adalah dari 0 sampai 1. Nilai negatif tidak diperbolehkan. '

Aksioma ini mendefinisikan jangkauan probabilitas adalah dari 0 sampai 1. Nilai negatif tidak diperbolehkan. ' DFTR ITILH. rrval : rswa daagya sorag plagga dalam ssm ara.. rrval ra : Nla raa-raa bayaya arrval dalam sau saua wau. 3. Br-da : ggambara suau pross yag ddalamya rdapa prswa lar d dalam ssm ara al brar

Lebih terperinci

1001 Pembahasan UTS Kalkulus II KATA PENGANTAR

1001 Pembahasan UTS Kalkulus II KATA PENGANTAR KATA PENGANTAR 00 Pmbahasa UTS Kalkulus II Sbagaia bsar mahasiswa mgagga bahwa Mata Kuliah yag brhubuga dga mghitug yag salah satuya Kalkulus adalah susah, rumit da mmusigka. Alhasil jala kluar yag ditmuh

Lebih terperinci

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian TEORI ANTRIAN Teori atria merupaka studi matematis megeai atria atau waitig lies yag di dalamya disediaka beberapa alteratif model matematika yag dapat diguaka utuk meetuka beberapa karakteristik da optimasi

Lebih terperinci

STATISTIKA MATEMATIKA I

STATISTIKA MATEMATIKA I STATISTIKA MATEMATIKA I Disusu Olh : (005005) PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN PENDIDIKAN (STKIP) PGRI SUMATERA BARAT 0 BAB I PELUANG. Ruag Sampl da Kjadia Ruag sampl atau

Lebih terperinci

Modifikasi Metode Bahgat tanpa Turunan Kedua dengan Orde Konvergensi Optimal

Modifikasi Metode Bahgat tanpa Turunan Kedua dengan Orde Konvergensi Optimal Smiar Nasioal Tkologi Iformasi, Komuikasi da Idustri (SNTIKI 9 ISSN (Pritd : 79-77 Fakultas Sais da Tkologi, UIN Sulta Syarif Kasim Riau ISSN (Oli : 79-406 Pkabaru, -9 Mi 07 Modifikasi Mtod Bahgat tapa

Lebih terperinci

( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah:

( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah: BAB LANDASAN TEORI Pramala adalah giaa umu mmpriraa apa ag aa rjadi pada masa ag aa daag brdasara pgalama di masa lalu. Mod pramala ag srig diguaa dalam oomi da duia usaha adalah dr wau (im sris).. Bbrapa

Lebih terperinci

BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN

BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN Pmbahasan harga opsi idak dapa dilpaskan dari pmbahasan nang skurias lain yang brhubungan dngan haga opsi. Shingga prlu dibahas masalah

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN A. Laar Blakag Masalah Pramala (forcasig) mrupaka bagia vial bagi siap orgaisasi bisis da uuk siap pgambila kpuusa maajm yag saga sigifika. Pramala mjadi dasar bagi prcaaa jagka pajag

Lebih terperinci

ESTIMASI PARAMETER DUA LEVEL MODEL GSTARX-GLS

ESTIMASI PARAMETER DUA LEVEL MODEL GSTARX-GLS Program Sudi MMT-ITS, Surabaya Agusus ESTIMASI PARAMETER UA LEVEL MOEL GSTARX- Andria Prima iago dan Suharono Program Sudi Magisr Saisika, Insiu Tknologi Spuluh Nopmbr Jl Arif Rahman Hakim, Surabaya,,

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

Usulan Perencanaan dan Pengendalian Persediaan Obat pada Gudang Farmasi Klinik XYZ dengan Menggunakan Metode EOQ

Usulan Perencanaan dan Pengendalian Persediaan Obat pada Gudang Farmasi Klinik XYZ dengan Menggunakan Metode EOQ Prforma (204) Vol. 3, o.: 29-40 Usula Prcaaa da Pgdalia Prsdiaa Oba pada Gudag Farmasi Kliik XYZ dga Mgguaka Mod EOQ Riggo Ismoyo Buwoo ), Yusuf Priyadari 2), da Wakhid Ahmad Jauhari *2) ) Mahasiswa Jurusa

Lebih terperinci

MODEL MATEMATIKA PENENTUAN WAKTU PANEN OPTIMAL PADA POPULASI IKAN DENGAN UKURAN AWAL HOMOGEN DAN HETEROGEN M U S T O P A

MODEL MATEMATIKA PENENTUAN WAKTU PANEN OPTIMAL PADA POPULASI IKAN DENGAN UKURAN AWAL HOMOGEN DAN HETEROGEN M U S T O P A MODEL MATEMATIKA PENENTUAN WAKTU PANEN OPTIMAL PADA POPULASI IKAN DENGAN UKURAN AWAL HOMOGEN DAN HETEROGEN M U S T O P A SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 9 PERNYATAAN MENGENAI TESIS

Lebih terperinci

ANALISIS KERAPATAN DATA EKSPLORASI DAN ESTIMASI SUMBERDAYA DENGAN PENDEKATAN GEOSTATISTIK PADA ENDAPAN NIKEL LATERIT DI DAERAH HALMAHERA TIMUR

ANALISIS KERAPATAN DATA EKSPLORASI DAN ESTIMASI SUMBERDAYA DENGAN PENDEKATAN GEOSTATISTIK PADA ENDAPAN NIKEL LATERIT DI DAERAH HALMAHERA TIMUR JTM Vol. XVI No. 2/29 ANALISIS KERAPATAN DATA EKSPLORASI DAN ESTIMASI SUMBERDAYA DENGAN PENDEKATAN GEOSTATISTIK PADA ENDAPAN NIKEL LATERIT DI DAERAH HALMAHERA TIMUR Mohamad Nur Hriawa 1, Syafrizal 1, Lilik

Lebih terperinci

PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB dan GEOGEBRA

PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB dan GEOGEBRA Bidag Kajia : Pdidika Matmatika PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB da GEOGEBRA H.A. Parhusip Program Studi Matmatika Fakultas Sais da Matmatika Uivrsitas Krist Satya

Lebih terperinci

PEMODELAN INVENTORY DENGAN DUA GUDANG PENYIMPANAN UNTUK BARANG YANG MENGALAMI PENYUSUTAN DENGAN BACKLOG SHORTAGE SEBAGIAN DAN LEAD TIME FUZZY

PEMODELAN INVENTORY DENGAN DUA GUDANG PENYIMPANAN UNTUK BARANG YANG MENGALAMI PENYUSUTAN DENGAN BACKLOG SHORTAGE SEBAGIAN DAN LEAD TIME FUZZY Pmola Ivory ga Dua Guag Pyimpaa... Dwi Eriigsih) PEMODELAN INVENTORY DENGAN DUA GUDANG PENYIMPANAN UNTUK BARANG YANG MENGALAMI PENYUSUTAN DENGAN BACKLOG SHORTAGE SEBAGIAN DAN LEAD TIME FUZZY Dwi Eriigsih,

Lebih terperinci

ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL

ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL Aalisa Sisem Aria Dega Meode Kompuasi Turbo Pascal ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL RINA OKTAVIYANTHI Uiversias Serag Raya, riaoka@usera.ac.id Absrak. Sisem aria yag erjadi di

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

RENTANG NUMERIK UNTUK FUNGSI EKSPONENSIAL MATRIKS

RENTANG NUMERIK UNTUK FUNGSI EKSPONENSIAL MATRIKS RENTNG NUMERK UNTUK FUNGS EKSPONENSL MTRKS M.Nasir, Musraii Jurusa Mamaia Faulas Mamaia da lmu Pgahua lam, Uivrsias Riau Email: asir@gmail.cm BSTRK Suau spsial maris dirila dalam bu da rag umri dari didfiisia

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

Kalkulus 2. Persamaan Differensial Biasa (Ordinary Differential Equations (ODE))

Kalkulus 2. Persamaan Differensial Biasa (Ordinary Differential Equations (ODE)) Kalkulus Prsamaa Diffrsial Biasa Ordiar Diffrtial Equatios ODE Dhoi Hartato S.T. M.T. M.Sc. Prodi Tkik Kimia Fakultas Tkik Uivrsitas Ngri Smarag Prsamaa Diffrsial Biasa Prsamaa Diffrsial adalah Prsamaa

Lebih terperinci

Application of Physics to Finance and Economics: Quantum Field Theory in Forward Rates and Hedging. Abstract

Application of Physics to Finance and Economics: Quantum Field Theory in Forward Rates and Hedging. Abstract Applicaio o Pysics o Fiac ad Ecoomics: Quaum Fild ory i Forward Ras ad Hdgig Ari Hidaya Nidaul Hidaya Bram Hadiao 3 parm o Pysics Educaio UPI (Uivrsias Pdidika Idosia) Badug -Idosia 3 FPOK UPI (Uivrsias

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

Lecture 4 : Queueing Theory and Aplications. Hanna Lestari, M.Eng

Lecture 4 : Queueing Theory and Aplications. Hanna Lestari, M.Eng Leture 4 : Queueig Theory ad Apliatios Haa Lestari, M.Eg Struktur Dasar Model Model Atria Teori Atria bertujua utuk megetahui/meetuka besara kierja sistem atria. Ukura kierja sistem dalam kodisi steady

Lebih terperinci

PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER

PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER PENL ND L MUSIK MENGGUNKN LIHRGM OURIER Olh : di Kuria (L57) Jurusa kik Elktro akultas kik Uivrsitas Dipogoro Jl. Pro. H Sudarto S. H., mbalag, Smarag -mail : Katrosid@Yahoo.com bstrak - Mlalui pristiwa

Lebih terperinci

Peranan Formulasi Inversi pada Fungsi Karakteristik Suatu Variabel Acak

Peranan Formulasi Inversi pada Fungsi Karakteristik Suatu Variabel Acak Pranan Formulasi Invrsi pada Fungsi Karakrisik Suau Variabl Acak Jon Maspupu Pusfasainsa LAPAN, Jl Dr Djundjunan No 33 Bandung 473, lp 66 Ps 6 Fax 64998 E-mail: jon_mspp@yaoocom Absrac: In probabiliy ory,

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida Jural Maemaika Muri da Terapa Vol. 3 No. Desember 009: 39-50 PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR Muhammad Ahsar K. da Yui Yulida Program Sudi Maemaika Uiversias Lambug Magkura Jl. Jed. A.

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA

KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA Vol. 9. No. Jural Sais Tkologi da Idustri KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA Yuslita Muda Wartoo Novi Maulaa Laboratorium Matmatika Trapa Jurusa Matmatika

Lebih terperinci

MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN Supriadi Putra Jurusa Matmatika Fakultas Matmatika da Ilmu Pgtahua Alam Uivrsitas Riau, Pkabaru ABSTRAT This articl discusss a simpl modiicatio

Lebih terperinci

PENSIUN NORMAL MENGGUNAKAN MODEL TINGKAT BUNGA COX INGERSOLL ROSS

PENSIUN NORMAL MENGGUNAKAN MODEL TINGKAT BUNGA COX INGERSOLL ROSS PENSIUN NORMAL MENGGUNAKAN MODEL TINGKAT BUNGA COX INGERSOLL ROSS Ria Dwi Pui * Hasiai Haiso Mahasiswa Poga S Maaika Dos Juusa Maaika Fakulas Maaika da Ilu Pgahua Ala Uisias Riau Kapus Bia Widya Pkabau

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

Transformasi Z Materi :

Transformasi Z Materi : 4 Trasformasi Z Matri : Dfiisi Trasformasi Darah Kovrgsi (Rgio of Covrgc) Diagram Pol Zro Sifat Trasformasi Trasformasi dalam Btu Poliomial Rasioal Fugsi Sistm atau Fugsi Trasfr H() dari Sistm Liir Tida

Lebih terperinci

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh Jural Sais Matmatika da Statistika Vol. No. Juli 0 ISSN 0- Modiikasi Varia Mtod Nwto dga rd Kovrgsi Tujuh Wartoo Ria Rasla Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari Kasim Riau Jl. HR. Sobratas

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,

Lebih terperinci

Catatan Kuliah 8 Memahami dan Menganalisa Optimisasi Pertumbuhan

Catatan Kuliah 8 Memahami dan Menganalisa Optimisasi Pertumbuhan Caaan Kuliah 8 Mahai dan Mnganalisa Opiisasi Prubuhan. Sia dari Fungsi Eksponnsial Fungsi ksponnsial adalah ungsi ang variabl bbasna uncul sbagai pangka. Bnuk uu : b ; b > diana : variabl dpndn Conoh :

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal. 2-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal. 2-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudaryao Sudiram ig Uari Mgal Sifa-Sifa Marial 1 - Sudaryao S & Nig Uari, Mgal Sifa-Sifa Marial 1 BB Elro Sbagai Paril Da Sbagai Glombag Tla disiggug di bab sblumya, d Brogli mgaua posula bawa paril yag

Lebih terperinci

Bab 6 Sumber dan Perambatan Galat

Bab 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 terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

MODUL 2 BILANGAN KOMPLEKS

MODUL 2 BILANGAN KOMPLEKS Diktat Kuliah EL- Matmatika Tkik I MODUL BILANGAN KOMPLEKS Satua Acara Prkuliaha Mdul (Bilaga Kmplks sbagai brikut Ptmua k- Pkk/Sub PkkBahasa TuuaPmblaara Bilaga Kmplks Pgatar Bilaga Kmplks Lambag Bilaga

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

Metode Iterasi Tiga Langkah Bebas Turunan Orde Konvergensi Delapan untuk Menyelesaikan Persamaan Nonlinear

Metode Iterasi Tiga Langkah Bebas Turunan Orde Konvergensi Delapan untuk Menyelesaikan Persamaan Nonlinear Jural Sais Matmatika da Statistika Vol o Jauari ISS - prit/iss - oli Mtod Itrasi Tiga Lagkah Bbas Turua rd Kovrgsi Dlapa utuk Mlsaika Prsamaa oliar M Muhaiir L L ada Jurusa Matmatika Fakultas Sais da Tkologi

Lebih terperinci

MATEMATIKA TERAPAN I. REVIEW

MATEMATIKA TERAPAN I. REVIEW MATEMATIKA TERAPAN Dafar isi : I. Rviw Dfinisi Dasar Fungsi Variabl Turunan/Drivaif Bbrapa auran pada oprasi urunan Laihan Soal Ingral Bbrapa sifa pada oprasi ingral Bbrapa sifa rigonomri ang prlu diprhaikan

Lebih terperinci

Bab III Aplikasi Teori Kontrol H 2 Pada Sistem Suspensi

Bab III Aplikasi Teori Kontrol H 2 Pada Sistem Suspensi Bab III Alikasi Tori Kotrol H Pada Sistm Sssi 36 Bab III Alikasi Tori Kotrol H Pada Sistm Sssi Pggaa tori kotrol H tlah bayak digaka Olh kara it brikt ii aka dirkalka da macam alikasi tori kotrol H ii

Lebih terperinci

PROYEKSI PENDUDUK PROVINSI MALUKU DENGAN MENGGUNAKAN MODEL PERTUMBUHAN LOGISTIK PADA BEBERAPA TAHUN MENDATANG

PROYEKSI PENDUDUK PROVINSI MALUKU DENGAN MENGGUNAKAN MODEL PERTUMBUHAN LOGISTIK PADA BEBERAPA TAHUN MENDATANG ROYESI ENDUDU ROVINSI MALUU DENGAN MENGGUNAAN MODEL ERTUMBUHAN LOGISTI ADA BEBERAA TAHUN MENDATANG [unuk mmnuhi ugas maa kuliah modlan] Disusun olh: 1. CAROLINA LAISINA 2. ELSA M. TAHALEA 3. FRISA NAHUWAY

Lebih terperinci

Modifikasi Metode Newton-Steffensen Bebas Turunan

Modifikasi Metode Newton-Steffensen Bebas Turunan Smiar Nasioal Tkologi Iormasi Komuikasi da Idustri SNTIKI 7 ISSN :08-990 Pkabaru Novmbr 0 Modiikasi Mtod Nto-Sts Bbas Turua M. Niam M.Y Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari Kasim Riau

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

Modifikasi Metode Iterasi Dua Langkah dengan Satu Parameter

Modifikasi Metode Iterasi Dua Langkah dengan Satu Parameter Smiar Nasioal Tkologi Iormasi, Komuikasi da Idustri SNTIKI 9 ISSN Pritd : 79-77 Fakultas Sais da Tkologi, UIN Sulta Sari Kasim Riau ISSN Oli : 79-406 Pkabaru, 8-9 Mi 07 Modiikasi Mtod Itrasi Dua Lagkah

Lebih terperinci